【技术实现步骤摘要】
本专利技术涉及工业设备故障诊断与音频分析，具体地涉及一种机器异常声音检测方法、系统及存储介质。
技术介绍
1、在智能制造背景下，机器设备的运行状态监测与故障预警技术日益受到关注。其中，基于异常声音的检测方法因其非接触式采集、快速响应和低成本等优势，已成为工业场景中重要的监测手段。随着技术的发展，该领域的方法已从传统的声学特征提取与分类模式，逐步演进为基于深度学习的端到端解决方案。目前主流技术可分为生成式和判别式两大类方法，各具特点但也存在明显局限性。
2、生成式方法以自动编码器为代表，采用无监督学习模式。通过对正常声音数据进行编码与重建，利用输入与输出音频之间的重建误差作为异常度指标。这类方法在训练阶段仅依赖正常样本，属于无监督声音异常监测模式。典型工作如插值型深度神经网络，通过预测被遮蔽的音频频谱图增强了对动态突变信号的建模能力。然而，这类方法存在两个主要缺陷：首先，基于频谱图的建模方式难以直接实现异常判断，导致误报率较高；其次，对复杂工业声音中的局部异常特征捕捉能力有限。
3、判别式方法则采用监督学习范式，通...
【技术保护点】
1.一种机器异常声音检测方法，其特征在于，所述检测方法包括：
2.根据权利要求1所述的检测方法，其特征在于，所述第一分阶段处理单元、第二分阶段处理单元和/或第三分阶段处理单元包括：
3.根据权利要求2所述的检测方法，其特征在于，所述TFDDC模块包括：
4.根据权利要求2所述的检测方法，其特征在于，所述TFFI模块包括：
5.根据权利要求4所述的检测方法，其特征在于，所述时频协同注意力层包括：
6.根据权利要求1所述的检测方法，其特征在于，所述异常声音检测模型的训练方法包括：
7.根据权利要求1所...
【技术特征摘要】
1.一种机器异常声音检测方法，其特征在于，所述检测方法包括：
2.根据权利要求1所述的检测方法，其特征在于，所述第一分阶段处理单元、第二分阶段处理单元和/或第三分阶段处理单元包括：
3.根据权利要求2所述的检测方法，其特征在于，所述tfddc模块包括：
4.根据权利要求2所述的检测方法，其特征在于，所述tffi模块包括：
5.根据权利要求4所述的检测方法，其特征在于，所述时频协同注意力层包括：
6.根据权利要求1所述的检测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：林翌臻，黎勇，邵坚铭，孙顺凯，舒梦，钱杰，徐伟民，
申请(专利权)人：浙江中烟工业有限责任公司，
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。