基于机器学习的电力设备多特征音频指纹故障诊断方法及系统专利查询专利号|摘要-满商公司网

基于机器学习的电力设备多特征音频指纹故障诊断方法及系统

基本信息

申请号	CN201910507832.5	申请日	-
公开（公告）号	CN110208022A	公开（公告）日	2019-09-06
申请公布号	CN110208022A	申请公布日	2019-09-06
分类号	G01M99/00（2011.01）I; G01H9/00（2006.01）I	分类	测量；测试;
发明人	田学刚; 李强; 张增寿; 王占超; 刘宇鹏; 齐同飞; 尹娜娜; 刘彩霞	申请（专利权）人	济南雷森科技有限公司
代理机构	济南圣达知识产权代理有限公司	代理人	李圣梅
地址	250014 山东省济南市历下区花园路189-1号
法律状态	-

摘要

本公开提出了基于机器学习的电力设备多特征音频指纹故障诊断方法及系统，包括：训练阶段：对训练样本进行预处理，然后进行特征提取，提取获得足以代表信号特征的12维MFCC参数和12维ΔMFCC参数作为观测序列；根据连续混合高斯HMM的特点初始化HMM模型参数，并存储参数的初始值；根据观测序列对参数的初始值进行重估，进行训练；保存重估后的HMM模型参数，则HMM模型建立完成；诊断阶段：获得测试样本，对测试样本进行特征提取，根据已经建立的HMM模型计算出观察值序列在各HMM模型下的输出概率。本公开通过声音的音色、音量的大小、频率的高低等音频特征的变化就可以判断设备是否处于不正常运行状态，甚至可以判断故障的类型和严重程度。