基于人工神经网络的电力变压器声纹识别技术

摘要

针对变压器运行状态声纹识别的应用需求以及BP神经网络识别模型准确率较低等问题，提出了一种改进人工神经网络的变压器声纹识别技术。该技术以变压器声纹信号中的MFCC系数作为模型的输入特征向量，在BOA算法中引入动态权重因子和变异因子对BP神经网络权值和阈值进行寻优，开展声纹识别。实验结果表明，利用变压器声纹信号的32维MFCC特征系数可使识别准确率达到90%以上，优化后算法的运算速度比PSO-BP神经网络与BOA-BP神经网络提高了9.24%和8.64%,具有更高的运算效率和识别准确率。

关键词

声纹识别 / BP神经网络 / 特征向量 / 权重因子 / 动态寻优 / 模式识别 / 变异因子 / 状态检测