先进制造技术

本发明属于变压器缺陷诊断技术领域，具体涉及基于多模态声图融合的电力变压器缺陷诊断方法，步骤包括获取目标电力变压器的图像数据和声纹数据；构建变压器缺陷诊断模型和变压器分类模型；检测变压器是否存在缺陷，并确定缺陷的位置，判断变压器的缺陷类型；综合缺陷检测的结果和缺陷类型判断的结果，获取图像数据的预测分数值；构建声纹诊断模型，并对声纹诊断模型进行预训练；对声纹数据进行处理，提取特征并进行故障类型诊断，获取声纹数据的预测分数值；基于得到的图像数据的预测分数值和声纹数据的预测分数值，采取注意力机制融合预测分数值的方式进行决策融合，得到最终的缺陷诊断结果。本发明能够对变压器的缺陷实现准确诊断。

电力变压器是电力系统中最关键的设备之一，它承担着电压变换、电能分配和传输的任务，并提供各种电力服务。但是电力变压器在运行过程中会产生各种各样的故障，例如瓷件、瓷套管表面出现龟裂、防爆膜破裂油位计损坏或者漏油等肉眼可见的故障类型，或者因为负荷运行导致的温度过高、冷却系统故障等依靠红外线判断的故障类型，再或者紧固件松动、偏磁现象等导致的明显异响或震动这种依靠声纹判断的故障类型，这些故障类型相互影响、转化，导致变压器宕机甚至完全损坏。因此，如何准确且高效地根据变压器的异常外观和异常声响判断出导致此类故障的原因有利于对电力变压器的维护保养，降低维修成本，提高巡检人员的效率。

本发明所具有的有益效果是：

本发明在数据处理阶段，对图像数据通过对抗网络进行数据扩充，对于声纹数据进行滤波处理和加噪处理来模拟现实场景中更为真实的噪声数据，从而达到数据增强的目的。

本发明为了得到变压器缺陷的诊断结果，采用多模态的融合方式，分别对图像数据和声纹数据进行预训练，利用注意力机制实现对图像和声纹特征提取到的预测分数加权，决策融合后对变压器的缺陷实现准确诊断。

本发明采用了自主问答式高级智能分析，引入人员反馈机制和知识数据库注入技术实现精准问答，能更好地规避答非所问的问题，使得最终的结果更加准确，运维人员的工作效率更高。