典型文献
基于变压器声纹Mel语谱图-ResNet的铁心松动故障诊断
文献摘要：
为实现变压器铁心松动故障的识别,提出基于变压器声纹的ResNet卷积神经网络(CNN)用作铁心松动故障的识别,分别比较了相同卷积神经网络ResNet在交叉熵损失函数(SE-ResNet-Dense)和特征表达的角度空间中最大化分类界限的加性角度裕度损失函数(SE-ResNet-ArcLoss)不同表现效果.通过变压器空载试验采集变压器铁心在额定预紧力、松动20％、松动40％时的噪声信号,通过离散傅里叶变换将采集的声纹信号生成时频矩阵,并使用Mel滤波器对时频矩阵降维生成尺寸大大缩小的Mel-语谱图.将采集的噪声信号制作成数据集后输入到两种模型中训练,最终测试集在模型SE-ResNet-Dense上的预测结果为90.753％,在模型SE-ResNet-ArcLoss上的预测结果为97.541％.结果验证SE-ResNet-ArcLoss最适用于变压器铁心松动故障识别.
文献关键词：
变压器声纹;铁心松动故障;Mel语谱图;卷积神经网络;故障识别
中图分类号：
作者姓名：
何萍;李勇;陈寿龙;许洪华;朱雷;王凌燕
作者机构：
国网江苏电力有限公司南京供电分公司,江苏南京 210019
文献出处：
引用格式：
[1]何萍;李勇;陈寿龙;许洪华;朱雷;王凌燕-.基于变压器声纹Mel语谱图-ResNet的铁心松动故障诊断)[J].电机与控制应用,2022(09):75-80
A类：
ArcLoss
B类：
变压器声纹,Mel,语谱图,ResNet,铁心松动故障,变压器铁心,交叉熵损失函数,SE,Dense,特征表达,度空间,加性,裕度,空载试验,额定,预紧力,噪声信号,离散傅里叶变换,声纹信号,时频矩阵,滤波器,矩阵降维,测试集,故障识别
AB值：
0.186144
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。
