[发明专利]基于机器学习的PLC语音识别方法

说明书

本发明一种基于机器学习的PLC语音识别方法，步骤如下，a，采集语音信号样本；b，语音信号端点检测、特征提取；c，训练HMM‑GMM模型；d，建立语音指令与PLC寄存器数据的映射关系；e，采集语音指令；f，对语音指令进行端点检测、特征提取；g，将语音指令的特征与模型进行匹配；h，匹配结果通过与PLC寄存器数据的映射关系修改寄存器数据。能实现信号的输出和参数的修改，能够准确的识别操作员发出的语音指令，也即实现了将按钮、按键等工业控制手段替换成对操作人员更为友好的语音指令，使操作人员不必面对复杂的操作界面，同时也可以实现远程操作设备，为工业控制模式增加了新的方式和思路。

技术领域

本发明涉及机器学习技术领域，特别是一种基于机器学习的PLC语音识别方法。

背景技术

在传统的工业控制中，操作员通过使用按钮、触摸屏、鼠标、键盘等设备对PLC进行信号的输入或参数的修改，经由PLC进行逻辑处理后输出指令到外部，从而对设备进行控制，当面对复杂的生产工艺时，设备为满足工艺要求，操作逻辑会越来越繁琐，按钮、触摸屏按键等输入装置的数量会随之增多，传统的人机交互方式的复杂程度也会随之增加，操作人员需要从众多的按钮和界面中找到正确的输入装置进行输入操作，不仅浪费时间，对操作人员的专业素质要求也高，没有系统的培训和长时间的操作经验的操作员很难在短时间胜任工作。

基于上述前提，提供一种自然且方便的人机交互方式就显得尤为重要。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明提供一种基于机器学习的PLC语音识别方法，通过获取设备所需指令的语音数据，对语音数据处理后建立训练模型，使用时将采集到的指令语音处理后与模型进行匹配，将匹配结果写入PLC内部寄存器，实现信号的输出和参数的修改，能够准确的识别操作员发出的语音指令，根据指令设备进行相应的作业。

本发明的一种基于机器学习的PLC语音识别方法，具体实现步骤如下，

a，采集语音信号样本；

b，语音信号端点检测、特征提取；

c，训练HMM-GMM模型；

d，建立语音指令与PLC寄存器数据的映射关系；

e，采集语音指令；

f，对语音指令进行端点检测、特征提取；

g，将语音指令的特征与模型进行匹配；

h，匹配结果通过与PLC寄存器数据的映射关系修改寄存器数据。

本发明的有益效果是：基于机器学习，首先采集语音信号样本，并进行语音信号端点检测、特征提取，之后训练出HMM-GMM模型，其次建立语音指令与PLC寄存器数据的映射关系，最后采集语音指令，并对语音指令进行端点检测、特征提取，将语音指令的特征与模型进行匹配将匹配结果写入PLC内部寄存器，实现信号的输出和参数的修改，能够准确的识别操作员发出的语音指令，也即实现了将按钮、按键等工业控制手段替换成对操作人员更为友好的语音指令，使操作人员不必面对复杂的操作界面，同时也可以实现远程操作设备，为工业控制模式增加了新的方式和思路。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的总体步骤流程图。

图2为本发明的步骤a流程图。

图3为本发明的步骤b中语音信号端点检测的波形图。

图4为本发明的步骤d中 D1的对应图。

图5为本发明的步骤h流程图。

具体实施方式