[发明专利]一种基于时频域深度学习算法的空调内机噪声异常检测方法

权利要求书

1.一种基于时频域深度学习算法的空调内机噪声异常检测方法,其特征在于，该检测方法包括：

1）采集已知状况空调的原始声音信号，然后对原始声音信号进行预处理，即从原始声音信号提取有效时域声音信号；再将有效时域声音信号进行傅里叶变换得到有效频域声音信号；

2）将步骤1）得到的有效时域声音信号补齐到固定长度，将补齐后的有效时域声音信号作为第一LSTM神经网络训练的样本TRAIN_X1，并将空调状况作为第一LSTM神经网络训练的标签TRAIN_Y1，然后将带有标签的固定长度的有效时域声音信号输入到第一LSTM神经网络中，第一LSTM神经网络进行有监督的学习，训练得到全局信息检测模型；

3）从步骤1）得到的有效时域声音信号中截取定长局部信号，将截取的信号作为第二LSTM神经网络训练的样本TRAIN_X2，并将空调状况作为第二LSTM神经网络训练的标签TRAIN_Y2，然后将有标签的截取的信号输入到第二LSTM神经网络中，第二LSTM神经网络进行有监督的学习，训练得到局部信息检测模型；

4）采集待检测空调的原始声音信号，然后对原始声音信号进行预处理，即从原始声音信号中提取有效时域声音信号；再将有效时域声音信号进行傅里叶变换得到有效频域声音信号；

5) 对步骤4）得到的有效时域声音信号和有效频域声音信号分别进行阈值检测和波动检测；

6）将步骤4）得到的有效时域声音信号补齐到固定长度，然后补齐后的固定长度的有效时域声音信号作为TEST_X输入到步骤2）训练好的全局信息检测模型中进行检测，得到全局检测结果；

7）从步骤4）得到的有效时域声音信号中截取定长局部信号，然后截取的信号作为TEST_X输入到步骤3）训练好的局部信息检测模型进行检测，得到局部检测结果；

8）将步骤5）、步骤6）以及步骤7）所得检测结果进行加权融合，得到最终的检测结果。

2.根据权利要求1所述的一种基于时频域深度学习算法的空调内机噪声异常检测方法,其特征在于，步骤1)和步骤4）中，对原始声音信号进行预处理，即从原始声音信号中提取有效时域声音信号，具体过程为：

从原始声音信号中，确定有效时域声音信号的开始时刻和截止时刻，从而提取有效时域声音信号；利用斜率检测确定有效时域声音信号中近似正弦波的振动信号中从持续为负的幅值转为正幅值的时刻为效时域声音信号的开始时刻，有效时域声音信号的截止时刻为第二个高值脉冲出现时刻的前30000个抽样点对应的时刻。

3.根据权利要求1所述的一种基于时频域深度学习算法的空调内机噪声异常检测方法,其特征在于，步骤1)和步骤4）中，使用MATLAB中的fft函数对有效时域声音信号进行傅里叶变换得到有效频域声音信号。

4.根据权利要求1所述的一种基于时频域深度学习算法的空调内机噪声异常检测方法,其特征在于，步骤2）中，所述第一LSTM神经网络包括三层网络结构，第一层为LSTM层，第一层的输出为长度为512的一维向量；第二层也为LSTM层，第二层的输出为长度为64的一维向量；第三层为全连接层，经过三层网络结构后通过一个softmax层输出分类结果。

5.根据权利要求1所述的一种基于时频域深度学习算法的空调内机噪声异常检测方法,其特征在于，步骤3）中，所述第二LSTM神经网络包括三层网络结构，第一层为LSTM层，第一层的输出为长度为256的一维向量，第二层也为LSTM层，第二层输出为长度为32的一维向量，第三层为全连接层，经过三层网络结构后通过一个softmax层输出分类结果。