摘要
本发明属于电力设备状态监测技术领域,公开一种基于特征融合的变压器故障检测方法;所述方法包括变压器声音信号采集与预处理;对预处理后的声音信号分别进行梅尔频率倒谱系数MFCC和功率正则化倒谱系数PNCC的特征提取;利用基于Fisher准则的特征融合算法,将MFCC特征参数和PNCC特征参数进行加权融合,生成融合特征参数;将融合特征参数输入深度神经网络模型进行训练;将获取的待检测变压器声音信号的融合特征参数输入训练后的深度神经网络模型,得到变压器故障类别的检测结果;本发明融合MFCC、PNCC特征参数,并动态加权得到MPFC特征,综合频域、抗噪与敏感频段信息,提高了检测准确率及抗干扰能力。
技术关键词
深度神经网络模型
Fisher准则
梅尔频率倒谱系数
故障类别
信号
深度卷积神经网络
电力设备状态监测技术
融合算法
残差网络
轻量级卷积神经网络
离散余弦变换
声学传感器
变压器故障检测
训练样本集
拉格朗日乘数法
全局平均池化
数字滤波器