-
公开(公告)号：CN112016470A
公开(公告)日：2020-12-01
申请号：CN202010889047.3
申请日：2020-08-28
Applicant: 国网福建省电力有限公司电力科学研究院 , 四川华音盛安科技有限公司 , 国网福建省电力有限公司福州供电公司
Abstract: 本发明涉及基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，包括如下步骤：采集变压器有载分接开关载不同故障状态下的声音信号数据和振动信号数据作为样本；对声音信号数据和振动信号数据分别进行分帧处理，并分别计算声音信号数据的自相关函数和振动信号数据的自相关函数；计算每帧声音信号数据的自相关函数的能量特征，并求取当前帧局部范围内的平均能量；计算每帧振动信号数据的自相关函数的熵特征，并求取当前帧局部范围内的平均熵；通过上述数据特征构建声音、振动异构数据联合能量熵特征，并添加故障标签作为训练样本集；构建神经网络，输入训练样本集进行训练，生成故障识别模型，通过故障识别模型进行故障识别。
-
公开(公告)号：CN112016470B
公开(公告)日：2024-02-09
申请号：CN202010889047.3
申请日：2020-08-28
Applicant: 国网福建省电力有限公司电力科学研究院 , 四川华音盛安科技有限公司 , 国网福建省电力有限公司福州供电公司
Abstract: 本发明涉及基于声音信号和振动信号联合特征的变压器有载分接开关故障识别方法，包括如下步骤：采集变压器有载分接开关载不同故障状态下的声音信号数据和振动信号数据作为样本；对声音信号数据和振动信号数据分别进行分帧处理，并分别计算声音信号数据的自相关函数和振动信号数据的自相关函数；计算每帧声音信号数据的自相关函数的能量特征，并求取当前帧局部范围内的平均能量；计算每帧振动信号数据的自相关函数的熵特征，并求取当前帧局部范围内的平均熵；通过上述数据特征构建声音、振动异构数据联合能量熵特征，并添加故障标签作为训练样本集；构建神经网络，输入训练样本集进行训练，生成故障识别模型，通过故障识别模型
-
公开(公告)号：CN114530166A
公开(公告)日：2022-05-24
申请号：CN202210112444.9
申请日：2022-01-29
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司莆田供电公司 , 国网福建省电力有限公司 , 四川华音盛安科技有限公司
Abstract: 本发明涉及一种基于背景声纹理的变压器有载分接开关故障诊断方法，包括以下步骤：对原始音频数据进行预处理；使用深度神经网络得到设备声的时频掩膜，并利用时频掩膜分离出纯净设备声音；对分离出来的声音活动使用初分析模型进行故障状态预判断；对判断为故障状态的音频数据区进行音频事件的开始‑结束端点检测，截取出音频事件片段；对检测出的音频事件片段使用再分析模型进行精确识别，得到故障的类型。该方法有利于提高故障诊断的准确性。
-
-
Search Results
3
records
(took 0.075 seconds)
