有载分接开关(on-load tap changer,OLTC)的机械故障声纹在线监测技术逐步得到应用,为消除OLTC声纹在线监测过程中外界环境干扰导致的误动,提出一种基于混合倒谱系数与卷积神经网络(convolutional neural network,CNN)的OLTC声音辨识方...有载分接开关(on-load tap changer,OLTC)的机械故障声纹在线监测技术逐步得到应用,为消除OLTC声纹在线监测过程中外界环境干扰导致的误动,提出一种基于混合倒谱系数与卷积神经网络(convolutional neural network,CNN)的OLTC声音辨识方法。首先通过现场采集与搭建试验平台的方式构建OLTC声信号数据集,并将变电站采集的环境声数据与ESC-50数据集共同构建成环境声数据集;其次,根据OLTC的声信号分布特性,采用梅尔倒谱系数、伽马通滤波倒谱系数、幂律归一化倒谱系数组成的混合倒谱对原始信号进行降维预处理,提升后续识别速度;最后,引入CNN通过超参数调整和网络结构优化设计构建声音辨识模型,实现OLTC与环境干扰的声信号辨识。结果表明,该方法在辨识OLTC与环境干扰声音方面具有较高的准确率与较快的计算速率。展开更多
文摘有载分接开关(on-load tap changer,OLTC)的机械故障声纹在线监测技术逐步得到应用,为消除OLTC声纹在线监测过程中外界环境干扰导致的误动,提出一种基于混合倒谱系数与卷积神经网络(convolutional neural network,CNN)的OLTC声音辨识方法。首先通过现场采集与搭建试验平台的方式构建OLTC声信号数据集,并将变电站采集的环境声数据与ESC-50数据集共同构建成环境声数据集;其次,根据OLTC的声信号分布特性,采用梅尔倒谱系数、伽马通滤波倒谱系数、幂律归一化倒谱系数组成的混合倒谱对原始信号进行降维预处理,提升后续识别速度;最后,引入CNN通过超参数调整和网络结构优化设计构建声音辨识模型,实现OLTC与环境干扰的声信号辨识。结果表明,该方法在辨识OLTC与环境干扰声音方面具有较高的准确率与较快的计算速率。