声纹的变压器放电与机械故障诊断研究

• 作者: 吴国鑫 詹花茂 李敏
• 来源期刊: 应用声学
• 关键词: 变压器 可听声 小波包 BP神经网络 卷积神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 研究报告|Research Articles
• 页码范围: 602-610
• 页数: 9页
• 分类号: TM411
• 语种: 中文
• DOI: 10.11684/j.issn.1000-310X.2021.04.015

摘要

变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7％.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网络的声音识别算法.两种算法相互验证,提高了系统的可靠性.在真实变压器油箱中模拟了不同类型放电和机械故障.实验结果表明,该文提出的两种方法能成功识别放电声和机械故障声,声音识别率分别为99.6％和97.57％.