[发明专利]一种变压器声纹异常检测方法

权利要求书

1.一种变压器声纹异常检测方法，其特征在于，包括：

获取待检测的变压器声纹数据；

利用去躁模型U-net对变压器声纹数据进行去躁处理，得到去躁后的变压器声纹数据；

使用Mel频谱特征提取方法，对去躁后的变压器声纹数据进行特征提取，得到Mel频谱特征；

利用检测模型G-MADE对Mel频谱特征进行检测，得到变压器声纹数据的得分；

根据变压器声纹数据的得分，判断变压器是否正常。

2.如权利要求1所述的变压器声纹异常检测方法，其特征在于，所述去躁模型U-net的损失函数采用加权SDR损失，公式表示如下：

其中，为所述去躁模型U-net的输出，y为实际标签值，作为去躁模型U-net的输入值，∝表示正比于。

3.如权利要求1所述的变压器声纹异常检测方法，其特征在于，在所述获取待检测的变压器声纹数据之前，还包括：

收集连续的变压器设备声纹数据作为原始数据；

对连续的变压器设备声纹数据添加噪声，得到噪声数据；

将噪声数据和原始数据分别作为所述去躁模型U-net的输入和输出，对所述去躁模型U-net进行训练，得到训练好的去躁模型U-net。

4.如权利要求1所述的变压器声纹异常检测方法，其特征在于，所述使用Mel频谱特征提取方法，对去躁后的变压器声纹数据进行特征提取，得到Mel频谱特征，包括：

对所述去躁后的变压器声纹数据进行分帧处理，得到多帧数据；

对每一帧数据进行加窗处理，得到加窗后的数据；

对加窗后的数据进行短时傅里叶变换，将加窗后的数据由时域转换到Mel频率上，得到频谱序列；

利用包含k个滤波器的Mel滤波器组对频谱序列进行Mel特征提取，得到所述Mel频谱特征。

5.如权利要求4所述的变压器声纹异常检测方法，其特征在于，所述Mel滤波器组中的Mel滤波器的函数形式如下：

其中，k待计算点的频率值，m表示是第m个Mel滤波器，f(m)表示第m个滤波器频率的平均值，f(m-1)表示第m个滤波器频率的最小值，f(m+1)表示第m个滤波器频率的最大值。

6.如权利要求4所述的变压器声纹异常检测方法，其特征在于，所述提取得到的Mel频谱特征表示形式为：

其中，F(ω)表示短时傅里叶变换，F^-1表示逆傅里叶变换。

7.如权利要求1所述的变压器声纹异常检测方法，其特征在于，所述检测模型G-MADE的损失函数定义为整体的整体的负对数似然函数：

其中，p(.)为正态分布或混合正态分布，D表示样本总数，x_d表示第d个样本，W、V表示为模型权重矩阵。

8.如权利要求3所述的变压器声纹异常检测方法，其特征在于，在所述获取待检测的变压器声纹数据之前，还包括：

对所述去躁模型U-net输出的所述原始数据进行Mel频谱特征提取；

利用提取的Mel频谱特征对所述检测模型G-MADE进行训练，得到训练好的检测模型G-MADE。

9.如权利要求1所述的变压器声纹异常检测方法，其特征在于，所述根据变压器声纹数据的得分，判断变压器是否正常，包括：

将所述变压器声纹数据的得分与设定的检测阈值进行比较；

若得分大于检测阈值，则确定所述变压器正常；

若得分小于或等于检测阈值，则确定所述变压器异常。