1. 国家电投集团内蒙古能源有限公司
2. 国网信息通信产业集团有限公司
Published:2026
移动端阅览
聂英才, 王兴涛, 王维佳. 基于声纹信号的水轮机运行状态智能识别技术研究[J]. 2026, 12(2): 98-102.
DOI:
聂英才, 王兴涛, 王维佳. 基于声纹信号的水轮机运行状态智能识别技术研究[J]. 2026, 12(2): 98-102. DOI:
水力发电是新型电力系统主要的清洁能源供电方式之一,水轮机设备的运行监测与状态识别是水力发电安全运行的重要保障,基于人工智能的声纹智能识别技术是水轮机设备状态在线监测手段的有效补充。本文通过声纹传感采集装置研制与声纹智能运检系统开发,采集设备运行时声音信号,并设计声纹智能识别算法模型,将声音波形转换为声谱图作为模型输入,实现水轮机运行状态分类识别,通过试验测试验证了算法模型的识别准确度和应用有效性。
邱安楠.基于声纹监测的干式变压器运行状态评估[D].华北电力大学(北京),2022(03).
王博闻.电力变压器典型异常状态声纹诊断技术[D].华北电力大学(北京),2022(03).
黄宗碧.人工智能技术在水电状态监测中的需求及应用[J].水电与抽水蓄能,2019(02).
刘云鹏,罗世豪,王博闻,岳浩天,周旭东.基于Mel时频谱-卷积神经网络的变压器铁芯夹件松动故障声纹模式识别[J].华北电力大学学报(自然科学版),2020(06).
王青华,曾辉,张政,莫亚波,朱春鹏.某抽水蓄能机组振动趋势预测研究[J].水电与抽水蓄能,2021(03).
王荣昊,李喆,孙正,胡赵宇,孙汉文,江秀臣.基于FISVDD与GRU的变压器声纹识别技术[J].高电压技术,2022(11).
罗毅,武博翔.基于深度学习LSTM-DBN的水轮机振动故障预测方法[J].振动.测试与诊断,2022(06).
杨雄,聂赛,章志平,刘泽,卢俊琦,汤络翔,冯陈,张玉全,郑源.基于TPA机制改进的VMD-GRU抽水蓄能机组振动预测[J].水电与抽水蓄能,2023(01).
苏立,毛成,沈春和,谢文经,戴利传.基于概率神经网络的水轮机组水力振动故障诊断[J].河北水利电力学院学报,2023(01).
陈茗,胡边,李靖.水电机组声纹识别技术研究[J].电工技术,2022(18).
齐子豪,仝杰,张中浩,龙天航,唐鹏飞,黄灿.基于多粒度知识特征和Transformer网络的电力变压器故障声纹辨识方法[J].中国电机工程学报,2025(04).
曾正奇,张晓宇,杨鹏,曾勇,康乐.基于DTW-GMM的水轮发电机发动机声纹故障诊断系统[J].国外电子测量技术,2025(02).
王果,贺建山,闵永智,何怡刚,郝大宇.基于多层次特征图谱的高压并联电抗器声纹识别模型研究[J].高电压技术,2025(06).
闫懂林,党煜,周纳川,庄克云.耦合故障下水电机组非线性振动特性分析[J].水电与抽水蓄能,2023(05).
龚文洁,林国松,韦晓广.变压器声纹故障诊断研究综述[J].电子与信息学报,2026(04).
令晓明,张真,刘燕山,马宸龙,陈启香.多尺度相关的iAFF-Res2Net声纹识别模型[J].西南交通大学学报,2025(06).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution