典型文献
基于声纹识别系统的局部放电超声信号识别研究
文献摘要：
为准确构建局部放电的超声信号和对应缺陷的关系,文中提出了一种基于声纹识别系统的对超声信号进行模式识别的超声识别系统.该系统首先对局部放电超声信号进行分帧和加窗处理,然后提取MFCC和GFCC特征向量,分别根据MFCC或GFCC建立GMM模型,最后利用极大似然估计对待识别样本进行识别.为验证该系统的有效性,文中设计了自由金属颗粒放电模型、悬浮放电模型和尖刺放电模型,并充入不同的绝缘气体,对不同缺陷的超声信号应用超声识别系统进行计算分析.研究结果表明,利用MFCC或GFCC特征向量建立的GMM模型具有代表性,基于改进声纹识别系统的局部放电超声识别系统对缺陷类型的识别结果符合预期,该系统可为超声信号的模式识别提供一种新方法,为电力设备故障检测和工况判断提供依据.
文献关键词：
局部放电;超声识别;MFCC;GMM
中图分类号：
作者姓名：
周梦茜;唐志国;王泽瑞;曹智;何宁辉;刘博
作者机构：
华北电力大学高电压与电磁兼容北京市重点实验室,北京 102206;国网宁夏电力有限公司电力科学研究院,银川 750001;国网宁夏电力有限公司检修公司,银川 750011
文献出处：
引用格式：
[1]周梦茜;唐志国;王泽瑞;曹智;何宁辉;刘博-.基于声纹识别系统的局部放电超声信号识别研究)[J].高压电器,2022(09):127-133
A类：
B类：
声纹识别,识别系统,局部放电超声,超声信号,信号识别,模式识别,超声识别,对局,分帧,加窗,MFCC,GFCC,特征向量,GMM,极大似然估计,别样,中设计,金属颗粒,悬浮放电,尖刺,绝缘气体,缺陷类型,电力设备故障,故障检测
AB值：
0.267313
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
