基于自监督和弱监督的水轮发电机组异常声音检测方法技术

本发明专利技术主要是为了解决水轮发电机组异常声音精确检测依旧面临极大挑战的问题，公开了一种基于自监督和弱监督的水轮发电机组异常声音检测方法，通过预处理操作，有效去除音频噪声，以便进行后续特征提取与分析，提高异常声音检测精度；基于提取的音频信号特征，利用大规模自监督和弱监督音频通用表征学习技术训练音频信号特征提取网络模型，利用音频信号特征提取网络模型对测试集和标准集进行特征提取，对提取到的特征进行比对后得到相似程度，通过比较阈值与相似程度的大小判断测试集是否为异常声音，从而实现精确的水轮发电机组异常声音检测，适用于电厂环境噪声大，设备异常声音种类多的情形，有利于保障设备安全运转，电力稳定输出。

【技术实现步骤摘要】

本专利技术涉及音频信号处理，具体涉及一种基于大规模自监督和弱监督音频通用表征学习的水轮发电机组异常声音检测方法。

技术介绍

1、水力发电厂作为电力能源的重要来源，设备安全运转是保证电力稳定输出的重要保证。水轮发电机组是水力发电站中的核心设备，包括水轮机、发电机、增速器以及其他附属设备。水轮发电机组实时在线监测中，音频信号相对容易获取，信号分析技术相对更加成熟。因此，业界普遍在水轮发电机组中部署声音检测系统，通过声音监测来记录设备运转情况。声音监测系统一般包含采集单元、存储单元、模型单元、诊断单元以及预警单元五个部分。声音监测系统通过采集水轮发电机组不同部件的声音信号，通过存储、识别等手段，实现异常声音检测以及故障预警，提醒电厂运维人员及时停机检修。在过去的几年内，国内外通过异常声音检测技术发现了水轮机、发电机以及增速器等部件的异常情况。现有的异常声音检测方法主要有基于高斯混合模型的方法、基于支持向量机的方法以及基于神经网络的方法。

2、基于高斯混合模型的异常声音检测：高斯混合模型理论上可以拟合任意分布信号。对于异常声音检测任务，在声学特征分析和本文档来自技高网...

【技术保护点】

1.基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤S2中，采用一阶FIR数字高通滤波器实现预加重，具体表示为：

3.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤S2中，窗函数包括但不限于矩形窗、汉宁窗或汉明窗。

4.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤S2中，采用谱减法、小波阈值法或维纳滤波法实现降噪。

5.根据权利要求1所述的基...

【技术特征摘要】

1.基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤s2中，采用一阶fir数字高通滤波器实现预加重，具体表示为：

3.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤s2中，窗函数包括但不限于矩形窗、汉宁窗或汉明窗。

4.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤s2中，采用谱减法、小波阈值法或维纳滤波法实现降噪。

5.根据权利要求1所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，步骤s3中，提取的音频信号特征包括但不限于短时平均过零率、短时平均能量、短时平均幅度、梅尔频谱倒谱系数或对数梅尔频谱。

6.根据权利要求5所述的基于自监督和弱监督的水轮发电机组异常声音检测方法，其特征在于，当提取对数梅尔频谱特征时，对数梅尔频谱特征提取过程依次包括快速傅里叶变换、三角带通滤波和对数能量表示。

7.根据权...

【专利技术属性】
技术研发人员：林烨敏，王霄，杨伟业，王宁，胡志明，李德红，赵峥，陆沉，刘涛，
申请(专利权)人：国网浙江省电力有限公司紧水滩水力发电厂，
类型：发明
国别省市：