期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Mel-GADF与ConvNeXt-T的变压器铁心松动故障诊断方法 被引量：9
1
作者 万可力 马宏忠 +1 位作者 崔佳嘉 王健 《电力自动化设备》 EI CSCD 北大核心 2024年第3期217-224,共8页
为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经... 为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经过格拉姆角场(GAF)变换得到格拉姆角和场(GASF)与GADF这2种时频谱图;生成Mel-GASF与Mel-GADF这2种特征融合的时频谱图来弥补Mel时频谱图的低频缺失问题;将3种时频谱图放入ConvNeXt-T网络进行训练对比,选出效果最佳的诊断模型。以型号为S13-M-200/10的变压器为对象进行空载试验,对不同铁心松动程度下的声纹信号进行分析,分析结果表明,将Mel-GADF作为特征时频谱图结合ConvNeXt-T网络,可将测试集准确率从传统Mel时频谱图的98.273%提升至99.500%,提升了1.227个百分点。 展开更多
关键词 变压器 铁心松动 mel时频谱图 格拉姆角场 卷积神经网络 迁移学习
在线阅读 下载PDF
基于生成对抗学习的变压器声纹异常检测研究
2
作者 卞楠 《自动化应用》 2025年第19期119-121,126,共4页
针对变压器异常声纹样本数量少,有监督声纹异常诊断方法应用受限的问题,提出一种基于自编码生成对抗的无监督变压器声纹异常检测模型。首先,为获取原始变压器音频样本的时间-频率特征,将原始变压器音频转换为梅尔语谱图。随后,构建生成... 针对变压器异常声纹样本数量少,有监督声纹异常诊断方法应用受限的问题,提出一种基于自编码生成对抗的无监督变压器声纹异常检测模型。首先,为获取原始变压器音频样本的时间-频率特征,将原始变压器音频转换为梅尔语谱图。随后,构建生成对抗网络(GAN)框架下的声纹异常检测模型,该模型通过生成器学习正常状态语谱图的特征分布,并利用判别器区分生成样本与真实样本。在训练过程中,模型通过优化生成器和判别器的对抗损失,学习正常样本的特征表示,并计算输入样本在潜在空间中的异常得分。在检测阶段,根据输入样本的异常得分是否超过预设阈值实现变压器异常声纹检测。所研究的方法在变压器声纹数据集上实现了94.08%的检测精度和100%的检测召回率,证明了该方法的有效性。 展开更多
关键词 电力变压器 声纹检测 异常诊断 时间-频率特征 梅尔语谱图
在线阅读 下载PDF
基于GP-MaskGAN模型的语音转换方法
3
作者 韦凤瑜 简志华 《杭州电子科技大学学报(自然科学版)》 2025年第1期44-52,共9页
为了解决转换模型训练时不稳定的问题,并提升非平行语料情况下的语音转换性能,提出了一种基于GP-MaskGAN模型的语音转换方法。该方法采用R1零中心梯度惩罚技术惩罚真实数据上的鉴别器,防止训练时远离纳什平衡,保证模型训练的稳定性;同时... 为了解决转换模型训练时不稳定的问题,并提升非平行语料情况下的语音转换性能,提出了一种基于GP-MaskGAN模型的语音转换方法。该方法采用R1零中心梯度惩罚技术惩罚真实数据上的鉴别器,防止训练时远离纳什平衡,保证模型训练的稳定性;同时,采用时间掩码,从空帧的前后帧中获取有用信息,填补缺失的帧,避免了转换过程对语音时频结构的破坏,从而提高了对语音梅尔谱的转换性能。客观和主观评价实验结果都表明,与基准模型MaskCycleGAN-VC相比,该方法在四种转换情况下的梅尔倒谱距离(Mel-Cepstral Distortion, MCD)更低,平均主观意见分(Mean Opinion Score, MOS)和偏好性测试得分(ABX)都更高,而且模型训练过程的损失曲线也更加平稳。 展开更多
关键词 语音转换 生成对抗网络 时间掩码 R1零中心梯度惩罚 梅尔谱转换
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部