基于相似性特征选择解耦的工业设备无监督异常声信号检测方法
技术特征:
1.基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于具体包括如下步骤:
2.如权利要求1所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤1中,包括预加重、分帧、加窗、快速傅里叶变换和对数梅尔滤波,具体如下:
3.如权利要求1所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤2具体如下:
4.如权利要求1所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤3中,对于平稳声音信号,选择相似性大于设定值的谱图帧;对于非平稳声音信号,选择相似性小于设定值的谱图帧。
5.如权利要求1所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤5中,β-变分自动编码器由5层全连接层构成,维度为128-64-32-32-32,最终输出一个16*2维度的潜在变量;解码器的维度为32-32-32-64-128,使用adam优化器。
6.如权利要求1所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤5中,损失函数表示为:
7.如权利要求1-6任一项所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤6中,阈值其中,x为经特征选择后的特征;k2代表经特征选择后的时间帧数;d代表数据的维度;ψt是原始输入特征在时间帧t上的表示;φ为β-变分自编码器网络;φ(ψt)是从潜在空间重构得到的潜在表示;为l2正则化。
8.如权利要求7所述基于相似性特征选择解耦的工业设备无监督异常声信号检测方法,其特征在于,步骤7具体如下:
技术总结
本发明公开一种基于相似特征选择解耦的工业设备无监督异常声信号检测方法,包括:1)对原始声信号进行特征提取,获得对数梅尔频谱图(特征矩阵);2)使用基于相似性度量的方法对对数梅尔频谱图进行时域特征选择,计算谱图中的每一帧与整个谱图之间的相似性;3)根据步骤2)的相似性,利用平稳、非平稳声音信号的特点,设计不同的选择策略;4)将工业设备正常工作的声音信号按照步骤1)‑3)处理,得到特征选择后的数据集;5)将训练集输入β‑变分自编码器,以最小化重构误差和KL散度为优化目标训练;6)以均方误差为异常分数,根据训练集的异常分数设定阈值;7)将测试集输入训练好的网络计算异常分数,并根据阈值判断是否异常。
技术研发人员:张义,张巧灵,胡君瑶
受保护的技术使用者:浙江理工大学
技术研发日:
技术公布日:2024/12/10
文档序号 :
【 40282237 】
技术研发人员:张义,张巧灵,胡君瑶
技术所有人:浙江理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:张义,张巧灵,胡君瑶
技术所有人:浙江理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
