一种用于实时监测应急装备发电机运行状态的声音监测装置及方法制造方法及图纸

本发明专利技术公开的用于实时监测应急装备发电机运行状态的声音监测装置及方法，通过获取被检测设备的声纹信息；对声纹信息进行预处理操作，采用声纹信息经验库对声纹信息进行相似度拟合识别并剥离杂音；构建多层感知器神经网络，采用GOA算法对多层感知器神经网络进行迭代优化模型并部署至云端服务器，实现对应急装备发电机运行状态的监测；采用可视化平台对应急装备发电机运行状态的声音进行实时监测：实时显示应急装备发电机的运行参数数据和故障数据，提高了应急装备发电机的故障排查的淮确性，通过平台进行音频画面预览，对监测到的异常声音，通过模型算法识别出故障现象，并通过平台和短信进行推送报警。平台和短信进行推送报警。平台和短信进行推送报警。

【技术实现步骤摘要】
一种用于实时监测应急装备发电机运行状态的声音监测装置及方法


[0001]本申请涉及语音识别
，并且更具体地，涉及一种声纹识别、故障状态估计的方法及装置。

技术介绍

[0002]应急装备的发电机在带电运行过程中，会产生可以表征设备本身状态的特有的声音及振动，并且这个声音是该设备独有的，利用这一特性，将被检测设备的检测声纹信息与正常的声纹信息进行对比可以预判设备的工作状况，实现在设备发生故障前提前预知和排除，提前发现安全隐患，保障设备平稳运行。
[0003]在很多场景下，需要对声音特征集中的应急装备发电机声纹进行识别，以确定应急装备发电机声纹的运行状态。例如，在监控系统中，为了感知应急设备意图，需要对监控系统获取的声音特征集中的应急装备发电机声纹进行识别，在应急设备维护交互系统中，为了对应急设备行为进行理解，需要对应急设备维护交互系统获取的声音特征集中的应急装备发电机声纹进行识别。
[0004]为了实现对声音特征集中的应急装备发电机声纹的识别，现有方案是从待处理声音特征集提取出某些帧的音频，然后采用层感知器神经网络对音频进行特征提取，接下来再根据从音频中提取出来的频谱包络特征确定应急装备发电机的声纹属于每个运行状态的相似度，然后将相似度最大(且相似度大于预设阈值)的运行状态确定为声音特征集中的应急装备发电机的运行状态。
[0005]现有方案提取的是音频中的所有区域的特征，这些特征中包含了大量的与声纹无关的特征，因此，最终进行声纹识别的效果不好。另外，现有方案中还存在直接提取音频中的部分区域的特征来进行声纹识别的方式，但是直接简单的提取实时运行状态部分区域的特征也可能无法较好地反映应急装备发电机的声纹特征，导致声纹识别的准确率仍然较低。

技术实现思路

[0006]本申请提供一种用于实时监测应急装备发电机运行状态的声音监测方法、故障状态估计方法及装置，能够提高声纹识别的准确率。
[0007]第一方面，提供了一种用于实时监测应急装备发电机运行状态的声音监测方法，所述方法包括：确定待处理声音特征集，所述待处理声音特征集为包含应急装备发电机实时运行状态的声音特征集；根据所述待处理声音特征集确定待处理音频状态，所述待处理音频状态为下列实时运行状态中的至少一种：音色状态，根据所述待处理声音特征集中的多帧实时运行状态生成的音量状态，其中，所述音色状态为所述待处理声音特征集中的任意一帧实时运行状态，或者，所述音色状态为所述待处理声音特征集中的多帧实时运行状态合成的实时运行状态；对所述待处理音频状态进行蝗虫优化算法处理，得到多个频谱包
络特征，其中，所述多个频谱包络特征分别用于表示所述待处理音频状态不同声纹的特征；根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，其中，所述应急装备发电机部件的重要指数集合包括所述多个频谱包络特征中的每个频谱包络特征在所述应急装备发电机部件的重要指数，第一类频谱包络特征的重要指数大于或者等于第二类频谱包络特征的重要指数，所述第一类频谱包络特征对应在所述待处理音频状态中的声纹和所述应急装备发电机部件对应在所述待处理音频状态中的声纹之间的相似度为第一相似度，所述第二类频谱包络特征对应在所述待处理音频状态中的声纹和所述应急装备发电机部件对应在所述待处理音频状态中的声纹之间的相似度为第二相似度，所述第一相似度小于或者等于所述第二相似度，所述应急装备发电机部件的数量为多个，每个应急装备发电机部件均对应一个重要指数集合；根据所述应急装备发电机部件的重要指数集合对所述多个频谱包络特征进行加权处理，得到所述应急装备发电机部件的声纹特征；
[0008]根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征；根据所述应急装备发电机的声纹特征，确定所述应急装备发电机的运行状态。
[0009]本申请中，第一类频谱包络特征的重要指数大于或者等于第二类频谱包络特征的重要指数，而第一类频谱包络特征对应在待处理音频状态中的声纹与应急装备发电机部件对应在待处理音频状态中的声纹的相似度要小于或者等于第二类频谱包络特征对应在待处理音频状态中的声纹与应急装备发电机部件对应在待处理音频状态中的声纹的相似度，因此，在本申请中，离应急装备发电机部件越近的区域对应的频谱包络特征的重要指数越大，这样能够使得待处理音频状态中与声纹密切相关的特征在声纹识别时占有较大的比重，而待处理音频状态中与声纹不太相关的特征在声纹识别时占有较小的比重，本申请在声纹识别时充分考虑了待处理音频状态不同区域的特征在声纹识别中的重要性，能够得到更加鲁棒的声纹特征，从而能够提高声纹识别的准确率。
[0010]在一种可能的实现方式中，所述根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，包括：根据所述多个频谱包络特征以及所述应急装备发电机的累计声纹信息，确定所述应急装备发电机部件的重要指数集合，其中，所述应急装备发电机的累计声纹信息用于指示当前时刻之前累计的所述应急装备发电机的声纹特征。
[0011]在确定应急装备发电机部件的重要指数集合时，通过考虑当前时刻之前应急装备发电机的累计声纹信息，能够为与声纹密切相关的频谱包络特征确定更大的重要指数，进而提高声纹识别的准确率。其中，所述当前时刻之前应急装备发电机的累计声纹信息可以通过但不限于递归神经网络获取，例如，当前时刻之前应急装备发电机的累计声纹信息可以通过长短期记忆模块来获取。
[0012]在一种可能的实现方式中，根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征，包括：对所述应急装备发电机部件的声纹特征进行加权或者组合，得到所述应急装备发电机的声纹特征。
[0013]通过对应急装备发电机部件的声纹特征进行加权或者组合，能够使得与应急装备发电机声纹关系比较密切的应急装备发电机部件的声纹特征占据较大的比重，从而使得最终得到的应急装备发电机的声纹特征能够更好地反映应急装备发电机的声纹，进而提高声
纹识别的准确率。
[0014]在一种可能的实现方式中，所述根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征，包括：每个应急装备发电机包含至少一个应急装备发电机部件。
[0015]根据应急装备发电机部件的声纹特征得到应急装备发电机部件的声纹特征，能够在部分部件被遮挡的情况下，通过该应急装备发电机部件的其它部件的声纹特征来提供声纹信息，最终使得在应急装备发电机部件部件被遮挡的情况也可以识别出应急设备运行状态。
[0016]在一种可能的实现方式中，所述待处理音频状态包括所述音色状态和所述音量状态，所述对所述待处理音频状态进行蝗虫优化算法处理，得到多个频谱包络特征，包括：对所述音色状态进行蝗虫优化算法处理，得到所述音色状态的多个频谱包络特征；对所述音量状态进行蝗虫优化算法处理，得到所述音量状态的多个频谱包络特征；所述根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，包括：根据所述音色状态的多个频谱包络特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于实时监测应急装备发电机运行状态的声音监测方法，其特征在于，包括：确定待处理声音特征集，所述待处理声音特征集为包含应急装备发电机实时运行状态的声音特征集；根据所述待处理声音特征集确定待处理音频状态，所述待处理音频状态为下列实时运行状态中的至少一种：音色状态，根据所述待处理声音特征集中的多帧实时运行状态生成的音量状态，其中，所述音色状态为所述待处理声音特征集中的任意一帧实时运行状态，或者，所述音色状态为所述待处理声音特征集中的多帧实时运行状态合成的实时运行状态；对所述待处理音频状态进行蝗虫优化算法处理，得到多个频谱包络特征，其中，所述多个频谱包络特征分别用于表示所述待处理音频状态不同声纹的特征；根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，其中，所述应急装备发电机部件的重要指数集合包括所述多个频谱包络特征中的每个频谱包络特征在所述应急装备发电机部件的重要指数，第一类频谱包络特征的重要指数大于或者等于第二类频谱包络特征的重要指数，所述第一类频谱包络特征对应在所述待处理音频状态中的声纹和所述应急装备发电机部件对应在所述待处理音频状态中的声纹之间的相似度为第一相似度，所述第二类频谱包络特征对应在所述待处理音频状态中的声纹和所述应急装备发电机部件对应在所述待处理音频状态中的声纹之间的相似度为第二相似度，所述第一相似度小于或者等于所述第二相似度，所述应急装备发电机部件的数量为多个，每个应急装备发电机部件均对应一个重要指数集合；根据所述应急装备发电机部件的重要指数集合对所述多个频谱包络特征进行加权处理，得到所述应急装备发电机部件的声纹特征；根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征；根据所述应急装备发电机的声纹特征，确定所述应急装备发电机的运行状态。2.如权利要求1所述的方法，其特征在于，根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，包括：根据所述多个频谱包络特征以及所述应急装备发电机的累计声纹信息，确定所述应急装备发电机部件的重要指数集合，其中，所述应急装备发电机的累计声纹信息用于指示当前时刻之前累计的所述应急装备发电机的声纹特征。3.如权利要求1或2所述的方法，其特征在于，所述根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征，包括：对所述应急装备发电机部件的声纹特征进行加权或者组合，得到所述应急装备发电机的声纹特征。4.如权利要求1或2所述的方法，其特征在于，所述根据所述应急装备发电机部件的声纹特征确定所述应急装备发电机的声纹特征，包括：每个应急装备发电机包含至少一个应急装备发电机部件。5.如权利要求1
‑
4中任一项所述的方法，其特征在于，所述待处理音频状态包括所述音色状态和所述音量状态，所述对所述待处理音频状态进行蝗虫优化算法处理，得到多个频谱包络特征，包括：对所述音色状态进行蝗虫优化算法处理，得到所述音色状态的多个频谱包络特征；对所述音量状态进行蝗虫优化算法处理，得到所述音量状态的多个频谱包络特征；
所述根据所述多个频谱包络特征确定所述应急装备发电机的应急装备发电机部件的重要指数集合，包括：根据所述音色状态的多个频谱包络特征分别确定所述应急装备发电机部件的第一类重要指数集合；根据所述音量状态的多个频谱包络特征确定所述应急装备发电机部件的第二类重要指数集合；所述根据所述应急装备发电机部件的重要指数集合对所述多个频谱包络特征进行加权处理，得到所述应急装备发电机部件的声纹特征，包括：根据所述第一类重要指数集合对所述音色状态的多个频谱包络特征进行加权处理，得到所述应急装备发电机部件的第一类声纹特征；根据所述第二类重要指数集合对所述音量状态的多个频谱包络特征进行加权处理，得到所述应急装备发电机部件...

【专利技术属性】
技术研发人员：韩志骏，隋灿，康文明，许永刚，宫梓超，韩洪，赵太峰，张飞，
申请(专利权)人：国网山东省电力公司应急管理中心，
类型：发明
国别省市：