【技术实现步骤摘要】
本专利技术属于声音处理识别领域，尤其涉及到一种基于声音的飞机发动机异常与跑道缺陷检测方法。
技术介绍
1、发动机是飞机的重要组成部分，其正常稳定运行关系到飞机的安全航行和乘客的生命财产安全。目前，常使用的民航飞机发动机的维护方式主要有两种：一是等到有明显的故障特征出现后再维修，这种方式会导致非计划停机，经济损失较大，设备故障危险性增加；二是定期进行维护，但维修所需的人力成本和时间成本更高。
2、飞机跑道在使用时，会承受巨大的荷载，并且受到外界环境的负面影响，造成破损问题，影响跑道的正常运行。为避免此类问题，应当做好平时的维护，并加强对跑道的管理。但是由于越来越多的人选择航空作为出行的方式，所以很多机场都是比较繁忙的，航班的班次也在不断增加，使得维护周期被迫变短，且能够使用的时间被明显压缩，使得保养与管理工作更加困难。通常维护中的修复工作，主要针对的是轻微裂缝，如果过于严重时，则维护很难有效果。轻微裂缝人工识别的话很容易遗漏或者未识别到造成未能进行有效的维护。
技术实现思路
1、本专利技术克服了现有技术的不足之处，提出了一种基于声音的飞机发动机异常与跑道缺陷检测方法，意在能够利用深度学习、声音处理等技术，分析飞机发动机是否存在异常和跑道是否存在缺陷情况。
2、本专利技术为达上述专利技术目的，采用如下技术方案：
3、一种基于声音的飞机发动机异常与跑道缺陷检测方法，如下步骤：
4、步骤一、在机场跑道边每隔n米距离安装一个声音传感器，记录每个
5、步骤二、若为飞机发动机异常，机场安全管理平台根据录制该声音信号的传感器编号以及录制时间查询飞机编号并做出预警；若为跑道存在裂缝、跑道存在凹陷，则机场安全管理平台根据录制该声音信号的传感器编号和位置做出预警；
6、步骤三、机场安全管理平台做出预警后，工作人员根据预警信息请专家检查评估，给出维修建议；若不需要维修，则登记、存档；若需要维修，则派遣专业人员到指定的飞机和跑道缺陷位置处进行维修，维修结束后进行检验，检验通过则进行登记、存档；若未通过则继续派遣专业人员维修，直至维修完成，进行登记、存档。
7、进一步的，步骤一中对声音信号进行预处理包括如下步骤：
8、步骤1.1：对声音传感器获取的.wav、.mp3格式的声音文件使用python中librosa库内的load函数，得到该声音文件的数据数组；
9、步骤1.2预加重：将声音信号通过高通滤波器，来提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱，其公式如下：
10、h(z)＝1-μz-1
11、其中μ的值取0.95，z是输入的声音信号；
12、步骤1.3分帧加窗：对声音信号进行分帧加窗，通过分帧加窗操作将语音分割成多个小段帧；通过短时的表现和分布特征判断出该短时语音属于某个音素或子音素；选择汉明窗作为窗口，窗的长度为l个采样点，汉明窗的公式为：
13、
14、在第n时刻，信号的值为x[n]，窗函数的值为w[n]，加窗之后得到：
15、y[n]＝x[n]*w[n]
16、在加窗时，两个连续的窗之间需要平移重叠，平移的时长也叫帧移，来防止帧两端的信号被削弱，帧移的时间取10ms。；
17、步骤1.4：通过快速傅里叶变换将信号从时域映射到频域得到频谱图，然后将幅度进行平方得到能量谱图；
18、步骤1.5mel滤波器组：将频率映射到mel频率，mel频率与实际频率的具体关系为如下：
19、mel(f)＝2595*log10(1+f/700)
20、将能量谱图通过一组mel尺度的三角形滤波器组，并计算通过每个滤波器的信号的能量，根据各个能量，得到一定维数的特征；对梅尔特征取对数得到对数-梅尔特征；
21、步骤1.6：将步骤1.5的对数-梅尔特征进行离散反余弦变换(dct)后得到静态特征a；对静态特征a计算一阶差分(deltas)和二阶差分(deltas-deltas)获得动态特征,其计算公式如下：
22、
23、其中t表示第t帧，n取2，c指的就是特征a中的系数；在一阶差分上再一次计算差分获得二阶差分；一阶差分后得到特征b，二阶差分后得到特征c；
24、步骤1.7：将特征a、特征b、特征c堆叠形成一三通道的特征。
25、进一步的，步骤一中飞机发动机异常与跑道缺陷检测网络通过如下步骤设计：
26、步骤2.1数据准备：对声音文件进行标注，标注信息为声音文件具体状况，即ci＝0表示正常，ci＝1表示飞机发动机声音异常，ci＝2表示跑道存在裂缝，ci＝3表示跑道存在凹陷，将标注数据样本按照8：1：1划分为训练集、验证集、测试集；
27、步骤2.2网络结构设计：采用双分支卷积神经网络与注意力模块，分支1由5个2d卷积层、1个池化层、1个残差块组成；分支2由3个连续的带有不同空洞率的空洞卷积层组成；将经过分支1和分支2得到的特征进行拼接，得到含有深层声音特征的特征e；对特征e进行频率方向1d卷积，聚合频率维度获得特征f；特征f输入注意力模块，分别经过c方向最大池化和c方向平均池化，将两者结果对位相加取平均并进行归一化，获得注意力向量b；最后将注意力向量b与特征f对位相乘得到各时间帧的特征g；
28、网络采用swish激活函数，公式如下：
29、
30、步骤2.3网络模型训练：输入声音文件大小为8秒，设置输入最小批量数据值为64，学习率为10-3，对网络参数赋初始化数值，设置网络的最大迭代次数m；将准备好的数据集输入网络，进行训练；通过不断调整参数得到最终的模型；
31、步骤2.4将声音文件预处理好后输入到训练好的模型中，网络输出为该声音文件状况，即ci。
32、进一步的，步骤二中机场安全管理平台预警过程如下：
33、声音文件检测结果上传至机场安全管理平台后，平台根据查询录制声音文件的传感器编号、录制时间来确定飞机编号、跑道缺陷位置，然后给出对应的预警信息。
34、与现有技术相比，本专利技术的有益效果体现在：
35、本专利技术使用声音传感器获取声音信号，利用深度学习的方法进行检测飞机发动机与跑道状况，这样更有利于推动系统对于飞机发动机异常与跑道缺陷情况更准确的判断。对存在异常情况的飞机发动机与存在缺陷的跑道上传至机场安全管理平台，平台并作出相应的预警，后续需及时派遣相关专家给出维修建议进行维修。本专利技术所需的本文档来自技高网...
【技术保护点】
1.一种基于声音的飞机发动机异常与跑道缺陷检测方法，如下步骤：
2.如权利要求1所述的基于声音的飞机发动机异常与跑道缺陷检测方法，其特征在于：
3.如权利要求2所述的基于声音的飞机发动机异常与跑道缺陷检测方法，其特征在于：步骤一中飞机发动机异常与跑道缺陷检测网络通过如下步骤设计：
4.如权利要求3所述的基于声音的飞机发动机异常与跑道缺陷检测方法，其特征在于：步骤二中机场安全管理平台预警过程如下：
【技术特征摘要】
1.一种基于声音的飞机发动机异常与跑道缺陷检测方法，如下步骤：
2.如权利要求1所述的基于声音的飞机发动机异常与跑道缺陷检测方法，其特征在于：
3.如权利要求2所述的基于声音的飞机发动机异常与跑...
【专利技术属性】
技术研发人员：章东平，符珍涛，钟梓尹，吴思怡，夏岳键，熊文波，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。