PDF《抗环境音干扰的设备声音故障监测方法①》

?二是人耳的听觉具有特定的听觉感知 范围,?只能感知特定频率范围和特定响度范围内的声 音[1] .?近年来,?多个领域借鉴语音识别技术取得了丰富 的研究成果.?通过在变压器旁安装拾音器采集声音并 对其进行实时监测,?不仅不会干扰变压器的正常运行, 而且装置安装简单,?采集信号方便.?但在实际环境中存 在复杂环境噪声,?可能会对采集的声音信号造成一定 影响,?从而导致声音识别的准确率下降. 现有的研究中通常采用分类算法建立声音模型, 例如文献[2]中作者提出了一种基于改进的支持向量机 分类算法建立声音模型的解决方案.?但分类算法只能 在分类个数已知的条件下建立声音模型,?对于由复杂 环境音而导致分类个数不确定的条件下建立声音模型 的情形并不适用.?此外,?现有研究对建立的声音模型采 用剥离环境音的方式检测设备是否发生故障,?该种检 测方式在环境音影响较小的条件下对声音模型的去噪 效果理想,?但在多种复杂环境音的影响下,?对声音模型 的去噪将变得困难且效果不理想,?从而导致较高的误 警率,?并降低整体的检测效率.?本文提出的方法是对保 留环境音的设备工作声音数据进行聚类,?并对得到的 训练模型进行迭代优化. 2???模型构建 本文采用的模型主要由数据预处理模块、特征提 取模块、特征降维模块、特征训练模块、标准集增强 模块构成.?模型数据流程图如图

1 所示. 原始声音数据经过预处理、特征提取和降维后分 成两部分,?一部分用于训练标准集,?另一部分用于匹配 增强标准集. 2.1 数据预处理模块 采集运行中的设备声音时,?由于拾音器参数不同 或拾音器所放置的方向和距离的不同会导致采集的声 音品质不同,?因此需要对采集到的声音进行归一化处 理,?降低不同样本间因采集因素造成的差异. ? 图1????模型数据流程图 ? 处理声音信号时,?需使用快速傅里叶变换 (FFT) 明确声音中各个频率成分的分布.?傅里叶变换要求输 入的信号是平稳的,?虽然声音信号从时间轴上看具有 非平稳特性,?但在极短的时间内,?则呈现平稳信号所具 有的特性.?因此,?将一段声音信号切分成若干小段,?就 能将其近似地认为是平稳的信号,?且该小段被称为帧 长.?但声音信号具有连续性和相关性,?因此不能讲声音 直接均分.?且为了提高傅里叶变换的分辨率,?在变换前 需要对每一帧信号进行 加窗 ,?即将其与一个窗函数 相乘,?使得该帧信号的两端逐渐趋于零.?常见的窗函数 有汉宁窗和矩形窗,?但汉宁窗的旁瓣衰减较大,?具有更 平滑的低通特性,?能够在较高程度上反应短时信号的 频率特性.?而矩形窗........