基于深度学习模型的电力变压器故障声音诊断方法研究-论文阅读笔记
基于深度学习模型的电力变压器故障声音诊断方法研究
论文来源
DOI:10.16311/j.audioe.2020.01.020
论文目的
在变压器不停止工作的情况下,基于变压器的三种状态:正常、老化和放电下对变压器发出的声音信号进行声谱图转换和梅尔对数谱图的转换,输入到MobileNet中进行训练。采用梅尔对数谱图转换实现了高达99%的识别准确率。采用声谱图转换对放电缺陷检测识别率较高,但是对老化故障识别率不够理想。
论文内容
- 对变压器声音的故障诊断的研究集中在数学模型建立、特征提取、和定性经验方法中;
- 使用声音对变压器进行故障诊断实际上可以看作环境声识别问题;
- MobileNet是一种基于流线型架构轻量级深度神经网络,可以在保证模型性能的前提下降低模型大小,同时提高模型速度,适合嵌入式设备的使用。
论文使用方法
- 采集了变压器三种不同状态下的声音:正常运行时发出的声音,在用老化变压器发出的故障声音和模拟间歇性放点故障发出的声音;
- 声音采集系统包括:电容传声器、声卡、计算机;
- 声卡采样频率为:96kHz;本系统可以录制的声音频率为:20-48kHz;采用Adobe Audition,WAV格式;
- 数据清洗工作通过Audition软件手动完成,信号分割采用python完成,形成帧移1s,帧长3s形成多个音频文件;
- 采用声谱图和梅尔谱图进行处理;
声谱图分析
梅尔对数谱图分析
梅尔谱图是将低频信号进行精细显示,而高频进行粗略显示。
梅尔频率和线性频率的关系:
生成的梅尔对数谱图
训练方法
使用tensorflow中提供的MobileNet模型,进行迁移训练,主要使用变压器图谱数据集对FC层进行训练。
实验结果
个人总结
本文将变压器状态分为三类:正常,放电,老化状态,并采用声谱图和梅尔对数谱图两种方法将声音信号进行处理,之后将得到的声谱图输入到MobileNet预训练模型的FC层进行训练,最后在梅尔谱图下面得到了较好的效果。
本文虽然使用了CNN方法来对声音进行特征提取,这是值得肯定的一点。但是,在对变压器声音进行分类时,选定的类别数较少,这对实际的变压器环境的泛化程度较低(因为实际环境很复杂,有很多种类的变压器故障)。
基于深度学习模型的电力变压器故障声音诊断方法研究-论文阅读笔记相关推荐
- 变压器故障声纹检测与诊断方法研究-论文阅读笔记
变压器故障声纹检测与诊断方法研究 论文来源 DOI:10.27140/d.cnki.ghbbu.2021.000587 论文目的 针对于变压器机械故障声音和变压器本体噪声容易混淆的问题,提出了一种改进 ...
- 基于linux火焰识别算法,一种基于深度学习模型的火焰识别方法与流程
本发明属于通信领域,具体涉及一种基于深度学习模型的火焰识别方法. 背景技术: 随着我国工业化与城镇水平的不断提高,现代设施大型公共建筑朝着空间大.进深广功能复杂的多元化方向发展,这对于防烟火朝着空间大 ...
- 基于深度学习模型的花卉图像分类代码_实战 | 基于深度学习模型VGG的图像识别(附代码)...
本文演示了如何使用百度公司的PaddlePaddle实现基于深度学习模型VGG的图像识别. 准备工作 VGG简介 牛津大学VGG(Visual Geometry Group)组在2014年ILSVRC ...
- DeepEye:一个基于深度学习的程序化交易识别与分类方法
DeepEye:一个基于深度学习的程序化交易识别与分类方法 徐广斌,张伟 上海证券交易所资本市场研究所,上海 200120 上海证券交易所产品创新中心,上海 200120 摘要:基于沪市A股交 ...
- 基于深度学习的表面缺陷检测方法综述-论文阅读笔记
//2022.3.2日阅读笔记 原文链接:基于深度学习的表面缺陷检测方法综述 (aas.net.cn) 个人对本篇综述内容的大致概括 论文首先介绍了表面缺陷检测中不同场景下的成像方案,主要根据表面颜色 ...
- 一种基于深度学习的遥感图像分类及农田识别方法
文章针对现有的神经网络收敛速度慢.识别准确率不高的缺点,提出了一种基于卷积神经网络的遥感图像农田分类及识别方法.该算法使用较大的卷积核,有效地提取梯度信息:设计深度为6层的卷积神经网络,提高了网络的分 ...
- DeepRMethylSite:一种基于深度学习的蛋白质精氨酸甲基化位点预测方法
DeepRMethylSite:一种基于深度学习的蛋白质精氨酸甲基化位点预测方法 https://www.researchgate.net/publication/341890599_DeepRMet ...
- 阅读笔记3:基于深度学习的运动想象脑电信号分类算法研究
1.论文信息 题目:基于深度学习的运动想象脑电信号分类算法研究 作者佟歌 单位:哈尔滨工程大学控制科学与工程 发表时间:201803 2.笔记 2.1 脑电信号采集及预处理 2.1.1脑电信号分析方法 ...
- “交通·未来”第10期:基于深度学习的动态系统复杂数据建模方法:以铁路列车晚点预测为例...
前一阵公众号正式推出了"交通·未来"系列线上公益学术活动等你来~, 9月21日晚19:00,我们将迎来活动的第10期. 1.讲座主题 基于深度学习的动态系统复杂数据建模方法:以铁路 ...
最新文章
- hibernate ORM related
- spring相关API
- 鸿蒙系统什么时候超过苹果,为何任正非说鸿蒙系统想超过苹果系统需要的时间,不会超过300年...
- Windows下Yarn安装与使用
- button执行onclick函数_千万别再一直无脑使用ES6的箭头函数了,它虽然很有用但并不是万能的...
- PHP输出控制(Output Control)函数
- GIT提交(COMMIT)代码时,不显示新建的文件
- win11组策略如何开启自动更新 Windows11组策略开启自动更新的设置方法
- 【算法笔记】求长度为n的序列的全排列包含的总逆序对数目(树状数组求解)
- 蓝桥杯 平方怪圈 JAVA
- AEJoy ——表达式代码列表和示例(四)【代码详解】
- 大学英语四新视野 课后习题+答案翻译 Unit1~Unit8
- Struts1的工作流程
- 硬盘异响(嗑啦嗑啦)的可能原因
- 在路由器 RT-AC68U 使用自定义 DDNS 用 3322.org 动态域名的方法
- windows_帮助文档【.CHM电子书】打开显示空白解决办法
- Cadence allegro PCB快速自动创建差分对
- hadoop是什么?特点?
- signature=d363d26bda212f777fef81d270ecd42b,基于DNA-pooling全基因组重测序初步筛查CAD易感基因变异位点...
- Excel怎么大图预览表格中的图片?
热门文章
- WPF中WindowFormsHost始终置顶的有效解决方案
- java cookie 跨域共享_JavaWeb 系统共享跨域cookie的实现
- 奈奎斯特与香农定理_奈奎斯特定理和香农定理
- 什么是 信息系统工程监理
- BP神经网络分类以及对算法进行改进—MATLAB实现
- 基于YOLOv5 + Deepsort 的多车辆追踪与测速
- NGINX配合FASTDFS使用的安装与配置及编译遇到错误:cc1: all warnings being treated as errors
- 【Mysql】一篇文章理清事务隔离级别实现原理MVCC
- 通灵继电器5脚接线法
- java学习笔记之HashMap经典分拣存储