CN112530440B - 一种基于端到端模型的配电网调度任务智能语音识别系统 - Google Patents
一种基于端到端模型的配电网调度任务智能语音识别系统 Download PDFInfo
- Publication number
- CN112530440B CN112530440B CN202110179287.9A CN202110179287A CN112530440B CN 112530440 B CN112530440 B CN 112530440B CN 202110179287 A CN202110179287 A CN 202110179287A CN 112530440 B CN112530440 B CN 112530440B
- Authority
- CN
- China
- Prior art keywords
- equipment
- marking
- team
- voice
- text
- 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
- 238000010276 construction Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 230000037433 frameshift Effects 0.000 claims description 15
- 239000002699 waste material Substances 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000011022 operating instruction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000009432 framing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于端到端模型的配电网调度任务智能语音识别系统，本发明涉及智能语音识别技术领域，解决了现有技术中不能够对声波进行分析，导致语音识别的准确性能降低的技术问题，通过语音分析单元对实时接收到的任务语音进行分析，对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，对废帧删除后的声波进行特征提取，阵列中每一个矩形表示为一帧，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字；对声波进行分析，通过阵列转化为文字，提高了语音识别的准确性，增强了任务分调度的效率，从而提高了工作效率。
Description
技术领域
本发明涉及智能语音识别技术领域，具体为一种基于端到端模型的配电网调度任务智能语音识别系统。
背景技术
语音识别系统的应用可以分为两个发展方向：一个方向是大词汇量连续语音识别系统，主要应用于计算机的听写机，以及与电话网或者互联网相结合的语音信息查询服务系统，这些系统都是在计算机平台上实现，另外一个重要的发展方向是小型化、便携式语音产品的应用，如无线手机上的拨号、汽车设备的语音控制、智能玩具、家电遥控等方面的应用，这些应用系统大都使用专门的第三方软件来实现。
但是在现有技术中，不能够对声波进行分析，导致语音识别的准确性能降低，工作效率降低。
发明内容
本发明的目的就在于提出一种基于端到端模型的配电网调度任务智能语音识别系统，通过问题构建单元对文本信息的问题解决信息进行分析，从而将对话模板进行预设，获取到文本信息的问题解决信息，通过公式获取到工作人员的工作分析系数FXu，将工作人员按照工作分析系数进行排序，并将排序第一的工作人员标记为选中人员，随后获取到选中人员解决班组设备的问题以及解决方案，同时将问题和对应解决方案以对话的形式进行文字转化，并标记为预设对话文本，随后将预设对话文本发送至调度管理平台进行储存；对问题解决方案进行合理匹配，提高了任务调度的可完成性以及准确性，从而提高了工作效率。
本发明的目的可以通过以下技术方案实现：
一种基于端到端模型的配电网调度任务智能语音识别系统，包括调度管理平台、语音分析单元、文本构建单元、对话匹配单元、问题构建单元、注册登录单元以及数据库；
所述语音分析单元用于对实时接收到的任务语音进行分析，具体分析过程如下：
步骤T1：获取到实时接收到的任务语音，并将任务语音进行解压，随后将解压后的任务语音声波点进行标记，随后将任务语音声波点进行排序连接获取到语音声波波形图；
步骤T2：对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，将语音分成若干个小段，并将若干个小段标记为帧，随后对若干个帧的帧长进行获取，同时将相邻帧的帧长进行比较，将相邻帧的帧长差值标记为帧移，若帧移≥5毫秒，则判定相邻两个帧均合格，若帧移＜5毫秒，则将相邻两个帧标记为废帧，并将对应帧长较小的帧进行删除，随后将废帧删除后的语音声波波形图的总帧数标记为r，r=1，2，…，v，v为正整数；
步骤T3：对废帧删除后的声波进行特征提取，将语音声波波形图转换为12行、r列的矩形阵列，阵列中每一个矩形表示为一帧，随后设置单个状态的帧数阈值，并根据单个状态的帧数阈值将矩形阵列划分为若干个状态，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字，随后将若干个汉字标记为任务语音转化文本，并将任务语音转化文本发送至调度管理平台。
进一步地，所述文本构建单元用于对厂站内设备工作数据进行分析，从而对任务文本进行预设，厂站内设备工作数据为指令次数数据、问题次数数据以及工作频率数据，指令次数数据为厂站内设备工作指令的种类数量与每天平均指令使用次数之和，问题次数数据为厂站内设备工作故障的种类数量与每天平均故障次数之和，工作频率数据为厂站内各个班组平均每天的工作频率与设备平均每天的工作频率之和，具体分析预设过程如下：
步骤S1：将厂站内工作区域划分为若干个班组，并将若干个班组标记为i，i=1，2，…，n，n为正整数，获取到班组内的设备并将班组内的设备标记为o，o=1，2，…，m，m为正整数；
步骤S2：获取到厂站内设备工作指令的种类数量与每天平均指令使用次数之和，并将厂站内设备工作指令的种类数量与每天平均指令使用次数之和标记为ZLio；
步骤S3：获取到厂站内设备工作故障的种类数量与每天平均故障次数之和，并将厂站内设备工作故障的种类数量与每天平均故障次数之和标记为GZio；
步骤S4：获取到各个班组平均每天的工作频率与设备平均每天的工作频率之和，并将各个班组平均每天的工作频率与设备平均每天的工作频率之和标记为PLio；
步骤S5：通过公式
获取到各个班组设备的分析系数FXio，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为2.365412；
步骤S6：将各个班组设备的分析系数FXio与分析系数阈值进行比较：
若各个班组设备的分析系数FXio≥分析系数阈值，则将对应班组设备标记为常用班组设备，生成文本获取信号并将常用班组设备进行文本信息获取，随后将文本信息发送至调度管理平台，文本信息包括班组、设备名称、故障种类、工作指令以及工作指令的传送时间；
若各个班组设备的分析系数FXio＜分析系数阈值，则将对应班组设备标记为不常用班组设备，并将不常用班组设备发送至调度管理平台。
进一步地，所述调度管理平台接收到不常用班组设备后，对不常用班组设备进行储存，若接收到常用班组设备后，生成问题构建信号并将问题构建信号发送至问题构建单元，所述问题构建单元用于对文本信息的问题解决信息进行分析，从而将对话模板进行预设，问题解决信息包括时间数据、效率数据以及评价数据，时间数据为工作人员对常用班组设备故障维修的单次平均时长，效率数据为工作人员接收指令与运行指令的间隔时长，评价数据为工作人员运行工作指令收到的好评次数，将工作人员标记为u，u=1，2，…，p，p为正整数，具体分析预设过程如下：
步骤SS1：获取到工作人员对常用班组设备故障维修的单次平均时长，并将工作人员对常用班组设备故障维修的单次平均时长标记为SCu；
步骤SS2：获取到工作人员接收指令与运行指令的间隔时长，并将工作人员接收指令与运行指令的间隔时长标记为JGu；
步骤SS3：获取到工作人员运行工作指令收到的好评次数，并将工作人员运行工作指令收到的好评次数标记为HPu；
步骤SS4：通过公式
获取到工作人员的工作分析系数FXu，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，e为自然常数；
步骤SS5：将工作人员按照工作分析系数进行排序，并将排序第一的工作人员标记为选中人员，随后获取到选中人员解决班组设备的问题以及解决方案，同时将问题和对应解决方案以对话的形式进行文字转化，并标记为预设对话文本，随后将预设对话文本发送至调度管理平台进行储存。
进一步地，所述调度管理平台接收到任务语音转化文本后，生成对话匹配信号并将对话匹配信号发送至对话匹配单元，所述对话匹配单元接收到对话匹配信号后，对预设对话文本进行合理选取，具体选取过程如下：
步骤TT1：将任务语音转化文本根据汉语语法分为主语、谓语以及宾语，随后分别获取到主语、谓语以及宾语的出现次数，将出现次数最多的主语标记为实时侧重主语，随后将实时侧重主语进行分析；
步骤TT2：将实时侧重主语与工作人员的姓名进行相似度匹配，获取相似度最高的工作人员姓名，并标记为匹配人员，随后提取匹配人员对应的预设对话文本，并标记为匹配预设对话文本；
步骤TT3：将出现次数最多的宾语标记为实时侧重宾语，若实时侧重宾语为不常用班组设备名称，则生成更新信号并将跟更新信号发送至管理人员的手机终端，管理人员对不常用班组设备的文本信息进行更新，若实时侧重宾语为常用班组设备名称，则对常用班组设备的文本信息进行筛选，进入下一步骤；
步骤TT4：将出现的谓语标记为实时侧重谓语，随后将任务语音转化文本中的汉字按照匹配人员姓名、班组设备名称以及工作指令进行排序，并根据匹配人员姓名、班组设备名称以及工作指令选取预设对话文本中的预设对话，随后将预设对话发送至调度管理平台。
进一步地，所述注册登录单元用于工作人员和管理人员通过手机终端提交工作人员信息和管理人员信息进行注册，并将注册成功的工作人员信息和管理人员信息发送至数据库进行储存，工作人员信息包括工作人员的姓名、年龄、入职时间以及本人实名认证的手机号码，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过语音分析单元对实时接收到的任务语音进行分析，获取到实时接收到的任务语音，并将任务语音进行解压，随后将解压后的任务语音声波点进行标记，随后将语音声波点进行排序连接获取到语音声波波形图；对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，将语音分成若干个小段，随后对若干个帧的帧长进行获取，同时将相邻帧的帧长进行比较，将相邻帧的帧长差值标记为帧移，若帧移≥5毫秒，则判定相邻两个帧均合格，若帧移＜5毫秒，则将相邻两个帧标记为废帧，并将对应帧长较小的帧进行删除，对废帧删除后的声波进行特征提取，将语音声波波形图转换为12行、r列的矩形阵列，阵列中每一个矩形表示为一帧，随后设置单个状态的帧数阈值，并根据状态的帧数阈值将矩形阵列划分为若干个状态，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字；对声波进行分析，通过阵列转化为文字，提高了语音识别的准确性，增强了任务分调度的效率，从而提高了工作效率；
2、本发明中，通过问题构建单元对文本信息的问题解决信息进行分析，从而将对话模板进行预设，获取到文本信息的问题解决信息，通过公式获取到工作人员的工作分析系数FXu，将工作人员按照工作分析系数进行排序，并将排序第一的工作人员标记为选中人员，随后获取到选中人员解决班组设备的问题以及解决方案，同时将问题和对应解决方案以对话的形式进行文字转化，并标记为预设对话文本，随后将预设对话文本发送至调度管理平台进行储存；对问题解决方案进行合理匹配，提高了任务调度的可完成性以及准确性，从而提高了工作效率。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于端到端模型的配电网调度任务智能语音识别系统，包括调度管理平台、语音分析单元、文本构建单元、对话匹配单元、问题构建单元、注册登录单元以及数据库；
注册登录单元用于工作人员和管理人员通过手机终端提交工作人员信息和管理人员信息进行注册，并将注册成功的工作人员信息和管理人员信息发送至数据库进行储存，工作人员信息包括工作人员的姓名、年龄、入职时间以及本人实名认证的手机号码，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码；
文本构建单元用于对厂站内设备工作数据进行分析，从而对任务文本进行预设，厂站内设备工作数据为指令次数数据、问题次数数据以及工作频率数据，指令次数数据为厂站内设备工作指令的种类数量与每天平均指令使用次数之和，问题次数数据为厂站内设备工作故障的种类数量与每天平均故障次数之和，工作频率数据为厂站内各个班组平均每天的工作频率与设备平均每天的工作频率之和，具体分析预设过程如下：
步骤S1：将厂站内工作区域划分为若干个班组，并将若干个班组标记为i，i=1，2，…，n，n为正整数，获取到班组内的设备并将班组内的设备标记为o，o=1，2，…，m，m为正整数；
步骤S2：获取到厂站内设备工作指令的种类数量与每天平均指令使用次数之和，并将厂站内设备工作指令的种类数量与每天平均指令使用次数之和标记为ZLio；
步骤S3：获取到厂站内设备工作故障的种类数量与每天平均故障次数之和，并将厂站内设备工作故障的种类数量与每天平均故障次数之和标记为GZio；
步骤S4：获取到各个班组平均每天的工作频率与设备平均每天的工作频率之和，并将各个班组平均每天的工作频率与设备平均每天的工作频率之和标记为PLio；
步骤S5：通过公式
获取到各个班组设备的分析系数FXio，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为2.365412；
步骤S6：将各个班组设备的分析系数FXio与分析系数阈值进行比较：
若各个班组设备的分析系数FXio≥分析系数阈值，则将对应班组设备标记为常用班组设备，生成文本获取信号并将常用班组设备进行文本信息获取，随后将文本信息发送至调度管理平台，文本信息包括班组、设备名称、故障种类、工作指令以及工作指令的传送时间；
若各个班组设备的分析系数FXio＜分析系数阈值，则将对应班组设备标记为不常用班组设备，并将不常用班组设备发送至调度管理平台；
调度管理平台接收到不常用班组设备后，对不常用班组设备进行储存，若接收到常用班组设备后，生成问题构建信号并将问题构建信号发送至问题构建单元，所述问题构建单元用于对文本信息的问题解决信息进行分析，从而将对话模板进行预设，问题解决信息包括时间数据、效率数据以及评价数据，时间数据为工作人员对常用班组设备故障维修的单次平均时长，效率数据为工作人员接收指令与运行指令的间隔时长，评价数据为工作人员运行工作指令收到的好评次数，将工作人员标记为u，u=1，2，…，p，p为正整数，具体分析预设过程如下：
步骤SS1：获取到工作人员对常用班组设备故障维修的单次平均时长，并将工作人员对常用班组设备故障维修的单次平均时长标记为SCu；
步骤SS2：获取到工作人员接收指令与运行指令的间隔时长，并将工作人员接收指令与运行指令的间隔时长标记为JGu；
步骤SS3：获取到工作人员运行工作指令收到的好评次数，并将工作人员运行工作指令收到的好评次数标记为HPu；
步骤SS4：通过公式
获取到工作人员的工作分析系数FXu，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，e为自然常数；
步骤SS5：将工作人员按照工作分析系数进行排序，并将排序第一的工作人员标记为选中人员，随后获取到选中人员解决班组设备的问题以及解决方案，同时将问题和对应解决方案以对话的形式进行文字转化，并标记为预设对话文本，随后将预设对话文本发送至调度管理平台进行储存；
语音分析单元用于对实时接收到的任务语音进行分析，具体分析过程如下：
步骤T1：获取到实时接收到的任务语音，并将任务语音进行解压，随后将解压后的任务语音声波点进行标记，随后将任务语音声波点进行排序连接获取到语音声波波形图；
步骤T2：对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，将语音分成若干个小段，并将若干个小段标记为帧，随后对若干个帧的帧长进行获取，同时将相邻帧的帧长进行比较，将相邻帧的帧长差值标记为帧移，若帧移≥5毫秒，则判定相邻两个帧均合格，若帧移＜5毫秒，则将相邻两个帧标记为废帧，并将对应帧长较小的帧进行删除，随后将废帧删除后的语音声波波形图的总帧数标记为r，r=1，2，…，v，v为正整数；
步骤T3：对废帧删除后的声波进行特征提取，将语音声波波形图转换为12行、r列的矩形阵列，阵列中每一个矩形表示为一帧，随后设置单个状态的帧数阈值，并根据单个状态的帧数阈值将矩形阵列划分为若干个状态，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字，随后将若干个汉字标记为任务语音转化文本，并将任务语音转化文本发送至调度管理平台；
调度管理平台接收到任务语音转化文本后，生成对话匹配信号并将对话匹配信号发送至对话匹配单元，对话匹配单元接收到对话匹配信号后，对预设对话文本进行合理选取，具体选取过程如下：
步骤TT1：将任务语音转化文本根据汉语语法分为主语、谓语以及宾语，随后分别获取到主语、谓语以及宾语的出现次数，将出现次数最多的主语标记为实时侧重主语，随后将实时侧重主语进行分析；
步骤TT2：将实时侧重主语与工作人员的姓名进行相似度匹配，获取相似度最高的工作人员姓名，并标记为匹配人员，随后提取匹配人员对应的预设对话文本，并标记为匹配预设对话文本；
步骤TT3：将出现次数最多的宾语标记为实时侧重宾语，若实时侧重宾语为不常用班组设备名称，则生成更新信号并将跟更新信号发送至管理人员的手机终端，管理人员对不常用班组设备的文本信息进行更新，若实时侧重宾语为常用班组设备名称，则对常用班组设备的文本信息进行筛选，进入下一步骤；
步骤TT4：将出现的谓语标记为实时侧重谓语，随后将任务语音转化文本中的汉字按照匹配人员姓名、班组设备名称以及工作指令进行排序，并根据匹配人员姓名、班组设备名称以及工作指令选取预设对话文本中的预设对话，随后将预设对话发送至调度管理平台。
本发明工作原理：
一种基于端到端模型的配电网调度任务智能语音识别系统，通过语音分析单元对实时接收到的任务语音进行分析，获取到实时接收到的任务语音，并将任务语音进行解压，随后将解压后的任务语音声波点进行标记，随后将语音声波点进行排序连接获取到语音声波波形图；对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，将语音分成若干个小段，并将若干个小段标记为帧，随后对若干个帧的帧长进行获取，同时将相邻帧的帧长进行比较，将相邻帧的帧长差值标记为帧移，若帧移≥5毫秒，则判定相邻两个帧均合格，若帧移＜5毫秒，则将相邻两个帧标记为废帧，并将对应帧长较小的帧进行删除，随后将废帧删除后的声波波形图的总帧数标记为r，r=1，2，…，v，v为正整数；对废帧删除后的声波进行特征提取，将语音声波波形图转换为12行、r列的矩形阵列，阵列中每一个矩形表示为一帧，随后设置单个状态的帧数阈值，并根据状态的帧数阈值将矩形阵列划分为若干个状态，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字，随后将若干个汉字标记为任务语音转化文本，并将任务语音转化文本发送至调度管理平台。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (5)
1.一种基于端到端模型的配电网调度任务智能语音识别系统，其特征在于，包括调度管理平台、语音分析单元、文本构建单元、对话匹配单元、问题构建单元、注册登录单元以及数据库；
所述语音分析单元用于对实时接收到的任务语音进行分析，具体分析过程如下：
步骤T1：获取到实时接收到的任务语音，并将任务语音进行解压，随后将解压后的任务语音声波点进行标记，随后将任务语音声波点进行排序连接获取到语音声波波形图；
步骤T2：对语音声波波形图首末两端的静音进行切除，随后对语音进行分帧处理，将语音分成若干个小段，并将若干个小段标记为帧，随后对若干个帧的帧长进行获取，同时将相邻帧的帧长进行比较，将相邻帧的帧长差值标记为帧移，若帧移≥5毫秒，则判定相邻两个帧均合格，若帧移＜5毫秒，则将相邻两个帧标记为废帧，并将对应帧长较小的帧进行删除，随后将废帧删除后的语音声波波形图的总帧数标记为r，r=1，2，…，v，v为正整数；
步骤T3：对废帧删除后的声波进行特征提取，将语音声波波形图转换为12行、r列的矩形阵列，阵列中每一个矩形表示为一帧，随后设置单个状态的帧数阈值，并根据单个状态的帧数阈值将矩形阵列划分为若干个状态，随后根据三个状态组合成一个因素，将若干个状态划分为若干个因素，三个因素组合成一个汉字，将若干个因素划分为若干个汉字，随后将若干个汉字标记为任务语音转化文本，并将任务语音转化文本发送至调度管理平台。
2.根据权利要求1所述的一种基于端到端模型的配电网调度任务智能语音识别系统，其特征在于，所述文本构建单元用于对厂站内设备工作数据进行分析，从而对任务文本进行预设，厂站内设备工作数据为指令次数数据、问题次数数据以及工作频率数据，指令次数数据为厂站内设备工作指令的种类数量与每天平均指令使用次数之和，问题次数数据为厂站内设备工作故障的种类数量与每天平均故障次数之和，工作频率数据为厂站内各个班组平均每天的工作频率与设备平均每天的工作频率之和，具体分析预设过程如下：
步骤S1：将厂站内工作区域划分为若干个班组，并将若干个班组标记为i，i=1，2，…，n，n为正整数，获取到班组内的设备并将班组内的设备标记为o，o=1，2，…，m，m为正整数；
步骤S2：获取到厂站内设备工作指令的种类数量与每天平均指令使用次数之和，并将厂站内设备工作指令的种类数量与每天平均指令使用次数之和标记为ZLio；
步骤S3：获取到厂站内设备工作故障的种类数量与每天平均故障次数之和，并将厂站内设备工作故障的种类数量与每天平均故障次数之和标记为GZio；
步骤S4：获取到各个班组平均每天的工作频率与设备平均每天的工作频率之和，并将各个班组平均每天的工作频率与设备平均每天的工作频率之和标记为PLio；
步骤S5：通过公式
获取到各个班组设备的分析系数FXio，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为2.365412；
步骤S6：将各个班组设备的分析系数FXio与分析系数阈值进行比较：
若各个班组设备的分析系数FXio≥分析系数阈值，则将对应班组设备标记为常用班组设备，生成文本获取信号并将常用班组设备进行文本信息获取，随后将文本信息发送至调度管理平台，文本信息包括班组、设备名称、故障种类、工作指令以及工作指令的传送时间；
若各个班组设备的分析系数FXio＜分析系数阈值，则将对应班组设备标记为不常用班组设备，并将不常用班组设备发送至调度管理平台。
3.根据权利要求2所述的一种基于端到端模型的配电网调度任务智能语音识别系统，其特征在于，所述调度管理平台接收到不常用班组设备后，对不常用班组设备进行储存，若接收到常用班组设备后，生成问题构建信号并将问题构建信号发送至问题构建单元，所述问题构建单元用于对文本信息的问题解决信息进行分析，从而将对话模板进行预设，问题解决信息包括时间数据、效率数据以及评价数据，时间数据为工作人员对常用班组设备故障维修的单次平均时长，效率数据为工作人员接收指令与运行指令的间隔时长，评价数据为工作人员运行工作指令收到的好评次数，将工作人员标记为u，u=1，2，…，p，p为正整数，具体分析预设过程如下：
步骤SS1：获取到工作人员对常用班组设备故障维修的单次平均时长，并将工作人员对常用班组设备故障维修的单次平均时长标记为SCu；
步骤SS2：获取到工作人员接收指令与运行指令的间隔时长，并将工作人员接收指令与运行指令的间隔时长标记为JGu；
步骤SS3：获取到工作人员运行工作指令收到的好评次数，并将工作人员运行工作指令收到的好评次数标记为HPu；
步骤SS4：通过公式
获取到工作人员的工作分析系数FXu，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，e为自然常数；
步骤SS5：将工作人员按照工作分析系数进行排序，并将排序第一的工作人员标记为选中人员，随后获取到选中人员解决班组设备的问题以及解决方案，同时将问题和对应解决方案以对话的形式进行文字转化，并标记为预设对话文本，随后将预设对话文本发送至调度管理平台进行储存。
4.根据权利要求2所述的一种基于端到端模型的配电网调度任务智能语音识别系统，其特征在于，所述调度管理平台接收到任务语音转化文本后，生成对话匹配信号并将对话匹配信号发送至对话匹配单元，所述对话匹配单元接收到对话匹配信号后，对预设对话文本进行合理选取，具体选取过程如下：
步骤TT1：将任务语音转化文本根据汉语语法分为主语、谓语以及宾语，随后分别获取到主语、谓语以及宾语的出现次数，将出现次数最多的主语标记为实时侧重主语，随后将实时侧重主语进行分析；
步骤TT2：将实时侧重主语与工作人员的姓名进行相似度匹配，获取相似度最高的工作人员姓名，并标记为匹配人员，随后提取匹配人员对应的预设对话文本，并标记为匹配预设对话文本；
步骤TT3：将出现次数最多的宾语标记为实时侧重宾语，若实时侧重宾语为不常用班组设备名称，则生成更新信号并将跟更新信号发送至管理人员的手机终端，管理人员对不常用班组设备的文本信息进行更新，若实时侧重宾语为常用班组设备名称，则对常用班组设备的文本信息进行筛选，进入下一步骤；
步骤TT4：将出现的谓语标记为实时侧重谓语，随后将任务语音转化文本中的汉字按照匹配人员姓名、班组设备名称以及工作指令进行排序，并根据匹配人员姓名、班组设备名称以及工作指令选取预设对话文本中的预设对话，随后将预设对话发送至调度管理平台。
5.根据权利要求1所述的一种基于端到端模型的配电网调度任务智能语音识别系统，其特征在于，所述注册登录单元用于工作人员和管理人员通过手机终端提交工作人员信息和管理人员信息进行注册，并将注册成功的工作人员信息和管理人员信息发送至数据库进行储存，工作人员信息包括工作人员的姓名、年龄、入职时间以及本人实名认证的手机号码，管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110179287.9A CN112530440B (zh) | 2021-02-08 | 2021-02-08 | 一种基于端到端模型的配电网调度任务智能语音识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110179287.9A CN112530440B (zh) | 2021-02-08 | 2021-02-08 | 一种基于端到端模型的配电网调度任务智能语音识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112530440A CN112530440A (zh) | 2021-03-19 |
| CN112530440B true CN112530440B (zh) | 2021-05-07 |
Family
ID=74975623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110179287.9A Active CN112530440B (zh) | 2021-02-08 | 2021-02-08 | 一种基于端到端模型的配电网调度任务智能语音识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112530440B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113115107B (zh) * | 2021-04-15 | 2021-12-28 | 深圳鸿祥源科技有限公司 | 一种基于5g网络的手持视频采集终端系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101194449A (zh) * | 2005-04-11 | 2008-06-04 | 诺基亚公司 | 用于语音动态时间偏离的方法和装置 |
| JP2011033879A (ja) * | 2009-08-03 | 2011-02-17 | Tze Fen Li | サンプルを用いずあらゆる言語を識別可能な識別方法 |
| CN102231278A (zh) * | 2011-06-10 | 2011-11-02 | 安徽科大讯飞信息科技股份有限公司 | 实现语音识别中自动添加标点符号的方法及系统 |
| CN203455005U (zh) * | 2013-07-17 | 2014-02-26 | 东莞市金沃电子有限公司 | 一种语音控制的车载导航系统 |
| CN103811000A (zh) * | 2014-02-24 | 2014-05-21 | 中国移动（深圳）有限公司 | 语音识别系统及方法 |
| CN104732968A (zh) * | 2013-12-20 | 2015-06-24 | 携程计算机技术（上海）有限公司 | 语音操控系统的评价系统及方法 |
| CN108447475A (zh) * | 2018-03-02 | 2018-08-24 | 国家电网公司华中分部 | 一种基于电力调度系统的语音识别模型的建立方法 |
| CN108509416A (zh) * | 2018-03-20 | 2018-09-07 | 京东方科技集团股份有限公司 | 句意识别方法及装置、设备和存储介质 |
| CN111489748A (zh) * | 2019-10-18 | 2020-08-04 | 广西电网有限责任公司 | 一种调度智能语音辅助系统 |
| CN111755001A (zh) * | 2020-05-07 | 2020-10-09 | 国网山东省电力公司信息通信公司 | 一种基于人工智能的电网快速调度指挥系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10013978B1 (en) * | 2016-12-30 | 2018-07-03 | Google Llc | Sequence dependent operation processing of packet based data message transmissions |
-
2021
- 2021-02-08 CN CN202110179287.9A patent/CN112530440B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101194449A (zh) * | 2005-04-11 | 2008-06-04 | 诺基亚公司 | 用于语音动态时间偏离的方法和装置 |
| JP2011033879A (ja) * | 2009-08-03 | 2011-02-17 | Tze Fen Li | サンプルを用いずあらゆる言語を識別可能な識別方法 |
| CN102231278A (zh) * | 2011-06-10 | 2011-11-02 | 安徽科大讯飞信息科技股份有限公司 | 实现语音识别中自动添加标点符号的方法及系统 |
| CN203455005U (zh) * | 2013-07-17 | 2014-02-26 | 东莞市金沃电子有限公司 | 一种语音控制的车载导航系统 |
| CN104732968A (zh) * | 2013-12-20 | 2015-06-24 | 携程计算机技术（上海）有限公司 | 语音操控系统的评价系统及方法 |
| CN103811000A (zh) * | 2014-02-24 | 2014-05-21 | 中国移动（深圳）有限公司 | 语音识别系统及方法 |
| CN108447475A (zh) * | 2018-03-02 | 2018-08-24 | 国家电网公司华中分部 | 一种基于电力调度系统的语音识别模型的建立方法 |
| CN108509416A (zh) * | 2018-03-20 | 2018-09-07 | 京东方科技集团股份有限公司 | 句意识别方法及装置、设备和存储介质 |
| CN111489748A (zh) * | 2019-10-18 | 2020-08-04 | 广西电网有限责任公司 | 一种调度智能语音辅助系统 |
| CN111755001A (zh) * | 2020-05-07 | 2020-10-09 | 国网山东省电力公司信息通信公司 | 一种基于人工智能的电网快速调度指挥系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于深度神经网络的电力调度语音识别研究及应用;窦建中 等;《湖北电力》;20190630;第43卷(第3期);第16-22页 * |
| 多媒体技术在电力生产监控中的应用现状与展望;王爽心 等;《华北电力技术》;20000131(第1期);第42-45页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112530440A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111192060B (zh) | 一种基于电力it服务全渠道自助应答实现方法 | |
| CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
| CN107170446A (zh) | 语义处理服务器及用于语义处理的方法 | |
| CN112530440B (zh) | 一种基于端到端模型的配电网调度任务智能语音识别系统 | |
| CN115619134B (zh) | 基于工程服务的技工平台构建方法及系统 | |
| CN113129927B (zh) | 语音情绪识别方法、装置、设备及存储介质 | |
| CN1167026C (zh) | 汉语个人简历信息处理系统和方法 | |
| CN109446327B (zh) | 一种移动通信客户投诉的诊断方法及系统 | |
| CN111046189A (zh) | 一种配电网知识图谱模型的建模方法 | |
| CN111695763B (zh) | 一种基于语音问答的排产排程系统及方法 | |
| CN104318739B (zh) | 电力安全、质量现场监察主站-无线数据终端管理系统 | |
| CN116308679A (zh) | 供应链异常订单处理方法、装置、设备及存储介质 | |
| CN110782221A (zh) | 一种面试智能评测系统及方法 | |
| CN112328781B (zh) | 一种消息推荐方法、系统及电子设备 | |
| CN110582091A (zh) | 定位无线质量问题的方法和装置 | |
| CN114782055A (zh) | 一种电力营销便携式全方位操作台 | |
| CN112382276A (zh) | 一种基于语音语义识别的电网物料信息采集方法及装置 | |
| CN111192159A (zh) | 用于电力调度自动化系统的设备数据自动录入方法及终端 | |
| CN115394290A (zh) | 一种基于语音识别的日志生成方法 | |
| CN112528684A (zh) | 一种人工智能翻译集成系统 | |
| CN112509575B (zh) | 一种基于大数据的财务咨询智能引导系统 | |
| CN116705026B (zh) | 一种人工智能交互方法及系统 | |
| CN114356092B (zh) | 一种基于多模态的数字人信息处理用人机交互系统 | |
| CN114490682A (zh) | 基于rpa自动化分析的公变名称不一致数据处理方法及系统 | |
| CN110866103B (zh) | 一种对话系统中的句子多样性生成方法及系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent speech recognition system for distribution network dispatching task based on end-to-end model Effective date of registration: 20211105 Granted publication date: 20210507 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: Zhejiang Zheda Energy Technology Co.,Ltd. Registration number: Y2021330002147 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220415 Granted publication date: 20210507 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: Zhejiang Zheda Energy Technology Co.,Ltd. Registration number: Y2021330002147 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent speech recognition system for distribution network dispatching task based on end-to-end model Effective date of registration: 20220418 Granted publication date: 20210507 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: Zhejiang Zheda Energy Technology Co.,Ltd. Registration number: Y2022330000549 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230207 Granted publication date: 20210507 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: Zhejiang Zheda Energy Technology Co.,Ltd. Registration number: Y2022330000549 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |