一种基于长短期记忆网络优化的变压器故障声纹检测方法

本发明公开了一种基于长短期记忆网络优化的变压器故障声纹检测方法，涉及变压器故障检测技术领域。本发明通过训练LSTM模型对变压器故障声纹信号进行检测，在LSTM模型训练过程中，每轮训练通过索波尔序列产生拟随机数生成LSTM模型中的超参数的初始种群，通过黑鹰优化算法对超参数进行寻优；并且黑鹰优化算法中各优化阶段的随机函数替换为索波尔序列，从而避免LSTM模型的训练过程陷入局部最优解，提高训练效率的同时避免了依赖于梯度信息的优化方法易产生的梯度消失与梯度爆炸现象，从而训练后得到的故障检测模型能够很好的提取待检测变压器的声纹信号中的时序特征，得到准确的故障检测结果，提高了变压器故障检测的准确性。