[發明專利]電機異音檢測方法

有效

• 申請號: 201810062638.6
• 申請日: 2018-01-23
• 公開（公告）號: CN108470570B
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 曹衍龍;曹彥鵬;付偉男;楊將新;張寧
• 申請（專利權）人: 浙江大學山東工業技術研究院
• 主分類號: G10L25/51
• 分類號: G10L25/51
• 代理公司: 杭州橙知果專利代理事務所(特殊普通合伙) 33261
• 代理人: 杜放

1.電機異音檢測方法，包括以下步驟：

電機異音檢測方法，包括以下步驟：

步驟1、設定采樣頻率和采樣時長t，將電機處于空載狀態下進行音頻信號采集；

步驟2、對音頻信號進行分幀加窗處理，設置每幀的幀長L和相鄰兩幀的重疊長度M，將音頻信號分為N幀信號；

步驟3、使用6層小波包提取音頻特征；

步驟4、對小波包提取的音頻特征做主成分分析獲得特征向量；

步驟5、選取N個合格的電機音頻樣本，重復步驟2-4，分別提取每個合格的電機音頻樣本的特征向量，用合格的電機音頻樣本的特征向量訓練支持向量機，獲得合格樣本的支持向量機；

步驟6、進行電機異音診斷時，重復步驟1-4獲得電機音頻樣本的特征向量，將特征向量輸入支持向量機進行判別是否合格樣本；

步驟3中提取音頻特征包含以下步驟：

步驟3-1、對每幀信號進行6層小波包分解，計算第6層小波包各個節點能量E_6,j（j=0,1,2,3,…,63），第6層小波包具有個小波包節點；

步驟3-2、對于每個節點能量E_6,j進行歸一化處理，歸一化計算公式為：，j表示第6層的第j個小波包節點；

步驟3-3、對每一幀信號都進行上述歸一化處理，得到歸一化矩陣,其中，表示第k幀的第j個小波包節點的能量；歸一化矩陣每一行的平均值,形成列向量，,列向量作為一個采樣時長的音頻的第一組特征；

步驟3-4、求取歸一化矩陣的每一行的峰-峰值,形成列向量，選j≥3的峰-峰值作為一個采樣時長的音頻的第二組特征，；

步驟3-1中，選用db5小波基函數進行6層小波分解；將每幀信號f(t)在空間做投影得到：，其中，為小波包系數，為空間的標準正交基，j表示尺寸指標、是頻域參數，k表示位置指標、是時間參數，n表示振蕩次數，Z表示所有正整數；

將第6層小波包節點按照頻率從低到高進行排列，求取第6層小波包各個節點能量，計算公式為：，其中，表示的小波包系數。

2.如權利要求1所述的電機異音檢測方法，其特征在于：步驟2中，幀長L=1S，重疊長度M=0.5s。

3.如權利要求1所述的電機異音檢測方法，其特征在于：步驟4對音頻特征做主成分分析包括以下步驟：

步驟4-1、取M組樣本，以每個樣本的列向量作為矩陣的一列構建矩陣X，，表示第n個樣本；

以每個樣本的列向量作為矩陣的一列構建矩陣Y，,其中表示第n個樣本；M組樣本中包含合格樣本和故障樣本；

步驟4-2、將X和Y的每一行進行零均值化，即每行元素減去這一行的均值，得到零均值化矩和；

步驟4-3、求出協方差矩陣；

步驟4-4、求出協方差矩陣的特征值和特征向量，的特征值和特征向量；

步驟4-5、將的特征向量按的特征值從大到小按行排列，取前16行形成矩陣，將的特征向量按的特征值從大到小按行排列，取前16行形成矩陣，

計算小波包特征經過主成分分析過后的特征向量，；

計算小波包特征經過主成分分析過后的特征向量，。

4.如權利要求3所述的電機異音檢測方法，其特征在于：步驟5中，將每個樣本的特征向量按行排列，每行代表一個樣本，組成樣本矩陣，使用“libsvm-mat-2.91-1”開源工具包，設置SVM的參數為“-s 2 -n 0.053 -c 2 -g 0.0018”，訓練支持向量機，獲得支持向量機模型SVM-Model1；將每個樣本的特征向量按行排列，每行代表一個樣本，組成標簽矩陣，使用“libsvm-mat-2.91-1”開源工具包，設置SVM的參數為“-s 2 -n 0.071 -c 2 -g0.0029”，訓練支持向量機，獲得支持向量機模型SVM-Model2。

5.如權利要求4所述的電機異音檢測方法，其特征在于：步驟6中，進行電機異音診斷時，獲取電機在空載下的音頻，提取電機音頻的特征向量和特征向量，分別使用支持向量機模型SVM-Modell和支持向量機模型SVM-Model2進行判別，當兩個支持向量機模型都識別為合格時，該電機的音頻判定為合格樣本；只要有一個支持向量機模型識別為故障時，該電機的音頻判定為故障樣本。