本发明专利技术公开了一种基于声纹识别的铁塔螺丝松动诊断方法及装置，涉及故障诊断技术领域。获取目标铁塔的实时铁塔信息，根据实时铁塔信息自适应确定声波发生器产生的目标声波信号；向目标铁塔发射目标声波信号，采集目标铁塔各螺丝连接处的声纹信号；针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；将目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。采用自适应主动发声体制，发声内容根据塔体型号大小环境等情况自行分析适配，大大优化声纹分析效率，通过预设的声学模型高效扫描分析全塔螺栓紧固状况，判定螺栓松动情况，提升了检测精度和工作效率。和工作效率。和工作效率。
【技术实现步骤摘要】
一种基于声纹识别的铁塔螺丝松动诊断方法及装置
[0001]本专利技术涉及故障诊断
，具体涉及一种基于声纹识别的铁塔螺丝松动诊断方法及装置。
技术介绍
[0002]输电铁塔是电力输配电工程中使用周期较长的基础设施之一，属高耸钢结构构筑物。铁塔建好后长期处在室外环境下，初始的质量状况、所处的自然环境、人为因素都可能影响到铁塔的安全使用或使用年限，而这种影响对不同运行环境、不同结构类型的铁塔也是不同的。
[0003]在长期的自然环境下，输电线路铁塔会产生螺栓松动的现象，如不及时处理，可能会造成倒塔断线事故。因螺栓数量多且结构复杂，一直以来现在还未有有效的输电铁塔螺栓紧固检测方法，目前靠敲击进行听声辨别铁塔底部螺栓紧固程度，或高空作业人员登塔进行抽样检测，来粗略判断整基杆塔的螺栓紧固程度，检测精度和工作效率均极为低下，且不能实时监测螺栓状态，不能满足日益提高的设备精益运检要求。
技术实现思路
[0004]本专利技术的目的就在于解决上述
技术介绍
的问题，而提出一种基于声纹识别的铁塔螺丝松动诊断方法及装置。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]本专利技术实施例提供了一种基于声纹识别的铁塔螺丝松动诊断方法，所述方法包括：
[0007]获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
[0008]向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
[0009]针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
[0010]将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
[0011]可选地，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
[0012]获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号包括：
[0013]获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
[0014]根据铁塔型号确定声波发生器产生的声波信号的目标频率；
[0015]根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：
[0016][0017]其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
[0018]声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
[0019]可选地，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量包括：
[0020]针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
[0021]提取所述第一声纹信息的特征，得到MFCC特征向量；
[0022]将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
[0023]可选地，针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息包括：
[0024]针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
[0025]对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
[0026]对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
[0027]对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
[0028]可选地，提取所述第一声纹信息的特征，得到MFCC特征向量包括：
[0029]使用Me l滤波器对所述第一声纹信息进行滤波，得到Me l域频谱；
[0030]对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
[0031]本专利技术实施例提供了一种基于声纹识别的铁塔螺丝松动诊断装置，所述装置包括：
[0032]自适应发声模块，用于获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；
[0033]采集模块，用于向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；
[0034]特征提取模块，用于针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；
[0035]识别模块，用于将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。
[0036]可选地，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；
[0037]自适应发声模块包括：
[0038]归一化模块，用于获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；
[0039]目标频率确定模块，用于根据铁塔型号确定声波发生器产生的声波信号的目标频率；
[0040]目标发射功率确定模块，用于根据归一化的所述实时铁塔信息自适应确定声波发
生器的目标发射功率：
[0041][0042]其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；
[0043]发声模块，用于控制声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。
[0044]可选地，特征提取模块包括：
[0045]预处理模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；
[0046]MFCC特征提取模块，用于提取所述第一声纹信息的特征，得到MFCC特征向量；
[0047]加权降维模块，用于将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。
[0048]可选地，预处理模块包括：
[0049]预加重模块，用于针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；
[0050]分帧模块，用于对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；
[0051]加窗模块，用于对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；
[0052]变换模块，用于对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。
[0053]可选地，MFCC特征提取模块包括：
[0054]滤波模块，用于使用Me l滤波器对所述第一声纹信息进行滤波，得到Me l域频谱；
[0055]离散余弦变换模块，用于对Me l域频谱取l og对数，然后进行离散余弦变换，得到MFCC特征向量。
[0056]本专利技术的有益效果：
[0057]本专利技术实施例提供了一种基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，所述方法包括：获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号；向目标铁塔发射所述目标声波信号，采集所述目标铁塔各螺丝连接处的声纹信号；针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量；将所述目标特征向量输入预设的声学模型，获得螺丝是否松动诊断识别结果。2.根据权利要求1所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，实时铁塔信息包括铁塔型号、温度、风速和螺丝数量；获取目标铁塔的实时铁塔信息，根据所述实时铁塔信息自适应确定声波发生器产生的目标声波信号包括：获取目标铁塔的实时铁塔信息，将所述实时铁塔信息中温度、风速和螺丝数量进行归一化处理，得到归一化温度、归一化风速和归一化螺丝数量；根据铁塔型号确定声波发生器产生的声波信号的目标频率；根据归一化的所述实时铁塔信息自适应确定声波发生器的目标发射功率：其中，P为目标发射功率，P0为所述目标频率对应的初始发射功率，F为归一化风速，S为归一化螺丝数量，T为归一化温度；声波发生器产生目标频率且目标发射功率的声波信号作为目标声波信号。3.根据权利要求1所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，针对每一螺丝连接处的声纹信号，提取该声纹信号的MFCC特征向量，对MFCC特征向量进行加权降维优化得到目标特征向量包括：针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息；提取所述第一声纹信息的特征，得到MFCC特征向量；将所述MFCC特征向量与预设的协方差矩阵相乘进行加权降维优化，得到目标特征向量。4.根据权利要求3所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，针对每一螺丝连接处的声纹信号，对声纹信号进行预处理，得到第一声纹信息包括：针对每一螺丝连接处的声纹信号，对声纹信号进行预加重处理，得到第一预处理声纹信息；对所述第一预处理声纹信息进行分帧处理，得到第二预处理声纹信息；对所述第二预处理声纹信息的每帧语音信号进行加窗，得到第三预处理声纹信息；对所述第三预处理声纹信息进行快速傅里叶变换，得到第一声纹信息。5.根据权利要求3所述的一种基于声纹识别的铁塔螺丝松动诊断方法，其特征在于，提取所述第一声纹信息的特征，得到MFCC特征向量包括：使用Mel滤波器对所述第一声纹信息进行滤波，得到Mel域频谱；对Mel域频谱取log对数，然后进行离散余弦变换，得到MFCC特征向量。6.一种基于声纹识别的铁塔螺丝松动诊断装置...
【专利技术属性】
技术研发人员：刘敏，
申请(专利权)人：安徽中科昊音智能科技有限公司，
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。