[发明专利]基于声音时频域分析的球磨机工况识别方法、系统和装置

权利要求书

1.一种基于声音时频域分析的球磨机工况识别方法，其特征在于：将声音识别技术应用于检测球磨机粉磨作业时的运行工况上，包括以下步骤：

S1、球磨机磨音数据采集和数据预处理，包括：采集球磨机在欠磨、正常磨和饱磨三种工况下磨音数据，依据采集的磨音数据建立声音库，并对声音库中磨音数据进行数据预处理；

S2、提取球磨机磨音信号频域梅尔频率倒谱系数特征向量，按照球磨机磨音信号在梅尔频率倒谱系数表现的特点，选择提取球磨机在欠磨、正常磨和饱磨的三种状况下的24维梅尔频率倒谱系数；

S3、提取球磨机磨音信号时域的短时能量特征；将梅尔频率倒谱系数特征和短时能量特征，以经典的concat特征融合方法进行特征融合；

S4、建立球磨机工况声学模型：将步骤S3融合的特征进行特征矢量量化，并将矢量量化的特征输入到HMM模型中进行训练，得到基于HMM模型的球磨机工况声学模型；

S5、球磨机工况识别系统实验测试：将一段球磨机磨音送入基于HMM模型的球磨机工况声学模型中，看是否能识别出该磨音表征的球磨机工况，测试效果是否合理。

2.根据权利要求1所述的基于声音时频域分析的球磨机工况识别方法，其特征在于：所述步骤S1中球磨机磨音数据预处理具体包括如下步骤：

S11、将采集到的三种工况下磨音数据分别切割成以2秒为单位的样本数据建立声音库，之后进行包括预加重、加窗分帧步骤在内的数据预处理；

S12、预加重采用如公式(1)所示的FIR滤波器实现，

H(z)＝1-az^-1 (1)

其中，a为预加重系数，取值0.9375，z^-1代表信号滞后一个采样周期；

S13、采用汉明窗作为加窗函数进行分帧，减少频谱泄漏。

3.根据权利要求1所述的基于声音时频域分析的球磨机工况识别方法，其特征在于：所述步骤S2提取球磨机梅尔频率倒谱系数特征的步骤如下：

S21、经过步骤S1数据预处理后，原始n时刻的磨音信号x(n)变换为x_i(m)，对x_i(m)进行FFT快速傅里叶变换，即把时域数据转变为频域数据，表达式如(2)所示；

X(i,k)＝FFT[x_i(m)] (2)

式中：x_i(m)是一帧的数值，m＝1,2,…L，i＝1,2,…,fn，L为帧长，fn为分帧后的总帧数。X(i,k)是经FFT的频域信号，i表示第i帧，k表示频域中的第k条谱线；

S22、其次对每一帧FFT后的数据计算谱线的能量E(i,k)，并计算该谱线能量通过Mel滤波器中的能量S(i,m)，表达式如(3)(4)所示；

E(i,k)＝|x(i,k)|² (3)

S23、然后，把Mel滤波器的能量取对数后做DCT离散余弦变换，表达式如(5)所示；

最后得到24维的3种不同工况下的梅尔频率倒谱系数特征；

式中，m是指第m个Mel滤波器；i是指第i帧；n是离散余弦变换的谱线。

4.根据权利要求1所述的基于声音时频域分析的球磨机工况识别方法，其特征在于：所述步骤S3包括如下具体步骤：

S31、提取球磨机三种工况下的短时能量特征，短时能量的计算公式表达式如(6)所示：

式中：x(m)为待分析的球磨机磨音信号，w(k)是窗函数，N为窗长；

S32、利用concat特征融合的方法，直接将时域短时能量特征和频域梅尔频率倒谱系数组合起来，梅尔频率倒谱系数的维数为24维，短时能量为1维，利用concat特征融合后构成25维的球磨机磨音特征。