典型文献
基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识别模型
文献摘要：
为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型.首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算法(LLE)对现有的MF-CC特征向量降维改进;最后使用三维卷积神经网络对变压器铁心松动故障进行识别.以某10 kV变压器为对象进行空载试验,采集铁心在不同松动程度下的声纹信号.计算结果表明,使用改进后的MFCC特征向量提取算法及3 D-CNN模型具有良好的识别效果,准确率可达到98.33％,且平均迭代的时间可降至8.51126 s.最终研究结果可为变压器的噪声治理提供依据.
文献关键词：
变压器;声纹;铁心松动;梅尔倒谱系数;局部线性嵌入算法;降维;三维卷积神经网络
中图分类号：
作者姓名：
崔佳嘉;马宏忠
作者机构：
河海大学 能源与电气学院,江苏 南京211100
文献出处：
引用格式：
[1]崔佳嘉;马宏忠-.基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识别模型)[J].电机与控制学报,2022(12):150-160
A类：
B类：
MFCC,变压器铁心,铁心松动故障,声纹识别,识别模型,声纹特征,梅尔频率倒谱系数,三维卷积神经网络,变压器声纹,变压器噪声,噪声信号,分帧,加窗,局部线性嵌入算法,LLE,kV,行空,空载试验,声纹信号,特征向量提取,噪声治理,梅尔倒谱系数
AB值：
0.236951
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。
