技术特征:
1.一种基于声纹信号检测燃机故障的识别方法,其特征在于,包括如下步骤:
步骤s1:在燃机设备所在区域内安装麦克风阵列,采集燃机设备处于运行状态下的声纹数据;
步骤s2:通过数模转换将初始声纹数据由模拟信号转换成数字信号;
步骤s3:对声纹数据的数字信号进行特征提取,得到待识别声纹特征;
步骤s4:利用已知故障的燃机声纹特征构建声纹特征模型;
步骤s5:训练好的声纹特征模型对待识别声纹特征进行效验;
步骤s6:根据效验结果判断燃机设备是否故障;
步骤s7:对声纹特征模型进行持续优化,形成基于故障、定位、品质评价多种模型。
2.根据权利要求1所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述步骤s1中,多个麦克风阵列分别对燃机设备的多个部位输出的声纹信号进行采集。
3.根据权利要求1或2所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述步骤s1中,在多个麦克风阵列采集的过程中,先通过噪声滤波器将非燃机设备产生的声纹信号过滤掉,再通过信号放大器将燃机设备输出的声纹信号放大至预设范围内。
4.根据权利要求1所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述步骤s3中,对数字信号进行特征提取前需要进行信号预处理;所述信号预处理依次经过预滤波处理、采样/量化处理、预加重处理、加窗处理和端点检测处理后得到待识别声纹特征。
5.根据权利要求1或4所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述声纹数据的数字信号先与声纹库中的正常声纹特征进行匹配:
当所述声纹数据的数字信号与正常声纹特征不匹配时,则声纹数据的数字信号为非燃机设备产生的声纹;当所述声纹数据的数字信号与正常声纹特征匹配时,则声纹数据的数字信号为燃机设备产生的声纹。
6.根据权利要求1所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述步骤s4中,声纹特性模型的构建步骤如下:
步骤s41:将已知故障的燃机声纹特征数据按照一定比例分为训练集和测试集;
步骤s42:基于人工智能深度学习技术,针对燃机声纹特征数据设计人工智能深度学习模型;
步骤s43:将燃机声纹特征数据的训练集对模型进行训练;
步骤s44:将燃机声纹特征数据的训练集对模拟进行测试是否正确。
7.根据权利要求1所述的一种基于声纹信号检测燃机故障的识别方法,其特征在于,所述步骤s6中,效验结果包括:当声纹特性模型与待识别声纹特征不匹配时,则为第一效验结果;当声纹特性模型与待识别声纹特征匹配时,则为第二效验结果;
若所述效验结果为第一效验结果,则确定燃机设备为故障燃机设备;
若所述效验结果为第一效验结果,则确定燃机设备为正常燃机设备。
技术总结
本发明公开了一种基于声纹信号检测燃机故障的识别方法。本发明包括如下步骤:在燃机设备所在区域内安装麦克风阵列,采集燃机设备处于运行状态下的声纹数据;通过数模转换将初始声纹数据由模拟信号转换成数字信号;对声纹数据的数字信号进行特征提取,得到待识别声纹特征;利用已知故障的燃机声纹特征构建声纹特征模型;训练好的声纹特征模型对待识别声纹特征进行效验;根据效验结果判断燃机设备是否故障。本发明通过在燃机的各个部分安装麦克风阵列采集声纹信号,对声纹信号进行预处理得到待识别声纹特征,将待识别声纹特征输入预先训练好的声纹特征模型对燃机的故障进行快速识别,提高了燃机的故障识别率、降低安全隐患出现概率。
技术研发人员:吴如伟;万琳;李圩;李祥林;汪文红
受保护的技术使用者:安徽绿舟科技有限公司
技术研发日:2021.02.05
技术公布日:2021.06.18
本文用于企业家、创业者技术爱好者查询,结果仅供参考。