基于改进生成对抗网络的变压器声纹故障诊断

作     者：王欢 王昕 张峰 齐笑 柴方森 李文鹏 WANG Huan;WANG Xin;ZHANG Feng;QI Xiao;CHAI Fangsen;LI Wenpeng

作者机构：上海电力大学电气工程学院上海200090 上海交通大学电工与电子技术中心上海200240 国网吉林省电力有限公司四平供电公司吉林四平136000 

出 版 物：《智慧电力》 (Smart Power)

年 卷 期：2024年第52卷第4期

页      面：24-31页

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(12327802) 

主　　题：变压器声纹 生成对抗网络 小样本 故障诊断 

摘      要：为了提高小样本条件下变压器声纹故障诊断的准确率,提出了一种基于梅尔声谱图和改进的Wasserstein生成对抗网络(IW-GAN)的变压器声纹诊断模型。提取变压器声信号的梅尔声谱图,将声谱图输入到IW-GAN中进行样本扩充。其中,IW-GAN使用更具表达能力的Transformer网络,判别器采用满足Lipschitz连续性约束的SN-CNN,从而使IW-GAN能够稳定生成多样性和高质量的样本;将扩充后的数据输入不同的分类器中进行故障分类。实验证明,所提方法在有效扩充变压器故障声纹数据的同时,显著提升了小样本情况下变压器声纹故障诊断的整体性能。该方法对不同分类器的识别准确率均有显著提升,特别是对卷积神经网络分类准确率的提升达到了6.9%。