公开(公告)号：CN115064182A

公开(公告)日：2022-09-16

申请号：CN202210380360.3

申请日：2022-04-12

Applicant: 东南大学

Inventor： 陈从颜 ,  丁兰飒 ,  刘浩 ,  林施旗

IPC: G10L25/24 ,  G10L25/51 ,  G06K9/62

Abstract: 本发明提供了一种自适应梅尔滤波器在强噪声环境下风机故障特征识别方法，包括以下步骤：S1：采集车间风机设备运行时产生的声音信号；S2：对步骤S1采集到的声音信号进行预处理，增强目标信号；S3：提取预处理后声音信号的基频，采用短时自相关法求出每帧信号的基频；S4：设计自适应梅尔滤波器，以每帧信号为研究对象，添加以该帧基频为中心频率的滤波器，重新构建梅尔滤波器组，声音信号经自适应梅尔滤波器滤波后得到特征参数；S5：将步骤S1采集的声音信号加入不同强度的噪声，经步骤S4提取特征后送到训练好的SVM模型中，观察声学特征在不同噪声强度环境下的识别结果。本发明设计了自适应梅尔滤波器，提高强噪声环境下风机故障诊断的效率和可靠性。

公开(公告)号：CN114358082B

公开(公告)日：2024-12-13

申请号：CN202210013794.X

申请日：2022-01-06

Applicant: 东南大学

Inventor： 陈从颜 ,  林施旗 ,  刘浩 ,  丁兰飒

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06F18/2411 ,  G06F18/25 ,  G06Q10/20 ,  G06Q50/06

Abstract: 本发明公开了一种基于多传感器特征融合的火电厂风机设备故障诊断方法，该方法包括以下步骤：S1：采集设备运行时产生的声音信号、振动信号及温度信号；S2：对步骤S1采集到的声音信号进行预处理；S3：对预处理后的声音信号片段、振动信号、温度信号进行特征提取，声音信号采用信号增强的梅尔倒谱系数法；S4：将步骤S3通过多传感器得到的特征向量进行特征融合，融合后的最终向量带入构建的SVM模型，获得机械设备故障情况。本发明选择多传感器特征融合的方式，将声音信号、振动信号和温度信号等进行特征融合，增强了系统捕捉动态信号的能力，更加准确的获取设备的状态，提高了异常信息检测系统的检测率。

公开(公告)号：CN114358082A

公开(公告)日：2022-04-15

申请号：CN202210013794.X

申请日：2022-01-06

Applicant: 东南大学

Inventor： 陈从颜 ,  林施旗 ,  刘浩 ,  丁兰飒

IPC: G06K9/00 ,  G06K9/62 ,  G06Q10/00 ,  G06Q50/06

Abstract: 本发明公开了一种基于多传感器特征融合的火电厂风机设备故障诊断方法，该方法包括以下步骤：S1：采集设备运行时产生的声音信号、振动信号及温度信号；S2：对步骤S1采集到的声音信号进行预处理；S3：对预处理后的声音信号片段、振动信号、温度信号进行特征提取，声音信号采用信号增强的梅尔倒谱系数法；S4：将步骤S3通过多传感器得到的特征向量进行特征融合，融合后的最终向量带入构建的SVM模型，获得机械设备故障情况。本发明选择多传感器特征融合的方式，将声音信号、振动信号和温度信号等进行特征融合，增强了系统捕捉动态信号的能力，更加准确的获取设备的状态，提高了异常信息检测系统的检测率。