一种基于声纹分析和两级Conformer网络的变压器故障诊断方法

本发明公开了一种基于声纹分析和两级Conformer网络的变压器故障诊断方法，该方法结合声学特征初筛、深度模型检测与自适应门限优化，实现对异常声音的智能识别与分类。通过声纹传感器采集音频，利用多特征门限筛选异常信号，再经预训练Conformer网络完成二分类检测与多类别故障识别。最后，采用动态阈值补偿策略自适应优化诊断流程，以降低系统的误报率。为增强模型对工况变化与异常样本稀缺问题的适应性，采用基于特征相似性引导与条件鉴别约束的数据增强方法，并结合动态采样比例与领域对齐正则的训练策略优化模型表现。该方法识别精度高、误报率低，适用于变压器等工业设备的智能预测性维护。