CN109035275B - 变电站室内设备声音状态识别方法及系统 - Google Patents

Abstract

本发明公开了一种变电站室内设备声音状态识别方法及系统，将声音信号绝对值波形图转化为二维波形图，对二维波形图灰度化和二值化，计算水平投影，并进行边缘检测，分割直线提取，计算分割的面积比值，并将分割后的面积比例与设定的阈值比较，若其大于阈值，则对应的声音信号为异常，否则，则对应的声音信号为正常，本发明的正确率高，可以满足实时监控分析的要求。

Description

变电站室内设备声音状态识别方法及系统

技术领域

本发明涉及一种变电站室内设备声音状态识别方法及系统。

背景技术

变电站室内设备的运行状态关系着整个输电、配电的质量。相对于变电站室外设备，变电站室内设备相对稳定，设备产生的声音种类较为单纯，但是声音变化没有规律性。仅总波形上看，设备在不同负荷下正常运行时，声音波形的振幅变化大小不一。用电量大、负荷大时，声音波形的振幅就大；用电量小、负荷小时，声音波形的振幅就小。通过研究分析，不管负荷大小如何变化，正常运行状态下的声音的波形是平稳的；如果出现异常情况，声音的波形会在某个区域出现突变。因此，通过设备声音信号的波形变化分析设备的运行状态具有可行性，并且对实时监控设备的运行状态具有重要的现实意义。

现有技术中存在提取声音并识别的文献，但是，这些文献多是应用于安静的室内，声音信号较为纯净，并不适用于变电站，且目前大部分声音识别方法都是使用语音识别的相关算法，针对原始的声音信号就行分析，样本的突变性不强或者没有突变性，使得识别方法的鲁棒性和扩展性收到较大限制。再者，语音识别的相关算法在处理非语音信号时，由于发声机理不同，算法的通用性不强，无法满足实时监控的需要。因此，急需一种新的算法解决变电站设备发出的声音信号。

发明内容

本发明为了解决上述问题，提出了一种变电站室内设备声音状态识别方法及系统，本发明基于图像处理，进行室内设备声音状态识别，能够很大程度上解决信号的突变性，能够快速准确的识别出设备的当前运行状态。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一目的是提供一种变电站室内设备声音状态识别方法，包括以下步骤：

将声音信号绝对值波形图转化为二维波形图，对二维波形图灰度化和二值化，计算水平投影，并进行边缘检测，分割直线提取，计算分割的面积比值，并将分割后的面积比例与设定的阈值比较，若其大于阈值，则对应的声音信号为异常，否则，则对应的声音信号为正常。

进一步的，将采集的声音波形的离散的数据点转化为波形图像。

通过信号拟合和填充函数，将离散的一维信号变为二维波形图。

通过拟合函数，可以将声音信号的离散点拟合成一条连续的曲线，然后，将曲线下方的区域使用填充函数进行填充。

进一步的，采用加权平均值法进行图像的灰度转化处理。

进一步的，对于二值化图像，水平方向的投影是每行的非零像素值的个数，为1或者255，垂直投影是每列图像数据中非零像素值的个数。

本发明的第二目的是提供一种变电站室内设备声音状态识别系统，运行于处理器或存储器上，被配置为执行以下指令：

将声音信号绝对值波形图转化为二维波形图，对二维波形图灰度化和二值化，计算水平投影，并进行边缘检测，分割直线提取，计算分割的面积比值，并将分割后的面积比例与设定的阈值比较，若其大于阈值，则对应的声音信号为异常，否则，则对应的声音信号为正常。

进一步的，通过信号拟合和填充函数，将离散的一维信号变为二维波形图。

进一步的，采用加权平均值法进行图像的灰度转化处理。

进一步的，对于二值化图像，水平方向的投影是每行的非零像素值的个数，为1或者255，垂直投影是每列图像数据中非零像素值的个数。

本发明的工作原理为：

现有的变电站声音识别上，处理的声音信号均是一维离散信号，而这种一维离散信号只能反映声音的振动分布，波形出现异常突起时，无法进行自适应的分割分析。尤其在投影分析时无法得到图6(b)和图7(b)的效果。

因为一维信号投影后得到的只是一条直线，信号的平稳、突变现象表现不再明显可分。因此，一维信号的投影变换无法区分信号的正常与异常。而拟合、填充后，即转化为了二维图像，再进行投影分析仍然可以达到可区分性的效果。而将其转换为二维图像后，可采用图像处理的自适应分割算法(正常平稳信号的投影图如图6(b)所示，近似矩形，而异常信号的投影图如图7(b)所示，近似“L”型)，正确的将图像分割成上下两部分，进而通过上下两部分的比值和规定的阈值进行信号状态的分析。

与现有技术相比，本发明的有益效果为：通过信号转换，将一维离散信号转换为连续的二维图像信号，用数字图像处理的方法处理声音信号。实验结果证明，该方法的正确率高，可以满足实时监控分析的要求。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1(a)(b)是本发明的正常信号示意图；

图2(a)(b)是本发明的异常信号示意图；

图3(a)(b)是本发明的灰度化后的信号示意图；

图4(a)(b)(c)是本发明的正常信号形态学处理过程(依次为二值化、闭操作和开操作)示意图；

图5(a)(b)(c)是本发明的异常信号形态学处理过程(依次为二值化、闭操作和开操作)示意图；

图6(a)(b)是本发明的正常信号的垂直投影与水平投影图；

图7(a)(b)是本发明的异常信号的垂直投影与水平投影图；

图8是本发明的流程示意图；

图9是本发明的正常信号水平投影分割示意图；

图10是本发明的异常信号水平投影分割示意图；

图11是本发明的异常信号波形图像处理过程图；

图12是本发明的异常信号源信号水平投影和垂直投影示意图；

图13(a)是本发明异常信号直线分割示意图；

图13(b)是本发明异常信号突起部分示意图；

图13(c)是本发明异常信号平稳部分示意图；

图14为本发明的正常信号波形图像处理过程图；

图15为本发明的正常信号波形图像水平投影和垂直投影；

图16(a)是本发明正常信号直线分割示意图；

图16(b)是本发明正常信号突起部分示意图；

图16(c)是本发明正常信号平稳部分示意图；

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。

正如前面所述的，变电站是各级电网的核心枢纽，对站内设备例行巡检是保证电网完全运行的关键技术。由于变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设施，它通过变压器将各级电压的电网联系起来。在用电量增大时，诸如变压器这样的设备负荷也随之增大，发出的声音也跟着增强，反映在波形上就是声音振幅变大。但此时设备仍是正常运行，发出的声音也是稳定的。因此，文中将波形图中振幅变化平稳的称为正常信号，如图1所示。

在设备发生故障时，表现在设备发出的声音上就是声音信号发生突变，高频部分增加。反映在波形图上就是波形不再平稳，振幅忽高忽低。因此，文中将声音波形图中振幅变化较大的信号称为异常信号，如图2所示。从图1和图2波形图上观察发现正常信号振幅变化很平稳没有忽高忽低大起大落的现象，而异常信号振幅变化较大，振幅幅度大起大落的现象比较明显。因此，从波形上正常信号和异常信号的可区分性比较明显。

由于声音信号表现在数据上是一些随机分布的离散点，从数据分布上很难找出波形的变化规律。而从波形图像上却能很好的反映，如图1和图2所示。因此，文中将离散的数据点转化为波形图像，图像中的数据由原来的一维离散数据变成了二维连续数据，并且正常信号和异常信号的特征也很明显。因此，使用图像处理技术进行波形分析判断具有可行性，并且根据信号情况可以得出设备此时的状态信息。

图像灰度化处理是将彩色RGB图像转化为只有黑白2个颜色的灰度图像，便于对图像进一步处理。这里采用加权平均值法进行图像的灰度转化处理，如图3所示。

加权平均值法是根据实际图像来分配的像素点红色R、绿色G、蓝色B值的权值，然后将3个值进行相加处理，如式(1)所示：

式中，W_r、W_g、W_b分别为R、G、B的权值。权值的选取不同，会产生不同的效果。根据式(2)得到灰度化图像。

Y＝0.299R+0.587G+0.114B (2)

数学形态学是以形态结构元素为基础对图像进行分析的数学工具[7]。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。

波形图像经过二值化后，图像中仍存在一些噪声，如图4(a)和图5(a)。经过形态学处理后，波形图像光滑了许多，并且还滤出来一些噪声，如图4(b)和图5(b)。

通过形态学处理后，波形图投影图像平滑了很多，同时也去除了很多噪声。本文中选择闭操作的结果图进行投影分析。

一般是对二值图像而用的，水平方向的投影就是每行的非零像素值的个数，在这里就是1或者255，垂直投影就是每列图像数据中非零像素值的个数。

针对信号波形图像进行垂直投影和水平投影分析，如图6和图7所示。从图中可以发现，垂直投影仅是对波形图中信号的走向进行了描述，和原波形图像差别较小。水平投影对波形图的区别效果比较明显，正常信号的水平投影为矩形，而异常信号的水平投影为的L型。

利用Hough变换进行直线检测，是图像分析和计算机视觉的一个重要内容。并且，Hough变换的优点是其抗噪性能比较好，并且能连接共线短直线。Hough变换的基本思想是利用点—线的对偶性，即图像空间共线的点对应在参数空间里相交的线，反过来，在参数空间中交与同一个点的所有直线在图像空间里都有贡献的点与之对应。

在图像中检测直线的问题，其实质是找到构成直线的所有的像素点。而所有共线的点(x,y)，当直线斜率存在时，都可以用式(3)表示，其中k为直线的斜率，b为截距。

y＝kx+b (3)

根据以上描述设计了实验方案，算法步骤如下：

Step1：声音信号绝对值波形图转化为图像；

Step2：波形图图像灰度化；

Step3：波形图图像二值化；

Step4：计算水平投影；

Step5：边缘检测；

Step6：分割直线提取；

Step7：计算分割的面积比值；

Step8：与设定的阈值比较，大于阈值异常，否则，正常。

实验中的处理流程如下：

Hough直线分割将水平投影图分成了上下两部分，如图9和图10所示。然后，计算分割后两部分的面积比值，得到的比值和设定的阈值进行比较即可得到此时信号的情况，进而判定是正常信号或异常信号。

针对变电站采集的声音样本，对45段声音进行分析，阈值选择为0.10，分析结果如下：

图11—图13(c)为某异常信号的分析处理过程，最后得到的上下分割面积之比为0.896，大于设定的阈值0.10，波形异常，报警警示工作人员。

图14—图16(c)为某正常信号的分析处理过程，最后得到的上下分割面积之比为0.0109，小于设定的阈值0.10，波形信号正常。

实验中，从测试结果和测试过程两个角度对算法进行分析，如表1所示

表1实验数据统计分析

经过分析测试，从测试结果来看正确率为：100％；从测试过程来看正确率为：97.8％。因此，该本文提出的算法识别效率高，鲁棒性强，可以满足声音样本分析的要求。

实验中，从测试结果和测试过程两个角度对算法进行分析，如表1所示。从测试结果来看正确率为：100％；从测试过程来看正确率为：97.8％。因此，该本文提出的算法识别效率高，鲁棒性强，可以满足声音样本分析的要求。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种变电站室内设备声音状态识别方法，其特征是：包括以下步骤：

将声音信号绝对值波形图转化为二维波形图，对二维波形图灰度化和二值化，计算水平投影，并进行边缘检测，利用Hough直线分割将水平投影图分成上下两部分，计算分割的面积比值，并将分割后的面积比例与设定的阈值比较，若其大于阈值，则对应的声音信号为异常，否则，则对应的声音信号为正常。

2.如权利要求1所述的一种变电站室内设备声音状态识别方法，其特征是：将采集的声音波形的离散的数据点转化为一维信号图像；通过信号拟合和填充函数，将离散的一维信号变为二维波形图。

3.如权利要求1所述的一种变电站室内设备声音状态识别方法，其特征是：采用加权平均值法进行图像的灰度转化处理。

4.如权利要求1所述的一种变电站室内设备声音状态识别方法，其特征是：对于二值化图像，水平方向的投影是每行的非零像素值的个数，为1或者255，垂直投影是每列图像数据中非零像素值的个数。

5.一种变电站室内设备声音状态识别系统，其特征是：运行于处理器或存储器上，被配置为执行以下指令：

将声音信号绝对值波形图转化为二维波形图，对二维波形图灰度化和二值化，计算水平投影，并进行边缘检测，利用Hough直线分割将水平投影图分成上下两部分，计算分割的面积比值，并将分割后的面积比例与设定的阈值比较，若其大于阈值，则对应的声音信号为异常，否则，则对应的声音信号为正常。

6.如权利要求5所述的一种变电站室内设备声音状态识别系统，其特征是：通过信号拟合和填充函数，将离散的一维信号变为二维波形图。

7.如权利要求5所述的一种变电站室内设备声音状态识别系统，其特征是：采用加权平均值法进行图像的灰度转化处理。

8.如权利要求5所述的一种变电站室内设备声音状态识别系统，其特征是：对于二值化图像，水平方向的投影是每行的非零像素值的个数，为1或者255，垂直投影是每列图像数据中非零像素值的个数。

Images