典型文献
声纹识别在电厂设备状态监测中的运用
文献摘要：
电力变压器是利用电磁感应在电路之间传递电力的设备,是电厂设备的关键部件.文中提出一种利用声音信号实现变压器故障检测的方法,即基于朴素贝叶斯分类器的变压器故障检测方法与用于声音信号的梅尔频率倒频谱系数(MFCC)特征向量,特别是基于MFCC的动态特征.这些声音信号可以通过传感器方便采集,首先,将采集的声音信号经过预处理,特别使用了汉明窗函数;然后,对声音信号进行声学特征提取,将静态与动态特征向量组成新的特征向量;最后,将特征向量导入朴素贝叶斯分类器进行训练,朴素贝叶斯分类器可监测变压器故障种类,及时通知检修人员修理存在故障的电力设备.实验结果表明,朴素贝叶斯分类器对常见的4种变压器工作状态的分类具有较高的准确率.
文献关键词：
电力变压器;梅尔倒谱系数;声音信号;朴素贝叶斯;故障监测;声学特征
中图分类号：
作者姓名：
肖毓增;付新华;杨胜仪;陈文清
作者机构：
福建华电福瑞能源发展有限公司池潭水力发电厂,福建 三明 353000;西北大学,陕西 西安 710100
文献出处：
引用格式：
[1]肖毓增;付新华;杨胜仪;陈文清-.声纹识别在电厂设备状态监测中的运用)[J].物联网技术,2022(10):4-7,11
A类：
B类：
声纹识别,电厂设备,设备状态监测,电力变压器,电磁感应,关键部件,声音信号,变压器故障,朴素贝叶斯分类器,故障检测方法,MFCC,特征向量,动态特征,汉明,窗函数,声学特征,向量组,故障种类,检修,修理,电力设备,工作状态,梅尔倒谱系数,故障监测
AB值：
0.217133
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。
