【技术实现步骤摘要】
本专利技术属于水电站故障诊断，特别是涉及一种基于声音识别的减压阀多模态工况异常监测方法。
技术介绍
1、减压阀是通过阀瓣的节流，将进口压力降至某一需要的出口压力，并能在进口压力及流量变动时，利用介质本身能量保持出口压力基本不变的阀门；减压阀常见故障包括减压阀漏水，出口压力与进口压力几乎相等、压力振摆大、噪声变大、堵塞等。减压阀在水电站里的运用是十分常见的，减压阀在水电站引水系统中，可以用来降低水压，以保护管路和设备免受高压力的影响，一旦减压阀发生故障，轻则减压阀漏水，设备有进水风险；重则会出现设备受高压损坏，甚至水淹厂房等重大事故；传统的异常监测手段往往直接检测故障，例如外观质量检验：检查减压阀表面是否有裂纹、冷隔、砂眼、气孔、渣孔、缩松和氧化夹渣等缺陷；调压性能检验：在给定的调压范围内，出口压力应能在最大值与最小值之间连续调整，不得有卡阻和异常振动；流量特性检验：出口流量变化时，减压阀不得有异常动作，其出口压力负偏差值，对直接作用式减压阀不大于出口压力的20%，对先导式减压阀不大于出口压力的10%；压力特性检验：进口压力变化时，减压阀不得有异常振动，其出口压力偏差值，对直接作用式减压阀不大于出口压力的10%，对先导式减压阀不大于出口压力的5%；密封性能检验：对于弹性密封结构，其渗漏量按表1规定；对于金属-金属密封结构，允许渗漏量不大于最大流量的0.5%。出口压力表的升值弹性密封应为零，金属-金属密封不超过0.2mpa/min；但现有技术存在以下缺点：
2、现有技术往往存在各种各样的缺陷且未形成整体的多模态系统，实现
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于声音识别的减压阀多模态工况异常监测方法，该方法用于解决现有技术缺乏对多类型缺陷进行综合判断的手段，依赖人工现场核查，故障识别的效率和准确率都较低的问题，具有可以通过多模态数据结合声纹打分进行综合故障判定，大大提高减压阀设备工况异常或故障判断的识别率和准确率的特点。
2、为实现上述技术效果，本专利技术所采用的技术方案是：
3、一种基于声音识别的减压阀多模态工况异常监测方法，包括以下步骤：
4、s1，通过综合数据采集模块采集声纹识别相关数据，综合数据采集模块包括压力传感器、流量传感器、骨传导拾音器、阀门位置继电器、振动传感器和摄像头；声纹识别相关数据包括压力数据、流量数据、音频数据、位置开关开关量数据、振摆模拟量数据以及图像数据；
5、s2，通过网络传输模块，将综合数据采集模块采集的声纹识别相关数据传输至云服务器平台；
6、s3，通过声纹打分模块对音频数据进行识别并进行打分；
7、s4，通过故障综合判定模块进行故障判定。
8、优选地，步骤s1中，压力传感器设置在减压阀进口处和出口处，采集减压阀进出口压力数据；流量传感器设置在减压阀进口处和出口处，采集减压阀进出口流量数据；骨传导拾音器设置在减压阀外壳与减压阀一侧墙体上，采集音频数据；阀门位置继电器设置在减压阀进口处和出口处，采集减压阀进出口的位置开关开关量数据，振动传感器设置在减压阀外壳，采集减压阀外壳的振摆模拟量数据；摄像头设置在减压阀一侧墙体，采集减压阀运行过程图像。
9、进一步地，压力传感器设置2个，流量传感器设置2个，骨传导拾音器设置2个，阀门位置继电器设置2个；骨传导拾音器采用zkhy-ivod-001工业诊断拾音器，频率响应为20-20khz；振动传感器采用dsp振动传感器，测量范围为0-50g。
10、优选地，步骤s2中，网络传输模块包括光电交换机和汇聚交换机组成的交换机模块；压力数据、流量数据、位置开关开关量数据和振摆模拟量数据分别通过光电交换机与汇聚交换机通讯连接，图像数据和音频数据通过现地控制单元提取特征值，将图像数据和音频数据通过光电交换机与汇聚交换机通讯连接；汇聚交换机与云服务器平台通讯连接。
11、进一步地，pc设备经过网络隔离设备后连接至云服务器平台，云服务器平台通过路由器与移动终端进行通讯；汇聚交换机还与本地服务器通讯连接进行数据存储。
12、优选地，步骤s3中，通过声纹打分模块对音频数据进行识别并进行打分包括在现地控制单元中，通过mfcc算法对音频数据进行加权降维优化：
13、首先对音频数据进行预加重，然后对预加重后的音频数据进行分帧；对分帧后的音频数据进行快速傅里叶变换，将波形数据转化到频，然后进行mel系数滤波处理；最后进行端点检测，对最终的mfcc结果进行检测，保证数据的可用性，对其中的无效数据进行处理。
14、进一步地，mel系数滤波处理中，mel标度是频率域提取出来的倒谱参数，描述了人耳频率的非线性特性，它与频率的关系为：mel(f)=2585×log(1+f/700)；mel(f)表示mel标度。
15、优选地，步骤s3中，通过声纹打分模块对音频数据进行识别并进行打分包括在现地控制单元中，对加权降维优化后的音频数据进行提取i-vector处理，具体方法为：
16、使用gmm-ubm模型得到baum-welch统计量ubm；
17、将得到的mfcc向量输入gmm-ubm中进行训练，目标的mfcc向量输入gmm-ubm模型中，在原有的ubm的基础上通过map算法自适应得到目标设备的gmm参数m；
18、通过dnn神经网络处理baum-welch 统计量，提取 i-vector：
19、判断音频样本y是否是来自设备s：
20、假设h0表示y 来自设备s，h1表示y 不来自设备s，则似然度公式为：
21、lr=p(y|h0)/p(y|h1)；
22、log（lr）=log(p(y|h0))-log(p(y|h1))；
23、式中，p表示似然函数；当lr>θ时则保留结果h1，否则保留结果h0；θ为预定的阈值。
24、优选地，步骤s3中，通过声纹打分模块对音频数据进行识别并进行打分包括在云服务器平台中，执行plda判别分析，具体方法为：
25、将声音数据作为训练音频，化分为i个设备的音频，每个设备有 j 段不同的音频，定义第i个设备的第j条音频为xij；根据因子分析，定义xij的生成模型为：
26、；
27、式中，μ表示全体训练数据的均值；f为身份空间，包含了可以用来表示各种设备的信息；hi是具体的一个设备的身份或者是设备在身份空间中的位置；g是误差空间，包含了可以用来表示同一设备不同音频变化的信息；wij表示设备在g空间中的位置；ϵij是最后的残留噪声项；该项为零均本文档来自技高网...
【技术保护点】
1.一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤S1中，压力传感器设置在减压阀进口处和出口处，采集减压阀进出口压力数据；流量传感器设置在减压阀进口处和出口处，采集减压阀进出口流量数据；骨传导拾音器设置在减压阀外壳与减压阀一侧墙体上，采集音频数据；阀门位置继电器设置在减压阀进口处和出口处，采集减压阀进出口的位置开关开关量数据，振动传感器设置在减压阀外壳，采集减压阀外壳的振摆模拟量数据；摄像头设置在减压阀一侧墙体，采集减压阀运行过程图像。
3.根据权利要求1所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤S2中，网络传输模块包括光电交换机和汇聚交换机组成的交换机模块；压力数据、流量数据、位置开关开关量数据和振摆模拟量数据分别通过光电交换机与汇聚交换机通讯连接，图像数据和音频数据通过现地控制单元提取特征值，将图像数据和音频数据通过光电交换机与汇聚交换机通讯连接；汇聚交换机与云服务器平台通讯连接。
4.根据权利要
5.根据权利要求4所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤S3中，通过声纹打分模块对音频数据进行识别并进行打分包括在现地控制单元中，对加权降维优化后的音频数据进行提取i-vector处理，具体方法为：
6.根据权利要求5所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤S3中，通过声纹打分模块对音频数据进行识别并进行打分包括在云服务器平台中，执行PLDA判别分析，具体方法为：
7.根据权利要求6所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤S4中，通过故障综合判定模块进行故障判定的方法为：
...【技术特征摘要】
1.一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤s1中，压力传感器设置在减压阀进口处和出口处，采集减压阀进出口压力数据；流量传感器设置在减压阀进口处和出口处，采集减压阀进出口流量数据；骨传导拾音器设置在减压阀外壳与减压阀一侧墙体上，采集音频数据；阀门位置继电器设置在减压阀进口处和出口处，采集减压阀进出口的位置开关开关量数据，振动传感器设置在减压阀外壳，采集减压阀外壳的振摆模拟量数据；摄像头设置在减压阀一侧墙体，采集减压阀运行过程图像。
3.根据权利要求1所述的一种基于声音识别的减压阀多模态工况异常监测方法，其特征在于，步骤s2中，网络传输模块包括光电交换机和汇聚交换机组成的交换机模块；压力数据、流量数据、位置开关开关量数据和振摆模拟量数据分别通过光电交换机与汇聚交换机通讯连接，图像数据和音频数据通过现地控制单元提取特征值，将图像数据和音频数据...
【专利技术属性】
技术研发人员：黄江，曾正奇，曾勇，杨黎明，胡安冉，张晓宇，杨鹏，曹欢，张壮壮，周宸德，王训，王伟，康乐，张伟，胡翔，
申请(专利权)人：中国长江电力股份有限公司，
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。