[发明专利]一种基于DNN算法的电力设备音频信号分析方法有效
| 申请号： | 201811025805.6 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN109357749B | 公开（公告）日： | 2020-12-04 |
| 发明（设计）人： | 李胜;史一露;郭健;吴益飞;袁佳泉;施佳伟;朱禹璇;赵超;危海明 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G01H17/00 | 分类号： | G01H17/00 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于DNN算法的电力设备音频信号分析方法。该方法为：电力巡检机器人通过安装的数字拾音器采集电力设备正常与故障运行时的音频信号数据，进行音频信号数据预处理；采用MFCC特征参数从已预处理过的音频信号数据中提取特征信息；采用误差反向传播方法训练深度神经网络声学模型；电力巡检机器人通过数字拾音器采集现场电力设备运行时的音频信号数据，经过预处理、特征参数提取后，将特征信息输入深度神经网络声学模型进行音频信号数据识别，并将识别结果传输至变电站监控主机。本发明丰富了电力巡检机器人的故障检测功能，能够对无人值守的变电站电力设备故障进行实时检测，同时提高了电力设备故障监测的速度、可靠性和准确性。 | ||
| 搜索关键词： | 一种 基于 dnn 算法 电力设备 音频 信号 分析 方法 | ||
【主权项】：
1.一种基于DNN算法的电力设备音频信号分析方法，其特征在于，包括以下步骤：步骤1、电力巡检机器人通过安装的数字拾音器采集电力设备正常与故障运行时的音频信号数据，进行音频信号数据预处理；步骤2、采用MFCC特征参数从已预处理过的音频信号数据中提取特征信息；步骤3、基于提取的特征信息，采用误差反向传播方法训练深度神经网络声学模型；步骤4、电力巡检机器人通过数字拾音器采集现场电力设备运行时的音频信号数据，经过预处理、特征参数提取后，将特征信息输入深度神经网络声学模型进行音频信号数据识别，并将识别结果传输至变电站监控主机。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811025805.6/，转载请声明来源钻瓜专利网。
