基于深度学习的轨道交通变压器故障诊断方法

作者：陈奇志; 赵沛舟; 赵海全^*; 蔡**; 谢昌富

来源：自动化与信息工程, 2023, 44(03): 46-51.

DOI：10.3969/j.issn.1674-2605.2023.03.008

• 轨道交通变压器
• 故障诊断
• 噪声信号分析
• 特征提取
• 深度学习

针对传统轨道交通变压器种类多、内部结构复杂、运行工况多样，导致对其进行故障诊断较为困难的问题，提出深度学习融合线性预测倒谱系数（LPCC）和梅尔频率倒谱系数（MFCC）组合特征的轨道交通变压器故障诊断方法。首先，利用小波阈值去噪法对噪声信号预处理；然后，分别提取噪声信号的LPCC特征和MFCC特征，并组合成特征向量；最后，将组合特征向量输入到基于深度学习的CNN-LSTM模型，实现轨道交通变压器的故障诊断。实验结果表明，该文提出的LPCC-MFCC组合特征和CNN-LSTM模型对轨道交通变压器的故障诊断准确率可达99.48%，精度、召回率和F1分数均达到99.59%。

• 单位
  成都交大光芒科技股份有限公司; 深圳市地铁集团有限公司; 西南交通大学