摘要
本发明公开了一种基于声纹去噪与DBO‑SVM的变压器故障声纹识别方法,该方法通过对比峭度值的差异对混合声信号进行重构得到信噪比高的去噪声信号,最后输入到优化后的支持向量机进行训练得到铁芯松动识别模型;通过对变压器进行空载实验并在铁芯不同松紧程度下分别采集声纹信号进行分析;基于去噪后MFCC特征参数与蜣螂算法优化支持向量机对声纹进行识别分类,有效提高了铁芯松动故障识别率,对于故障监测识别精度高,能够很大程度减少其他噪音对原始声纹的影响。
技术关键词
变压器铁芯
声纹识别方法
小波阈值去噪
梅尔倒谱系数
松动故障诊断
声纹识别系统
软阈值函数
重构
信号特征值
模型训练模块
离散余弦
算法
支持向量机
参数
系统为您推荐了相关专利信息
磁流变阻尼器
振动加速度信号
减振系统
摩擦纳米发电机
扩张状态观测器
风机主轴轴承
故障诊断方法
残差网络
故障诊断模型
注意力机制
变压器匝间短路
能量分布特征
信号
特征值
故障特征提取
神经网络模型
长短期记忆网络
机组
工况参数
时序特征