基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术 |
| |
引用本文: | 杨磊,权伟,李亮,王镜淇,高帆,于轩.基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术[J].噪声与振动控制,2023(4):122-128+207. |
| |
作者姓名: | 杨磊 权伟 李亮 王镜淇 高帆 于轩 |
| |
作者单位: | 1. 江苏核电有限公司;2. 苏州微著设备诊断技术有限公司 |
| |
基金项目: | 国家自然科学基金面上资助项目(51875434); |
| |
摘 要: | 针对核电设备小样本异音数据集无法训练出高效预测模型难题,提出一种基于ITD-MFCC和卷积神经网络的电气设备异音检测方法。首先,利用固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)强化信号特征,增强特征辨识度;然后,利用梅尔频率倒谱系数(Mel-frequency Cepstral Coefficients,MFCC)提取与人耳听觉特性关联的时频特征,进一步增强异音特征辨识度;最后,融合所提取特征指标,并利用卷积神经网络对融合特征进行训练,建立异响与数据特征映射关系,实现异音检测。试验结果表明:所设计的模型在小样本数据中准确率达到97.63%,相比于现有的支持向量机(Support Vector Machine,SVM)和BP神经网络模型准确率分别提升10.43%和12.86%。
|
关 键 词: | 声学 异音检测 固有时间尺度分解 梅尔倒谱系数 卷积神经网络 |
|
|