一种螺杆水冷机组的好音稳定预警方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种螺杆水冷机组的好音稳定预警方法、装置及存储介质，方法包括：导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集。本发明专利技术能够进一步提高了音频识别准确率，克服了传统好音稳定预警的工作量大、效率低下和准确率不够的缺陷，能自动对大量的音频数据进行智能检测和识别，实时检测出的音频数据，为好音稳定预警做及时地干预，具有了效率高，稳定性强以及准确率高的特点。

【技术实现步骤摘要】
一种螺杆水冷机组的好音稳定预警方法、装置及存储介质
本专利技术主要涉及音频识别
，具体涉及一种螺杆水冷机组的好音稳定预警方法、装置及存储介质。
技术介绍
好音稳定预警本质上属于一种模式识别技术，在实际生活应用中，人们直观的对于音频的感官识别是基于音频层次最高层的语意层的，而且音频容易受到环境和传输转化设备的影响。由于音频数据存在非人性化的风险、远程控制、低准确度和复杂性，它并不十分可靠。同时还有许多其它因素影响其准确性，比如说，声音样本的质量、情绪、背景噪音以及随着时间推移声音的变化等。目前还难以依靠仪器自动识别和识别，无法保证较高的识别准确率，同时，还难以实时判断和及时地预警。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种螺杆水冷机组的好音稳定预警方法、装置及存储介质。本专利技术解决上述技术问题的技术方案如下：一种螺杆水冷机组的好音稳定预警方法，包括如下步骤：导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集；构建训练模型，并根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型；对所述音频识别模型进行优化处理，得到音频识别优化模型；根据所述音频识别优化模型对待识别音频数据进行识别处理，得到音频数据的识别结果。本专利技术解决上述技术问题的另一技术方案如下：一种螺杆水冷机组的好音稳定预警装置，包括：数据清洗模块，用于导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；特征提取模块，用于分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集；模型训练模块，用于构建训练模型，并根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型；优化处理模块，用于对所述音频识别模型进行优化处理，得到音频识别优化模型；好音稳定预警模块，用于根据所述音频识别优化模型对待识别音频数据进行识别处理，得到音频数据的识别结果。本专利技术解决上述技术问题的另一技术方案如下：一种螺杆水冷机组的好音稳定预警装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的螺杆水冷机组的好音稳定预警方法。本专利技术解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的螺杆水冷机组的好音稳定预警方法。本专利技术的有益效果是：通过分别对多个原始音频数据的数据清洗得到多个目标音频数据，可以筛除含缺失值的数据，还可以分析出更多有用信息的数据以及对识别和识别影响更大的信息，便于根据得到的目标音频数据制作数据集，从而便于获得识别和识别准确率更高的识别模型，分别对多个目标音频数据的特征提取，得到特征点数据集，构建训练模型并根据特征点数据集对训练模型的训练得到音频识别模型，能有效提高对好音稳定预警的可靠性和稳定性，根据预设调整参数对音频识别模型的优化处理得到音频识别优化模型，根据音频识别优化模型对待识别音频数据的识别处理得到音频数据的识别结果，能够进一步提高了音频识别准确率，克服了传统好音稳定预警的工作量大、效率低下和准确率不够的缺陷，能自动对大量的音频数据进行智能检测和识别，实时检测出的音频数据，为好音稳定预警做及时地干预，具有了效率高，稳定性强以及准确率高的特点。附图说明图1为本专利技术实施例提供的螺杆水冷机组的好音稳定预警方法的流程示意图；图2为本专利技术实施例提供的螺杆水冷机组的好音稳定预警装置的模块框图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。图1为本专利技术实施例提供的螺杆水冷机组的好音稳定预警方法的流程示意图。如图1所示，一种螺杆水冷机组的好音稳定预警方法，包括如下步骤：导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集；构建训练模型，并根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型；对所述音频识别模型进行优化处理，得到音频识别优化模型；根据所述音频识别优化模型对待识别音频数据进行识别处理，得到音频数据的识别结果。应理解地，数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。应理解地，根据所述预设调整参数对所述音频识别模型进行优化处理，得到音频识别优化模型。具体地，利用人工手动调参方法进行参数调优，能保证得到所述音频识别模型对应的最优参数，能进一步确保所述音频识别优化模型对音频的识别准确率，实时地检测出音频样放电的音频数据，为临床做及时地干预。上述实施例中，通过分别对多个原始音频数据的数据清洗得到多个目标音频数据，可以筛除含缺失值的数据，还可以分析出更多有用信息的数据以及对识别和识别影响更大的信息，便于根据得到的目标音频数据制作数据集，从而便于获得识别和识别准确率更高的识别模型，分别对多个目标音频数据的特征提取，得到特征点数据集，构建训练模型并根据特征点数据集对训练模型的训练得到音频识别模型，能有效提高对好音稳定预警的可靠性和稳定性，根据预设调整参数对音频识别模型的优化处理得到音频识别优化模型，根据音频识别优化模型对待识别音频数据的识别处理得到音频数据的识别结果，能够进一步提高了音频识别准确率，克服了传统好音稳定预警的工作量大、效率低下和准确率不够的缺陷，能自动对大量的音频数据进行智能检测和识别，实时检测出的音频数据，为好音稳定预警做及时地干预，具有了效率高，稳定性强以及准确率高的特点。可选地，作为本专利技术的一个实施例，所述分别对各个所述目标音频数据进行特征提取，得到对应的特征点的过程包括：分别对多个所述目标音频数据进行降维处理，得到多个降维后的音频数据；利用预设的语谱图分别对多个所述降维后的音频数据进行特征提取，得到多个特征点。应理解地，在机器学习和统计学领域，降维是指在某些限定条件下，降低随机变量个数，得到一组“不相关”主变量的过程。对数据进行降维一方面可以节省计算机的储存空间，另一方面可以剔除数据中的噪声并提高机器学习算法的性能；数据降维的根本：降低数据维度、降维后的数本文档来自技高网...

【技术保护点】
1.一种螺杆水冷机组的好音稳定预警方法，其特征在于，包括如下步骤：/n导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；/n分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集；/n构建训练模型，并根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型；/n对所述音频识别模型进行优化处理，得到音频识别优化模型；/n根据所述音频识别优化模型对待识别音频数据进行识别处理，得到音频数据的识别结果。/n

【技术特征摘要】
1.一种螺杆水冷机组的好音稳定预警方法，其特征在于，包括如下步骤：
导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音频数据，得到多个目标音频数据，所述原始音频数据是通过螺杆水冷机组设备得到的；
分别对各个所述目标音频数据进行特征提取，得到对应的特征点，并集合提取到的所有的特征点得到特征点数据集；
构建训练模型，并根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型；
对所述音频识别模型进行优化处理，得到音频识别优化模型；
根据所述音频识别优化模型对待识别音频数据进行识别处理，得到音频数据的识别结果。


2.根据权利要求1所述的螺杆水冷机组的好音稳定预警方法，其特征在于，所述分别对各个所述目标音频数据进行特征提取，得到对应的特征点的过程包括：
分别对多个所述目标音频数据进行降维处理，得到多个降维后的音频数据；
利用预设的语谱图分别对多个所述降维后的音频数据进行特征提取，得到多个特征点。


3.根据权利要求1所述的螺杆水冷机组的好音稳定预警方法，其特征在于，所述根据所述特征点数据集对所述训练模型进行训练，得到音频识别模型的过程包括：
S1：将所述特征点数据集随机划分成特征点训练集和特征点测试集；
S2：基于支持向量机算法构建模型，得到支持向量机结构；
S3：将所述特征点训练集和所述特征点测试集一并输入所述支持向量机结构进行最优识别超平面的寻找，得到最优识别超平面,并根据所述最优识别超平面得到支持向量集和VC可信度；
S4：根据所述VC可信度对所述支持向量集进行判别处理，得到判别函数，并根据所述判别函数生成训练模型；
S5：根据所述特征点训练集和所述特征点测试集对所述训练模型进行模型筛选处理，得到音频识别模型。


4.根据权利要求3所述的螺杆水冷机组的好音稳定预警方法，其特征在于，所述步骤S5的过程包括：
S51：根据预设迭代训练次数将所述特征点训练集输入至所述训练模型中进行迭代训练，得到第一检测模型；
S52：将所述特征点测试集输入所述第一检测模型中进行检测，得到第一准确率，并判断所述第一准确率是否达到预设预期值，若是，则将所述第一检测模型作为音频识别模型，再对所述音频识别模型进行优化处理，若否，则执行步骤S53；
S53：根据所述预设迭代训练次数将所述特征点测试集输入至所述训练模型进行迭代训练，得到第二检测模型；
S54：将所述特征点训练集输入所述第二检测模型中进行检测，得到第二准确率；
S55：判断所述第二准确率是否达到所述预设预期值，若是，则将所述第二检测模型作为所述音频识别模型，再对所述音频识别模型进行优化处理，若否，则返回所述步骤S1。


5.一种螺杆水冷机组的好音稳定预警装置，其特征在于，包括：
数据清洗模块，用于导入多个原始音频数据，并对多个所述原始音频数据进行数据清洗，经数据清洗后剩余的原始音频数据作为目标音...

【专利技术属性】
技术研发人员：刘军，张健行，侯青，徐梓涵，孙思琪，刘洋，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42