CN116839883A - 一种基于声纹识别的铁塔螺丝松动诊断方法及装置 - Google Patents
一种基于声纹识别的铁塔螺丝松动诊断方法及装置 Download PDFInfo
- Publication number
- CN116839883A CN116839883A CN202310811971.3A CN202310811971A CN116839883A CN 116839883 A CN116839883 A CN 116839883A CN 202310811971 A CN202310811971 A CN 202310811971A CN 116839883 A CN116839883 A CN 116839883A
- Authority
- CN
- China
- Prior art keywords
- voiceprint
- iron tower
- target
- information
- sound wave
- 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.)
- Granted
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 266
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 133
- 238000003745 diagnosis Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000009432 framing Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- PMVSDNDAUGGCCE-TYYBGVCCSA-L Ferrous fumarate Chemical compound [Fe+2].[O-]C(=O)\C=C\C([O-])=O PMVSDNDAUGGCCE-TYYBGVCCSA-L 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于声纹识别的铁塔螺丝松动诊断方法及装置，涉及故障诊断技术领域。获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号；向目标铁塔发射目标声波信号，采集目标铁塔各螺丝连接处的声纹信号；针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；将目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。采用自适应主动发声体制，发声内容根据塔体型号大小环境等情况自行分析适配，大大优化声纹分析效率，通过预设的声学模型高效扫描分析全塔螺栓紧固状况，判定螺栓松动情况，提升了检测精度和工作效率。
Description
技术领域
本发明涉及故障诊断技术领域，具体涉及一种基于声纹识别的铁塔螺丝松动诊断方法及装置。
背景技术
输电铁塔是电力输配电工程中使用周期较长的基础设施之一，属高耸钢结构构筑物。铁塔建好后长期处在室外环境下，初始的质量状况、所处的自然环境、人为因素都可能影响到铁塔的安全使用或使用年限，而这种影响对不同运行环境、不同结构类型的铁塔也是不同的。
在长期的自然环境下，输电线路铁塔会产生螺栓松动的现象，如不及时处理，可能会造成倒塔断线事故。因螺栓数量多且结构复杂，一直以来现在还未有有效的输电铁塔螺栓紧固检测方法，目前靠敲击进行听声辨别铁塔底部螺栓紧固程度，或高空作业人员登塔进行抽样检测，来粗略判断整基杆塔的螺栓紧固程度，检测精度和工作效率均极为低下，且不能实时监测螺栓状态，不能满足日益提高的设备精益运检要求。
发明内容
本发明的目的就在于解决上述背景技术的问题，而提出一种基于声纹识别的铁塔螺丝松动诊断方法及装置。
本发明的目的可以通过以下技术方案实现：
本发明实施例提供了一种基于声纹识别的铁塔螺丝松动诊断方法，所述方法包括：
获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
可选地，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号包括：
获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
根据铁塔型号确定声波发生器产生的声波信号的目标频率；
根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
可选地，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
提取所述第一声纹信息的特征，得到MFCC特征向量；
将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
可选地，针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
可选地，提取所述第一声纹信息的特征，得到MFCC特征向量包括：
使用Me l滤波器对所述第一声纹信息进行滤波，得到Me l域频谱；
对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
本发明实施例提供了一种基于声纹识别的铁塔螺丝松动诊断装置，所述装置包括：
自适应发声模块，用于获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
采集模块，用于向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
特征提取模块，用于针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
识别模块，用于将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
可选地，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
自适应发声模块包括：
归一化模块，用于获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
目标频率确定模块，用于根据铁塔型号确定声波发生器产生的声波信号的目标频率；
目标发射功率确定模块，用于根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
发声模块，用于控制声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
可选地，特征提取模块包括：
预处理模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
MFCC特征提取模块，用于提取所述第一声纹信息的特征，得到MFCC特征向量；
加权降维模块，用于将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
可选地，预处理模块包括：
预加重模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
分帧模块，用于对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
加窗模块，用于对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
变换模块，用于对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
可选地，MFCC特征提取模块包括：
滤波模块，用于使用Me l滤波器对所述第一声纹信息进行滤波，得到Me l域频谱；
离散余弦变换模块，用于对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
本发明的有益效果：
本发明实施例提供了一种基于声纹识别的铁塔螺丝松动诊断方法，方法包括：获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号；向目标铁塔发射目标声波信号，采集目标铁塔各螺丝连接处的声纹信号；针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；将目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。采用自适应主动发声体制，发声内容根据塔体型号大小环境等情况自行分析适配，大大优化声纹分析效率，通过预设的声学模型高效扫描分析全塔螺栓紧固状况，判定螺栓松动情况，提升了检测精度和工作效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种基于声纹识别的铁塔螺丝松动诊断方法流程图；
图2为本发明实施例还提供了一种基于声纹识别的铁塔螺丝松动诊断装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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。
本发明实施例提供了一种基于声纹识别的铁塔螺丝松动诊断方法，参见图1，图1为本发明实施例提供的一种基于声纹识别的铁塔螺丝松动诊断方法流程图，方法包括：
S1，获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号。
S2，向目标铁塔发射目标声波信号，采集目标铁塔各螺丝连接处的声纹信号。
S3，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量。
S4，将目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
基于本发明实施例提供的一种基于声纹识别的铁塔螺丝松动诊断方法，采用自适应主动发声体制，发声内容根据塔体型号大小环境等情况自行分析适配，大大优化声纹分析效率，通过预设的声学模型高效扫描分析全塔螺栓紧固状况，判定螺栓松动情况，提升了检测精度和工作效率。
一种实现方式中，通过声纹技术分析铁塔状况，对输电铁塔施加少量特殊频率的声信号激励，利用专用声纹传感器获取激励声信号，即为经过塔体传输后畸变的声信号。系统内配置有预设的工业声纹分析算法，通过分析所获取的声纹信号特征，能够诊断被测铁塔的结构一致性，如果有螺栓松动的情况，则能够通过传感器阵列定位的原理定位其所属方位。
一种实现方式中，该方法应用于在线式监测设备，或者，应用于便携式监测设备。
在线式监测设备可以以防爆箱形式安装在被测铁塔上，提供在线式的云端监控能力。设备由太阳能板和蓄电池供电，标备2-4路声纹传感器和1-2路声波发生器，内部配备声纹算法，每日进行一至多次声纹检测并将检测结果上报。
便携式监测设备可以以工程装备箱形式运输，可由巡线工人携带至被测铁塔旁进行操作检测，适用于网络不通的区域，同时也可以在联网后将数据上传至云端平台。便携式监测设备由蓄电池供电，充满电后工作时间不低于12h，标备1-4路声纹传感器和1路声波发生器，内部配备声纹算法，结构简单、易于运输和布设，仅需单人携行与布设，布设完成后对一座铁塔的检测时长仅需约5分钟。
在一个实施例中，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号包括：
获取目标铁塔的实时铁塔信息，将实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
根据铁塔型号确定声波发生器产生的声波信号的目标频率；
根据归一化的实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
一种实现方式中，目标铁塔上可以安装有贴片式骨传导声纹在线传感器，用于采集铁塔指定位置所有音频信息，屏蔽外界噪声，灵敏度高、保真度高。
一种实现方式中，目标铁塔上还可以安装温度传感器和风速传感器。
一种实现方式中，目标铁塔上还可以安装声波发生器，声波发生器可发射20-20kHz频率声波，并且发射功率可根据环境参数进行自适应调节。
在一个实施例中，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
提取第一声纹信息的特征，得到MFCC特征向量；
将MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
在一个实施例中，针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
对第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
对第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
对第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
在一个实施例中，提取第一声纹信息的特征，得到MFCC特征向量包括：
使用Me l滤波器对第一声纹信息进行滤波，得到Me l域频谱；
对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
基于相同的发明构思本发明实施例还提供了一种基于声纹识别的铁塔螺丝松动诊断装置，参见图2，图2为本发明实施例还提供了一种基于声纹识别的铁塔螺丝松动诊断装置的结构图。装置包括：
自适应发声模块，用于获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号；
采集模块，用于向目标铁塔发射目标声波信号，采集目标铁塔各螺丝连接处的声纹信号；
特征提取模块，用于针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
识别模块，用于将目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
基于本发明实施例提供的一种基于声纹识别的铁塔螺丝松动诊断装置，采用自适应主动发声体制，发声内容根据塔体型号大小环境等情况自行分析适配，大大优化声纹分析效率，通过预设的声学模型高效扫描分析全塔螺栓紧固状况，判定螺栓松动情况，提升了检测精度和工作效率。
在一个实施例中，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
自适应发声模块包括：
归一化模块，用于获取目标铁塔的实时铁塔信息，将实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
目标频率确定模块，用于根据铁塔型号确定声波发生器产生的声波信号的目标频率；
目标发射功率确定模块，用于根据归一化的实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
发声模块，用于控制声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
在一个实施例中，特征提取模块包括：
预处理模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
MFCC特征提取模块，用于提取第一声纹信息的特征，得到MFCC特征向量；
加权降维模块，用于将MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
在一个实施例中，预处理模块包括：
预加重模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
分帧模块，用于对第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
加窗模块，用于对第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
变换模块，用于对第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
在一个实施例中，MFCC特征提取模块包括：
滤波模块，用于使用Me l滤波器对第一声纹信息进行滤波，得到Me l域频谱；
离散余弦变换模块，用于对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，所述方法包括：
获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
2.根据权利要求1所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号包括：
获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
根据铁塔型号确定声波发生器产生的声波信号的目标频率；
根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
3.根据权利要求1所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
提取所述第一声纹信息的特征，得到MFCC特征向量；
将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
4.根据权利要求3所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息包括：
针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
5.根据权利要求3所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，提取所述第一声纹信息的特征，得到MFCC特征向量包括：
使用Mel滤波器对所述第一声纹信息进行滤波，得到Mel域频谱；
对Mel域频谱取log对数，然后进行离散余弦变换，得到MFCC特征向量。
6.一种基于声纹识别的铁塔螺丝松动诊断装置，其特征在于，所述装置包括：
自适应发声模块，用于获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
采集模块，用于向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
特征提取模块，用于针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
识别模块，用于将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
7.根据权利要求6所述的一种基于声纹识别的铁塔螺丝松动诊断装置，其特征在于，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
自适应发声模块包括：
归一化模块，用于获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
目标频率确定模块，用于根据铁塔型号确定声波发生器产生的声波信号的目标频率；
目标发射功率确定模块，用于根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：
其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
发声模块，用于控制声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
8.根据权利要求6所述的一种基于声纹识别的铁塔螺丝松动诊断装置，其特征在于，特征提取模块包括：
预处理模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
MFCC特征提取模块，用于提取所述第一声纹信息的特征，得到MFCC特征向量；
加权降维模块，用于将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
9.根据权利要求8所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，预处理模块包括：
预加重模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
分帧模块，用于对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
加窗模块，用于对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
变换模块，用于对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
10.根据权利要求8所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，MFCC特征提取模块包括：
滤波模块，用于使用Mel滤波器对所述第一声纹信息进行滤波，得到Mel域频谱；
离散余弦变换模块，用于对Mel域频谱取log对数，然后进行离散余弦变换，得到MFCC特征向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811971.3A CN116839883B (zh) | 2023-07-04 | 2023-07-04 | 一种基于声纹识别的铁塔螺丝松动诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811971.3A CN116839883B (zh) | 2023-07-04 | 2023-07-04 | 一种基于声纹识别的铁塔螺丝松动诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116839883A true CN116839883A (zh) | 2023-10-03 |
| CN116839883B CN116839883B (zh) | 2024-02-13 |
Family
ID=88163002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310811971.3A Active CN116839883B (zh) | 2023-07-04 | 2023-07-04 | 一种基于声纹识别的铁塔螺丝松动诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116839883B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118032937A (zh) * | 2024-04-12 | 2024-05-14 | 南京土星信息科技有限公司 | 一种输电铁塔螺栓松动声纹检测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110726505A (zh) * | 2019-10-23 | 2020-01-24 | 上海电力高压实业有限公司 | 基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统 |
| JP2021022290A (ja) * | 2019-07-30 | 2021-02-18 | 双葉電機工業株式会社 | 制御状態監視システムおよびプログラム |
| CN115618205A (zh) * | 2022-10-28 | 2023-01-17 | 广东电网有限责任公司广州供电局 | 一种便携式声纹故障检测系统及方法 |
| CN115742954A (zh) * | 2022-11-29 | 2023-03-07 | 北京声智科技有限公司 | 一种车辆故障提醒方法、装置、设备及存储介质 |
| CN116364108A (zh) * | 2023-03-29 | 2023-06-30 | 杭州晟冠科技有限公司 | 变压器声纹检测方法及装置、电子设备、存储介质 |
-
2023
- 2023-07-04 CN CN202310811971.3A patent/CN116839883B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021022290A (ja) * | 2019-07-30 | 2021-02-18 | 双葉電機工業株式会社 | 制御状態監視システムおよびプログラム |
| CN110726505A (zh) * | 2019-10-23 | 2020-01-24 | 上海电力高压实业有限公司 | 基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统 |
| CN115618205A (zh) * | 2022-10-28 | 2023-01-17 | 广东电网有限责任公司广州供电局 | 一种便携式声纹故障检测系统及方法 |
| CN115742954A (zh) * | 2022-11-29 | 2023-03-07 | 北京声智科技有限公司 | 一种车辆故障提醒方法、装置、设备及存储介质 |
| CN116364108A (zh) * | 2023-03-29 | 2023-06-30 | 杭州晟冠科技有限公司 | 变压器声纹检测方法及装置、电子设备、存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118032937A (zh) * | 2024-04-12 | 2024-05-14 | 南京土星信息科技有限公司 | 一种输电铁塔螺栓松动声纹检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116839883B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116839883B (zh) | 一种基于声纹识别的铁塔螺丝松动诊断方法及装置 | |
| CN109649432B (zh) | 基于导波技术的云端平台钢轨完整性监测系统及方法 | |
| O'brien et al. | A pattern recognition system based on acoustic signals for fault detection on composite materials | |
| CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
| CN109855827B (zh) | 一种框架型天线罩结构健康度监测设备与监测方法 | |
| CN109143208A (zh) | 一种船舶声纳平台自噪声试验测试系统及水平测试方法 | |
| WO2023279382A1 (zh) | 一种电机轴承运行状态故障检测方法及系统 | |
| CN113532630B (zh) | 船用振动噪声快速测试评估装置 | |
| CN113298134B (zh) | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 | |
| CN107367676A (zh) | 基于音频智能识别的局放指示器 | |
| CN109236587A (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
| CN111878322B (zh) | 风力发电机装置 | |
| CN116778964A (zh) | 一种基于声纹识别的变电设备故障监测系统及方法 | |
| CN110990978A (zh) | 一种螺栓状态监测方法和装置 | |
| Sánchez et al. | Wind Turbines Acoustic Inspections performed with UAV and sound frequency domain analysis | |
| CN110441707A (zh) | 一种锂离子电池健康状态声发射检测系统及方法 | |
| CN116877358A (zh) | 一种风力发电机组振动监测分析系统 | |
| CN117116293A (zh) | 一种复杂声场环境中机器设备故障诊断系统 | |
| CN117292713A (zh) | 基于端边云协同的变压器声纹监测方法及系统 | |
| Wu et al. | A novel wireless acoustic emission sensor system for distributed wooden structural health monitoring | |
| CN115754630A (zh) | 基于声阵列的非接触式局放监测方法及监测装置 | |
| Yang et al. | Intelligent diagnosis technology of wind turbine drive system based on neural network | |
| Tu et al. | Using wind turbine noise to inspect blade damage through portable device | |
| CN113919525A (zh) | 一种电站风机状态预警方法、系统及其应用 | |
| Ye et al. | Power plant production equipment abnormal sound perception method research based on machine hearing |
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 |