[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

说明书

本发明公开了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，涉及测量技术领域，解决了在噪声干扰下轴承故障识别准确率不高的技术问题，其技术方案要点是使用改进功率正则化倒谱系数特征对滚动轴承的故障声音信号进行识别，相比其他常用特征计算量仅有少量增加，但具有更高的识别准确率；同时，该改进措施能在噪声环境下依然保持较高的识别准确率，具有鲁棒性强的优点。且本申请不会影响滚动轴承的正常运行，能在不停机、不对原系统进行改造的前提下安装声音信号传感器，并在此基础上实现滚动轴承的故障识别，效率更高。

技术领域

本申请涉及测量技术领域，尤其涉及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。

背景技术

由于长期运行在重负载、高转速的环境下，滚动轴承成为了旋转机械设备中最易发生故障的零件之一，因此对滚动轴承进行故障诊断具有重要意义。目前轴承故障诊断中常用的振动分析法存在传感器安装不便、无法在故障早期准确识别故障的不足。声音信号相比振动信号具有不停机安装、非接触式测量、信号采集方便、处理方法成熟等优势。近年来，随着声纹识别技术的不断发展，这种语音领域的技术也被广泛应用于故障诊断领域，通过分析轴承的声音信号对轴承进行故障诊断也有了一定的研究成果，但大部分研究都是在实验室中进行，没有考虑实际工程中的噪声干扰问题。轴承实际运行过程中其他零部件或者外界会存在噪声干扰现象，这对该情况下实现滚动轴承故障诊断提出了严峻的挑战。

发明内容

本申请提供了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，其技术目的是在噪声干扰下提高对轴承声音信号识别的准确率，从而提高对轴承故障的识别准确率。

本申请的上述技术目的是通过以下技术方案得以实现的：

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，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。

本申请的有益效果在于：本申请使用改进功率正则化倒谱系数特征对滚动轴承的故障声音信号进行识别，相比其他常用特征计算量仅有少量增加，但具有更高的识别准确率；同时，该改进措施能在噪声环境下依然保持较高的识别准确率，具有鲁棒性强的优点。且本申请不会影响滚动轴承的正常运行，能在不停机、不对原系统进行改造的前提下安装声音信号传感器，并在此基础上实现滚动轴承的故障识别，效率更高。

附图说明

图1为本申请所述方法的流程图；

图2为声音预处理中的分帧示意图；

图3为本申请所述改进功率正则化倒谱系数特征的提取流程图；

图4为Gammatone滤波器的分量示意图。

具体实施方式

下面将结合附图对本申请技术方案进行详细说明。

如图1所示，本申请所述的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：