摘要
本申请提供了一种高压直流换流阀的故障识别方法、介质及电子设备,能够采集高压直流换流阀的实时音频数据,并提取实时音频数据对应的声纹特征,通过第一降维算法对声纹特征进行降维,获取第一降维数据,再通过第二降维算法对第一降维数据进行降维,获取第二降维数据,最后通过预先训练的故障分类模型对第二降维数据进行故障分类并输出对应的故障分类结果,从而能够去除高压直流换流阀的音频数据中混杂的噪声,得到用于进行故障识别的正常音频数据样本,能够提高故障识别模型的识别准确性,也能够增加故障音频数据的数据量,使得故障识别模型进行故障识别的泛化能力增强,还能够通过向现场运维人员提供可视化音频特征数据以得到人工判断结果,综合人工判断结果和模型识别结果得到准确性更高的故障识别结果,进一步提高对高压直流换流阀故障的响应能力。
技术关键词
故障识别方法
线性预测倒谱系数
声纹特征
降维算法
梅尔倒谱系数
计算机可读指令
高压直流换流阀
计算机程序指令
电子设备
音频特征数据
故障分类模型
支持向量机算法
样本
存储计算机程序
成分分析
处理器
运维
系统为您推荐了相关专利信息
阵列信号处理方法
智能麦克风
声学特征
视觉特征
拓扑特征
多模态数据融合
互动系统
生物特征数据
分片策略
光电心率传感器
上采样
声音信号处理方法
变压器
短时傅里叶变换
深度学习模型训练
犯罪心理学
声纹特征
识别方法
MFCC特征
风险