关键词：变压器;机械故障诊断;数据增强;声纹识别;生成对抗网络;循环神经网络
摘 要：在电力设备声纹监测领域，故障音频样本数据规模较小是一大难题。因此，提出了一种基于数据增强的变压器机械故障声纹识别方法。首先利用音频离线处理手段对音频样本进行一次增强，再利用波形生成对抗网络合成新的音频样本，最后使用增强后的样本训练循环神经网络实现声纹识别。在变压器上模拟机械故障，收集变压器不同工况下的音频样本用于测试。与其他音频生成方法相比，所提方法生成样本质量更高；单标签时长处于30～60 s区间时，可生成2倍有效样本。增强后识别准确率提升了2.95个百分点。试验结果表明：所提方法能有效扩充电力设备声纹样本，提高声纹识别准确率。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取