结合连续小波与SCF-AE网络的牵引变压器异常声纹检测

来源：计算机测量与控制杂志2026年第5期北京时间：

作者：李喆

单位：国能朔黄铁路发展责任有限公司

摘要：牵引变压器是保障牵引供电系统正常运行的关键设备。既有变压器声纹检测方法基于故障样本驱动，在声纹样本稀缺的重载铁路牵引变压器状态检测场景下适用性受限。针对该问题，提出结合连续小波与SCF-AE网络的牵引变压器异常声纹检测方法。采用连续小波变换，获取了牵引变压器声纹的时频特征图。通过在自编码器中引入空间通道融合卷积，提升网络的特征学习能力的同时降低了其计算复杂度。SCF-AE网络在训练阶段对牵引变压器正常声纹样本进行了压缩重构。在检测阶段，基于该网络，通过分析输入样本的重构误差是否超过阈值来判断是否存在异常。经试验测试，SCF-AE在数据集上实现了88.17%的精确率和100%的召回率，对单个样本的平均推理时长仅为13.3ms，对比当前既有方法其准确性和计算复杂度均具有优势。

关键词：牵引变压器;声纹;异常检测;连续小波变换;自编码神经网络;无监督学习

基金资助：国能朔黄铁路发展有限责任公司科技创新项目(SHTL-24-42)