[发明专利]一种基于声学特征的设备故障检测方法

摘要

本发明公开了一种基于声学特征的设备故障检测方法，涉及故障检测技术领域。该干扰音分离计算方法，采用如下步骤：S11、将峭度作为信号非高斯性的度量。该基于声学特征的设备故障检测方法，通过麦克风阵列采集变电设备工作时的声音，基于负熵独立成分分析的干扰音分离技术提取独立源声音信号，基于二维主成分分析对声音数据进行降维处理提取主要频谱特征信息，基于多值决策图对声音信号分类实现故障诊断，最后基于加权多信号分类的电力设备故障定位，实现了实时在线故障检测的目的，可以准确及时的判断设备故障类型及信息，提高工作效率的同时方便了使用者的使用。

主权项

1.一种干扰音分离计算方法，其特征在于：采用如下步骤：S11、将峭度作为信号非高斯性的度量，具体算法如下：Kurt(x)＝E(x⁴)‑3(E(x²))²；S12、基于负熵最大方向的算法实现顺序地提取独立源信号，具体算法如下：J(x)＝H(x_gauss)‑H(x)；S13、寻找独立分量的负熵独立成分，具体操作如下：S13.1、对数据进行中心化，使其均值为0，；白化数据，给出z；S13.2、选取一个居中单位范数的初始化向量w，可随机选取；S13.3、更新w，运用如下公式：w←w‑E{zg(w^Tz)}‑E{g’(w^Tz)}wS13.4标准化w，运用如下公式：w←w/||w||若没有收敛则循环迭代，则直到收敛为止；S14、用样本的平均值估计，则使用对称正交化估计多个独立分量的负熵独立成分，具体操作如下：S14.1、对数据进行中心化，使其均值为0；白化数据，给出z；S14.2、选择m，即需要估计的独立分量个数；S14.3、初始化所有wi，其中每一个wi都有单位范数。然后用第五步的方法对矩阵进行正交化；S14.4、更新每个wi，运用如下公式：S14.5、对矩阵W进行对称正交化，运用如下公式：W←(WW^T)^‑1/2WW＝(w₁，…，w_m)^TS14.6、如果没收敛，则返回步骤S14.4。