一种基于改进小波包和深度学习的变压器声音异常检测方法

摘要

本发明涉及计算机技术领域，具体涉及一种基于改进小波包和深度学习的变压器声音异常检测方法，包括以下步骤：A）采集N个变压器在不同运行状态下的音频信号；B）对每个音频信号进行小波包变换，采用改进样本熵确定样本熵的阈值λ，并重新计算每个分量的小波系数η，重构分量信号，获得重构后的音频信号；C）进行短时傅里叶变换，生成特征图像；D）按照变压器运行状态将提取的特征图像分类；E）建立卷积神经网络模型，并使用分类后的特征图像训练，训练后卷积的神经网络模型用于变压器声音异常的检测。本发明的实质性效果是：可以有效消除采集的变压器信号中的噪声信号，提取变压器异常故障特征，辅助工程师进行变压器故障诊断。