噪声与振动控制

噪声与振动控制 ›› 2023, Vol. 43 ›› Issue (4): 122-128.

• 信号处理与故障诊断 • 上一篇    下一篇

基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术

杨磊1，权伟2，李亮1，王镜淇1，高帆1，于轩1   

  1. ( 1. 江苏核电有限公司，江苏连云港222042；
    2. 苏州微著设备诊断技术有限公司，江苏苏州215200 )
  • 出版日期:2023-08-18 发布日期:2023-08-18

Heterodyne Detection Technique of Nuclear Power Electrical Equipment Based on ITD-MFCC and Convolutional Neural Network

  • Online:2023-08-18 Published:2023-08-18

PDF

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