科研之友
微信
新浪微博
Facebook
分享链接
摘要
变压器声纹信号包含大量反映内部机械状态的有效信息。为实现变压器内部机械状态不停电检测，提出一种基于特征筛选和改进深度森林的变压器机械状态声纹识别方法。首先，利用自适应噪声完备集合经验模态分解（CEEMDAN）声纹信号得到本征模态函数（IMF），并通过频谱分析和皮尔逊相关系数对IMF分量进行筛选，得到包含故障信息的IMF分量。其次，利用各IMF分量在频段上的分布情况进行高、低频段划分，依据高、低频段IMF分量的差异性，将高频段IMF分量的时频能量和低频段IMF分量的幅值特性作为特征指标，构成特征向量，输入改进后的深度森林模型，得到10种机械松动状态的声纹识别结果。最后，通过现场试验验证了该方法的有效性。研究结果表明：所提方法对10种机械松动状态的平均识别准确率达99.2%。与传统变压器声纹特征相比，所提声纹特征区分度更高；与传统识别模型相比，所提改进深度森林识别模型复杂度更低，训练速度更快，识别准确率更高。
-
单位河海大学; 电气学院
