典型文献
基于特征筛选和改进深度森林的变压器内部机械状态声纹识别
文献摘要：
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.
文献关键词：
电力变压器;特征筛选;深度森林;模态分解;声纹识别
中图分类号：
作者姓名：
李楠;马宏忠;张玉良;段大卫;崔佳嘉;何萍
作者机构：
河海大学能源与电气学院,江苏南京 211100;国网南京供电公司,江苏南京 210008
文献出处：
引用格式：
[1]李楠;马宏忠;张玉良;段大卫;崔佳嘉;何萍-.基于特征筛选和改进深度森林的变压器内部机械状态声纹识别)[J].电机与控制应用,2022(09):57-65,74
A类：
不停电检测
B类：
特征筛选,进深,声纹识别,变压器声纹,声纹信号,有效信息,自适应噪声完备集合经验模态分解,CEEMDAN,本征模态函数,IMF,过频,频谱分析,皮尔逊相关系数,故障信息,低频段,频段划分,高频段,时频,特征指标,构成特征,特征向量,深度森林模型,松动状态,现场试验,识别准确率,声纹特征,特征区,区分度,识别模型,模型复杂度,训练速度,电力变压器
AB值：
0.270313
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。
