用于故障检测的声信号分析方法、故障检测的方法、装置制造方法及图纸

本发明专利技术实施例公开了一种用于故障检测的声信号分析方法、故障检测的方法、装置。首先通过采集目标对象的声信号，然后根据预设样本特征信息从声信号中获取多组样本数据，之后对多组样本数据进行倍频程分析得到多组样本数据的预设倍数的倍频程谱，并根据每组样本数据的预设倍数的倍频程谱中目标频带的声压级确定倍频程能量比。本发明专利技术实施例提高了信号分析的准确率，解决了现有的基于叶片信号分析的过程中，存在分析得到的结果不够准确的问题。

【技术实现步骤摘要】
用于故障检测的声信号分析方法、故障检测的方法、装置
本专利技术涉及通信领域，尤其涉及一种用于故障检测的声信号分析方法、故障检测的方法、装置。
技术介绍
风力发电是产生清洁电能的重要技术手段之一，目前我国的风力发电厂逐年增加，而风机的叶片作为风电机组的重要部件，由于长期运行在交变载荷和复杂的环境中，经常会发生叶片产生裂纹等故障。随着科技的发展科研水平的提高，近年来出现了多种风机叶片故障方法，现有的方案中有利用小波分析的风机叶片声发射信号特征提取方法，也有叶片振动信号分析的故障诊断方法。但是现有的方案中，在对叶片的信号进行采集的时候并没有考虑实际场景中存在的背景因素影响，往往使得分析得到的结果不够准确。因此，在现有的基于叶片信号分析的过程中，存在分析得到的结果不够准确的问题。
技术实现思路
本专利技术实施例提供了一种用于故障检测的声信号分析方法、故障检测模型的训练方法、故障检测的方法、装置、设备及存储介质，解决了基于叶片信号分析的过程中存在分析得到的结果不够准确的问题，提高了信号分析的准确率。为了本文档来自技高网...

【技术保护点】
1.一种用于故障检测的声信号分析方法，其特征在于，所述方法包括：/n采集目标对象的声信号；/n根据预设样本特征信息从所述声信号中获取多组样本数据；/n对所述多组样本数据进行倍频程分析，得到所述多组样本数据的预设倍数的倍频程谱；/n根据每组样本数据的预设倍数的倍频程谱中目标频带的声压级，确定倍频程能量比。/n

【技术特征摘要】
1.一种用于故障检测的声信号分析方法，其特征在于，所述方法包括：
采集目标对象的声信号；
根据预设样本特征信息从所述声信号中获取多组样本数据；
对所述多组样本数据进行倍频程分析，得到所述多组样本数据的预设倍数的倍频程谱；
根据每组样本数据的预设倍数的倍频程谱中目标频带的声压级，确定倍频程能量比。


2.根据权利要求1所述的方法，其特征在于，所述根据预设样本特征信息从所述声信号中获取多组样本数据，包括：
根据预设的上限截止频率，预设的下限截止频率以及预设的滤波器的阶数对所述声信号进行滤波；
根据预设样本特征信息从滤波后的声信号中获取所述多组样本数据。


3.根据权利要求1所述的方法，其特征在于，所述对所述多组样本数据进行倍频程分析得到所述多组样本数据的预设倍数的倍频程谱，包括：
获取所述多组样本数据中每组样本数据的声频范围；
按照预设规则将每组样本数据分成多个频带；
计算每个频带的声压级，得到所述预设倍数的倍频程谱。


4.根据权利要求1所述的方法，其特征在于，所述根据每组样本数据的预设倍数的倍频程谱中目标频带的声压级确定所述倍频程能量比，包括：
从所述预设倍数的倍频程谱中的按照预设选取规则选取包含相邻的多个目标频带的至少一个目标频带组；
根据预设划分规则，将每个所述目标频带组划分为至少两个子频带组；
根据至少两个子频带组中各目标频带的声压级之和的比值确定所述倍频程能量比。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述倍频程能量比进行降维处理。


6.根据权利要求1所述的方法，其特征在于，所述目标对象包括叶片；所述采集目标对象的声信号包括：
采集所述目标对象所在风机的塔门处的声信号。


7.一种故障检测模型的训练方法，其特征在于，利用权利要求1至6任意一项所述的用于故障检测的声信号分析方法获得的所述倍频程能量比，对预设的神经网络进行训练。


8.根据权利要求7所述的方法，其特征在于，所述方法包括：
根据所述样本数据的组数以及每组样本数据中确定的倍频程能量比，确定特征矩阵；
对所述特征矩阵依次进行零均值化处理、协方差矩阵计算处理、矩阵对角化处理；
根据处理后的特征矩阵中各维度的方差确定特征向量；
根据所述特征向量对预设的神经网络进行训练。


9.一种故障检测的方法，其特征在于，所述方法包括：
采集待检测对象的目标声信号；
根据预设样本特征信息...

【专利技术属性】
技术研发人员：聂泳忠，荀兆勇，李祥兵，李洪望，周洪威，李亚妮，
申请(专利权)人：西人马深圳科技有限责任公司，
类型：发明
国别省市：广东;44