一種大容量推進電機聲振異響特征識別方法、設備及介質與流程

本申請涉及聲音識別，具體涉及一種大容量推進電機聲振異響特征識別方法、設備及介質。

背景技術：

1、大容量推進電機指的是具有較高功率和轉矩的電機，它們被設計用于驅動大型設備或系統，如船舶推進、大型工業機械等。大容量推進電機在運行過程中，由于其高功率和高負載的特性，會產生各種噪聲信號。這些信號不僅包括電機正常運行時產生的聲音，還可能包含聲振異響的聲音信號。

2、現有技術中一般通過對大容量推進電機運行時采集的聲音信號進行特征提取，實現對大容量推進電機的聲振異響特征進行識別。在使用主成分分析（principal?componentanalysis，pca）從采集的聲音信號中提取特征時，由于采集的聲音信號不僅包含電磁噪聲還包含其他噪聲，傳統的主成分分析提取特征時，所有的噪聲都具有相同的權重，如果采集的聲音信號中電磁噪聲的特征不夠顯著，那么主成分分析提取的特征向量就不能準確表達電磁噪聲的特征，從而導致聲振異響特征識別的準確率降低。

技術實現思路

1、為了解決上述技術問題，本申請的目的在于提供一種大容量推進電機聲振異響特征識別方法、設備及介質，所采用的技術方案具體如下：

2、第一方面，本申請實施例提供了一種大容量推進電機聲振異響特征識別方法，該方法包括以下步驟：

3、獲取大容量推進電機平穩運行過程中的各段聲音信號，以及電機的轉速、轉子槽數和極對數；

4、基于電機的轉速和轉子槽數確定電磁噪聲的基頻；基于電磁噪聲的基頻與聲音信號在頻域上任一頻率之間的幅值差異，確定電磁噪聲的基頻與聲音信號在頻域上任一頻率之間的相關度；

5、基于電機的轉子槽數和極對數，以及電磁噪聲的基頻確定扭矩相關頻率；基于扭矩相關頻率與聲音信號在頻域上任一頻率之間的幅值差異，確定扭矩相關頻率與聲音信號在頻域上任一頻率之間的關聯度；

6、利用相關度和關聯度作為權重對聲音信號在頻域上頻率的幅值進行加權處理，并結合主成分分析獲得聲音信號中電磁噪聲的特征向量；

7、利用電磁噪聲的特征向量訓練單分類模型，使用訓練好的單分類模型輸出待識別電機的聲音信號中聲振異響特征的識別結果。

8、優選地，所述電磁噪聲的基頻的確定方法為：

9、計算電機的轉子槽數與轉速的乘積結果，作為電磁噪聲的理論基頻；

10、在聲音信號的頻域中，將距離電磁噪聲的理論基頻最近的峰值對應的頻率作為電磁噪聲的基頻。

11、優選地，所述相關度的確定方法包括：

12、對于聲音信號在頻域上的任一頻率，獲取任一頻率的幅值；

13、獲取電磁噪聲的基頻在聲音信號的頻域上對應頻率的幅值；

14、分別獲取所述任一頻率的幅值與電磁噪聲的基頻的幅值中的最大值和最小值；

15、將最大值與最小值的取余結果進行負相關映射，確定所述相關度。

16、優選地，所述扭矩相關頻率的確定方法為：

17、獲取電機的轉子槽數與極對數的最小公倍數；

18、將最小公倍數與電磁噪聲的基頻的乘積結果，作為扭矩相關頻率。

19、優選地，所述關聯度的確定方法包括：

20、獲取扭矩相關頻率在聲音信號的頻域上對應頻率的幅值；

21、計算任一頻率的幅值與扭矩相關頻率的幅值之間的差異；

22、基于所述差異確定所述關聯度；其中，所述關聯度與所述差異呈負相關關系。

23、優選地，所述加權處理的方法為：

24、計算所述相關度與所述關聯度的和值結果；

25、將所述和值結果與任一頻率的幅值的乘積結果，作為任一頻率加權后的幅值。

26、優選地，所述結合主成分分析獲得聲音信號中電磁噪聲的特征向量的具體方法包括：

27、將每個電機的聲音信號在頻域上的所有頻率加權后的幅值進行歸一化后，分別作為特征矩陣中的每行；

28、獲取特征矩陣的協方差矩陣分解后的多個特征向量；按照特征向量的貢獻率將協方差矩陣分解后的特征向量按照從大到小排序；

29、按照排序順序將特征向量的貢獻率依次相加，直到依次相加的和值大于預設閾值時，選擇此時的特征向量及其之前的所有特征向量，作為對特征矩陣進行主成分分析后的主成分，記為電磁噪聲的特征向量。

30、優選地，所述利用電磁噪聲的特征向量訓練單分類模型，使用訓練好的單分類模型輸出待識別電機的聲音信號中聲振異響特征的識別結果，具體為：

31、將電磁噪聲的特征向量作為輸入，訓練單分類模型，輸出的點擊聲音信號中聲振異響的識別結果有兩種：“正常”和“聲振異響”；

32、采用待識別電機的聲音信號中電磁噪聲的特征向量作為訓練好的單分類模型的輸入，輸出該電機聲音信號中聲振異響的識別結果。

33、第二方面，本發明實施例提供一種大容量推進電機聲振異響特征識別設備，所述設備包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如第一方面所述的一種大容量推進電機聲振異響特征識別方法。

34、第三方面，本發明實施例提供一種大容量推進電機聲振異響特征識別介質，所述介質存儲有計算機程序，所述計算機程序被處理器執行時實現如第一方面所述的一種大容量推進電機聲振異響特征識別方法。

35、由以上實施例可見，本申請實施例提供的一種大容量推進電機聲振異響特征識別方法、設備及介質，至少具有如下有益效果：

36、本申請通過大容量推進電機運行時的轉速、轉子槽數和極對數，分別獲取電磁噪聲的基頻以及扭矩相關頻率，用于作為基準頻率評價聲音信號在頻域上的頻率表現情況；另外，通過結合電磁噪聲的基頻、扭矩相關頻率分別與聲音信號在頻域上任一頻率之間的幅值差異進行分析，將分析的結果對采集的聲音信號在頻域上的頻率幅值進行加權處理，針對聲音信號中與電磁噪聲相關的頻率被加強，使得電磁噪聲特征更加顯著；然后，將處理后的聲音信號進行主成分分析獲得電磁噪聲的特征向量，利用電磁噪聲的特征向量訓練單分類模型，實現對大容量推進電機聲振異響特征的識別，其有益效果在于，使用主成分分析可以進一步識別和提取電磁噪聲的特征，同時降低其他噪聲的影響，可以更有效地訓練單分類模型進行電磁噪聲的識別，從而提高大容量推進電機聲振異響的識別準確率。

技術特征：

1.一種大容量推進電機聲振異響特征識別方法，其特征在于，該方法包括以下步驟：

2.如權利要求1所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述電磁噪聲的基頻的確定方法為：

3.如權利要求2所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述相關度的確定方法包括：

4.如權利要求1所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述扭矩相關頻率的確定方法為：

5.如權利要求4所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述關聯度的確定方法包括：

6.如權利要求1所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述加權處理的方法為：

7.如權利要求6所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述結合主成分分析獲得聲音信號中電磁噪聲的特征向量的具體方法包括：

8.如權利要求1所述的一種大容量推進電機聲振異響特征識別方法，其特征在于，所述利用電磁噪聲的特征向量訓練單分類模型，使用訓練好的單分類模型輸出待識別電機的聲音信號中聲振異響特征的識別結果，具體為：

9.一種大容量推進電機聲振異響特征識別設備，其特征在于，所述設備包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至8任一項所述的一種大容量推進電機聲振異響特征識別方法。

10.一種大容量推進電機聲振異響特征識別介質，所述介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至8任一項所述的一種大容量推進電機聲振異響特征識別方法。

技術總結
本申請涉及聲音識別技術領域，具體涉及一種大容量推進電機聲振異響特征識別方法、設備及介質，該方法包括：獲取大容量推進電機平穩運行過程中的各段聲音信號；基于電磁噪聲的基頻、扭矩相關頻率分別與聲音信號在頻域上任一頻率之間的幅值差異，對聲音信號在頻域上的頻率幅值進行加權處理，并結合主成分分析獲得聲音信號中電磁噪聲的特征向量；利用電磁噪聲的特征向量訓練單分類模型，輸出待識別電機的聲音信號中聲振異響特征的識別結果。本申請旨在通過分析聲音信號中電磁噪聲的特征，并對其在主成分提取之前進行加權，從而提高大容量推進電機聲振異響的識別準確率。

技術研發人員：韓大龍,張茜楠,賀寶娟
受保護的技術使用者：陜西龍躍銳星科技有限公司
技術研發日：
技術公布日：2024/10/14