典型文献
基于CEEMDAN-小波阈值和3D-CNN的变压器铁心松动故障诊断模型
文献摘要：
为了解决变压器铁心松动故障的识别与诊断,提出基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波阈值的环境噪声去除方法,并提出使用三维卷积神经网络(3D-CNN)去识别基于声纹的变压器铁心松动故障诊断方法.搭建变压器铁心松动故障试验平台,采集铁心在不同松动程度下的噪声信号;将采集的用于故障识别的声纹信号经过CEEMDAN-小波阈值算法,利用变压器本体噪声和环境噪声在峭度上的差异滤波,得到信噪比较高的变压器声纹信号;再将滤波后的声纹信号经过短时傅里叶变化生成时频矩阵,并用Mel滤波器降维得到Mel-语谱图,制作成适合3D-CNN输入格式的数据集;搭建好网络的各层,利用3D-CNN对变压器铁心松动故障进行分类和识别.试验结果表明:所提方法在考虑环境噪声的条件下,变压器铁心松动故障的识别率达到90％以上,可用于变压器铁心松动故障的识别和诊断.
文献关键词：
变压器;铁心松动故障;声纹信号;故障诊断;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CEEMDAN-小波阈值和3D-CNN的变压器铁心松动故障诊断模型)[J].电机与控制应用,2022(10):46-52
A类：
B类：
CEEMDAN,变压器铁心,铁心松动故障,故障诊断模型,完全自适应噪声集合经验模态分解,环境噪声,噪声去除,去除方法,出使,三维卷积神经网络,故障诊断方法,试验平台,噪声信号,故障识别,声纹信号,小波阈值算法,变压器本体,峭度,变压器声纹,傅里叶变化,化生成,时频矩阵,Mel,滤波器,语谱图,建好,识别率
AB值：
0.186419
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。
