[发明专利]基于压缩神经网络的设备异常工况声纹分析算法

权利要求书

1.一种基于压缩神经网络的设备异常工况声纹分析算法，其特征在于：包括设备异常工况声纹分析系统、设备运行情况的视频数据和变量数据；

所述设备异常工况声纹分析系统包括：

正常设备声纹数据库，其内存储有设备正常运行时的声纹图谱数据；

异常设备声纹数据库，其内存储有设备异常运行时的声纹图谱数据；

设备音频采集单元，其利用在线声音收集工具实时采集设备运行音频，并通过音频分析工具将所采集音频进行音频图谱化；

声纹匹配单元，基于正常设备声纹数据库对设备运行声纹进行声纹匹配，实时监测设备运行状态：

当设备运行声纹与正常设备声纹数据库内对应声纹一致时，判定该设备无异常：将该设备运行声纹实时更新至正常设备声纹数据库内；当设备运行声纹与正常设备声纹数据库内对应声纹不一致时，判定该设备异常并发出预警信号；

所述视频数据输入至由压缩神经网络和全连接神经网络组成的网络模型架构中，将所述变量数据直接输入至全连接神经网络，获得所述视频数据和变量数据的识别结果，基于所述视频数据和变量数据组成的大数据深度学习后，完成网络模型架构参数设置，获得目标网络模型架构；获取待检测视频数据和待检测变量数据，将所述待检测视频数据和待检测变量数据输入到目标网络模型架构，检测所述待检测数据中的设备运行情况是否存在异常，若异常进行分类并发送报警指示信息。

2.根据权利要求1所述的一种基于压缩神经网络的设备异常工况声纹分析算法，其特征在于：

所述视频数据输入至由压缩神经网络和全连接神经网络组成的网络模型架构中，将所述变量数据直接输入至全连接神经网络，获得所述视频数据和变量数据的识别结果，具体包括：将所述视频数据输入至压缩神经网络，经过卷积层和池化层进行处理，获得特征降维后的压缩数据，将压缩数据输入至全连接神经网络的全连接层；获得与所述视频数据对应的变量数据，将所述变量数据加入至压缩神经网络的全连接层与压缩数据进行拼接获得目标数据；将目标数据经过全连接神经网络的隐藏层进行运算处理，获得所述视频数据和变量数据的识别结果。