基于自编码器的设备声信号特征提取与故障检测.pdfVIP

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1故障检测系统2

1.2.2故障检测技术3

1.3本文的研究内容及组织结构5

第二章理论基础7

2.1机器学习算法7

2.1.1有监督学习8

2.1.2半监督学习9

2.1.3无监督学习9

2.2声信号预处理11

2.2.1预加重11

2.2.2分帧11

2.2.3加窗12

2.3常用的声学特征12

2.3.1线性预测系数13

2.3.2Mel语谱图13

2.3.3Mel频率倒谱系数14

2.3.4Gammatone频率倒谱系数15

2.4常用的语音增强技术16

谱减法16

2.4.2维纳滤波法17

2.4.3最小均方误差估计法18

2.4.4基于深度学习的增强方法20

第三章基于改进声学特征与自编码器的故障检测模型23

3.1声学特征示意图23

3.2改进声学特征MAF24

3.3基于自编码器的故障检测模型25

3.4实验与结果分析27

3.4.1实验环境27

3.4.2数据集27

3.4.3评价指标28

3.4.4实验结果与分析28

3.5本章小结29

第四章基于语音增强技术的无监督故障检测模型31

4.1噪声估计方法31

4.1.1原始噪声估计方法31

4.1.2语音活动检测31

4.2优化的语音增强方法MMSEE32

4.3优化语音增强方法的故障检测模型34

4.4实验与结果分析35

4.4.1实验环境与参数设置35

4.4.2数据集36

4.4.3语音增强效果对比37

4.4.4实验结果与分析38

本章小结40

第五章设备故障检测平台的设计与实现41

5.1故障检测需求功能分析41

5.2设备故障检测平台的设计与实现42

5.2.1智能故障检测子系统42

5.2.2智能故障管理子系统44

5.3系统测试50

5.3.1测试目标与环境50

5.3.2系统测试51

5.4本章小结54

第六章总结与展望57

6.1总结57

6.2展望57

参考文献59

在学期间取得的科研成果67

致谢69

摘要

随着企业生产设备的复杂性和生产规模不断增加，当设备运行异常时，若不能

及时发现并解决，会引发整个生产线的全面停运，给企业带来巨大的经济损失，甚

至会造成人员伤亡。人工巡查是极大的资源浪费，采用人工智能算法对设备运行状

态进行实时监测，可降低成本、提升检测效率。本文对故障检测算法进行研究，提

出基于声学特征和语音增强的无监督故障检测方法，主要研究内容如下：

（1）针对设备异常信息少，单一的声信号特征在检测