[发明专利]一种变电站中的噪音分析方法

说明书

本发明公开了一种变电站中的噪音分析方法，属于变电站设备技术领域，首先，采集设备声音，进行预处理，获得能准确代表声音信息的声音段信号；再对声音段信号进行MFCC特征参数的提取；然后，对MFCC特征参数进行深度学习，构建一个基于卷积神经网络的模型，对该模型进行训练和测试后，输出识别结果，最后根据识别结果可以判断设备是否发出了异常噪音，从而说明设备是否存在故障。本发明解决了现有变电站中巡检机器人在判断设备故障时存在遗漏判断和误判断的情况，导致巡检结果不准确的问题。

技术领域

本发明属于变电站设备技术领域，涉及一种变电站中的噪音分析方法。

背景技术

随着巡检机器人在变电站中的广泛应用，机器人巡检能够完成人工无法完成的一些巡检任务，因此越来越多的人工巡检被机器人巡检所替代，且更智能化的巡检机器人功能也在被慢慢开发。

设备发生故障可能会从外观上体现出来，也可能会从发出的噪音上体现出来，但在机器人巡检过程中，面对某些设备的故障，可能无法从外观或者训练数据中得到设备故障的信息，如果仅仅从设备的运行状态去判断设备是否故障，当设备已经出现故障，却还在运行时，可能就会错误地判断出设备是正常工作的，这就不利于对变电站的巡检，可能造成设备故障的遗漏判断。因此，出现了从设备发出的噪音出发，通过对设备发出的噪音进行分析，从而判断设备是否发生故障的技术。

发明专利申请公开号为CN105206282A的“一种噪音采集方法及装置”，在蓝牙芯片上嵌入噪音采集通道，利用所述的噪音采集通道传递噪音信号至所述的蓝牙芯片内置的数字信号处理器，该方法通过利用现有蓝牙的可编程特性建立噪声采样通道并结合内部DSP计算性能达到较高还原度的噪声采样，但是该方法仅通过一个噪音采集通道来还原噪声，可能会发生对噪音的误判断，即可能设备并没有发出噪音，但是通过该方法却将正常声音错误判断为了噪音，如果将此方法用到巡检机器人上，可能就会造成对设备故障的误判断。

因此，针对上述问题，本发明提出了一种变电站中的噪音分析方法。

发明内容

本发明的目的在于：提供了一种变电站中的噪音分析方法，解决了现有变电站中巡检机器人在判断设备故障时存在遗漏判断和误判断的情况，导致巡检结果不准确的问题。

本发明采用的技术方案如下：

一种变电站中的噪音分析方法，包括以下步骤：

步骤1：采集设备声音，进行预处理，获得能准确代表声音信息的声音段信号，所述预处理包括依次进行预加重、分帧加窗和端点检测；

步骤2：对预处理后的声音段信号进行MFCC特征参数的提取；

步骤3：对MFCC特征参数进行深度学习，构建一个基于卷积神经网络的模型，对该模型进行训练和测试后，输出识别结果。

进一步地，所述步骤1的详细步骤包括：

步骤1.1：通过搭载麦克风阵列对不同设备的声音序列进行采集；

步骤1.2：采用一阶数据滤波器对步骤1.1采集的声音信号进行预加重，所述一阶数据滤波器的表达式为：

H(z)＝T-μz^-1，

其中，μ为预加重系数；

步骤1.3：利用交叉分帧的方法对步骤1.2预加重后的声音信号进行处理，再采用Hamming窗进行加窗处理，得到声音信号x(n)，所述Hamming窗的表达式为：

其中，n为窗的宽度；