一种基于小波Transformer网络的变压器声纹识别方法
知识产权简介
S1、变压器声纹数据采集;S2、自适应小波变换层对声纹数据进行小波变换,输出声纹数据小波系数,使用自适应学习率机制对声纹数据小波系数作频域特征表示,与声纹数据时域特征融合一起输入CNN+Transformer神经网络;S3、CNN+Transformer神经网络将声纹数据频域特征映射到高维嵌入空间,利用Transformer自注意力机制捕捉声纹数据高维嵌入空间序列中的长距离依赖关系,进行全局平均池化或全局最大池化,将编码器层输出转换为固定长度向量,对全局池化层输出进行最终身份分类,使用自适应激活函数基于全连接层输出进行变压器故障诊断。有益效果是神经网络动态调整能力能够很好的反馈到前端信号处理阶段