基于MFCC-CNN的配用电设备故障类型识别方法与流程

本发明属于故障诊断方法，涉及基于mfcc-cnn的配用电设备故障类型识别方法。

背景技术：

1、在电力领域，配用电设备在运行过程中，由于机械振动会产生声音。正常运行下的振动声音一般具有一定的规律性，但当设备发生某种故障后，由于运行状态或运行结构改变，其声音也会随之改变。比如出现机械故障时，其振动特性或部分频段内的振动能量将发生改变，因此会产生刺耳或尖锐的声音。此外，配用电设备的超负荷运行或其他故障也会引起异常的声音变化。因此，配用电设备的振动声音信号包含许多运行状态信息。

2、由于配用电设备在运行时经常处于高压、强电以及磁场等复杂环境下，不利于采用接触式传感器进行故障检测，因此可以采用基于声音信号的非接触式检测方法。传统的基于声信号判断方法是人工根据设备的异常声音，通过音色、音量、音高等音频特征的变化判断出设备是否处于不正常运行状态，甚至判别出故障的类型和严重程度。但人工判断费时费力，且效率低下。

技术实现思路

1、本发明的目的是提供一种基于mfcc-cnn的配用电设备故障类型识别方法，解决了现有技术中存在的故障诊断效率低问题。

2、本发明所采用的技术方案是，基于mfcc-cnn的配用电设备故障类型识别方法，包括以下步骤：

3、步骤1、采集配用电设备故障声音信号，并标注故障类型，得到故障数据集；

4、步骤2、对故障数据集中故障声音信号进行预处理；

5、步骤3、对预处理后的故障声音信号进行快速离散傅里叶变换，得到故障声音信号的频谱；

6、步骤4、对频谱提取梅尔频率倒谱系数，将其作为声音特征；

7、步骤5、构建基于卷积神经网的识别模型，将声音特征输入基于卷积神经网的识别模型进行训练，得到配用电设备故障识别模型；

8、步骤6、对待识别故障声音信号提取声音特征，将其输入配用电设备故障识别模型，得到故障声音信号的故障类型。

9、本发明的特点还在于：

10、故障类型包括配用电设备空载、负荷增大、铁芯结构松动。

11、预处理包括滤波、分帧、加窗。

12、滤波过程采用小波阈值滤波方法，其中，阈值函数表达式如下：

13、

14、上式中，λ是用于控制阈值大小的阈值参数。

15、基于卷积神经网的识别模型包括输入层、两个卷积层、两个池化层、全连接层及softmax输出层。

16、两个卷积层中，第一层卷积的卷积核为5×5，个数32，步长4，第二层卷积的卷积核为5×5，个数16，步长2。

17、在步骤6之前，对待识别故障声音信号进行步骤2-3的处理。

18、本发明的有益效果是：本发明基于mfcc-cnn的配用电设备故障类型识别方法，采用小波阈值滤波方法采集的故障声音信号进行去噪处理，能提高声信号的信噪比；将声音的识别分类与深度学习相结合，能提高故障诊断效率。

技术特征：

1.基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，所述故障类型包括配用电设备空载、负荷增大、铁芯结构松动。

3.根据权利要求1所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，所述预处理包括滤波、分帧、加窗。

4.根据权利要求3所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，所述滤波过程采用小波阈值滤波方法，其中，阈值函数表达式如下：

5.根据权利要求1所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，所述基于卷积神经网的识别模型包括输入层、两个卷积层、两个池化层、全连接层及softmax输出层。

6.根据权利要求5所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，两个所述卷积层中，第一层卷积的卷积核为5×5，个数32，步长4，第二层卷积的卷积核为5×5，个数16，步长2。

7.根据权利要求1所述的基于mfcc-cnn的配用电设备故障类型识别方法，其特征在于，在步骤6之前，对待识别故障声音信号进行步骤2-3的处理。

技术总结本发明公开了基于MFCC‑CNN的配用电设备故障类型识别方法，包括：采集配用电设备故障声音信号，并标注故障类型，得到故障数据集；对故障数据集中故障声音信号进行预处理；对预处理后的故障声音信号进行快速离散傅里叶变换，得到故障声音信号的频谱；对频谱提取梅尔频率倒谱系数，将其作为声音特征；构建基于卷积神经网的识别模型，将声音特征输入基于卷积神经网的识别模型进行训练，得到配用电设备故障识别模型；对待识别故障声音信号提取声音特征，将其输入配用电设备故障识别模型，得到故障声音信号的故障类型。将声音的识别分类与深度学习相结合，能提高故障诊断效率。技术研发人员：段勇,何鑫,王超,涂彬,申风玲,俞文瑾,郑浩天,印青,弋欣,王佩受保护的技术使用者：国网陕西省电力有限公司营销服务中心（计量中心）技术研发日：技术公布日：2024/1/15