[发明专利]一种基于声音信号的带式输送机故障诊断方法

说明书

本发明提供了一种基于声音信号的带式输送机故障诊断方法，其可以降低巡检人员的劳动强度，具有检测速度快、实时性高、安全性强等特点；其包括以下步骤：S1、采集带式输送机的声音信号；S2、对采集的声音信号进行改进的小波阈值去噪处理；S3、对降噪后的带式输送机声音信号进行MFCC和深度学习特征提取；S4、建立支持向量机分类模型，并形成训练后的SVM模型；S5、将提取的特征信息数据放入训练后的SVM模型得到后验概率，然后利用D‑S证据理论进行决策级融合，最后利用融合输出结果与SVM已知运行状态下的所述带式输送机运行状态相匹配，与融合输出结果匹配度最高的则对应着所述带式输送机当前运行状态，从而完成了带式输送机故障诊断。

技术领域

本发明涉及带式输送机故障诊断技术领域，具体为一种基于声音信号的带式输送机故障诊断方法。

背景技术

随着科技的高速发展，工业生产日益现代化，各种高智能、高集成的大型机械设备逐步出现。在港口、矿山、煤炭等行业，带式输送机的生产运行有着用量大、巡检困难、故障难预测等特点，经过对港口生产现场实地调研，因其生产运输吞吐量大，带式输送机需长时间高负荷运行，时常发生人工巡检不能及时发现的故障事件，基于该生产痛点推动了对带式输送机故障诊断技术的研究。

目前带式输送机采用传统的人工巡检方式，巡检人员需要携带繁重的巡检工具在现场穿梭工作，大大增加了巡检人员的劳动风险，而且带式输送机故障检测点多，故障检测精度要求高，这一巡检方式使得带式输送机的巡检工作难以做到检测速度快、实时性高、安全性强等故障检测特点。

发明内容

针对上述问题，本发明提供了一种基于声音信号的带式输送机故障诊断方法，其可以降低巡检人员的劳动强度，具有检测速度快、实时性高、安全性强等特点。

为达到上述目的，本发明采用以下技术方案：

一种基于声音信号的带式输送机故障诊断方法，包括以下步骤：

S1、采集带式输送机的声音信号；

S2、对采集的声音信号进行改进的小波阈值去噪处理；

S3、对降噪后的带式输送机声音信号进行MFCC和深度学习特征提取；

S4、建立支持向量机分类模型，并形成训练后的SVM模型；

S5、将提取的特征信息数据放入训练后的SVM模型得到后验概率，然后利用D-S证据理论进行决策级融合，最后利用融合输出结果与SVM已知运行状态下的所述带式输送机运行状态相匹配，与融合输出结果匹配度最高的则对应着所述带式输送机当前运行状态，从而完成了带式输送机故障诊断。

进一步地，在所述步骤S1中，利用声音采集装置以采样频率为48kHz、采样点数为4096采集所述带式输送机工作时各运行状态的声音信号；

进一步地，在所述步骤S5中，所述带式输送机运行状态包括正常状态和托辊故障、皮带撕裂故障、滚筒故障三种故障状态；

进一步地，在所述步骤S2中，去噪处理包括以下步骤：

S2.1、选择具有衰减性的小波基db6；

S2.2、使用小波基db6进行3层小波分解；

S2.3、选取固定阈值λ，经过小波分解后的小波系数设为w，通过公式

进行阈值函数的改进，随后使用阈值函数处理后的小波系数重构获得降噪后的带式输送机声音信号，其中j，k都是整数，a＞0；

进一步地，在所述步骤S3中，对降噪后的带式输送机声音信号进行MFCC和深度学习特征提取包括以下步骤：