基于声纹SDP-CNN的变压器局部放电模式识别
Electric Power Information and Communication Technology（2022）
摘要
变压器的可靠性是电网运维和运行控制的重要支撑,其绝缘劣化状态的在线检测一直是研究热点.传统的超声检测方法不能实现从声音信号到图像信号的高表征度转换和高精细度识别.文章设计了3种典型类型的变压器局部放电缺陷模型,利用超声传感器采集放电信号中的"声音"属性数据,并利用共振稀疏分解的方法有效提取特征信号,然后采用改进的对称点模式(symmetrized dot pattern,SDP)方法将声纹图像化,构建"声纹库".最后,构建了自适应的声纹SDP-CNN模型实现了特征信息的自动融合,简化了诊断过程并把复杂放电的识别准确率提高到了98.67％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要