WO2012171300A1 - 电力设备的声音异常检测系统及检测方法 - Google Patents

电力设备的声音异常检测系统及检测方法 Download PDF

Info

Publication number
WO2012171300A1
WO2012171300A1 PCT/CN2011/083175 CN2011083175W WO2012171300A1 WO 2012171300 A1 WO2012171300 A1 WO 2012171300A1 CN 2011083175 W CN2011083175 W CN 2011083175W WO 2012171300 A1 WO2012171300 A1 WO 2012171300A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
audio
training
sound
audio data
Prior art date
Application number
PCT/CN2011/083175
Other languages
English (en)
French (fr)
Inventor
施凤祥
冯洪润
武建华
张宁
李丽
张玉亮
宋彦军
付炜平
王万国
李健
刘海锋
赵京武
刘瑶林
胡伟涛
Original Assignee
河北省电力公司超高压输变电分公司
山东鲁能智能技术有限公司
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 河北省电力公司超高压输变电分公司, 山东鲁能智能技术有限公司 filed Critical 河北省电力公司超高压输变电分公司
Priority to CA2823546A priority Critical patent/CA2823546C/en
Publication of WO2012171300A1 publication Critical patent/WO2012171300A1/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Definitions

  • the invention relates to the field of power equipment detection, and in particular to a substation equipment sound anomaly detection system and method.
  • the normal operation of substations mainly relies on manual on-site inspection and maintenance.
  • Some substations have begun to experiment with automated, intelligent systems to assist or replace manual inspections, and the demand for unattended substations is increasing.
  • the method of monitoring substation equipment relies mainly on the audio sensor and central processor installed on the device body.
  • the technical problem to be solved by the present invention is to provide a sound abnormality detecting system and method with low detection and low cost, mainly using sound signal processing and pattern recognition technology to perform sound detection on a substation equipment, and determine whether the equipment exists. Abnormal or internal faults to maintain the normal operation of the substation while ensuring personnel safety.
  • a sound anomaly detection system for a power device comprising an audio detection subsystem and a computer subsystem in wireless communication with the audio detection subsystem;
  • the audio detection subsystem includes an audio collection module, a video service module, an audio training and recognition module, a storage module, and a first communication module.
  • the output end of the audio collection module is connected to an input end of the video service module, and the video service module is The output end is connected to the corresponding input end of the audio training and identification module, and the corresponding output end of the audio training and identification module is connected to the input end of the first communication module, and the storage module is bidirectionally connected with the audio training and identification module;
  • the computer subsystem includes a computer host equipped with a base station background software system, an audio data display module, an alarm module, and a second communication module; an output end of the second communication module is connected to a corresponding input end of the computer host; the computer host The corresponding output terminals are respectively connected to the input ends of the audio data display module and the alarm module.
  • the system further includes a patrol platform, the patrol platform includes a running mechanism and a control module for controlling the walking mechanism; and the audio detecting subsystem is disposed on the patrol platform.
  • the audio training and recognition module is composed of an ARM9 microprocessor and a DSP microprocessor.
  • the inspection platform adopts a power inspection robot model LER-3000.
  • the detection method of the sound abnormality detecting system for the electric equipment is performed according to the following steps: (1) starting the electric power inspection robot;
  • the power inspection robot moves to the power device inspection point according to the specified route, triggers the startup end of the audio collection module, and the audio collection module collects the audio data of the power device;
  • the training program is entered, and the normal substation equipment running sound is trained to obtain an audio feature library, which is stored in the storage module.
  • the DSP microprocessor When the training is not required, entering the recognition program, the DSP microprocessor first extracts the subband features of the currently collected audio data, and then compares the subband features with the audio feature library stored in the storage module;
  • the audio training and recognition module transmits the comparison result to the host computer through the real-time communication between the first communication module and the second communication module, and when the comparison result is abnormal, the alarm module emits an alarm sound and audio data display.
  • Waveform data and subband features of the audio otherwise, only the waveform data and subband features of the audio are output;
  • step (2) Determine whether the inspection route has been completed. When all the inspections are completed, the process ends. Otherwise, proceed to step (2).
  • the audio detection subsystem of the present invention mainly provides an abnormal phenomenon or an internal fault that may occur from a substation equipment and can be discriminated from sound, and gives a detection result.
  • the workflow of the audio detection subsystem is basically as follows: The inspection robot is inspected in the substation according to the established route or task, and can be inspected multiple times in one day and covers most of the geographical range of the substation.
  • the audio acquisition module in the audio detection subsystem can collect the sound of the substation equipment operation where the inspection robot is located in real time.
  • the audio training and recognition module is responsible for identifying the sound to determine if the device is abnormal or malfunctioning. If a fault is found, the audio detection subsystem sends an alarm message to the base station back-end software system to notify the duty officer of the substation. Therefore, the on-duty personnel can quickly take corrective measures to eliminate faults or hidden dangers and ensure the safe operation of the substation.
  • the beneficial effects produced by the above technical solutions are as follows: 1) The method of assisting or replacing the manual inspection by the inspection platform can effectively eliminate the work danger of the personnel and protect the personal safety; 2) the audio detection subsystem can effectively detect the substation equipment. Abnormal sound, improve the reliability and stability of the inspection, maintain the normal operation of the substation; 3) All equipment in the inspection platform reincarnation station, flexible and convenient, free control, and only need to assemble a pickup, reducing the audio in other schemes The number of sensors and the difficulty of configuration, low cost, easy installation and high reliability; 4) audio detection subsystem and computer subsystem Real-time communication, the computer subsystem can receive, analyze, and display various audio data in real time, and alarm the abnormal results in time to help personnel quickly eliminate hidden dangers or malfunctions of the equipment, which can effectively ensure the quality of inspection.
  • FIG. 1 is a schematic block diagram of an embodiment of the present invention
  • FIG. 2 is a flow chart of a method for detecting an embodiment of the present invention
  • FIG. 3 is a software flow diagram of the audio training and recognition module of the present invention.
  • this embodiment includes an audio detection subsystem and a computer subsystem that wirelessly communicates with the audio detection subsystem;
  • the audio detection subsystem includes an audio collection module, a video service module, an audio training and recognition module, a storage module, and a first communication module.
  • the output end of the audio collection module is connected to an input end of the video service module, and the video service module is The output end is connected to the corresponding input end of the audio training and identification module, and the corresponding output end of the audio training and identification module is connected to the input end of the first communication module, and the storage module is bidirectionally connected with the audio training and identification module;
  • the computer subsystem comprises a computer host equipped with a base station background software system, an audio data display module, an alarm module and a second communication module; the corresponding output end of the computer host is respectively connected to an input end of the audio data display module and the alarm module; The output end of the second communication module is connected to a corresponding input end of the computer host.
  • the embodiment further includes a patrol inspection platform, wherein the patrol inspection platform adopts a power patrol robot (hereinafter referred to as a robot), and its model is LER-3000, which is a carrier of the audio detection subsystem, and is responsible for loading the audio detection subsystem and performing the patrol. Check the task.
  • the corresponding output end of the robot is connected to the starting end of the audio detecting module.
  • the corresponding output end triggers the starting end of the audio detecting module, and the audio detecting module starts collecting the device. The sound of the run.
  • the audio collection module adopts a pickup device, and the pickup can realize high-fidelity recording operation in outdoor and long-distance environments.
  • the pickup is installed at the front of the inspection robot, and collects the sound of the substation equipment where the robot is located, and adopts a sturdy, durable and beautiful metal casing, and the surface is plated. It is waterproof, moisture-proof, high-fidelity and low-noise, providing reliable audio data for subsequent audio signal processing.
  • the video service module is directly connected to the pickup device for receiving audio data of the pickup and completing the function of digital signal compression and transmission.
  • the compression format uses the a-law PCM audio format
  • the transmission method uses the TCP/IP protocol transmission standard.
  • the audio training and recognition module is assembled in the robot and is composed of an ARM9 microprocessor and a DSP microprocessor.
  • the ARM9 microprocessor uses an S3C2440 chip for receiving audio data sent by the video service module to implement a data communication function.
  • the DSP microprocessor uses the TMS320X2812 chip to perform the functions of training and recognizing audio data.
  • the audio training and recognition includes a training program and a recognition program.
  • the training program that is, training the normal substation equipment running sound through a VQ (vector quantization) algorithm, obtains a normal sound feature database, and stocks the feature in the storage module; the training work only needs to be performed once, and the feature can be used.
  • the library does all the work of audio recognition.
  • the recognition program that is, the DSP microprocessor first extracts the subband features of the currently collected audio data, and then compares the subband features into the audio feature library previously stored in the storage module, and if the comparison result is displayed as FALSE , it indicates that the current sound of a certain equipment in the substation is abnormal, and the comparison result is sent to the base station back-end software system by ARM9.
  • the VQ (Vector Quantization) algorithm is an important mode classification method.
  • vector quantization can be used to model each audio data to be recognized. That is, in the training phase, the LBG algorithm is used to perform clustering of the audio features without tutor pattern to form each codebook.
  • the recognition phase the average minimum quantization distortion distance between the test speech and each codebook is sought, and the smallest distance is used as the recognition result. Output. Finally, it can be determined whether the audio data is abnormal.
  • the storage module is a FLASH storage device connected to an ARM9 microprocessor.
  • the storage module is configured to store the audio feature library formed by the training and the result of the audio recognition, as well as the operating system kernel and the file system.
  • the computer subsystem is disposed in the substation main control room, and the audio detection subsystem disposed on the inspection platform can communicate with each other through the first communication module and the second communication module, the first communication module and the second communication
  • the module complies with the 802.11n protocol; the computer subsystem receives the abnormality of the audio detection in time.
  • the alarm is also sent through the alarm module.
  • the audio data can be displayed to the staff on duty or related personnel, such as waveform data and sub-band feature data. This task is undertaken by the audio data display module.
  • the power patrol robot moves to a power device patrol point according to a specified route, triggering a start end of the audio collection module, and the audio collection module collects audio data of the power device;
  • the training program is not required, and the recognition program is directly entered, otherwise the training program is entered.
  • the training program When training is required, the training program is entered, the normal substation equipment running sound is trained, and a normal audio feature library is stored in the storage module;
  • the recognition program is entered, and the DSP microprocessor first extracts the subband features of the currently collected audio data, and then compares the subband features with the audio feature library stored in the storage module;
  • the audio training and recognition module transmits the comparison result to the host computer through the real-time communication between the first communication module and the second communication module, and when the comparison result is abnormal, the alarm module emits an alarm sound and audio data display.
  • Waveform data and subband features of the audio otherwise, only the waveform data and subband features of the audio are output;
  • step (2) Determine whether the inspection route has been completed. When all the inspections are completed, the process ends. Otherwise, proceed to step (2).
  • the robot when the robot moves to the substation equipment, the robot will start the audio collection module, and the sound of the substation equipment will be recorded by the pickup at a sampling rate of 8k. After the sound is recorded, the video service module is transmitted to the video service module. Encoding and compression, forming a tone in A-rate PCM format Frequency signal. This digital signal enters the audio training and recognition module.
  • the audio training and recognition module has two branches, a training function and an identification function.
  • the robot activates the training function before the robot performs the inspection task for the first time.
  • the function of the training is to receive the sound transmitted by the video service module, extract the characteristics of the sound, generate an audio feature library, and store the feature library together with the transmitted sound in the storage module.
  • the training function only needs to be executed once, and an audio feature library can be generated to prepare for the recognition function.
  • the function of the recognition is to extract the sound of the sound to be detected after receiving the sound transmitted by the video service module, and take out the previously trained sound feature library from the storage module, and compare the sound feature library with the features of the sound to be recognized, thereby obtaining Compare the results. If the comparison result is
  • the audio training and recognition module communicates wirelessly with the computer subsystem, the alarm module will start an alarm.
  • the audio data display module can display some data and features of the sound.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

一种用于电力设备的声音异常检测系统，其包括音频检测子系统和与所述音频检测子系统无线通讯的计算机子系统。音频检测子系统包括音频采集模块、视频服务模块、音频训练和识别模块、存储模块和第一通讯模块；其中音频采集模块、视频服务模块、音频训练和识别模块和第一通讯模块依次相连；所述存储模块与音频训练与识别模块双向连接。计算机子系统包括计算机主机、音频数据显示模块、报警模块和第二通讯模块；其中音频数据显示模块、报警模块和第二通讯模块都连接到计算机主机上。该系统检测灵活、成本较低、可靠性高。

Description

电力设备的声音异常检测系统及检测方法
技术领域
本发明涉及电力设备检测领域，尤其是一种变电站设备声音异常检测系统 和方法。
背景技术
当前， 变电站的正常运行主要还是依靠人工的现场巡检和维护。这种方式 存在以下两个问题： 一、巡检人员的安全问题， 变电站是一个充满高压和放电 的危险环境，容易对巡检工作人员的身体造成伤害；二、人工巡检的效果问题， 人员面对重复机械的工作时， 容易产生疲倦、 懈怠心理， 降低巡检的效果和质 量， 并且， 人工巡检也无法满足变电站设备故障的突发性和及时性。 因此， 人 工巡检的效果是不稳定的， 可靠性也无法提高。
一些变电站开始尝试自动化、 智能化系统来辅助或者取代人工巡检， 无人 值守变电站的需求也越来越多。在变电站设备声音检测方面， 主要有变电站设 备监听和超声波检测法的研究。 变电站设备监听的方法， 主要依赖安装在设备 本体上面的音频传感器和中央处理器。 其不足有以下两个方面： 一、 固定点和 紧贴本体的方式， 使得音频传感器的布置位置是固定的， 没有灵活性； 二、 每 个变电站设备都需要配备独立的音频传感器， 太多数量的传感器设备，造成布 置困难， 成本偏高。 超声波检测法， 存在造价高、 无法实时连续检测的缺陷。
发明内容
本发明要解决的技术问题是提供一种检测灵活、 成本较低的声音异常检测 系统和方法， 主要利用声音信号处理及模式识别的技术，对变电站的设备进行 声音检测， 判别该设备是否存有异常或者内部故障，从而维持变电站的正常运 行， 同时保证人员安全。
为解决上述技术问题， 本发明采用的技术方案是： 一、 技术方案 1
一种用于电力设备的声音异常检测系统，所述系统包括音频检测子系统和 与所述音频检测子系统无线通讯的计算机子系统；
所述音频检测子系统包括音频采集模块、视频服务模块、音频训练与识别 模块、存储模块和第一通讯模块； 所述音频采集模块的输出端接视频服务模块 的输入端， 所述视频服务模块的输出端接音频训练与识别模块的相应输入端， 所述音频训练与识别模块的相应输出端接第一通讯模块的输入端，所述存储模 块与音频训练与识别模块双向连接；
所述计算机子系统包括装有基站后台软件系统的计算机主机、音频数据显 示模块、报警模块和第二通讯模块； 所述第二通讯模块的输出端接计算机主机 的相应输入端；所述计算机主机的相应输出端分别接音频数据显示模块和报警 模块的输入端。
优选的， 所述系统还包括巡检平台， 所述巡检平台包括行走机构和控制所 述行走机构的控制模块； 所述音频检测子系统设置在所述巡检平台上。
所述音频训练与识别模块由 ARM9微处理器和 DSP微处理器组成。
所述巡检平台采用型号为 LER-3000的电力巡检机器人。
二、 技术方案 2
用于电力设备的声音异常检测系统的检测方法， 按照下述步骤进行： ( 1 )启动电力巡检机器人；
( 2 )所述电力巡检机器人按照指定路线移动至电力设备巡检点， 触发所 述音频采集模块的启动端， 音频采集模块采集电力设备的音频数据；
( 3 )采用视频服务模块接收音频采集模块的音频数据， 进行数字信号压 缩和传输；
( 4 )采用音频训练与识别模块进行接收视频服务模块传输的音频数据并 进行音频数据的训练或识别；
首先判断是否进行音频数据的训练， 当需要进行训练时， 进入训练程序， 将正常的变电站设备运行声音进行训练，得音频特征库，存储于所述存储模块 中；
当不需要进行训练时， 进入识别程序， DSP微处理器先提取当前采集的音 频数据的子带特征，然后将所述子带特征与存储在所述存储模块中的音频特征 库进行比对；
( 5 )所述音频训练与识别模块将比对结果通过所述第一通讯模块和第二 通讯模块的实时通讯传输至计算机主机， 当比对结果异常时，报警模块发出警 报声、 音频数据显示音频的波形数据和子带特征， 否则， 仅输出音频的波形数 据和子带特征；
( 6 )判断巡检路线是否全部巡检完毕， 当全部巡检完毕时， 结束， 否则 进入步骤（ 2 )。
本发明中所述音频检测子系统主要针对变电站设备可能发生的、 可从声音 进行判别的异常现象或内部故障，给出检测结果。 由声音可以体现故障的变电 站设备故障， 主要有几种： 设备内部放电， 绝缘子放电， 电磁振动声异常， 风 扇、 油泵电机转动异常， 电容器声音异常等。 音频检测子系统的工作流程基本 如下： 巡检机器人在变电站里按照既定路线或任务轮回巡检，一天内可多次巡 检，且覆盖变电站的大部分地理范围。音频检测子系统中的音频采集模块可以 实时地采集巡检机器人所到之处变电站设备运行的声音。音频训练与识别模块 负责对该声音进行识别，从而判断出该设备是否存在异常或者故障。若发现有 故障， 则音频检测子系统向基站后台软件系统发出报警信息，通知变电站的值 班人员。 从而值班人员可以快速的采取解决措施， 消除故障或隐患， 保证变电 站的安全运行。
采用上述技术方案产生的有益效果在于： 1 ) 由巡检平台辅助或者取代人 工巡检的方式， 可有效消除人员的工作危险， 保护人身安全； 2 )音频检测子 系统， 可有效检测变电站设备的异常声音， 提高巡检的可靠性和稳定性， 维护 变电站的正常运行； 3 )巡检平台轮回检测站内的所有设备， 灵活方便， 自由 控制， 并且只需要装配一个拾音器， 降低了其他方案中音频传感器的数量和配 置难度， 成本低廉、 装置筒易且可靠性高； 4 )音频检测子系统与计算机子系 统实时通信， 计算机子系统可以实时接收、 分析、 显示各种音频数据， 及时对 异常结果报警，协助人员快速消除设备的运行隐患或故障， 可有效保证巡检质 量。
附图说明
图 1是本发明实施例的原理框图；
图 2是本发明实施例检测方法的流程图；
图 3是本发明音频训练与识别模块的软件流程图。
具体实施方式
参见图 1 , 本实施例包括音频检测子系统和与所述音频检测子系统无线通 讯的计算机子系统；
所述音频检测子系统包括音频采集模块、视频服务模块、音频训练与识别 模块、存储模块和第一通讯模块； 所述音频采集模块的输出端接视频服务模块 的输入端， 所述视频服务模块的输出端接音频训练与识别模块的相应输入端， 所述音频训练与识别模块的相应输出端接第一通讯模块的输入端，所述存储模 块与音频训练与识别模块双向连接；
所述计算机子系统包括装有基站后台软件系统的计算机主机、音频数据显 示模块、报警模块和第二通讯模块； 所述计算机主机的相应输出端分别接音频 数据显示模块和报警模块的输入端；所述第二通讯模块的输出端接计算机主机 的相应输入端。
本实施例还包括巡检平台， 所述巡检平台采用电力巡检机器人（以下筒称 机器人）， 其型号为 LER-3000, 是音频检测子系统的载体， 负责装载音频检测 子系统和执行巡检任务。 所述机器人的相应输出端接音频检测模块的启动端， 当机器人按照规定路线移动至设定的设备点时，其相应输出端会触发音频检测 模块的启动端， 所述音频检测模块开始采集设备运行的声音。
音频采集模块， 采用拾音器设备， 所述拾音器可实现户外、 远距离环境的 高保真录音操作。所述拾音器安装在巡检机器人的前部，将机器人所到之处的 变电站设备声音采集起来，其采用坚固、耐用美观的金属外壳，表面电镀处理， 具有防水防潮、 高保真， 低噪声的特点， 为后续的音频信号处理提供了可靠的 音频数据。
视频服务模块，与所述拾音器设备直接相连，用于接收拾音器的音频数据， 完成数字信号压缩和传输的功能。 压缩格式采用 a律 PCM音频格式， 传输方 式采用 TCP/IP协议传输标准。
音频训练与识别模块， 装配于机器人内部， 由 ARM9微处理器和 DSP微 处理器组成； 所述 ARM9微处理器采用 S3C2440芯片， 用于接收视频服务模 块发来的音频数据，实现数据通信功能；所述 DSP微处理器采用 TMS320X2812 芯片， 完成训练和识别音频数据的功能。所述音频训练与识别包括训练程序和 识别程序。 所述训练程序， 即通过 VQ (矢量量化）算法对正常的变电站设备 运行声音进行训练， 得到正常声音特征库， 并将该特征库存于存储模块； 训练 工作只需要开展一次， 就可以使用该特征库进行所有音频识别的工作。所述识 别程序， 即 DSP微处理器先提取当前采集的音频数据的子带特征， 然后将子 带特征进与事先存放在存储模块中的音频特征库进行比对，若比对结果显示为 FALSE,则表明当前变电站某设备运行的声音异常，同时，比对结果交由 ARM9 发送到基站后台软件系统。
VQ (矢量量化） 算法是一种重要的模式分类方法。 在音频识别系统中， 矢量量化可用来对每个待识别的音频数据进行建模。 即在训练阶段， 用 LBG 算法对音频特征进行无导师的模式聚类， 形成各个码本； 在识别阶段， 寻找测 试语音与各个码本间的平均最小量化失真距离，距离最小者即作为识别结果输 出。 最终可以判别音频数据是否异常。
所述存储模块为连接在 ARM9微处理器上的 FLASH存储设备。所述存储 模块用于存储训练形成的音频特征库和音频识别后的结果，以及操作系统内核 和文件系统等。
所述计算机子系统设置在变电站主控室，与设置在巡检平台上的音频检测 子系统通过第一通讯模块和第二通讯模块之间可互相通信 ,所述第一通讯模块 和第二通讯模块符合 802.11η协议； 计算机子系统及时接收音频检测的异常结 果并通过报警模块进行报警； 同时， 可对值班的工作人员或相关人员进行音频 数据的展示， 如波形数据、 子带特征数据， 此任务由音频数据显示模块承担。
采用上述技术方案进行电力设备声音异常检测的方法， 按照下述步骤进 行， 参见图 2~图 3:
( 1 )启动电力巡检机器人；
( 2 )所述电力巡检机器人按照指定路线移动至电力设备巡检点， 触发所 述音频采集模块的启动端， 所述音频采集模块采集电力设备的音频数据；
( 3 )采用视频服务模块接收音频采集模块的音频数据， 进行数字信号压 缩和传输；
( 4 )采用音频训练与识别模块进行接收视频服务模块传输的音频数据并 进行音频数据的训练或识别；
首先判断音频特征库中是否存有该设备的音频特征数据，当存有该设备的 音频特征时，则不需要进行训练程序，直接进入识别程序，否则进入训练程序。
当需要进行训练时， 进入训练程序，将正常的变电站设备运行声音进行训 练， 得正常音频特征库， 存储于所述存储模块中；
当不需要进行训练时，进入识别程序， DSP微处理器先提取当前采集的音 频数据的子带特征，然后将所述子带特征与存储在所述存储模块中的音频特征 库进行比对；
( 5 )所述音频训练与识别模块将比对结果通过所述第一通讯模块和第二 通讯模块的实时通讯传输至计算机主机， 当比对结果异常时，报警模块发出警 报声、 音频数据显示音频的波形数据和子带特征， 否则， 仅输出音频的波形数 据和子带特征；
( 6 )判断巡检路线是否全部巡检完毕， 当全部巡检完毕时， 结束， 否则 进入步骤（ 2 )。
综上， 当机器人移动到变电站设备旁边时， 机器人会启动音频采集模块， 由拾音器以 8k的采样率录制变电站设备的运行声音， 声音录制后， 传入视频 服务模块， 视频服务模块对该声音进行编码和压缩， 形成 A率 PCM格式的音 频信号。 该数字信号会进入音频训练和识别模块。
音频训练和识别模块具有两个分支， 即训练功能和识别功能。 当机器人第 一次执行巡检任务之前，机器人启用训练功能。训练的功能是接收视频服务模 块传送的声音， 提取该声音的特征， 产生音频特征库， 并将该特征库和传送来 的声音一同存放于存储模块。训练的功能只需要执行一次， 就可以产生音频特 征库， 为识别功能做好准备。 识别的功能是接收视频服务模块传送的声音后， 提取待检测声音的特征， 并从存储模块取出事先训练好的声音特征库， 并将声 音特征库与待识别声音的特征进行比对， 从而得出比对结果。 若比对结果为
FALSE,说明待检测声音是存在异常的， 音频训练和识别模块与计算机子系统 无线通讯， 则报警模块会启动报警， 同时， 音频数据显示模块可以将该声音的 一些数据和特征进行显示。

Claims

权 利 要 求
1、 一种用于电力设备的声音异常检测系统， 其特征在于所述系统包括音 频检测子系统和与所述音频检测子系统无线通讯的计算机子系统；
所述音频检测子系统包括音频采集模块、视频服务模块、音频训练与识别 模块、存储模块和第一通讯模块； 所述音频采集模块的输出端接视频服务模块 的输入端， 所述视频服务模块的输出端接音频训练与识别模块的相应输入端， 所述音频训练与识别模块的相应输出端接第一通讯模块的输入端，所述存储模 块与音频训练与识别模块双向连接；
所述计算机子系统包括装有基站后台软件系统的计算机主机、音频数据显 示模块、报警模块和第二通讯模块； 所述第二通讯模块的输出端接计算机主机 的相应输入端；所述计算机主机的相应输出端分别接音频数据显示模块和报警 模块的输入端。
2、 根据权利要求 1所述的用于电力设备的声音异常检测系统， 其特征在 于还包括巡检平台，所述巡检平台包括行走机构和控制所述行走机构的控制模 块； 所述音频检测子系统设置在所述巡检平台上。
3、 根据权利要求 2所述的用于电力设备的声音异常检测系统， 其特征在 于所述音频训练与识别模块由 ARM9微处理器和 DSP微处理器组成。
4、 根据权利要求 3所述的用于电力设备的声音异常检测系统， 其特征在 于所述巡检平台采用型号为 LER-3000的电力巡检机器人。
5、根据权利要求 4所述的用于电力设备的声音异常检测系统的检测方法， 其特征在于按照下述步骤进行：
( 1 ) 启动电力巡检机器人； ( 2 )所述电力巡检机器人按照指定路线移动至电力设备巡检点， 触发所述音 频采集模块的启动端， 音频采集模块采集电力设备的音频数据；
( 3 )采用视频服务模块接收音频采集模块的音频数据， 进行数字信号压缩和 传输； ( 4 )采用音频训练与识别模块进行接收视频服务模块传输的音频数据并进行 音频数据的训练或识别； 首先判断是否进行音频数据的训练， 当需要进行训练时， 进入训练程序， 将正常的变电站设备运行声音进行训练，得音频特征库，存储于所述存储模块 中； 当不需要进行训练时， 进入识别程序， DSP微处理器先提取当前采集的音 频数据的子带特征，然后将所述子带特征与存储在所述存储模块中的音频特征 库进行比对；
( 5 )所述音频训练与识别模块将比对结果通过所述第一通讯模块和第二通讯 模块的实时通讯传输至计算机主机，当比对结果异常时，报警模块发出警报声、 音频数据显示音频的波形数据和子带特征， 否则，仅输出音频的波形数据和子 带特征；
( 6 )判断巡检路线是否全部巡检完毕， 当巡检完毕时， 结束； 否则进入步骤 ( 2 )。
6、 根据权利要求 5所述的用于电力设备的声音异常检测方法， 其特征在 于步骤（ 3 ) 中所述训练程序通过 VQ算法对正常的变电站设备运行声音进行 训练。
PCT/CN2011/083175 2011-06-13 2011-11-29 电力设备的声音异常检测系统及检测方法 WO2012171300A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CA2823546A CA2823546C (en) 2011-06-13 2011-11-29 Sound abnormality detection system for power device and method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201110157505.5 2011-06-13
CN 201110157505 CN102322943B (zh) 2011-06-13 2011-06-13 用于电力设备的声音异常检测系统及检测方法

Publications (1)

Publication Number Publication Date
WO2012171300A1 true WO2012171300A1 (zh) 2012-12-20

Family

ID=45450736

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/083175 WO2012171300A1 (zh) 2011-06-13 2011-11-29 电力设备的声音异常检测系统及检测方法

Country Status (3)

Country Link
CN (1) CN102322943B (zh)
CA (1) CA2823546C (zh)
WO (1) WO2012171300A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106292484A (zh) * 2015-06-03 2017-01-04 安顺市晶英科技研发有限责任公司 一种采茶机音频监测系统
CN107765695A (zh) * 2017-11-21 2018-03-06 北京百度网讯科技有限公司 巡检机器人和巡检系统
CN111693139A (zh) * 2020-06-19 2020-09-22 浙江讯飞智能科技有限公司 声音强度测量方法、装置、设备及存储介质
CN113404540A (zh) * 2021-06-11 2021-09-17 安徽中科昊音智能科技有限公司 一种应用于煤矿场景的声纹综合监测系统
CN114200203A (zh) * 2021-12-10 2022-03-18 国网山东省电力公司济南供电公司 一种变电站计量装置故障监控方法和系统

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664006B (zh) * 2012-04-14 2014-05-14 中国人民解放军国防科学技术大学 基于时频域分析的异常人声检测方法
CN103197630B (zh) * 2013-03-12 2015-11-11 李景禄 音频监控系统的自学习判据生成法
CN103177732B (zh) * 2013-03-26 2015-05-20 航天科技控股集团股份有限公司 基于dsp的声音对比处理检测系统及检测方法
CN103995194A (zh) * 2014-05-08 2014-08-20 昆山佑翔电子科技有限公司 基于声音监测的预报警变压器
CN104064186A (zh) * 2014-06-26 2014-09-24 山东大学 一种基于独立分量分析的电气设备故障音检测方法
CN104184212B (zh) * 2014-09-10 2016-08-31 国网冀北电力有限公司廊坊供电公司 用于变电站的通讯机房的远程监控系统
CN104270622A (zh) * 2014-10-29 2015-01-07 杭州凯达电力建设有限公司 一种开关柜检测方法及系统
CN106293676B (zh) * 2015-06-08 2019-05-10 东元电机股份有限公司 产生整体检测程序的方法及系统
CN105681095B (zh) * 2016-01-28 2019-03-19 山东鲁能智能技术有限公司 一种基于音频特征提取的室内变电站设备故障判断方法
CN107402064B (zh) * 2017-07-25 2020-04-03 上海控创信息技术股份有限公司 噪声检测方法及系统
CN107643710A (zh) * 2017-09-18 2018-01-30 浙江国自机器人技术有限公司 一种多设备运行监测装置
CN108280895A (zh) * 2017-12-25 2018-07-13 石化盈科信息技术有限责任公司 一种石化防爆巡检机器人及防爆系统
CN111313541A (zh) * 2018-12-12 2020-06-19 杭州海康威视数字技术股份有限公司 变电设备异常处理方法及系统
CN110085017B (zh) * 2019-06-05 2024-04-09 桂林理工大学南宁分校 一种双网通信双模定位的实时安保管理系统
CN110146764A (zh) * 2019-06-14 2019-08-20 国网新疆电力有限公司电力科学研究院 一种基于声阵列边缘计算的电力设备异常检测方法
CN112207811B (zh) * 2019-07-11 2022-05-17 杭州海康威视数字技术股份有限公司 一种机器人控制方法、装置、机器人及存储介质
CN110503978A (zh) * 2019-07-12 2019-11-26 国网上海市电力公司 一种智能化变电站室内音频监测模块
CN110514957A (zh) * 2019-08-19 2019-11-29 深圳供电局有限公司 变电站自动巡检方法和平台
CN110470379A (zh) * 2019-08-23 2019-11-19 武汉理工大学 一种变电站移动式智能噪声连续采集系统
CN110595609A (zh) * 2019-09-29 2019-12-20 国网河南省电力公司南召县供电公司 一种通过声音异常快速判断变电设备故障的诊断装置
CN110867959A (zh) * 2019-11-13 2020-03-06 上海迈内能源科技有限公司 一种基于声音识别的电力设备智能监控系统及监控方法
CN112014774A (zh) * 2020-03-26 2020-12-01 中国铁建电气化局集团第二工程有限公司 基于声音处理的变压器故障巡检系统及方法
CN113792829A (zh) * 2021-07-29 2021-12-14 湖南五凌电力科技有限公司 水轮机巡检方法、装置、计算机设备及存储介质
CN113552889A (zh) * 2021-07-29 2021-10-26 苏州森合知库机器人科技有限公司 一种巷道场景下巡检机器人及其导航方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09237097A (ja) * 1996-02-29 1997-09-09 Hitachi Ltd 音声認識装置
JP2005192029A (ja) * 2003-12-26 2005-07-14 Toshiba Corp リモコン装置、リモートコントロールシステム
CN101656017A (zh) * 2009-07-29 2010-02-24 毛建良 工程信息采集系统
CN201549049U (zh) * 2009-11-18 2010-08-11 吉林省电力有限公司长春供电公司 变电站音视频智能报警装置
CN102082466A (zh) * 2010-10-15 2011-06-01 重庆市电力公司超高压局 变电站设备智能巡检机器人系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0993179A (ja) * 1995-09-20 1997-04-04 Fujitsu General Ltd ワイヤレス監視システム
US8155326B2 (en) * 2007-10-09 2012-04-10 Schweitzer Engineering Laboratories, Inc. System, method, and apparatus for using the sound signature of a device to determine its operability
KR20090078186A (ko) * 2008-01-14 2009-07-17 한국전력공사 자가 진단이 가능한 감시 정보 전송 시스템 및 그 방법
CN202083757U (zh) * 2011-06-13 2011-12-21 河北省电力公司超高压输变电分公司 用于电力设备的声音异常检测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09237097A (ja) * 1996-02-29 1997-09-09 Hitachi Ltd 音声認識装置
JP2005192029A (ja) * 2003-12-26 2005-07-14 Toshiba Corp リモコン装置、リモートコントロールシステム
CN101656017A (zh) * 2009-07-29 2010-02-24 毛建良 工程信息采集系统
CN201549049U (zh) * 2009-11-18 2010-08-11 吉林省电力有限公司长春供电公司 变电站音视频智能报警装置
CN102082466A (zh) * 2010-10-15 2011-06-01 重庆市电力公司超高压局 变电站设备智能巡检机器人系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106292484A (zh) * 2015-06-03 2017-01-04 安顺市晶英科技研发有限责任公司 一种采茶机音频监测系统
CN107765695A (zh) * 2017-11-21 2018-03-06 北京百度网讯科技有限公司 巡检机器人和巡检系统
CN107765695B (zh) * 2017-11-21 2024-03-22 北京百度网讯科技有限公司 巡检机器人和巡检系统
CN111693139A (zh) * 2020-06-19 2020-09-22 浙江讯飞智能科技有限公司 声音强度测量方法、装置、设备及存储介质
CN111693139B (zh) * 2020-06-19 2022-04-22 浙江讯飞智能科技有限公司 声音强度测量方法、装置、设备及存储介质
CN113404540A (zh) * 2021-06-11 2021-09-17 安徽中科昊音智能科技有限公司 一种应用于煤矿场景的声纹综合监测系统
CN114200203A (zh) * 2021-12-10 2022-03-18 国网山东省电力公司济南供电公司 一种变电站计量装置故障监控方法和系统
CN114200203B (zh) * 2021-12-10 2023-11-17 国网山东省电力公司济南供电公司 一种变电站计量装置故障监控方法和系统

Also Published As

Publication number Publication date
CN102322943A (zh) 2012-01-18
CN102322943B (zh) 2013-01-16
CA2823546C (en) 2016-02-02
CA2823546A1 (en) 2012-12-20

Similar Documents

Publication Publication Date Title
WO2012171300A1 (zh) 电力设备的声音异常检测系统及检测方法
CN212207527U (zh) 基于多源信息融合的变压器在线监测装置
CN112201260B (zh) 一种基于声纹识别的变压器运行状态在线检测方法
CN106934421B (zh) 基于2dpca及svm的电力变压器故障检测方法
CN108169639B (zh) 基于并行长短时记忆神经网络的识别开关柜故障的方法
CN108008287B (zh) 基于移频信号的轨道电路故障监测平台及其监测方法
CN101150788B (zh) 自检式无线广播终端系统及其监控处理器
CN110208022A (zh) 基于机器学习的电力设备多特征音频指纹故障诊断方法及系统
WO2014135015A1 (zh) 智能变电站电力变压器在线监测组网
CN102426835A (zh) 一种基于支持向量机模型的开关柜局部放电信号识别方法
CN102270879A (zh) 无人值班变电站的设备音频监控系统
CN111337773A (zh) 一种变压器故障远程监控系统及监控方法
CN102692887A (zh) 基于音频识别技术的电力变压器在线状态监测装置
CN111653291B (zh) 一种基于声纹的电力设备智能健康监测方法
CN202083757U (zh) 用于电力设备的声音异常检测系统
CN110221137A (zh) 一种基于振声相关性的配电变压器异常状态检测方法
CN114217149A (zh) 一种变压器声学指纹不停电检测及状态预警方法
CN113595251B (zh) 一种变电站电力设备的自动监测预警系统与方法
WO2023284127A1 (zh) 一种基于振动信号的gil缺陷在线监测系统及方法
CN115618205A (zh) 一种便携式声纹故障检测系统及方法
CN107367676A (zh) 基于音频智能识别的局放指示器
CN107037314A (zh) 一种电力变压器绕组变形故障在线诊断方法
CN114167315A (zh) 一种变压器智能在线监测系统及其方法
CN115327363A (zh) 一种高压断路器机械特性带电监测及状态识别方法
CN202281934U (zh) 基于音频识别技术的电力变压器在线状态监测装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11867791

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2823546

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11867791

Country of ref document: EP

Kind code of ref document: A1