【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
【基金项目】
:
国家自然科学基金项目(51577050); 国网江苏省电力公司科技项目(J2021053);
论文部分内容阅读
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。
其他文献
变电站存在大量干扰声音,高噪声环境会降低声纹识别的准确率。为此,提出一种基于重复模式提取(repeating pattern extraction technique, REPET)和高斯混合模型(Gaussian mixture model, GMM)的变压器故障声纹识别方法。首先,在真实的变压器油箱中模拟不同类型放电和机械故障声音。其次,针对变电站内非平稳性干扰声音,采用基于REPET的盲源分
目的 分析渐进式康复护理干预对急性心肌梗死经皮冠状动脉介入治疗(PCI)术后患者心理弹性及Barthel指数的影响。方法 70例急性心肌梗死PCI术后患者,以随机数字表法分为对照组及研究组,每组35例。对照组采用常规护理干预,研究组采用渐进式康复护理干预。对比两组干预前后的心功能指标(左室舒张末期容量、左室射血分数),负面情绪评分(焦虑评分、抑郁评分),心理弹性评分及Barthel指数评分。结果
按照司法部提出的在全国建立以“四区五中心”为基本框架的强制隔离戒毒基本模式,各地区依据戒毒工作实际情况,建立了以不同戒断时期特点为依据的“四区”,以及以专业戒治手段为引领的“五大专业中心”的统一戒毒模式。本文总结了探索戒毒模式专业化路径中存在的问题,并提出了在工作体制、资金保障、专业人才、协同合作、激励机制、联系互通等方面的优化措施,为推进该模式进一步落实落地,推动戒毒工作更好更快发展提供对策建议
目的 分析渐进式康复护理对急性ST段抬高型心肌梗死患者心脏功能康复及预后的影响。方法 将我院收治的150例急性ST段抬高型心肌梗死患者根据护理方式的不同分为对照组(75例,常规护理)和观察组(75例,渐进式康复护理)。比较两组的护理效果。结果 随访后,观察组的左心室舒张末期内径(LVEDD)、左心室射血分数(LVEF)、每搏输出量(SV)以及舒张早期最大峰值流速/舒张晚期最大峰值流速(E/A)优于
目的 探讨渐进式康复护理对急性ST段抬高型心肌梗死(STEMI)患者的心脏功能康复及预后的影响。方法 选取急性STEMI患者86例,随机分为对照组与实验组,各43例。对照组接受常规护理,实验组接受渐进式康复护理,比较两组护理前后心脏功能康复情况、6 min步行试验及生活质量。结果 护理1个月后,实验组的LVEF高于对照组,LVEDD以及LVESD低于对照组(P<0.05);实验组SF-36评分、6
针对传统声纹识别方法在实际应用场景中跨设备情况下声纹识别性能较差的问题,提出了一种基于深度学习的跨设备声纹识别方法,采用了卷积循环网络的模型架构,在声纹注册阶段录制多段语音进行声纹特征的拟合建模,在识别阶段使用了切片降噪方式提取音频中的语音信息,在设备端使用了DSP芯片支持的双麦克采集现场声音。实验结果表明,在跨设备声纹识别条件下,本文提出的声纹识别方法识别准确率高于目前主流的方法,达到80%。
为提高换流站智能化水平,充分利用巡检机器人硬件能力,文中基于变压器声音信息提出一种直流偏磁声纹识别方法,该方法可以无需特定降噪算法应对瞬态和稳态噪声。首先,对变压器声音信号进行分析;其次,为提高有效声音信息权重,结合变压器声音信号特点,使用W-50FMCC特征来表征声音信息;再次,基于多头注意力机制和残差结构设计了非自回归端到端偏磁声纹识别模型,使用信道补偿算法提升特征正交性并获取相似度得分,完成
【目的】为研究理县高原鳅不同地理种群的遗传多样性和群体结构,进一步利用理县高原鳅的遗传种质资源并对其野生群体进行保护,本研究对长江流域理县高原鳅种群结构的信息进行了调查。【方法】对大渡河理县高原鳅体重和体长组成、体长–体重关系进行研究,并利用线粒体DNA控制区D-loop序列,对理县高原鳅4个地理种群共117个个体进行遗传结构变异分析。【结果】理县高原鳅体重和体长的回归方程为y = 0.0123x
运行中的变压器声信号以其非接触式测量、高灵敏度和强时效性等优点逐渐成为基于数据驱动模型的变压器状态监测领域的关注热点,如何从非平稳的声信号中获取合理有效及区分度高的声纹特征参数是变压器状态监测的关键。对此,在分别计算变压器声信号Mel频率倒谱系数和常Q倒谱系数特征参数的基础上,引入二维主成分分析法对这2种声纹特征参数进行融合降维,旨在降低数据维数的同时获取主要声纹特征,并以平均类间区分度表征声纹特
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,