CN112526587B - 混凝土泵送管道安全状态识别方法及设备 - Google Patents
混凝土泵送管道安全状态识别方法及设备 Download PDFInfo
- Publication number
- CN112526587B CN112526587B CN202011239117.7A CN202011239117A CN112526587B CN 112526587 B CN112526587 B CN 112526587B CN 202011239117 A CN202011239117 A CN 202011239117A CN 112526587 B CN112526587 B CN 112526587B
- Authority
- CN
- China
- Prior art keywords
- sound
- characteristic
- frame
- pumping pipeline
- concrete pumping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
Abstract
本发明提供了一种混凝土泵送管道安全状态识别方法及设备,本发明根据泵管作业声音信号的特征进行泵管作业状态识别,本发明不仅可以实时监测识别当前混凝土泵送管道的作业状态,而且还能根据泵送管到作业声音特征的变化趋势进行泵管异常作业预警。利用本发明具备的泵管作业状态异常预警可以将事故扼杀在摇篮,如果万一预警失效,没能避免堵管,那么根据本方法统计的历史声音状态识别记录,定位泵管堵点。
Description
技术领域
本发明涉及一种混凝土泵送管道安全状态识别方法及设备。
背景技术
超高层建筑物施工过程中现浇混凝土多采用泵送机械设备通过泵送管道输送至待浇筑的部位。然而,由于各种原因泵送管道内部的混凝土压力经常超过泵送管道的容许承载能力,而发生堵管或管道爆裂。由于超过层建筑工地的泵送管道布设长度较大,走位曲折复杂,一旦泵管堵塞,寻找堵塞部位是较为困难的。
目前为止,人们已经提出了多种寻找泵送管道堵点位置的办法。如直接或者监测测量泵送管道内部的流动状态混凝土压力,这类方法一般需要事先安装传感器于泵管内壁,这种方法测量直接,但是存在许多缺点,例如1)由于流动混凝土与传感器的摩擦,增加了混凝土的输送阻力,2)流动混凝土与压力传感器的摩擦加速传感器的寿命衰减,3)需对泵管开口切割焊接等操作,损伤泵管的同时还增加了工作量。
发明内容
本发明的目的在于提供一种混凝土泵送管道安全状态识别方法及设备。
为解决上述问题,本发明提供一种混凝土泵送管道安全状态识别方法,包括:
获取当前的混凝土泵送管道的作业声音信号;
从所述作业声音信号中提取起始阶段的若干分钟T0的正常工作状态的声音片段,并将所述起始阶段的若干分钟T0的正常工作状态的声音片段分帧、加窗以提取每一帧的特征系数,将所述每一帧的特征系数作为作业声音的正常聚类中的特征点,统计所述正常聚类中的特征点集的凸包,其中,所述凸包为特征点的外边界点及其组成的闭合超平面集,所述每一帧的特征系数包括:短时频谱质心和短时MFCC向量;
从所述作业声音信号中提取起始阶段的若干分钟T0之后的每一帧的声音的特征系数,逐帧计算起始阶段的若干分钟T0之后的每一帧的声音的特征系数与所述凸包的距离d;
若某一帧的声音的特征系数与所述凸包的距离d≤α,将该帧的声音的特征系数保存为所述正常聚类中的特征点;
若某一帧的声音的特征系数与所述凸包的距离d>α,初步判断一帧的声音的特征系数为异常,检查所述异常是否为误判,
若是误判,将该帧的声音的特征系数保存为所述正常聚类中的特征点;
若不是误判,将该帧的声音的特征系数保存为所述异常聚类中的特征点。
进一步的,在上述方法中,获取当前的混凝土泵送管道的作业声音信号,包括:
现场实时监听混凝土泵送管道周围的声音信号,对所述声音信号中的噪声进行过滤,得到预设高信噪比的混凝土泵送管道的作业声音信号。
进一步的,在上述方法中,查所述异常是否为误判之后,还包括:
增加所述α的值。
进一步的,在上述方法中,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
获取待判断的混凝土泵送管道的作业声音信号;
基于所述正常聚类中的特征点和异常聚类中的特征点,判断所述待判断的混凝土泵送管道的作业声音信号是否异常。
进一步的,在上述方法中,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
基于所述正常聚类中的特征点和异常聚类中的特征点,定位混凝土泵送管道的堵点。
根据本发明的另一方面,还提供一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至5中任一项所述的方法。
根据本发明的另一方面,还提供一种用于在网络设备端信息处理的设备,该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该设备执行权利要求1至5中任一项所述的方法。
与现有技术相比,本发明的优点在于:
(1)本发明方法属于无损监测方法。仅需要现场实时监听泵管周围的声音信号,无需安装监听设备到泵管表面,无需对泵管进行切割和改造。
(2)本发明方法具有实时监测识别声音状态的功能,具有自我学习的功能,根据泵管作业的历史声音数据,掌握更多的正常作业声音的特征。
(3)本发明具有预警的功能,根据当前声音信号特征与历史各类正常状态声音特征的匹配程度进行异常预报。
附图说明
图1是本发明一实施例的混凝土泵送管道安全状态识别方法的流程图;
图2是本发明一实施例的四个长度为10祯间重叠区长度为3的连续祯的示意图;
图3是本发明一实施例的角形带通滤波器组示意图;
图4是本发明一实施例的不同声源的前MFCC特征对比示意图;
图5是本发明一实施例的某泵管不同阶段声音的示意图;
图6是本发明一实施例的20秒后特征点与正常聚类凸包的距离的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种混凝土泵送管道安全状态识别方法,包括:
步骤S1,获取当前的混凝土泵送管道的作业声音信号;
优选的,步骤S1,包括:现场实时监听混凝土泵送管道周围的声音信号,对所述声音信号中的噪声进行过滤,得到预设高信噪比的混凝土泵送管道的作业声音信号。
在此,由于泵管所处的环境具有较为随机的高分贝施工噪声,声音识别系统首先对噪声进行适当的过滤,得到高信噪比的混凝土泵送管道的作业声音信号。
步骤S2,从所述作业声音信号中提取起始阶段的若干分钟T0的正常工作状态的声音片段,并将所述起始阶段的若干分钟T0的正常工作状态的声音片段分帧、加窗以提取每一帧的特征系数,将所述每一帧的特征系数作为作业声音的正常聚类中的特征点,统计所述正常聚类中的特征点集的凸包,其中,所述凸包为特征点的外边界点及其组成的闭合超平面集,所述每一帧的特征系数包括:短时频谱质心和短时MFCC向量;
步骤S3,从所述作业声音信号中提取起始阶段的若干分钟T0之后的每一帧的声音的特征系数,逐帧计算起始阶段的若干分钟T0之后的每一帧的声音的特征系数与所述凸包的距离d;
步骤S4,若某一帧的声音的特征系数与所述凸包的距离d≤α,将该帧的声音的特征系数保存为所述正常聚类中的特征点;
步骤S5,若某一帧的声音的特征系数与所述凸包的距离d>α,初步判断一帧的声音的特征系数为异常,检查所述异常是否为误判,
步骤S6,若是误判,将该帧的声音的特征系数保存为所述正常聚类中的特征点;
步骤S7,若不是误判,将该帧的声音的特征系数保存为所述异常聚类中的特征点。
在此,图1给出了泵送管道声分类的实现流程。假定在声音采集的起始阶段(通常取若干分钟T0)泵管处于正常工作状态,将该声音片段分帧、加窗以提取每一帧的特征系数:短时频谱质心和短时MFCC向量,作为泵管作业声音的“正常”聚类,此外,统计“正常”聚类中的特征点集的凸包(特征点的外边界点及其组成的闭合超平面集)。随后,继续提取时刻T0以后的音频信号对应的每一帧短时特征系数,逐帧计算新采集音频帧特征系数与“正常”类凸包的距离d。显然,d≤0表示新采集样本帧属于“正常”类,而d>0表示新采集样本帧可能属于“正常”类,也可能属于新的“异常”类,因此,此处引入大于0的距离α作为阈值,当d>α时,分类算法初步判定样本属于“异常”,同时,泵管安全管理员介入检查系统是否误判。若人工核对为系统误判,则系统在原来的基础上适当增加阈值的取值,否者,“异常”特征集增加新的成员。
对于新建的混凝土泵送设施,混凝土泵送管道处于故障状态时的声音信号是未知的,即泵管作业声音的分类标签是未知的,因此,监督机器学习方法无法实施,本发明采用无监督学习方法以声音的梅尔频率倒谱系数(MFCC)为特征进行聚类分析。
MFCC的计算同样建立在傅里叶分析的基础之上,因此,图2所示分祯、相邻祯重叠,以及加窗函数等环节同样适用于MFCC的计算。对于每一帧加窗后的短时信号序列i=1,2,…,n,其MFCC的主要计算步骤由以下环节组成:
2)设计三角形带通滤波器组。如图3所示,录波器组由L个的三角形录波器组成,第i个滤波器中心频率为fi,i=1,2,…,L。中心频率的间距随滤波器的编号的增加而增大,然而,其对应的梅尔频率
fmeli=2595log10(1+fi/700) (1)
呈等间距分布,间距为
其中,fmelmax和fmelmin分别表示最大和最小梅尔频率。fmelmin的最小可能值为零;fmelmax的最大可能值为2595log10(1+s/1400)。
其中,Hi(·)是权值,由第i个三角形带通滤波器确定,当ms/n的数值落在三角形之外侧,则权值取零。
4)生成梅尔频率倒谱系数。首先,定义滤波器组序列,
随后,将Y进行离散余弦逆变换,得梅尔频率倒谱系数
cmel=idct(Y) (5)
式中,idct表示离散余弦逆变换。可见,cmel的长度为n,在声音分类识别的应用当中,仅取cmel的前几项即可充分刻画声音特征。
经过长时间的音频采集和聚类分析,系统可修正得较为可靠的阈值及“异常”特征集。泵管的聚类个数将增加,每个类具有诸如“正常”、“轻度堵管”、“中度堵管”和“严重堵管”等的类标签。泵管状态“恶化”的过程往往是参数d增加的过程,系统以此参数作为泵管的预警参数。
本发明提出的技术方案涉及非监督机器学习方法。
优选的,步骤S5,检查所述异常是否为误判之后,还包括:
增加所述α的值。
优选的,步骤S7,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
步骤S8,获取待判断的混凝土泵送管道的作业声音信号;
步骤S9,基于所述正常聚类中的特征点和异常聚类中的特征点,判断所述待判断的混凝土泵送管道的作业声音信号是否异常。
在此,本发明为一种建筑施工环境中,超高层建筑混凝土泵送管道作业声音信号分析处理方法,利用分析得到的声音特征识别判断泵管的作业状态,提供管理人员泵管的预警信息。本发明具有预警的功能,根据当前声音信号特征与历史各类正常状态声音特征的匹配程度进行异常预报。
优选的,步骤S8,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
基于所述正常聚类中的特征点和异常聚类中的特征点,定位混凝土泵送管道的堵点。
在此,本发明提出一种根据泵管作业声音信号的特征进行泵管作业状态识别的方法。该方法不仅可以实时监测识别当前混凝土泵送管道的作业状态,而且还能根据泵送管到作业声音特征的变化趋势进行泵管异常作业预警。利用本发明具备的泵管作业状态异常预警可以将事故扼杀在摇篮,如果万一预警失效,没能避免堵管,那么根据本方法统计的历史声音状态识别记录,定位泵管堵点。
图4基于给出了建筑工地墙面装修摩擦声音、凿岩机作业声音和人货梯垂直启动状态下梯厢内声音对应的MFCC前三维特征。图中每一个点表示每一帧样本的MFCC特征向量,所有的特征向量计算基于如下参数获取:帧长度50ms,邻窗重叠长度25ms,三角滤波器组个数L为41,最低频率20Hz,最高频率10kHz,cmel长度为3。图中可见,三者声音样本彼此间存在较为明显的区分度,表明MFCC特征具备较为理想的聚类分析潜力。
针对图5所示声音信号进行算例分析。泵管声音识别系统首次启动通常假定声音信号初始阶段属于“正常”类,因此,本算例作为算法演示,假定声音样本前20秒属于“正常”类。程序自动判别20秒之后的信号特征与“正常”类凸包的距离。
为了减少声音信号短时特征向量的长度,而不失特征向量的声音状态区分能力,算例采用长度为3的MFCC特征向量作为声音特征进行声音识别分类。设定声音“异常”阈值α=3.75,
图6给出了20秒以后声音信号特征点与前20秒特征点集所构成凸包的距离。距离曲线表明:该距离随时间持续剧烈震荡,不便于程序稳定地判断声音状态,因此,本发明采用高斯平均(高斯滤波)算法,以100数据点为窗口宽度进行加权平均处理,得到图中虚线所示光滑曲线。
图6表明20~44.38秒范围内泵管声音处于“正常”状态;44.38~51.50秒范围内泵管处于状态变化阶段,此阶段可作为声音识别系统进行泵管安装状态预警的依据;51.50秒以后泵管处于稳定“异常”状态。经人工核实,若此“异常”状态并非安全事故状态,则51.5秒以后特征样本可构成新的聚类及其凸包,便于后续信号变化时进行新的特征点-凸包距离计算。
根据本发明的另一方面,还提供一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至5中任一项所述的方法。
根据本发明的另一方面,还提供一种用于在网络设备端信息处理的设备,该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该设备执行权利要求1至5中任一项所述的方法。
与现有技术相比,本发明的有益效果在于:
(1)本发明方法属于无损监测方法。仅需要现场实时监听泵管周围的声音信号,无需安装监听设备到泵管表面,无需对泵管进行切割和改造。
(2)本发明方法具有实时监测识别声音状态的功能,具有自我学习的功能,根据泵管作业的历史声音数据,掌握更多的正常作业声音的特征。
(3)本发明具有预警的功能,根据当前声音信号特征与历史各类正常状态声音特征的匹配程度进行异常预报。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (7)
1.一种混凝土泵送管道安全状态识别方法,其特征在于,包括:
获取当前的混凝土泵送管道的作业声音信号;
从所述作业声音信号中提取起始阶段的若干分钟T 0的正常工作状态的声音片段,并将所述起始阶段的若干分钟T 0的正常工作状态的声音片段分帧、加窗以提取每一帧的特征系数,将所述每一帧的特征系数作为作业声音的正常聚类中的特征点,统计所述正常聚类中的特征点集的凸包,其中,所述凸包为特征点的外边界点及其组成的闭合超平面集,所述每一帧的特征系数包括:短时频谱质心和短时MFCC向量;
从所述作业声音信号中提取起始阶段的若干分钟T 0之后的每一帧的声音的特征系数,逐帧计算起始阶段的若干分钟T 0之后的每一帧的声音的特征系数与所述凸包的距离d;
若某一帧的声音的特征系数与所述凸包的距离d≤a,将该帧的声音的特征系数保存为所述正常聚类中的特征点,其中a为阈值且a>0;
若某一帧的声音的特征系数与所述凸包的距离d>a,初步判断一帧的声音的特征系数为异常,检查所述异常是否为误判,
若是误判,将该帧的声音的特征系数保存为所述正常聚类中的特征点;
若不是误判,将该帧的声音的特征系数保存为所述异常聚类中的特征点。
2.如权利要求1所述的混凝土泵送管道安全状态识别方法,其特征在于,获取当前的混凝土泵送管道的作业声音信号,包括:
现场实时监听混凝土泵送管道周围的声音信号,对所述声音信号中的噪声进行过滤,得到预设高信噪比的混凝土泵送管道的作业声音信号。
3.如权利要求1所述的混凝土泵送管道安全状态识别方法,其特征在于,查所述异常是否为误判之后,还包括:
增加所述a 的值。
4.如权利要求1所述的混凝土泵送管道安全状态识别方法,其特征在于,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
获取待判断的混凝土泵送管道的作业声音信号;
基于所述正常聚类中的特征点和异常聚类中的特征点,判断所述待判断的混凝土泵送管道的作业声音信号是否异常。
5.如权利要求1所述的混凝土泵送管道安全状态识别方法,其特征在于,将该帧的声音的特征系数保存为所述异常聚类中的特征点之后,还包括:
基于所述正常聚类中的特征点和异常聚类中的特征点,定位混凝土泵送管道的堵点。
6.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至5中任一项所述的方法。
7.一种用于在网络设备端信息处理的设备,该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该设备执行权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239117.7A CN112526587B (zh) | 2020-11-09 | 2020-11-09 | 混凝土泵送管道安全状态识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239117.7A CN112526587B (zh) | 2020-11-09 | 2020-11-09 | 混凝土泵送管道安全状态识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112526587A CN112526587A (zh) | 2021-03-19 |
CN112526587B true CN112526587B (zh) | 2023-05-30 |
Family
ID=74979860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239117.7A Active CN112526587B (zh) | 2020-11-09 | 2020-11-09 | 混凝土泵送管道安全状态识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112526587B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720909A (zh) * | 2021-08-19 | 2021-11-30 | 中国建筑第八工程局有限公司 | 滑动升降式混凝土工程自动检测机器人及其检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509546B (zh) * | 2011-11-11 | 2013-07-10 | 北京声迅电子股份有限公司 | 应用于轨道交通的降噪和异常声音检测方法 |
CN102522082B (zh) * | 2011-12-27 | 2013-07-10 | 重庆大学 | 一种公共场所异常声音的识别与定位方法 |
CN109870697A (zh) * | 2018-12-27 | 2019-06-11 | 东莞理工学院 | 一种基于超声波声学的物体检测和分类方法 |
CN211425505U (zh) * | 2020-03-26 | 2020-09-04 | 上海建工集团股份有限公司 | 一种混凝土泵送管道堵塞状态监测装置 |
CN111443130A (zh) * | 2020-04-22 | 2020-07-24 | 上海建工集团股份有限公司 | 一种混凝土泵送管道堵塞状态监测装置 |
CN111598039A (zh) * | 2020-05-24 | 2020-08-28 | 绍兴声科科技有限公司 | 用于石油管道监控的异常声音监测方法及监测装置 |
CN111899749B (zh) * | 2020-07-14 | 2023-08-29 | 上海建工集团股份有限公司 | 一种监听混凝土泵送管道作业声音的降噪方法 |
-
2020
- 2020-11-09 CN CN202011239117.7A patent/CN112526587B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112526587A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135492B (zh) | 基于多高斯模型的设备故障诊断与异常检测方法及系统 | |
Nelwamondo et al. | Early classifications of bearing faults using hidden Markov models, Gaussian mixture models, mel-frequency cepstral coefficients and fractals | |
US8938404B2 (en) | System and method for detecting abnormal audio events | |
US20190376840A1 (en) | Anomalous sound detection apparatus, degree-of-anomaly calculation apparatus, anomalous sound generation apparatus, anomalous sound detection training apparatus, anomalous signal detection apparatus, anomalous signal detection training apparatus, and methods and programs therefor | |
KR102098075B1 (ko) | 지진조기경보 시스템을 위한 기계학습 기반의 실시간 오탐지 차단 방법 | |
CN106683687B (zh) | 异常声音的分类方法和装置 | |
CN109507510A (zh) | 一种变压器故障诊断系统 | |
CN109030849B (zh) | 压缩机旋转失速的监测方法及装置 | |
CN112526587B (zh) | 混凝土泵送管道安全状态识别方法及设备 | |
Mechefske et al. | Fault detection and diagnosis in low speed rolling element bearings Part II: The use of nearest neighbour classification | |
CN101829689A (zh) | 一种基于声信号的热轧带钢甩尾故障识别方法 | |
CN105118511A (zh) | 一种雷声识别方法 | |
CN112820321A (zh) | 一种抽油机远程智能音频诊断系统、方法、设备及介质 | |
CN112599134A (zh) | 一种基于声纹识别的变压器声音事件检测方法 | |
CN117373487B (zh) | 基于音频的设备故障检测方法、装置及相关设备 | |
CN111307206B (zh) | 一种基于多源信息融合的压缩机喘振自动识别方法 | |
CN116778956A (zh) | 一种变压器声学特征提取及故障识别方法 | |
CN113421586A (zh) | 梦呓识别方法、装置和电子设备 | |
CN115424635B (zh) | 一种基于声音特征的水泥厂设备故障诊断方法 | |
JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
CN112850408B (zh) | 一种基于多模型融合的电梯急停困人故障检测方法 | |
CN114708885A (zh) | 一种基于声音信号的风机故障预警方法 | |
CN112814890A (zh) | 一种基于声纹和震动检测泵机故障的方法 | |
KR102560570B1 (ko) | 플랜트 공정 제어루프의 오실레이션 진단 방법 및 이를 이용한 오실레이션 진단 장치 | |
KR20200026587A (ko) | 음성 구간을 검출하는 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |