[發(fā)明專利]一種基于MFCC特征提取的機(jī)器故障預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201310662669.2
• 申請日: 2013-12-09
• 公開（公告）號: CN103810374B
• 公開（公告）日: 2017-04-05
• 發(fā)明（設(shè)計(jì)）人: 張申;常飛;喬欣;丁一珊;王桃;胡青松
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙)32249
• 代理人: 楊曉玲

1.一種基于MFCC特征提取的機(jī)器故障預(yù)測方法，其特征在于，該故障預(yù)測方法，通過機(jī)器上安裝的聲傳感器獲得當(dāng)前機(jī)器運(yùn)行的聲音信號特征，聲音信號經(jīng)過預(yù)處理后，再將其進(jìn)行Mel變換，獲得其MFCC特征向量；根據(jù)所得MFCC特征向量對機(jī)器健康狀況進(jìn)行預(yù)測，具體聚類過程是支持向量機(jī)對機(jī)器正在運(yùn)行時所提取的MFCC特征和所存機(jī)器之前正常運(yùn)行樣本數(shù)據(jù)進(jìn)行聚類，通過投票法對聚類結(jié)果進(jìn)行分析，進(jìn)而對機(jī)器故障進(jìn)行預(yù)測；

具體實(shí)現(xiàn)過程如下：

（1）信號提取：在需要預(yù)測機(jī)器上安裝聲音傳感器，首先采集機(jī)器正常運(yùn)行時n天的數(shù)據(jù)，作為SVM分類器的對比參照可稱為樣本數(shù)據(jù)庫。然后通過聲傳感器獲取當(dāng)前機(jī)器的聲音信號作為機(jī)器故障預(yù)測的測試樣本庫。

（2）聲信號處理：針對機(jī)器正常運(yùn)行時已獲得聲音樣本庫的MFCC特征向量，將聲音樣本數(shù)據(jù)與測試數(shù)據(jù)庫分別進(jìn)行預(yù)處理，所述的預(yù)處理包括濾波、加重、分幀或加窗，然后將預(yù)處理后的聲音信號變換至與其成非線性對應(yīng)關(guān)系的Mel域，最后得到機(jī)器正常運(yùn)行時與當(dāng)前機(jī)器運(yùn)行時的MFCC特征向量；

（3）預(yù)測模型建立：首先采集機(jī)器運(yùn)行n天正常運(yùn)行時的聲音信號，經(jīng)Mel域變換后存入樣本數(shù)據(jù)庫中；將機(jī)器正常運(yùn)行n天時的MFCC特征向量樣本庫當(dāng)作SVM聚類器，然后實(shí)時采集當(dāng)前機(jī)器運(yùn)行的聲音信號，并提取其對應(yīng)的MFCC系數(shù)；SVM預(yù)測包括線性可分與線性不可分兩種情況，當(dāng)所采集信號為線性不可分時，構(gòu)建非線性SVM聚類器，采用SVM機(jī)器預(yù)測模型的非線性分類算法，最后通過非線性SVM進(jìn)行聚類分析給出該機(jī)器的健康狀況；若機(jī)器的運(yùn)行狀態(tài)在一段時間內(nèi)是平穩(wěn)的，且滿足給定的機(jī)器正常門限值，當(dāng)前機(jī)器的MFCC特征向量作為SVM聚類器的測試樣本，構(gòu)建基于SVM的機(jī)器預(yù)測模型；

（4）預(yù)測結(jié)果：將所得聚類結(jié)果使用投票法對機(jī)器進(jìn)行故障預(yù)測，對機(jī)器做出健康狀態(tài)、亞健康狀態(tài)與非健康狀態(tài)的決策；機(jī)器健康評價指標(biāo)，0.85到1之間表示機(jī)器運(yùn)行健康，0.65到0.85之間表示機(jī)器處于亞健康，0.65以下表示機(jī)器有故障；以下給出健康度的定義：

健康度δ定義為：

δ=smm]]>

式中，s_m為機(jī)器健康運(yùn)行得票數(shù)，m為機(jī)器健康預(yù)測總得票數(shù)。