CN116698976A - 一种基于声纹识别的石油管汇螺栓断裂诊断方法 - Google Patents

一种基于声纹识别的石油管汇螺栓断裂诊断方法 Download PDF

Info

Publication number
CN116698976A
CN116698976A CN202310979650.4A CN202310979650A CN116698976A CN 116698976 A CN116698976 A CN 116698976A CN 202310979650 A CN202310979650 A CN 202310979650A CN 116698976 A CN116698976 A CN 116698976A
Authority
CN
China
Prior art keywords
voiceprint
bolt
manifold
voiceprint data
data
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.)
Pending
Application number
CN202310979650.4A
Other languages
English (en)
Inventor
刘敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Zhongke Haoyin Intelligent Technology Co ltd
Original Assignee
Anhui Zhongke Haoyin Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Zhongke Haoyin Intelligent Technology Co ltd filed Critical Anhui Zhongke Haoyin Intelligent Technology Co ltd
Priority to CN202310979650.4A priority Critical patent/CN116698976A/zh
Publication of CN116698976A publication Critical patent/CN116698976A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects
    • G01N2291/2691—Bolts, screws, heads
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于声纹识别的石油管汇螺栓断裂诊断方法，涉及故障诊断技术领域，解决了现有技术难以在复杂工作环境下精准提取声纹特征，影响故障诊断精度的技术问题；本发明从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一；从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据获取声纹数据二；本发明针对石油管汇进行针对性的声纹数据提取，提高了待测螺栓的声纹数据精度，降低了工作环境的影响；本发明结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常，进而获取声纹数据二；本发明通过参考螺栓的引入能够进行迅速判断，而且在多个管汇螺栓的诊断中可逐步缩小范围，提高诊断效率。

Description

一种基于声纹识别的石油管汇螺栓断裂诊断方法
技术领域
本发明属于故障诊断领域，涉及基于声纹识别的石油管汇螺栓故障诊断技术，具体是一种基于声纹识别的石油管汇螺栓断裂诊断方法。
背景技术
石油管汇是由多根石油管道交汇而成的组合体，包括闸阀、管线、管子配件、压力表、电子传感、液控系统等配件。石油管汇通常由多个管汇螺栓来连接，一旦管汇螺栓发生断裂，则会影响整个石油管汇的正常工作。
目前通过声纹识别进行故障诊断时，大多是通过声音传感器获取待诊断设备的声纹特征，将该声纹特征与标准声纹进行比较，判断待诊断设备是否故障以及故障信息。现有技术在基于声纹特征进行故障诊断时，需要精准提取待诊断设备的声纹特征，并不适用于复杂工作环境下的设备诊断，容易受到其他噪声的影响，影响故障诊断精度。
本发明提供了一种基于声纹识别的石油管汇螺栓断裂诊断方法，以解决上述问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于声纹识别的石油管汇螺栓断裂诊断方法，用于解决现有技术在进行声纹数据采集时容易受到噪声影响，难以在复杂工作环境下精准提取声纹特征，影响故障诊断精度的技术问题。
为实现上述目的，本发明的第一方面提供了一种基于声纹识别的石油管汇螺栓断裂诊断方法，包括：通过实验模拟获取石油化工设备正常工作状态下以及管汇螺栓在正常或者异常工作状态下的标准声纹数据，基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征；通过声音传感器获取待测螺栓处的原始声纹数据；从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一；从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，获取声纹数据二；基于标准声纹特征判断声纹数据二对应的声纹特征是否正常；是，则判定待测螺栓正常；否，则识别出待测螺栓的异常，进行异常预警。
现有技术通过声纹识别技术进行故障诊断时，需要保证能够准确采集待诊断设备的声纹数据，而且还需要尽可能地去除噪声，以免影响诊断精度。显然，现有技术并不适用于石油管汇，石油管汇中存在大量的石油化工设备，在进行石油开采过程中各石油化工设备均会产生大量的声音数据，这些声音数据对于管汇螺栓的故障诊断来说相当于噪音，因此很难提取某管汇螺栓的声纹数据。
本发明先模拟获取石油管汇中石油化工设备和管汇螺栓的标准声纹特征；之后通过声音传感器采集待测螺栓处的原始声纹数据，结合声音传播距离从原始声纹数据中剔除石油化工设备和其他正常管汇螺栓的标准声纹数据即可获取待测螺栓的声纹数据，将该声纹数据中的声纹特征与标准声纹数据进行比较即可判断待测螺栓是否存在异常以及存在何种异常。
本发明中的参考特征包括基频特征、能量特征和时长特征，基频特征主要包括基音频率及其均值、变化范围、变化率和均方差；能量特征主要包括短时平均能量、短时能量变化率、短时平均振幅、振幅平均变化率和短时最大振幅；时长特征主要包括语速和短时平均过零率。石油化工设备包括大油泵、顶循泵和液化气泵等会产生工作音频且影响管汇螺栓原始声纹数据提取的设备。
优选的，所述基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征，包括：基于参考特征从管汇螺栓正常工作状态下的标准声纹数据中提取标准声纹特征，该标准声纹特征用于判断待测螺栓对应的声纹特征是否正常；或者基于参考特征从管汇螺栓异常工作状态下的标准声纹数据中提取标准声纹特征，该标准声纹特征用于提取待测螺栓对应声纹特征出现的异常。
本发明在模拟过程中可以获取管汇螺栓正常工作状态下的标准声纹数据，则根据该标准声纹数据提取的标准声纹特征可与声纹数据二对应的声纹特征比较，若二者一致，则说明待测螺栓正常；若二者不一致，则说明待测螺栓异常。也可以获取管汇螺栓异常工作状态下的标准声纹数据，则根据该标准声纹数据提取的标准声纹特征可与声纹数据二对应的声纹特征比较，若二者一致，则说明待测螺栓异常，而且可以根据异常工作状态确定待测螺栓出现的具体异常；若二者不一致，则说明待测螺栓正常。
优选的，所述通过声音传感器获取待测螺栓处的原始声纹数据，包括：将声音传感器设置在各石油化工设备、待测螺栓处以及参考螺栓用于数据采集；根据采集的数据判断各石油化工设备是否工作正常；是，则将待测螺栓处采集的数据标记为原始声纹数据；否，则对异常的石油化工设备进行检修维护。
本发明中的参考螺栓属于其他管汇螺栓，且参考螺栓已知工作状态正常；其他管汇螺栓与待测螺栓组成了石油管汇的管汇螺栓，参考螺栓从其他管汇螺栓中选择。在石油化工设备、待测螺栓以及选择的参考螺栓中均设置有声音传感器，通过声音传感器来获取对应位置的原始声纹数据。参考螺栓可以从其他管汇螺栓中选择与待测螺栓位置较远不会相互影响的一个；不过最好是选择与待测螺栓位置接近，受到其他管汇螺栓影响相近的一个；在后期进行数据采集时可相互屏蔽信号，以免标准声纹数据相互影响。
需要说明的是，在原始声纹数据采集之前，需要验证各石油化工设备是否正常，这些设备可通过工作人员现场检测的方式来确定是否正常，当然也可以采用其他智能化手段。在确保石油管汇所对应的石油化工设备均处于正常工作状态时采集待测螺栓处的原始声纹数据。
优选的，所述从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，包括：获取各石油化工设备与待测螺栓之间的声音传播距离；基于声音传播距离对各石油化工设备的标准声纹数据进行优化，从原始声纹数据中剔除优化后石油化工设备的标准声纹数据，获取声纹数据一。
本发明中的声音传播距离是模拟声音传播路线确定的传输距离，声音传播距离并不一定是直线距离。可根据声音传播距离确定声音在传播过程中的能量衰减，从原始声纹数据中进行精准剔除。计算各石油化工设备的标准声纹数据经过声音传播距离衰减之后的标准声纹数据，从原始声纹数据中剔除各石油化工设备衰减之后的标准声纹数据，再经过去噪处理之后可得到石油管汇中管汇螺栓的标准声纹数据，也就是声纹数据一。声纹数据一包括的是石油管汇中所有管汇螺栓在待测螺栓处的声纹数据总和。
需要说明的是，上述去噪处理是指对一些背景噪声进行去除，如工作人员说话引入的噪声、风噪等，保证去噪处理在任何一个步骤中进行均不会影响石油化工设备和管汇螺栓的标准声纹数据。
优选的，所述从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，包括：计算其他管汇螺栓与参考螺栓之间的声音传播距离，结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常；是，则进行下一步；否，则识别出异常管汇螺栓，进行异常预警；基于其他管汇螺栓与待测螺栓间的声音传播距离对其他管汇螺栓的标准声纹数据进行优化，从声纹数据一中剔除优化后的标准声纹数据，获取声纹数据二。
本发明还可以通过其他方式来判断其他管汇螺栓是否正常，如刚更换的管汇螺栓默认正常，工作人员检修过的管汇螺栓默认正常等。在其他管汇螺栓正常时，则根据各其他管汇螺栓与待测螺栓之间的声音传播距离来计算标准声纹数据在待测螺栓处的衰减。从声纹数据一中剔除各其他管汇螺栓衰减后的标准声纹数据，得到待测螺栓的声纹数据二。将声纹数据二对应的声纹特征与管汇螺栓标准声纹特征进行比较即可判断待测螺栓是否正常。
优选的，所述结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常，包括：根据声音传播距离计算其他管汇螺栓正常工作状态下在参考螺栓处的声纹数据，结合参考螺栓的声纹数据整合成参考声纹数据；当参考声纹数据与参考螺栓的声纹数据一一致时，则判断其他管汇螺栓正常；否则，判断其他管汇螺栓中存在异常。
除了其他方式来确定其他管汇螺栓是否正常之外，本发明还提供了基于管汇螺栓标准声纹数据自比较的方法来确定其他管汇螺栓是否正常。本发明从其他管汇螺栓中选择了一个参考螺栓，该参考螺栓最好能够受到所有其他管汇螺栓标准声纹数据的影响；屏蔽待测螺栓发出的声音数据，可通过本发明介绍的方法获取参考螺栓的特征数据一，计算其他管汇螺栓的标准声纹数据对参考螺栓处的影响，将其与参考螺栓的标准声纹数据(实际就是管汇螺栓工作状态正常下的标准声纹数据)整合获取参考声纹数据。当参考螺栓对应的声纹数据一与参考声纹数据一致，说明所有的其他管汇螺栓均正常；否则，判定存在某其他管汇螺栓(除了参考螺栓)存在异常，具体是哪个可通过本发明提供的方法进一步判断。
优选的，所述基于标准声纹特征判断声纹数据二对应的声纹特征是否正常，包括：基于参考特征从待测螺栓对应的声纹数据二中提取声纹特征；将提取的声纹特征与标准声纹特征进行比较，判断声纹数据二对应的声纹特征是否正常；是，则生成正常信号；否，则匹配异常原因。
声纹数据二实际就是待测螺栓对应的声纹数据，从声纹数据二中提取声纹特征，若该声纹特征与标准声纹特征一致，则说明该待测螺栓正常；否则，说明待测螺栓存在异常，则结合人工智能模型可从声纹数据二对应的声纹特征中挖掘出待测螺栓存在的具体异常。
与现有技术相比，本发明的有益效果是：
1.本发明从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一；从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据获取声纹数据二；本发明针对石油管汇进行针对性的声纹数据提取，提高了待测螺栓的声纹数据精度，降低了工作环境的影响。
2.本发明在获取待测螺栓的声纹数据一之后，结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常；当其他管汇螺栓均正常时，从声纹数据一中剔除其他管汇螺栓优化后的标准声纹数据，获取声纹数据二；本发明通过参考螺栓的引入能够进行迅速判断，而且在多个管汇螺栓的诊断中可逐步缩小范围，提高诊断效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图。
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做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。
请参阅图1，本发明第一方面实施例提供了一种基于声纹识别的石油管汇螺栓断裂诊断方法，包括：通过实验模拟获取石油化工设备正常工作状态下以及管汇螺栓在正常或者异常工作状态下的标准声纹数据，基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征；通过声音传感器获取待测螺栓处的原始声纹数据；从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一；从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，获取声纹数据二；基于标准声纹特征判断声纹数据二对应的声纹特征是否正常；是，则判定待测螺栓正常；否，则识别出待测螺栓的异常，进行异常预警。
本实施例的第一步是通过实验模拟获取石油化工设备正常工作状态下以及管汇螺栓在正常或者异常工作状态下的标准声纹数据，基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征。
模拟石油管汇中石油化工设备的正常工作状态，并获取对应的标准声纹数据；在获取某石油化工设备的标准声纹数据时，石油管汇中的其他设备处于静音状态，也就是说标准声纹数据中不包含噪声。模拟获取管汇螺栓在正常工作状态下或者异常工作状态下的标准声纹数据。
基于设置的参考特征，如从基频特征、能量特征、时长特征三个角度来提取各标准声纹数据对应的标准声纹特征。具体以基频特征中的基因频率及其均值、变化范围，能耗特征中的短时平均能量、短时能量变化率，时长特征中的短时平过零率等，来对标准声纹数据进行分析提取，获取石油化工设备或者管汇螺栓独有的标准声纹特征。
本实施例的第二步是通过声音传感器获取待测螺栓处的原始声纹数据；从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一。
在石油管汇中的石油化工设备、待测螺栓处以及参考螺栓处设置声音传感器。根据石油化工设备对应的声音数据判断各石油化工设备是否正常，若已知各石油化工设备的工作状态均正常，则可省略在石油化工设备处设备声音传感器的步骤。在所有石油化工设备均判断为正常时，可将待测螺栓处测得的声纹数据标记为原始声纹数据。若待测螺栓与参考螺栓之间进行了双向信号屏蔽处理(即二者的位置相互不受对方的标准声纹数据的影响)，则原始声纹数据中不包含参考螺栓正常工作时的标准声纹数据。
之后，获取各石油化工设备与待测螺栓之间的声音传播距离，该声音传播距离影响着石油化工设备对应的标准声纹数据传输到待测螺栓处的衰减程度。根据声音传播距离可计算得到各石油化工设备在待测螺栓处衰减之后的标准声纹数据，从原始声纹数据中剔除各石油化工设备在待测螺栓处衰减(主要是能量的衰减)后的标准声纹数据，进行声音去操处理之后得到声纹数据一。此时的声纹数据一中已经剔除了各种背景噪声，以及各石油化工设备的影响，仅剩下若干管汇螺栓对应声纹数据之间的相互影响。若石油管汇中仅有一个管汇螺栓(也就是待测螺栓)，可直接将声纹数据一对应的声纹特征与标准声纹特征进行比较，判断待测螺栓是否正常。
本实施例的第三步是从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，获取声纹数据二；基于标准声纹特征判断声纹数据二对应的声纹特征是否正常；是，则判定待测螺栓正常；否，则识别出待测螺栓的异常，进行异常预警。
接下来需要去除声纹数据一中除了待测螺栓的其他管汇螺栓的影响。当其他管汇螺栓均正常时，则可以直接从管汇螺栓在待测螺栓处衰减之后的标准声纹数据，得到待测螺栓的声纹数据二。将声纹数据二对应的声纹特征与管汇裸双的标准声纹特征进行比较，即可判断待测螺栓是否正常。
若无法确定其他管汇螺栓是否正常，本实施例引入参考螺栓来判断其他管汇螺栓是否正常。从其他管汇螺栓中选择一个与待测螺栓位置最接近的且工作状态正常的作为参考螺栓，按照上述方法获取参考螺栓对应的声纹数据一。区别在于，获取参考螺栓的声纹数据一过程中，屏蔽待测螺栓声音数据的影响，也就是说参考螺栓的声纹数据一没有受到待测螺栓的影响。
根据其他管汇螺栓与参考螺栓之间的声音传播距离，计算各管汇螺栓正常状态下对应的标准声纹数据在参考螺栓处的衰减程度，获取衰减之后的标准声纹数据。判断声纹数据一是否为所有其他管汇螺栓在参考螺栓处的声纹数据集合；若是，则判断其他管汇螺栓均正常，否则判断存在异常的其他管汇螺栓。
若存在异常的其他管汇螺栓，则继续屏蔽待测螺栓，依次将其他管汇螺栓标记为待测螺栓，通过上述方案判断其他管汇螺栓中具体哪一个存在异常。
上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：通过实验模拟获取石油化工设备正常工作状态下以及管汇螺栓在正常或者异常工作状态下的标准声纹数据，基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征。通过声音传感器获取待测螺栓处的原始声纹数据；从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一。从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，获取声纹数据二；基于标准声纹特征判断声纹数据二对应的声纹特征是否正常；是，则判定待测螺栓正常；否，则识别出待测螺栓的异常，进行异常预警。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (7)

1.一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，包括：
通过实验模拟获取石油化工设备正常工作状态下以及管汇螺栓在正常或者异常工作状态下的标准声纹数据，基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征；其中，参考特征包括基频特征、能量特征和时长特征；
通过声音传感器获取待测螺栓处的原始声纹数据；从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，获取声纹数据一；其中，石油化工设备包括大油泵、顶循泵和液化气泵；
从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，获取声纹数据二；基于标准声纹特征判断声纹数据二对应的声纹特征是否正常；是，则判定待测螺栓正常；否，则识别出待测螺栓的异常，进行异常预警。
2.根据权利要求1所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述基于设置的参考特征从标准声纹数据中提取管汇螺栓的标准声纹特征，包括：
基于参考特征从管汇螺栓正常工作状态下的标准声纹数据中提取标准声纹特征，该标准声纹特征用于判断待测螺栓对应的声纹特征是否正常；或者
基于参考特征从管汇螺栓异常工作状态下的标准声纹数据中提取标准声纹特征，该标准声纹特征用于提取待测螺栓对应声纹特征出现的异常。
3.根据权利要求1所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述通过声音传感器获取待测螺栓处的原始声纹数据，包括：
将声音传感器设置在各石油化工设备、待测螺栓处以及参考螺栓用于数据采集；其中，参考螺栓属于其他管汇螺栓，且参考螺栓已知工作状态正常；
根据采集的数据判断各石油化工设备是否工作正常；是，则将待测螺栓处采集的数据标记为原始声纹数据；否，则对异常的石油化工设备进行检修维护。
4.根据权利要求3所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述从原始声纹数据中剔除石油管汇中各石油化工设备在待测螺栓处的标准声纹数据，包括：
获取各石油化工设备与待测螺栓之间的声音传播距离；其中，声音传播距离是模拟声音传播路线确定的传输距离；
基于声音传播距离对各石油化工设备的标准声纹数据进行优化，从原始声纹数据中剔除优化后石油化工设备的标准声纹数据，获取声纹数据一。
5.根据权利要求4所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述从声纹数据一中剔除其他管汇螺栓在待测螺栓处的标准声纹数据，包括：
计算其他管汇螺栓与参考螺栓之间的声音传播距离，结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常；是，则进行下一步；否，则识别出异常管汇螺栓，进行异常预警；
基于其他管汇螺栓与待测螺栓间的声音传播距离对其他管汇螺栓的标准声纹数据进行优化，从声纹数据一中剔除优化后的标准声纹数据，获取声纹数据二。
6.根据权利要求5所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述结合参考螺栓的声纹数据一判断其他管汇螺栓是否正常，包括：
根据声音传播距离计算其他管汇螺栓正常工作状态下在参考螺栓处的声纹数据，结合参考螺栓的声纹数据整合成参考声纹数据；
当参考声纹数据与参考螺栓的声纹数据一一致时，则判断其他管汇螺栓正常；否则，判断其他管汇螺栓中存在异常。
7.根据权利要求1所述的一种基于声纹识别的石油管汇螺栓断裂诊断方法，其特征在于，所述基于标准声纹特征判断声纹数据二对应的声纹特征是否正常，包括：
基于参考特征从待测螺栓对应的声纹数据二中提取声纹特征；
将提取的声纹特征与标准声纹特征进行比较，判断声纹数据二对应的声纹特征是否正常；是，则生成正常信号；否，则匹配异常原因。
CN202310979650.4A 2023-08-07 2023-08-07 一种基于声纹识别的石油管汇螺栓断裂诊断方法 Pending CN116698976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310979650.4A CN116698976A (zh) 2023-08-07 2023-08-07 一种基于声纹识别的石油管汇螺栓断裂诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310979650.4A CN116698976A (zh) 2023-08-07 2023-08-07 一种基于声纹识别的石油管汇螺栓断裂诊断方法

Publications (1)

Publication Number Publication Date
CN116698976A true CN116698976A (zh) 2023-09-05

Family

ID=87839632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310979650.4A Pending CN116698976A (zh) 2023-08-07 2023-08-07 一种基于声纹识别的石油管汇螺栓断裂诊断方法

Country Status (1)

Country Link
CN (1) CN116698976A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012058046A (ja) * 2010-09-08 2012-03-22 Nissin Electric Co Ltd 電力機器の異常診断装置
JP2014059910A (ja) * 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
CN110780144A (zh) * 2019-11-20 2020-02-11 四川赛康智能科技股份有限公司 一种用于电力主设备声纹及振动联合在线监测装置
CN110867195A (zh) * 2019-11-20 2020-03-06 四川赛康智能科技股份有限公司 一种基于声纹及振动针对电力主设备的缺陷在线监测方法
CN115166504A (zh) * 2022-07-26 2022-10-11 重庆电子工程职业学院 一种高压断路器故障监测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014059910A (ja) * 2009-08-28 2014-04-03 Hitachi Ltd 設備状態監視方法
JP2012058046A (ja) * 2010-09-08 2012-03-22 Nissin Electric Co Ltd 電力機器の異常診断装置
CN110780144A (zh) * 2019-11-20 2020-02-11 四川赛康智能科技股份有限公司 一种用于电力主设备声纹及振动联合在线监测装置
CN110867195A (zh) * 2019-11-20 2020-03-06 四川赛康智能科技股份有限公司 一种基于声纹及振动针对电力主设备的缺陷在线监测方法
CN115166504A (zh) * 2022-07-26 2022-10-11 重庆电子工程职业学院 一种高压断路器故障监测方法及系统

Similar Documents

Publication Publication Date Title
CN108050396B (zh) 一种流体管道泄漏源监测定位系统及方法
CN101592288B (zh) 一种管道泄漏辨识方法
CN109002673B (zh) 一种基于车辆制动冲击作用的桥梁基础冲刷识别方法
CN104373821A (zh) 基于声学主动激励的天然气管道安全监测装置
CN106870957A (zh) 一种管道缺陷漏磁信号的特征提取方法
CN109838696A (zh) 基于卷积神经网络的管道故障诊断方法
CN107228740A (zh) 气体阀门内漏在线诊断方法
WO2019043600A1 (en) ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR
CN108361560A (zh) 一种基于小波包用于天然气管道安全监测装置的管道安全识别方法
CN111365623B (zh) 一种基于线性拟合的负压波拐点识别方法
CN106706119B (zh) 一种基于信号频域特征的振动源识别方法及系统
CN111553316A (zh) 一种检测核级管道汽蚀故障的方法
CN105223275B (zh) 一种基于稀疏矩阵的焊接缺陷诊断方法
CN105909979A (zh) 基于小波变换融合盲源分离算法的泄漏声波特征提取方法
CN116698976A (zh) 一种基于声纹识别的石油管汇螺栓断裂诊断方法
CN109164427A (zh) 一种雷达接收机噪声功率的检测方法
CN105928666A (zh) 基于希尔伯特黄变换与盲源分离的泄漏声波特征提取方法
CN110530631A (zh) 一种基于混合分类器的齿轮单类型故障检测方法
CN115788846A (zh) 一种快速识别往复泵液力端泄漏故障的方法
CN115270875A (zh) 一种基于深度学习的隔膜泵运行状态监测方法
CN113063844A (zh) 一种基于不同时间非接触检测对比管道磁场强度判断管道安全性的方法
CN113266449A (zh) 后处理系统前的漏气情况的预测方法及系统
CN105927861A (zh) 基于小波变换融合盲源分离算法的泄漏声波特征提取方法
CN109870500A (zh) 一种基于交流电磁场检测的缺陷实时判别方法及系统
CN118313052B (zh) 一种地下室逆作法施工主体结构沉降监测系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230905