Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (4): 122-128.

Previous Articles     Next Articles

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

  

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

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 )

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