[发明专利]一种基于动态时间弯曲算法的机械系统声纹信号匹配方法

说明书

本发明公布了一种基于动态时间弯曲算法的机械系统声纹信号匹配方法。本发明首先采用基于数据跟踪的自相关处理方法实现背景噪声抑制，再采用基于音谱分析的峰值检测技术对降噪信号进行峰值检测，最后采用基于动态时间弯曲算法的声纹信息匹配技术对实时信号进行分类判型。该处理方法将基于动态时间弯曲算法的声纹信息匹配技术与基于音谱分析的峰值检测技术以及基于数据跟踪的自相关处理技术进行有机结合，实现了基于动态时间弯曲算法的机械系统声纹匹配与识别技术，可对机械系统早期隐性故障进行有效监测。仿真实验证明该方法具有较好的工程实用性。

技术领域

本发明属于故障监测技术领域，具体涉及一种基于动态时间弯曲算法的机械系统声纹信号匹配方法。

背景技术

随着人类社会的发展和科技水平的提高，旋转机械设备不断高精度化、高速化、高效化地发展，这对机械设备故障诊断技术提出了更高的要求。机械设备运行过程中不可能一直处于正常运行状态，当设备出现异常，其运行状态声纹信号也会随之改变。故障诊断技术中常用测量欧氏距离、JS散度的方法来进行声纹信号匹配比对，但随着背景环境不断复杂化，大型机械设备对声纹信号匹配比对技术的要求也越来越高，测量欧氏距离、JS散度的方法对复杂环境下的大型设备收效甚微，其对故障信号及信号同源性判别较为模糊，使得声纹信号匹配比对结果不够精确，从而导致故障诊断无法得出确切的结果。

随着时间序列数据被广泛应用于金融、医疗和工业等领域，对时间序列的研究愈发具有重要的理论价值和应用价值。面对新的挑战，如何结合故障诊断方法与时间序列数据，增强时间序列数据在故障诊断方面的应用效果，成为了故障诊断领域新的一大热点。

发明内容

为解决上述问题，本发明提供了一种基于动态时间弯曲算法的机械系统声纹信号匹配方法。

本发明首先采用基于数据跟踪的自相关处理方法实现背景噪声抑制，再采用基于音谱分析的峰值检测技术对降噪信号进行峰值检测，最后采用基于动态时间弯曲算法的声纹信息匹配技术对实时信号进行分类判型。该处理方法将基于音谱分析的峰值检测技术与基于数据跟踪的自相关处理技术以及基于动态时间弯曲算法的声纹信息匹配技术进行有机结合，实现了基于动态时间弯曲算法的机械系统声纹匹配与识别技术，可对机械系统早期隐性故障进行有效监测。该发明可实时监测且自主分析机械系统产生的故障信号声纹特征，具有抗干扰能力强、监测敏锐且判型准确等优势。

本发明方法包括以下步骤：

步骤S1：声学传感器采集机电系统运行状态声纹信号s(n)；

步骤S2：对采集的s(n)进行背景噪声抑制处理得到ss(n)；

步骤S3：对信号ss(n)进行峰值提取得到ss′(n))；

步骤S4：延时采集正常状态下的信号，经过步骤S3组成正常状态声纹库N_S(n)；

步骤S5：基于正常状态声纹库N_S(n)对ss′(n)进行声纹比对，匹配则更新正常状态声纹库N_S(n)，不匹配则进行下一步骤；

步骤S6：更新故障声纹库并编辑标签，进行预警提示。

本发明的有益效果：

1、本发明采用数据跟踪的自相关处理方法来进行背景噪声抑制，增强了信号的利用率和抗干扰能力，提升了故障检测的处理速度和诊断准确率。

2、本发明采用峰值检测技术结合音谱分析技术，可实现对旋转机械设备早期出现的隐性故障的有效监测与识别，提高了故障信号实时监测的时敏性。

3、本发明采用基于动态时间弯曲算法的声纹信号匹配比对技术，训练样本少，整体过程信号特征信息保存完整，可提高对信号同源性的区分能力，实现了对故障信号的精准判型。

附图说明

图1是一种基于动态时间弯曲算法的机械系统声纹信号匹配方法总体原理框图；