[发明专利]基于功率正则化倒谱系数的滚动轴承故障声纹识别方法

权利要求书

1.一种基于功率正则化倒谱系数的滚动轴承故障声纹识别方法，其特征在于，包括：

对滚动轴承在故障状态下和正常状态下的声音信号进行采集，每个声音信号被赋予对应的标签，得到带有标签的声音信号，将带有标签的声音信号划分为训练集和测试集；

对训练集进行预处理，然后对预处理后的训练集进行特征提取，得到改进功率正则化倒谱系数特征；

构建声纹识别模型，将改进功率正则化倒谱系数特征输入到声纹识别模型进行参数更新，当声纹识别模型的目标函数满足迭代终止条件时停止更新，得到声纹模型；

对测试集进行预处理并提取其改进功率正则化倒谱系数特征后输入到声纹模型，将声纹模型识别得到的标签与真实标签进行对比，得到识别准确率；

当识别准确率达到预设阈值时，通过声纹模型对滚动轴承故障声纹进行识别，否则继续对声纹模型进行训练直至其识别准确率达到预设阈值。

2.如权利要求1所述的方法，其特征在于，所述改进功率正则化倒谱系数特征的提取包括：将预处理后的声音信号依次经过FFT变换、Gamma滤波、中等时长处理、时频归一化、平均功率归一化、幂函数变换、DCT、一阶差分和二阶差分，最后得到所述改进功率正则化倒谱系数特征。

3.如权利要求1所述的方法，其特征在于，所述故障状态包括滚动轴承的内圈故障、外圈故障和内外圈故障；所述声音信号为时间长度为2s的声音样本。

4.如权利要求1所述的方法，其特征在于，所述声纹识别模型的分类器为支持向量机。

5.如权利要求1所述的方法，其特征在于，所述预处理包括预加重、分帧和加窗；

所述预加重通过高通滤波器对高频分量进行弥补，表示为：

其中，α表示预加重系数；S(n)表示原始信号；表示预加重后的声音信号；

分帧通过帧长度和帧间隔进行分帧；

加窗通过汉明窗实现，包括：对于长度为N的离散信号x[n]，窗函数对应的权重w[n]表示为：

6.如权利要求5所述的方法，其特征在于，所述Gamma滤波通过Gammatone滤波器实现，通过所述Gammatone滤波器的原始分量通道对中高频分量的权重进行增加，得到短时谱功率P[m,l]，则P[m,l]表示为：

其中，k表示N的索引，m表示帧数，l表示通道数；H_l(k)表示Gammatone滤波器；所述中等时长处理包括：通过增加中时功率计算时的帧数，再经过非对称噪声抑制、时间掩蔽和权重平滑，得到其中，通过增加中时功率计算时的帧数包括：计算当前帧的功率时，取前后共M帧的功率平均数作为当前帧的功率，则当前帧的前帧和后帧的数量均为(M-1)/2。