一种水电机组声音信号特征频率提取方法及系统技术方案

本发明专利技术公开了一种水电机组声音信号特征频率提取方法及系统，包括获取水电机组声音信号；对所述水电机组声音信号进行多层小波分解获得各层小波系数；对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数；利用去噪后的各层小波系数重构出去噪后的声音信号；对去噪后的声音信号进行自相关分析获得相关信号；对相关信号进行频谱分析并提取得到水电机组声音信号特征频率。相关分析获得相关信号；对相关信号进行频谱分析并提取得到水电机组声音信号特征频率。本发明专利技术能够降低高斯白噪声对水电机组声音测量的干扰，提高水电机组声音测量精度，具有操作简单、测量精度高的优点。具有操作简单、测量精度高的优点。具有操作简单、测量精度高的优点。

【技术实现步骤摘要】
一种水电机组声音信号特征频率提取方法及系统


[0001]本专利技术涉及水电机组声音测量技术，具体涉及一种水电机组声音信号特征频率提取方法及系统。

技术介绍

[0002]水电厂中的水力发电机组的声音伴随运行产生，声音特性随机组运行状态变化而发生改变。机组声音信号中包含了丰富的运行状态信息，近80％的故障均可通过声音与振动信号分析发现。因此，声音监测是水电机组运行状态评价最直接有效的手段。由于受到强背景噪声与复杂电磁干扰的影响，实际测到的水电机组声音信号难以准确反映机组的真实运行状态，为了提取出最具有代表性的故障特征，关键是对声音信号进行特征频率提取。
[0003]现有测量技术主要以振动检测方法为主，由于水电机组设备庞大且处于旋转状态，振动测点有限，发电机转子等许多无法安装振动传感器的关键位置难以检测，振动测试方法能够获取的机组状态信息十分有限，且测试时传感器需要与设备接触，测试过程较为繁琐。现有声音测量方法主要依靠声级计检测，测试结果难以避免干扰噪声的影响，测试精度较低。

技术实现思路

[0004]针对现有技术的上述问题，本专利技术提供一种水电机组声音信号特征频率提取方法及系统，能够降低高斯白噪声对水电机组声音测量的干扰，提高水电机组声音测量精度，具有操作简单、测量精度高的优点。
[0005]为了解决上述技术问题，本专利技术采用的技术方案为：
[0006]一种水电机组声音信号特征频率提取方法，包括：
[0007]获取水电机组声音信号；
[0008]对所述水电机组声音信号进行多层小波分解获得各层小波系数；
[0009]对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数；利用去噪后的各层小波系数重构出去噪后的声音信号；
[0010]对去噪后的声音信号进行自相关分析获得相关信号；对相关信号进行频谱分析并提取得到水电机组声音信号特征频率。
[0011]作为本专利技术的进一步改进，所述获取水电机组声音信号是先选取水电机组声音检测点，然后采集得到水电机组声音信号。
[0012]作为本专利技术的进一步改进，所述水电机组声音检测点布置在水电机组转子制动器位置。
[0013]作为本专利技术的进一步改进，所述水电机组声音信号是指采样率大于40kHz的声音信号。
[0014]作为本专利技术的进一步改进，所述对水电机组声音信号进行多层小波分解获得各层小波系数是采用“sym6”小波基函数对水电机组声音信号进行4层小波分解。
[0015]作为本专利技术的进一步改进，所述对水电机组声音信号进行多层小波分解是将水电机组声音信号视为周期信号与白噪声信号的组合，利用自相关函数进行特征频率提取；对小波分解后的各层水电机组声音信号进行自相关分析：
[0016]低频系数S
a4
的自相关系数表现出较强的周期性，高频系数S
d4
自相关系数较高，而高频系数S
d4
～S
d1
层自相关系数均接近0，表现为随机高斯白噪声信号特点；通过小波分解后，信号中的关键频率集中在低频系数S
a4
与S
d4
内。
[0017]作为本专利技术的进一步改进，所述对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数是对4层小波分解后的系数进行软阈值去噪分析获得去噪后的各层小波系数。
[0018]一种水电机组声音信号特征频率提取系统，包括：
[0019]获取模块，用于获取水电机组声音信号；
[0020]分解模块，用于对所述水电机组声音信号进行多层小波分解获得各层小波系数；
[0021]去噪模块，用于对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数；利用去噪后的各层小波系数重构出去噪后的声音信号；
[0022]提取模块，用于对去噪后的声音信号进行自相关分析获得相关信号；对相关信号进行频谱分析并提取得到水电机组声音信号特征频率。
[0023]一种电子设备，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，所述处理器执行所述计算机程序时实现所述水电机组声音信号特征频率提取方法的步骤。
[0024]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，所述计算机程序被处理器执行时实现所述水电机组声音信号特征频率提取方法的步骤。
[0025]和现有技术相比，本专利技术具有下述优点：本专利技术以声音信号为检测对象，选取水电机组声音检测点，采集水电机组声音信号，对水电机组声音信号进行多层小波分解获得各层小波系数，对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数，利用去噪后的各层小波系数重构出去噪后的声音信号，对去噪后的声音信号进行自相关分析获得相关信号，对相关信号进行频谱分析并提取得到水电机组声音信号特征频率，能够降低高斯白噪声对水电机组声音测量的干扰，提高水电机组声音测量精度，具有操作简单、测量精度高的优点。
附图说明
[0026]图1为本专利技术实施例方法的基本流程示意图；
[0027]图2为本专利技术实施例方法的声音测点布置示意图；
[0028]图3为本专利技术实施例方法的未降噪处理声音信号频谱；
[0029]图4为本专利技术实施例方法的未降噪处理声音信号小波分解；
[0030]图5为本专利技术实施例方法的未降噪处理声音信号小波分解自相关分析结果；
[0031]图6为本专利技术实施例方法的去噪后的声音信号；
[0032]图7为本专利技术实施例方法的去噪后的声音信号频谱；
[0033]图8为本专利技术水电机组声音信号特征频率提取系统框图；
[0034]图9为一种电子设备示意图。
具体实施方式
[0035]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0036]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0037]本专利技术第一个目的是提供了一种水电机组声音信号特征频率提取方法，包括：
[0038]获取水电机组声音信号；
[0039]对所述水电机组声音信号进行多层小波分解获得各层小波系数；
[0040]对各层小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水电机组声音信号特征频率提取方法，其特征在于，包括：获取水电机组声音信号；对所述水电机组声音信号进行多层小波分解获得各层小波系数；对各层小波系数进行软阈值去噪分析获得去噪后的各层小波系数；利用去噪后的各层小波系数重构出去噪后的声音信号；对去噪后的声音信号进行自相关分析获得相关信号；对相关信号进行频谱分析并提取得到水电机组声音信号特征频率。2.根据权利要求1所述的一种水电机组声音信号特征频率提取方法，其特征在于，所述获取水电机组声音信号是先选取水电机组声音检测点，然后采集得到水电机组声音信号。3.根据权利要求2所述的一种水电机组声音信号特征频率提取方法，其特征在于，所述水电机组声音检测点布置在水电机组转子制动器位置。4.根据权利要求1所述的一种水电机组声音信号特征频率提取方法，其特征在于，所述水电机组声音信号是指采样率大于40kHz的声音信号。5.根据权利要求1所述的一种水电机组声音信号特征频率提取方法，其特征在于，所述对水电机组声音信号进行多层小波分解获得各层小波系数是采用“sym6”小波基函数对水电机组声音信号进行4层小波分解。6.根据权利要求5所述的一种水电机组声音信号特征频率提取方法，其特征在于，所述对水电机组声音信号进行多层小波分解是将水电机组声音信号视为周期信号与白噪声信号的组合，利用自相关函数进行特征频率提取；对小波分解后的各层水电机组声音信号进行自相关分析：低频系数S
a4
的自相关系数表现出较强的周期性，高频系数S
d4

【专利技术属性】
技术研发人员：何伟，宋刚伟，袁璞，聂磊，石静涛，李钧，袁娟，冯超，刘航谦，杨辉，
申请(专利权)人：国网陕西省电力有限公司安康水力发电公司，
类型：发明
国别省市：