一种基于音频特征的设备故障智能检测方法及系统技术方案

本发明专利技术提供一种基于音频特征的设备故障智能检测方法及系统，属于故障检测技术领域，包括：获取正在运行中的电气设备的音频信号；提取音频信号中的梅尔频率倒谱系数；采用动态时间规整算法匹配得到与梅尔频率倒谱系数对应的音频信号的特征值；根据匹配得到的特征值判断电气设备是否发生故障，并输出故障检测结果。有益效果：本发明专利技术通过对采集的电气设备的音频信号进行梅尔频率倒谱系数的提取，然后使用动态时间规整算法进行音频信号的特征值的匹配，从而判断电气设备是否发生故障，故障智能检测结果更准确、监测更便捷。监测更便捷。监测更便捷。

【技术实现步骤摘要】
一种基于音频特征的设备故障智能检测方法及系统


[0001]本专利技术涉及故障检测
，尤其涉及一种基于音频特征的设备故障智能检测方法及系统。

技术介绍

[0002]电气设备的故障主要包括两种：渐发性的电气设备故障与突发性的电气设备故障。目前电力设备故障中大部分都是渐发性的故障，发生故障的原因主要是：设备内部零件的异常震动导致零件表面因为摩擦而出现损耗、不可逆的断裂和绝缘特性变差等。
[0003]现有技术中应用于玻璃厂内的电气设备通常需要由现场的工作人员根据自身经验发现故障；或者当故障引起电流增大等情况导致热继电器动作，反馈信号到分布式控制系统(Distributed Control System，DCS)进行故障报警。
[0004]上述两种故障检测的方法均存在问题：人工检测的方式中由于玻璃厂区较大且大部分厂区都是长期无人值守，难以及时发现故障，且容易受到工作人员的自身知识水平和工作经验的限制；
[0005]热继电器检测的方式中需要等其内部的双金属片受热弯曲到一定程度，而这一变化需要一定的时间，且设备本身常处于高电压和强电磁场的复杂环境下，其所在现场的电磁干扰容易影响检测结果。因此针对以上问题，迫切需要设计出一种基于音频特征的设备故障智能检测方法及系统，以满足实际使用的需要。

技术实现思路

[0006]为了解决以上技术问题，本专利技术提供了一种基于音频特征的设备故障智能检测方法及系统。
[0007]本专利技术所解决的技术问题可以采用以下技术方案实现：
[0008]一种基于音频特征的设备故障智能检测方法，包括：
[0009]获取正在运行中的电气设备的音频信号；
[0010]提取所述音频信号中的梅尔频率倒谱系数；
[0011]采用动态时间规整算法匹配得到与所述梅尔频率倒谱系数对应的所述音频信号的特征值；
[0012]根据匹配得到的所述特征值判断所述电气设备是否发生故障，并输出故障检测结果。
[0013]优选地，所述提取所述音频信号中的梅尔频率倒谱系数，具体包括：
[0014]对所述音频信号预处理；
[0015]对预处理后的所述音频信号进行快速傅里叶变换；
[0016]对变换后的所述音频信号的频谱取模平方得到所述音频信号的功率谱；
[0017]通过梅尔滤波器组每个梅尔滤波器对所述功率谱进行处理，输出对数能量；
[0018]对所述对数能量进行离散余弦变换，得到所述梅尔频率倒谱系数。
[0019]优选地，所述采用动态时间规整算法匹配得到与所述梅尔频率倒谱系数对应的所述音频信号的特征值，具体包括：
[0020]对每一个所述梅尔频率倒谱系数进行初始化；
[0021]计算初始化后的所述梅尔频率倒谱系数与标准模板中各元素的累计距离矩阵；
[0022]获取累计距离最小的路径作为匹配得到的所述特征值。
[0023]优选地，所述对所述梅尔频率倒谱系数进行初始化，采用下述公式实现：
[0024][0025]其中，Reg表示约束区域；x
i
表示待检测的所述音频信号中第i个所述梅尔频率倒谱系数的特征向量；y
j
表示所述标准模板中第i个所述梅尔频率倒谱系数的特征向量；d(x1,y1)表示所述标准模板中第一个元素与待检测的所述音频信号中的第一个元素的距离；g(i,j)表示初始化后的所述梅尔频率倒谱系数。
[0026]优选地，所述约束区域为具有第一预设顶点和第二预设顶点，且相邻两条边的斜率分别为第一预设斜率和第二预设斜率的平行四边形。
[0027]优选地，所述第一预设顶点为(1,1)；
[0028]所述第二预设顶点为(I,J)，其中，I表示待检测的所述音频信号中所述梅尔频率倒谱系数的总数，J表示所述标准模板的元素总数；
[0029]所述第一预设斜率为1/2；
[0030]所述第二预设斜率为2。
[0031]优选地，所述计算初始化后的所述梅尔频率倒谱系数与标准模板中各元素的累计距离矩阵，具体采用下述公式实现：
[0032]D(i，j)＝min{g(i
‑
1，j)+d(x
i
，y
i
)
·
W
n
(1)，g(i
‑
1，j
‑
1)+d(x
i
，y
i
)
[0033]W
n
(2)，g(i，j
‑
1)+d(x
i
，y
j
)
·
W
n
(3)}
[0034]其中，i＝2,3,
……
,I；j＝2,3,
……
,J；且(x
i
,y
j
)∈Reg；
[0035]W
n
(1)表示第一距离加权值；W
n
(2)表示第二距离加权值；W
n
(3)表示第三距离加权值；d(x
i
,y
i
)表示标准模板中第一个元素与待检测的音频信号中的第一个元素的距离；g(i
‑
1,j)、g(i,j
‑
1)、g(i
‑
1,j
‑
1)分别表示第i
‑
1列第j行元素、第i列第j
‑
1行元素、第i
‑
1列第j
‑
1行元素对应的所述梅尔频率倒谱系数的初始化值；D(i,j)表示所述累计距离矩阵中第i列第j行元素。
[0036]优选地，所述第一距离加权值等于所述第三距离加权值；
[0037]所述第二距离加权值为2。
[0038]优选地，所述电气设备包括斗式提升机，和/或带式输送机，和/或熔化部池壁冷却风机，和/或助燃风机，和/或压延机冷却风机，和/或搅碎机，和/或电磁振动给料机。
[0039]本专利技术还提供一种基于音频特征的设备故障智能检测系统，用于实施如上述的基于音频特征的设备故障智能检测方法，所述系统包括：
[0040]采集单元，用于获取正在运行中的电气设备的音频信号；
[0041]提取单元，连接所述采集单元，提取所述音频信号中的梅尔频率倒谱系数；
[0042]动态时间规整单元，连接所述提取单元，采用动态时间规整算法匹配得到与所述
梅尔频率倒谱系数对应的所述音频信号的特征值；
[0043]故障分析单元，连接所述动态时间规整单元，根据匹配得到的所述特征值判断所述电气设备是否发生故障，并输出故障检测结果。
[0044]本专利技术技术方案的优点或有益效果在于：
[0045]本专利技术通过对采集的电气设备的音频信号进行梅尔频率倒谱系数的提取，然后使用动态时间规整算法进行音频信号的特征值的匹配，从而判断电气设备是否发生故障，故障智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于音频特征的设备故障智能检测方法，其特征在于，包括：获取正在运行中的电气设备的音频信号；提取所述音频信号中的梅尔频率倒谱系数；采用动态时间规整算法匹配得到与所述梅尔频率倒谱系数对应的所述音频信号的特征值；根据匹配得到的所述特征值判断所述电气设备是否发生故障，并输出故障检测结果。2.根据权利要求1所述的基于音频特征的设备故障智能检测方法，其特征在于，所述提取所述音频信号中的梅尔频率倒谱系数，具体包括：对所述音频信号预处理；对预处理后的所述音频信号进行快速傅里叶变换；对变换后的所述音频信号的频谱取模平方得到所述音频信号的功率谱；通过梅尔滤波器组每个梅尔滤波器对所述功率谱进行处理，输出对数能量；对所述对数能量进行离散余弦变换，得到所述梅尔频率倒谱系数。3.根据权利要求1所述的基于音频特征的设备故障智能检测方法，其特征在于，所述采用动态时间规整算法匹配得到与所述梅尔频率倒谱系数对应的所述音频信号的特征值，具体包括：对每一个所述梅尔频率倒谱系数进行初始化；计算初始化后的所述梅尔频率倒谱系数与标准模板中各元素的累计距离矩阵；获取累计距离最小的路径作为匹配得到的所述特征值。4.根据权利要求3所述的基于音频特征的设备故障智能检测方法，其特征在于，所述对所述梅尔频率倒谱系数进行初始化，采用下述公式实现：其中，Reg表示约束区域；x
i
表示待检测的所述音频信号中第i个所述梅尔频率倒谱系数的特征向量；y
j
表示所述标准模板中第i个所述梅尔频率倒谱系数的特征向量；d(x1,y1)表示所述标准模板中第一个元素与待检测的所述音频信号中的第一个元素的距离；g(i,j)表示初始化后的所述梅尔频率倒谱系数。5.根据权利要求4所述的基于音频特征的设备故障智能检测方法，其特征在于，所述约束区域为具有第一预设顶点和第二预设顶点，且相邻两条边的斜率分别为第一预设斜率和第二预设斜率的平行四边形。6.根据权利要求5所述的基于音频特征的设备故障智能检测方法，其特征在于，所述第一预设顶点为(1,1)；所述第二预设顶点为(I,J)，其中，I表示待检测的所述音频信号中所述梅尔频率倒谱系数的总数，J表示所述标准模板的元素总数；所述第一预设斜率为1/2；所述第二预设斜率为2。7.根据权利要求3所述的基于音频特征的设备故障智能检测方法，其特征在于，所述计算初始化后的所述梅尔频率倒谱系数与标准模板中各元素的累计距离矩阵，具体采用下述
公式实现：D(i，j)＝min{g(i
‑
1，j)+d(x
i
，y
i
)
·
W

【专利技术属性】
技术研发人员：张冉，张卫，
申请(专利权)人：中国建材国际工程集团有限公司，
类型：发明
国别省市：