一种基于时频域突变特征的微电机异音识别方法及系统技术方案

本发明专利技术公开了一种基于时频域突变特征的微电机异音识别方法及系统，该方法包括：采集被测微电机工作时的音频信号信息；对采集到的微电机音频信号信息进行预处理，得到预处理后的微电机音频信号信息；对预处理后的微电机音频信号信息进行识别分类，得到初步的音频信号分类结果；基于频域突变特征，通过梅尔频率倒谱系数与色度图方法对初步的音频信号分类结果进行识别分类，得到最终的音频信号分类结果。本发明专利技术能够通过提取微电机音频信号的时域和频域突变特征来对异音故障种类进行细分化识别，提高微电机异音识别的准确率与效率。本发明专利技术作为一种基于时频域突变特征的微电机异音识别方法及系统，可广泛应用于微电机异音检测识别技术领域。测识别技术领域。测识别技术领域。

【技术实现步骤摘要】
一种基于时频域突变特征的微电机异音识别方法及系统


[0001]本专利技术涉及微电机异音检测识别
，尤其涉及一种基于时频域突变特征的微电机异音识别方法及系统。

技术介绍

[0002]在现代工业生产中，微电机是广泛应用的一种电动机，被广泛应用于家用电器、航空航天、汽车制造、医疗设备等领域。然而，由于制造过程中的不良质量控制或者微电机长期运行等原因，会导致微电机产生异常噪声，即异音，基于微电机的结构特点，微电机异音故障的分类大致可分为机械异音故障和电磁异音故障，微电机异音会影响机器的正常运行，甚至对机器造成损害，因此需要对其进行检测和识别；微电机异音识别是现代工业生产中的一个重要问题，能够帮助企业及时发现微电机故障，提高生产效率和产品品质。目前，大多数企业仍然采用传统的人工听音鉴别方法，现有技术存在一种基于噪声特征的微电机智能品控方法，该方法运用机器学习，建立微电机故障智能识别模型，以判定微电机是否存在品质缺陷。但是，该方法将正常、缺陷两种类型以及细分缺陷类型与噪声特征之间的关系视为黑箱，判定的准确性依赖于用于训练的样本的数量，而大样本训练成本高、周期长，不利于工业企业应用。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于时频域突变特征的微电机异音识别方法及系统，能够通过提取微电机音频信号的时域和频域突变特征来对异音故障种类进行细分化识别，提高微电机异音识别的准确率与效率。
[0004]本专利技术所采用的第一技术方案是：一种基于时频域突变特征的微电机异音识别方法，包括以下步骤：通过环境降噪音频采集装置采集被测微电机工作时的音频信号信息；根据人耳听音特性，对采集到的微电机音频信号信息进行预处理，得到预处理后的微电机音频信号信息；基于提取时域突变特征，对预处理后的微电机音频信号信息进行识别分类，得到初步的音频信号分类结果，所述初步的音频信号分类结果包括第一待识别声音与第二待识别声音；基于频域突变特征，通过梅尔频率倒谱系数与色度图方法对初步的音频信号分类结果进行识别分类，得到最终的音频信号分类结果。
[0005]进一步，所述根据人耳听音特性，对采集到的微电机音频信号信息进行预处理，得到预处理后的微电机音频信号信息这一步骤，其具体包括：根据人耳听音的音频频率范围，设定低频噪音频率阈值；将采集到的微电机音频信号信息中低于低频噪音频率阈值的音频信号进行带通滤波处理，得到滤波后的微电机音频信号信息；
对滤波后的微电机音频信号信息进行预加重处理，得到增强后的微电机音频信号信息；对增强后的微电机音频信号信息进行分帧加窗处理，得到预处理后的微电机音频信号信息。
[0006]进一步，所述基于提取时域突变特征，对预处理后的微电机音频信号信息进行识别分类，得到初步的音频信号分类结果这一步骤，其具体包括：对预处理后的微电机音频信号信息进行均方根值计算处理，得到微电机音频信号信息的均方根值；根据微电机音频信号信息的均方根值，提取预处理后的微电机音频信号信息每个周期的短时能量；获取预处理后的微电机音频信号信息当前周期的短时能量与预处理后的微电机音频信号信息下一周期的短时能量之间的比值；设置一个突变系数阈值，判断到所述比值等于或大于所述突变系数阈值，则所述预处理后的微电机音频信号信息属于第一待识别声音；判断到所述比值小于所述突变系数阈值，则所述预处理后的微电机音频信号信息属于第二待识别声音；整合第一待识别声音和第二待识别声音，构建初步的音频信号分类结果。
[0007]进一步，所述根据微电机音频信号信息的均方根值，提取预处理后的微电机音频信号信息每个周期的短时能量这一步骤，其具体包括：根据微电机音频信号信息的均方根值，计算预处理后的微电机音频信号信息的每一周期序列帧的能量和预处理后的微电机音频信号信息的总能量；获取预处理后的微电机音频信号信息的每一周期序列帧的能量和预处理后的微电机音频信号信息的总能量的占比；根据所述占比，通过短时能量计算公式计算预处理后的微电机音频信号信息每个周期的短时能量。
[0008]进一步，所述短时能量计算公式的表达式具体如下所示：；上式中，表示离散时间信号在时刻的样本值，表示窗函数，表示离散时间信号在时刻的短时能量，表示待计算的时刻，表示离散时间信号的自相关函数，所述离散时间信号的自相关函数表示信号在时刻和时刻之间的相似度，表示输入信号在时刻处的平方，表示系统的冲激响应，在时刻时的取值。
[0009]进一步，所述基于频域突变特征，通过梅尔频率倒谱系数与色度图方法对初步的音频信号分类结果进行识别分类，得到最终的音频信号分类结果这一步骤，其具体包括：通过Mel滤波器对预处理后的微电机音频信号信息进行滤波处理，得到Mel滤波器的滤波输出结果；对Mel滤波器的滤波输出结果进行取对数计算处理，得到微电机音频信号信息对
应频带的对数功率谱；对微电机音频信号信息对应频带的对数功率谱进行离散余弦变换，离散余弦转换将对数频谱变换到倒谱域，得到微电机音频信号信息每个周期的梅尔频率倒谱系数的参数系数；根据微电机音频信号信息每个周期的梅尔频率倒谱系数的参数系数对第一待识别声音进行识别处理，得到第一声音识别结果；对预处理后的微电机音频信号信息依次进行梅尔频率图变换与色度图计算处理，得到微电机音频信号信息的可视化色度图；基于微电机音频信号信息的可视化色度图对第二待识别声音进行识别处理，得到第二声音识别结果；整合第一声音识别结果和第二声音识别结果，得到最终的音频信号分类结果。
[0010]进一步，所述第一声音识别结果包括磁渣声故障音或正常转动声音，所述根据微电机音频信号信息每个周期的梅尔频率倒谱系数的参数系数对第一待识别声音进行识别处理，得到第一声音识别结果这一步骤，其具体包括：设置一个梅尔频率倒谱系数阈值；将微电机音频信号信息每个周期的梅尔频率倒谱系数的参数系数与梅尔频率倒谱系数阈值进行判断；判断到存在微电机音频信号信息的一个梅尔频率倒谱系数的参数系数与前后两个周期的微电机音频信号信息的梅尔频率倒谱系数的参数系数的比值大于或等于梅尔频率倒谱系数阈值，则所述微电机音频信号信息为磁渣声故障音；判断到存在微电机音频信号信息的一个梅尔频率倒谱系数的参数系数与前后两个周期的微电机音频信号信息的梅尔频率倒谱系数的参数系数的比值小于梅尔频率倒谱系数阈值，则所述微电机音频信号信息为正常转动声音。
[0011]进一步，所述第二声音识别结果包括内部零件松动故障音或装配不良故障音，所述基于微电机音频信号信息的可视化色度图对第二待识别声音进行识别处理，得到第二声音识别结果这一步骤，其具体包括：对微电机音频信号信息的可视化色度图中的声音频率成分进行分析，得到分析结果；若所述分析结果为微电机音频信号信息的可视化色度图中的声音频率成分集中于高频段区间，则所述微电机音频信号信息为装配不良故障音，所述高频段区间为6000Hz
‑
8000Hz；若所述分析结果为微电机音频信号信息的可视化色度图中的声音频率成分集中于低频段区间，则所述微电机音频信号信息为内部零件松动故障音，所述低频段区间为0<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时频域突变特征的微电机异音识别方法，其特征在于，包括以下步骤：通过环境降噪音频采集装置采集被测微电机工作时的音频信号信息；根据人耳听音特性，对采集到的微电机音频信号信息进行预处理，得到预处理后的微电机音频信号信息；基于提取时域突变特征，对预处理后的微电机音频信号信息进行识别分类，得到初步的音频信号分类结果，所述初步的音频信号分类结果包括第一待识别声音与第二待识别声音；基于频域突变特征，通过梅尔频率倒谱系数与色度图方法对初步的音频信号分类结果进行识别分类，得到最终的音频信号分类结果。2.根据权利要求1所述一种基于时频域突变特征的微电机异音识别方法，其特征在于，所述根据人耳听音特性，对采集到的微电机音频信号信息进行预处理，得到预处理后的微电机音频信号信息这一步骤，其具体包括：根据人耳听音的音频频率范围，设定低频噪音频率阈值；将采集到的微电机音频信号信息中低于低频噪音频率阈值的音频信号进行带通滤波处理，得到滤波后的微电机音频信号信息；对滤波后的微电机音频信号信息进行预加重处理，得到增强后的微电机音频信号信息；对增强后的微电机音频信号信息进行分帧加窗处理，得到预处理后的微电机音频信号信息。3.根据权利要求2所述一种基于时频域突变特征的微电机异音识别方法，其特征在于，所述基于提取时域突变特征，对预处理后的微电机音频信号信息进行识别分类，得到初步的音频信号分类结果这一步骤，其具体包括：对预处理后的微电机音频信号信息进行均方根值计算处理，得到微电机音频信号信息的均方根值；根据微电机音频信号信息的均方根值，提取预处理后的微电机音频信号信息每个周期的短时能量；获取预处理后的微电机音频信号信息当前周期的短时能量与预处理后的微电机音频信号信息下一周期的短时能量之间的比值；设置一个突变系数阈值，判断到所述比值等于或大于所述突变系数阈值，则所述预处理后的微电机音频信号信息属于第一待识别声音；判断到所述比值小于所述突变系数阈值，则所述预处理后的微电机音频信号信息属于第二待识别声音；整合第一待识别声音和第二待识别声音，构建初步的音频信号分类结果。4.根据权利要求3所述一种基于时频域突变特征的微电机异音识别方法，其特征在于，所述根据微电机音频信号信息的均方根值，提取预处理后的微电机音频信号信息每个周期的短时能量这一步骤，其具体包括：根据微电机音频信号信息的均方根值，计算预处理后的微电机音频信号信息的每一周期序列帧的能量和预处理后的微电机音频信号信息的总能量；获取预处理后的微电机音频信号信息的每一周期序列帧的能量和预处理后的微电机
音频信号信息的总能量的占比；根据所述占比，通过短时能量计算公式计算预处理后的微电机音频信号信息每个周期的短时能量。5.根据权利要求4所述一种基于时频域突变特征的微电机异音识别方法，其特征在于，所述短时能量计算公式的表达式具体如下所示：；上式中，表示离散时间信号在时刻的样本值，表示窗函数，表示离散时间信号在时刻的短时能量，表示待计算的时刻，表示离散时间信号的自相关函数，所述离散时间信号的自相关函数表示信号在时刻和时刻之间的相似度，表示输入信号在时刻处的平方，表示系统的冲激响应，在时刻时的取值。6.根据权利要求5所述一种基于时频域突变特征的微电机异音识别方法，其特征在于，所述基于频域突变特征，通过梅尔频率倒谱系数与色度图方法对初步的音频信号分类结果进行识别分类，得...

【专利技术属性】
技术研发人员：陈为林，高泉龙，卢清华，邱意想，李涛，
申请(专利权)人：广东敏卓机电股份有限公司，
类型：发明
国别省市：