CN107084754A - 一种变压器故障检测装置 - Google Patents
一种变压器故障检测装置 Download PDFInfo
- Publication number
- CN107084754A CN107084754A CN201710290063.9A CN201710290063A CN107084754A CN 107084754 A CN107084754 A CN 107084754A CN 201710290063 A CN201710290063 A CN 201710290063A CN 107084754 A CN107084754 A CN 107084754A
- Authority
- CN
- China
- Prior art keywords
- mrow
- audio
- failure
- audio signal
- binary sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000005236 sound signal Effects 0.000 claims abstract description 65
- 230000002547 anomalous effect Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 6
- 229910002056 binary alloy Inorganic materials 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/16—Vocoder architecture
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明提供了一种变压器故障检测装置，包括音频采集模块、音频信号处理模块、智能音频识别模块和故障音频数据库，所述故障音频数据库中预存有变压器的不同故障的异常音频的二进制序列；所述音频信号处理模块用于将变压器故障时发出的音频转换成故障音频信号的二进制序列；所述智能音频识别模块用于将故障音频信号的二进制序列与故障音频数据库中预存有变压器不同故障的异常音频的二进制序列进行匹配对比识别，得到故障音频信号识别结果。本发明采用将变压器故障时发出的音频转换成二进制序列然后进行对比识别，将大大提高维护人员在远程对变压器故障类型的识别能力，以便对变压器故障做出更准确的维修工作。
Description
技术领域
本发明涉及故障检测领域，具体涉及一种变压器故障检测装置。
背景技术
相关技术中的变压器故障检测多为电力维护人员巡查检测，这样的检测方法有一定的盲目性，且常常维修工作要在事故发生之后，人们的生命财产安全得不到有效的保障，也不利于维护人员及时发现问题解决问题。由于变压器发生不同故障时会发出不同的异响，因此完全有可能可以通过分析异响来判断变压器的故障情况，进而做出准确的维护工作。
在音频压缩方面，常常应用带改进的离散余弦变换，所谓改进的离散余弦变换(Modified Discrete Cosine Transform,MDCT)是一种与傅立叶变换相关的变换，以第四型离散余弦变换(DCT-IV)为基础，重叠性质如下：它是应用于处理较大的资料集合，当连续的资料区块中，当前的资料区块跟后续的资料区块有重叠到的情形；即当前资料区块的后半段与下一个资料区块的前半段为重叠的状态。
在音频解码方面，开源解码器Libmad(MPEG Audio Decoder)是一个开源的高精度MPEG音频解码库，支持MPEG-1(Layer I,Layer II和LayerIII-也就是MP3)。开源解码器Libmad(MPEG Audio Decoder)提供24-bit的PCM输出，完全是定点计算，非常适合没有浮点支持的平台上使用。使用Libmad提供的一系列API，就可以非常简单地实现MP3数据解码工作。
非负矩阵分解是针对非负的矩阵进行分解降维的概念，最早由两位科学家D.D.Lee和H.S.Seung与1999年在《Nature》杂志上提出。非负矩阵分解通过低秩，对那些都为非负值得矩阵进行分解。非负矩阵分解在感知哈希技术中有着广泛的应用。
发明内容
针对上述问题，本发明旨在提供一种变压器故障检测装置。
本发明的目的采用以下技术方案来实现：
一种变压器故障检测装置，包括音频采集模块、音频信号处理模块、智能音频识别模块和故障音频数据库，所述故障音频数据库中预存有变压器的不同故障的异常音频二进制序列；所述音频信号处理模块用于将变压器故障时发出的目标音频信号转换成故障音频信号的二进制序列；所述智能音频识别模块用于将故障音频信号的二进制序列与故障音频数据库中预存有变压器的不同故障的异常音频二进制序列进行匹配对比识别，得到故障音频信号识别结果。
本发明的有益效果为：本发明采用将变压器故障时发出的音频转换成二进制序列然后进行对比识别，将大大提高维护人员在远程对变压器故障类型的识别能力，以便对变压器故障做出更准确的维修工作。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的框架结构图；
图2是本发明的音频信号处理模块的框架结构图。
附图标记：
音频采集模块1、音频信号处理模块2、智能音频识别模块3、故障音频数据库4、故障音频预处理单元20、MDCT系数提取单元21、故障音频二进制序列构建单元22。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，本实施例的一种变压器故障检测装置，包括音频采集模块1、音频信号处理模块2、智能音频识别模块3和故障音频数据库4，所述故障音频数据库4中预存有变压器的不同故障的异常音频二进制序列；所述音频信号处理模块2用于将变压器故障时发出的目标音频信号转换成故障音频信号的二进制序列；所述智能音频识别模块3用于将故障音频信号的二进制序列与故障音频数据库4中预存有变压器的不同故障的异常音频二进制序列进行匹配对比识别，得到故障音频信号识别结果。
优选地，所述音频采集模块2由传感器阵列构成。
优选地，如图2所示，所述音频信号处理模块包括故障音频预处理单元、改进的离散余弦变换(Modified Discrete Cosine Transform，MDCT)系数提取单元和故障音频二进制序列构建单元；所述故障音频预处理单元用于对目标故障音频信号进行分段和混叠处理；所述MDCT系数提取单元用于对目标故障音频信号进行压缩、解码及提取MDCT系数；所述故障音频二进制序列构建单元用于将提取的MDCT系数计算目标故障音频信号子带的能量，以构建故障音频信号的二进制序列。
本发明上述实施例，采用将变压器故障时发出的音频转换成二进制序列然后进行对比识别，将大大提高维护人员在远程对变压器故障类型的识别能力，以便对变压器故障做出更准确的维修工作。
优选地，所述故障音频预处理单元用于对目标故障音频信号进行分段和混叠预处理，包括：将目标故障音频信号分为x段，每段包括y节，具体的x、y值根据实际情况设定，相邻段之间设定有0.5y节是重复的；
所述MDCT系数提取单元用于对目标故障音频信号进行压缩，然后对压缩后的故障音频信号进行解码，提取MDCT系数，具体包括：
(1)对目标故障音频信号进行压缩，其中对目标故障音频信号进行频域变换时，定义改进的离散余弦变换公式为：
式中，表示对目标故障音频信号进行频域变换后得到的频域故障音频信号，l＝0，1，2......L-1，其中L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)；
S(k)表示目标故障音频信号，k为目标故障音频信号帧数，β为修正因子；
(2)对目标故障音频信号压缩完毕后，再对得到的压缩后的频域故障音频信号使用开源解码器Libmad(MPEG Audio Decoder)作为解码软件进行解码，提取MDCT系数。
本发明上述实施例，对目标故障音频信号进行压缩有利于提高算法的效率，而通过自定义改进的离散余弦变换公式，引入修正因子，减少***误差，避免原始的离散余弦变换中出现的性能波动问题，更加准确地对时域的故障音频信号进行频域变换，提高算法鲁棒性以及精度。
优选地，所述故障音频二进制序列构建单元利用MDCT系数来计算频域故障音频信号子带的能量，以构建故障音频信号的二进制序列，得到的故障音频信号的二进制序列发送至验证识别模块，具体为：
(1)将分段后的目标故障音频信号每一个小节分为32个子带，分别计算每一个子带的能量，定义能量计算公式为：
式中，W(j,k,p)表示频域故障音频信号第x段第y节第z个子带的能量，z＝1,2,3……32；
ψ(x,y,z,t)表示频域故障音频信号第x段第y节第z个子带的第t个MDCT系数，z＝1,2,3……32；
(2)提取每段中1至y节1-32子带的能量，构成感知特征矩阵Rx：
y值可表示矩阵长度，对特征矩阵Rx通过非负矩阵分解降维，形成第x段的段内特征矩阵Nx
Rx＝Nx×Mx
其中，Nx、Mx分别为y×1、1×32的矩阵，将每段的段内特征矩阵转置合并得到段间联合特征矩阵K＝[N1 T,N2 T,N3 T,…,N32 T]，再用非负矩阵分解对段间联合特征矩阵K进行降维，得到段间特征矩阵F；
(3)构造故障音频信号的二进制序列时采用的构造公式为：
式中，V(u)表示故障音频信号的二进制序列的构造函数，为段间特征矩阵F中元素的均值；
f(u)为段间特征矩阵F中第u个元素的数值，f(u)∈F，u＝1,2,3……L，L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)。
本发明上述实施例，采用二进制序列方式来对目标故障音频信号进行构造，能够减少数据量，节省存储空间，从而在容量相同大小的存储器内可以存储更多的数据，同时采用二进制十分便于计算与分析；通过自定义能量计算公式计算各子带能量值，提高故障音频信号的二进制序列构造的准确度，最终提高对变压器故障分析时的准确度，为维护人员对变压器故障进行诊断与维修时提供有效帮助。
优选地，所述验证识别模块将故障音频信号的二进制序列与故障音频数据库中预存有变压器的不同故障的异常音频二进制序列进行匹配对比识别，对比识别得到的结果采用自定义故障匹配率来衡量，自定义故障匹配率计算公式如下：
式中，φ表示自定义误差系数计算函数，L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)，ωi为第i个权重系数，fi 1为目标故障音频信号的二进制序列中的第i个二进制值，fi 2为故障音频数据库中预存有变压器的不同故障的异常音频二进制序列的第i个二进制值。
本发明上述实施例，通过自定义误差系数计算函数对目标故障音频信号的二进制序列与故障音频数据库中预存有变压器的不同故障的异常音频二进制序列之间的数学距离进行计算时，增大二进制序列中不同的值的差距，有利于区别出相近的故障音频信号，以便维护人员不会混淆变压器不同的故障，从而作出更加确定的维修工作。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种变压器故障检测装置，其特征是，包括音频采集模块、音频信号处理模块、智能音频识别模块和故障音频数据库，所述故障音频数据库中预存有变压器的不同故障的异常音频二进制序列；所述音频信号处理模块用于将变压器故障时发出的目标音频信号转换成故障音频信号的二进制序列；所述智能音频识别模块用于将故障音频信号的二进制序列与故障音频数据库中预存有变压器的不同故障的异常音频二进制序列进行匹配对比识别，得到故障音频信号识别结果。
2.根据权利要求1所述的一种变压器故障检测装置，其特征是，所述音频采集模块由传感器阵列构成。
3.根据权利要求1所述的一种变压器故障检测装置，其特征是，所述音频信号处理模块包括故障音频预处理单元、改进的离散余弦变换(Modified Discrete Cosine Transform，MDCT)系数提取单元和故障音频二进制序列构建单元；
所述故障音频预处理单元用于对目标故障音频信号进行分段和混叠处理；
所述MDCT系数提取单元用于对目标故障音频信号进行压缩、解码及提取MDCT系数；
所述故障音频二进制序列构建单元用于将提取的MDCT系数计算目标故障音频信号子带的能量，以构建故障音频信号的二进制序列。
4.根据权利要求3所述的一种变压器故障检测装置，其特征是，所述故障音频预处理单元用于对目标故障音频信号进行分段和混叠预处理，包括：将目标故障音频信号分为x段，每段包括y节，具体的x、y值根据实际情况设定，相邻段之间设定有0.5y节是重复的；
所述MDCT系数提取单元用于对目标故障音频信号进行压缩，然后对压缩后的故障音频信号进行解码，提取MDCT系数，具体包括：
(1)对目标故障音频信号进行压缩，其中对目标故障音频信号进行频域变换时，定义改进的离散余弦变换公式为：
<mrow>
<mover>
<mi>S</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>&lsqb;</mo>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>k</mi>
<mi>L</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<msup>
<mi>L</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mi>&beta;</mi>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
式中，表示对目标故障音频信号进行频域变换后得到的频域故障音频信号，l＝0,1,2……L-1，其中L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)；
S(k)表示目标故障音频信号，k为目标故障音频信号帧数，为修正因子；
(2)对目标故障音频信号压缩完毕后，再对得到的压缩后的频域故障音频信号使用开源解码器Libmad(MPEG Audio Decoder)作为解码软件进行解码，提取MDCT系数。
5.根据权利要求3所述的一种变压器故障检测装置，其特征是，所述故障音频二进制序列构建单元利用MDCT系数来计算频域故障音频信号子带的能量，以构建故障音频信号的二进制序列，得到的故障音频信号的二进制序列发送至验证识别模块，具体为：
(1)将分段后的目标故障音频信号每一个小节分为32个子带，分别计算每一个子带的能量，定义能量计算公式为：
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>10</mn>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>32</mn>
</munderover>
<msqrt>
<mfrac>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mrow>
<mn>10</mn>
<mo>&times;</mo>
<mn>2</mn>
<mo>|</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1.9</mn>
<mo>|</mo>
</mrow>
</mfrac>
</msqrt>
<mo>|</mo>
<mi>&psi;</mi>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>...</mo>
<mo>...</mo>
<mn>32</mn>
</mrow>
1
式中，W(x,y,z)表示频域故障音频信号第x段第y节第z个子带的能量，z＝1,2,3……32；
ψ(x,y,z,t)表示频域故障音频信号第x段第y节第z个子带的第t个MDCT系数，z＝1,2,3……32；
(2)提取每段中1至y节1-32子带的能量，构成感知特征矩阵Rx：
y值可表示矩阵长度，对特征矩阵Rx通过非负矩阵分解降维，形成第x段的段内特征矩阵Nx
Rx＝Nx×Mx
其中，Nx、Mx分别为y×1、1×32的矩阵，将每段的段内特征矩阵转置合并得到段间联合特征矩阵K＝[N1 T,N2 T,N3 T,…,N32 T]，再用非负矩阵分解对段间联合特征矩阵K进行降维，得到段间特征矩阵F；
(3)构造故障音频信号的二进制序列时采用的构造公式为：
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，V(u)表示故障音频信号的二进制序列的构造函数，为段间特征矩阵F中元素数值的均值；
f(u)为段间特征矩阵F中第u个元素的数值，f(u)∈F，u＝1,2,3……L，L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)。
6.根据权利要求5所述的一种变压器故障检测装置，其特征是，所述验证识别模块将故障音频信号的二进制序列与故障音频数据库中预存有变压器的不同故障的异常音频二进制序列进行匹配对比识别，对比识别得到的结果采用自定义故障匹配率来衡量，自定义故障匹配率计算公式如下：
<mrow>
<mi>&phi;</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<mfrac>
<mrow>
<mi>L</mi>
<mo>|</mo>
<msup>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mn>1</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>|</mo>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
</mrow>
<msqrt>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mi>lg</mi>
<mi>L</mi>
</mrow>
</msqrt>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
式中，φ表示自定义故障匹配率计算函数，L为故障音频数据库中存储有变压器的异常音频二进制序列长度(单位：比特)，ωi为第i个权重系数，fi 1为目标故障音频信号的二进制序列中的第i个二进制值，fi 2为故障音频数据库中预存有变压器的不同故障的异常音频二进制序列的第i个二进制值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710290063.9A CN107084754A (zh) | 2017-04-27 | 2017-04-27 | 一种变压器故障检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710290063.9A CN107084754A (zh) | 2017-04-27 | 2017-04-27 | 一种变压器故障检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107084754A true CN107084754A (zh) | 2017-08-22 |
Family
ID=59612290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710290063.9A Pending CN107084754A (zh) | 2017-04-27 | 2017-04-27 | 一种变压器故障检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107084754A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108088550A (zh) * | 2017-12-04 | 2018-05-29 | 国网河南省电力公司滑县供电公司 | 一种小区变压器故障预防方法 |
| CN108469109A (zh) * | 2018-03-01 | 2018-08-31 | 广东美的制冷设备有限公司 | 设备异常的检测方法、装置、***、空调器及存储介质 |
| CN108491758A (zh) * | 2018-02-08 | 2018-09-04 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
| CN110412368A (zh) * | 2019-06-27 | 2019-11-05 | 安徽继远软件有限公司 | 基于声纹识别的电力设备在线监测方法及*** |
| CN110534118A (zh) * | 2019-07-29 | 2019-12-03 | 安徽继远软件有限公司 | 基于声纹识别和神经网络的变压器/电抗器故障诊断方法 |
| CN110763493A (zh) * | 2018-07-27 | 2020-02-07 | 珠海格力电器股份有限公司 | 一种故障类型的确定方法及装置 |
| CN110856325A (zh) * | 2019-11-20 | 2020-02-28 | 浙江创意声光电科技有限公司 | 一种城市照明景观分级控制*** |
| CN111930551A (zh) * | 2020-09-25 | 2020-11-13 | 汉桑（南京）科技有限公司 | 利用声音传递信息的方法和*** |
| CN113285977A (zh) * | 2020-08-08 | 2021-08-20 | 詹能勇 | 基于区块链和大数据的网络维护方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102270879A (zh) * | 2010-06-02 | 2011-12-07 | 李景禄 | 无人值班变电站的设备音频监控*** |
| US20120327745A1 (en) * | 2011-06-27 | 2012-12-27 | General Electric Company | Electrical substation fault monitoring and diagnostics |
| CN104049037A (zh) * | 2013-03-15 | 2014-09-17 | 东莞富强电子有限公司 | 故障预警*** |
| CN104064186A (zh) * | 2014-06-26 | 2014-09-24 | 山东大学 | 一种基于独立分量分析的电气设备故障音检测方法 |
| CN104614069A (zh) * | 2015-02-25 | 2015-05-13 | 山东大学 | 基于联合近似对角化盲源分离算法的电力设备故障音检测方法 |
-
2017
- 2017-04-27 CN CN201710290063.9A patent/CN107084754A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102270879A (zh) * | 2010-06-02 | 2011-12-07 | 李景禄 | 无人值班变电站的设备音频监控*** |
| US20120327745A1 (en) * | 2011-06-27 | 2012-12-27 | General Electric Company | Electrical substation fault monitoring and diagnostics |
| CN104049037A (zh) * | 2013-03-15 | 2014-09-17 | 东莞富强电子有限公司 | 故障预警*** |
| CN104064186A (zh) * | 2014-06-26 | 2014-09-24 | 山东大学 | 一种基于独立分量分析的电气设备故障音检测方法 |
| CN104614069A (zh) * | 2015-02-25 | 2015-05-13 | 山东大学 | 基于联合近似对角化盲源分离算法的电力设备故障音检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李金凤: "基于感知哈希及数字水印的音频认证技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108088550A (zh) * | 2017-12-04 | 2018-05-29 | 国网河南省电力公司滑县供电公司 | 一种小区变压器故障预防方法 |
| CN108491758B (zh) * | 2018-02-08 | 2020-11-20 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
| CN108491758A (zh) * | 2018-02-08 | 2018-09-04 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
| CN108469109A (zh) * | 2018-03-01 | 2018-08-31 | 广东美的制冷设备有限公司 | 设备异常的检测方法、装置、***、空调器及存储介质 |
| CN110763493A (zh) * | 2018-07-27 | 2020-02-07 | 珠海格力电器股份有限公司 | 一种故障类型的确定方法及装置 |
| CN110412368A (zh) * | 2019-06-27 | 2019-11-05 | 安徽继远软件有限公司 | 基于声纹识别的电力设备在线监测方法及*** |
| CN110534118A (zh) * | 2019-07-29 | 2019-12-03 | 安徽继远软件有限公司 | 基于声纹识别和神经网络的变压器/电抗器故障诊断方法 |
| CN110534118B (zh) * | 2019-07-29 | 2021-10-08 | 安徽继远软件有限公司 | 基于声纹识别和神经网络的变压器/电抗器故障诊断方法 |
| CN110856325A (zh) * | 2019-11-20 | 2020-02-28 | 浙江创意声光电科技有限公司 | 一种城市照明景观分级控制*** |
| CN113285977A (zh) * | 2020-08-08 | 2021-08-20 | 詹能勇 | 基于区块链和大数据的网络维护方法及*** |
| CN113285977B (zh) * | 2020-08-08 | 2022-07-05 | 山东鼹鼠人才知果数据科技有限公司 | 基于区块链和大数据的网络维护方法及*** |
| CN111930551B (zh) * | 2020-09-25 | 2021-01-08 | 汉桑（南京）科技有限公司 | 利用声音传递信息的方法和*** |
| CN111930551A (zh) * | 2020-09-25 | 2020-11-13 | 汉桑（南京）科技有限公司 | 利用声音传递信息的方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107084754A (zh) | 一种变压器故障检测装置 | |
| CN102577384B (zh) | 用相位信息和残差信息进行编码/解码的设备和方法 | |
| US9093120B2 (en) | Audio fingerprint extraction by scaling in time and resampling | |
| Kekre et al. | Speech data compression using vector quantization | |
| BR122020009727B1 (pt) | Método | |
| CN103489445B (zh) | 一种识别音频中人声的方法及装置 | |
| Chen et al. | Audio hash function based on non-negative matrix factorisation of mel-frequency cepstral coefficients | |
| CN106199267B (zh) | 一种电力设备故障特征分析方法 | |
| CN104969290A (zh) | 用于对音频帧丢失隐藏进行控制的方法和设备 | |
| KR20110018107A (ko) | 레지듀얼 신호 인코딩 및 디코딩 방법 및 장치 | |
| Yang et al. | Steganalysis of VoIP streams with CNN-LSTM network | |
| US8386249B2 (en) | Compressing feature space transforms | |
| CN102881293A (zh) | 一种适用于语音压缩感知的过完备字典构造方法 | |
| Jiang et al. | An improved vector quantization method using deep neural network | |
| CN111104241A (zh) | 基于自编码器的服务器内存异常检测方法、***及设备 | |
| CN114328898A (zh) | 文本摘要生成方法及其装置、设备、介质、产品 | |
| CN116433223A (zh) | 基于双域稀疏Transformer模型的变电站设备故障预警方法及设备 | |
| CN103366753A (zh) | 一种相同码率下的mp3音频双压缩检测方法 | |
| EP2242047B1 (en) | Method and apparatus for identifying frame type | |
| CN102982807B (zh) | 用于对语音信号lpc系数进行多级矢量量化的方法和*** | |
| CN112241765B (zh) | 一种基于多尺度卷积和注意力机制的图像分类模型及方法 | |
| CN102332266B (zh) | 一种音频数据的编码方法及装置 | |
| CN105103226A (zh) | 低复杂度音调自适应音频信号量化 | |
| CN102812512A (zh) | 处理音频信号的方法和装置 | |
| Gedam et al. | Development of automatic speech recognition of Marathi numerals-a review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |
|
| RJ01 | Rejection of invention patent application after publication |