【技术实现步骤摘要】
一种基于全连接神经网络的机组运行噪声抑制的处理方法
[0001]本专利技术属于水轮发电机组设备运行在线监测领域，特别涉及一种基于全连接神经网络的机组运行噪声抑制的处理方法。
技术介绍
[0002]在水轮发电机组运行时的声学监测环境下，对异常声学信号的信噪比要求较高；由于机组运行时的背景噪声大且频域范围广，传统的信号处理方法处理后的信噪比情况并不理想；在利用全连接神经网络进行信号处理后可以良好的对机组运行噪声进行抑制，并得到清晰的敲击、碰撞等异常声音信号；由此可以对机组运行时发生的设备异常状态进行报警；因此，需要设计一种基于全连接神经网络的机组运行噪声抑制的处理方法。
技术实现思路
[0003]本专利技术所要解决的技术问题是提供一种基于全连接神经网络的机组运行噪声抑制的处理方法，与传统方法相比，使用全连接神经网络抑制机组运行噪声，异常声音信号的信噪比显著提高，可以识别出水轮发电机组运行时发生的金属碰撞等故障，并且根据识别生成对应的声音样本进行抑制降噪。
[0004]为实现上述技术效果，本专利技术所采用的...
【技术保护点】
【技术特征摘要】
1.一种基于全连接神经网络的机组运行噪声抑制的处理方法，其特征在于：它包括以下步骤：S1，训练全连接神经网络：通过收集声音样本，创建包含两个隐藏层的全连接神经网络：S2，收集制作声音样本：a. 传声器收集64KHz采样率的声学信号，将信号降采样至16KHz采样率；b. 将信号以窗口长度为256个点、重叠率75%，窗口形状为汉明窗进行短时傅里叶变换，形成一个数组；并将数组按照神经网络要求进行归一化处理；S3，应用神经网络降噪：a. 将上述归一化处理后的数组输入给训练好的全连接神经网络进行预测，得到新的数组，并将数组反归一化；b. 将新的数组按照窗口长度为256个点、重叠率75%进行短时傅里叶逆变换，得到采样率为16KHz的抑制机组运行噪声的声学信号。2.根据权利要求1所述的一种基于全连接神经网络的机组运行噪声抑制的处理方法，其特征在于：步骤S1中全连接神经网络的训练方法如下：S101，在机组停机状态下，采集机组停机时设备发生金属碰撞故障的声学样本；将声学样本降采样至16KHz采样率，将数据以窗口长度为256点、75%重叠率，窗口形状为汉明窗，进行短时傅里叶变换得到一个二维数组，并对这个...
【专利技术属性】
技术研发人员：王建兰，戴秋实，李友平，韩波，徐波，郑开元，陈永雷，程波，冉应兵，司汉松，彭兵，许艳丽，李立，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。