Dissertation/ Thesis
Metoda ekstrakcije audiosignala u dijagnostici rada regulacijske sklopke transformatora ; Audio signal extraction method in transformer on-load tap changer diagnostics
| العنوان: | Metoda ekstrakcije audiosignala u dijagnostici rada regulacijske sklopke transformatora ; Audio signal extraction method in transformer on-load tap changer diagnostics |
|---|---|
| المؤلفون: | Sečić, Adnan |
| المساهمون: | Kuzle, Igor |
| بيانات النشر: | Sveučilište u Zagrebu. Fakultet elektrotehnike i računarstva. University of Zagreb. Faculty of Electrical Engineering and Computing. |
| سنة النشر: | 2024 |
| المجموعة: | Nacionalni repozitorij disertacija i znanstvenih magistarskih radova (Nacionalna i sveučilišna knjižnica u Zagrebu) / Croatian Digital Dissertations Repository (National and University Library in Zagreb) |
| مصطلحات موضوعية: | regulacijska sklopka, transformator, neinvazivna dijagnostika, audio dijagnostika, duboko učenje, OLTC, transformer, non-invasive diagnostics, audio-based diagnostics, deep learning, TEHNIČKE ZNANOSTI. Računarstvo, TECHNICAL SCIENCES. Computing, Računalna znanost i tehnologija. Računalstvo. Obrada podataka, Computer science and technology. Computing. Data processing, info:eu-repo/classification/udc/004(043.3) |
| الوصف: | U radu se razmatra problematika dijagnostike regulacijske sklopke transformatora na osnovu audio zapisa. Ovaj pristup dijagnostici donosi nekoliko izazova: automatska segmentacija audio zapisa, odvajanje korisnog zvuka od pozadinske buke i ekstrahiranje dijagnostički relevantnih informacija iz audio zapisa. Problematika automatske segmentacije rješava se primjenom konvolucijskih dubokih neuronskih mreža, čija je efikasnost ispitana na stvarnim audio zapisima zabilježenima tijekom rada regulacijske sklopke. Za rješavanje problematike razdvajanja signala također se koristi pristup zasnovan na dubokom učenju, gdje se duboka neuronska mreža uči da razdvoji signale na temelju ocjene vremensko-frekvencijske maske koja se primjenjuje na vremensko-frekvencijski spektar signala. Ispitivanje metodologije provedeno je na stvarnim signalima, primjenjujući tehniku razdvajanja na kontaminirane signale prije njihove segmentacije. Dodatno, u radu je razmatrana sposobnost razdvojenih signala da prenesu dijagnostički relevantne informacije. U svrhu potvrde učinkovitosti metode razdvajanja signala, provedena je ekstrakcija nekoliko odabranih značajki iz signala u vremenskoj domeni, koje su nakon toga upotrijebljene u postupku klasifikacije signala. Za klasifikaciju signala korišten je algoritam slučajne šume, koji se odlikuje svojom jednostavnošću i efikasnošću. Dobiveni rezultati pokazali su značajan potencijal, ukazujući na robusnost i učinkovitost primijenjene metodologije. ; This paper addresses the diagnostics of transformer on-load tap changers based on audio recordings. This diagnostic approach presents several challenges: automatic segmentation of audio recordings, separation of useful sound from background noise, and extraction of diagnostically relevant information from the audio data. The issue of automatic segmentation is tackled using convolutional deep neural networks, whose efficiency has been tested on real audio recordings captured during the operation of the tap changer. To solve the signal separation problem, a ... |
| نوع الوثيقة: | doctoral or postdoctoral thesis |
| وصف الملف: | application/pdf |
| اللغة: | Croatian |
| Relation: | https://dr.nsk.hr/islandora/object/fer:12052; https://urn.nsk.hr/urn:nbn:hr:168:030964; https://repozitorij.unizg.hr/islandora/object/fer:12052; https://repozitorij.unizg.hr/islandora/object/fer:12052/datastream/PDF |
| الاتاحة: | https://dr.nsk.hr/islandora/object/fer:12052 https://urn.nsk.hr/urn:nbn:hr:168:030964 https://repozitorij.unizg.hr/islandora/object/fer:12052 https://repozitorij.unizg.hr/islandora/object/fer:12052/datastream/PDF |
| Rights: | http://rightsstatements.org/vocab/InC/1.0/ ; info:eu-repo/semantics/openAccess |
| رقم الانضمام: | edsbas.E64649A1 |
| قاعدة البيانات: | BASE |
| الوصف غير متاح. |