CN101344576A

CN101344576A - 利用语音识别技术判断机电故障

Info

Publication number: CN101344576A
Application number: CNA2007101306175A
Authority: CN
Inventors: 汤京乐
Original assignee: Individual
Current assignee: Individual
Priority date: 2007-07-11
Filing date: 2007-07-11
Publication date: 2009-01-14

Abstract

该发明拓展了对汽轮机及机电类故障检测的方法。将语音识别技术的应用拓展出了一个“从机器识别人类语言到机器识别机电类语言”的新领域。在理论应用上，将语音识别技术中的声纹判别的方法应用在机电故障判别上。***经过麦克风和超声波传感器对机械声波和超声波的采集，录入到语音识别单板机，并用单板机内的软件功能进行对机器“语音”信号的特征提取、匹配计算、样本模型比对处理。提取样本模型的过程中是利用计算机内数据存储能力，将已被“训练”好的多条语言样本逐一与单片机刚刚录入的经过特征提取的机器“语言”信号进行比对。得到最佳结果和结论。

Description

利用语音识别技术判断机电故障

技术领域：

该发明是利用语音识别技术判断工业领域中的机电类电器故障的智能化自控检测***。应用范围主要包括汽轮发电机的故障诊断，一般电动机的故障诊断，以及汽车等机械电器类的故障诊断等。

背景技术：

目前对于一般的机电类的设备故障诊断，采用的方法是根据不同电器类型的机电产品，采用不同类型的传感器，采集机电设备在工作中的电流、电压、温度、湿度等信息传入相应分析设备，如计算机或单片机等，进行定量、定性的分析，检测。对于简单的设备和简单故障还可以，对于复杂的情况处理起来就很难。大部分传感器是接触式的，在应用上也十分不便。尽管近代对于一些复杂的设备，采用了超声波探伤、激光检测等手段，但成本和效果方面，在一些领域也存在不少问题，例如在汽轮机故障检测方面，就不能做到故障的初期阶段的明确发现和有效检测。该发明采用的是一种全新的非接触式的测量监测方法和理论计算手段。是利用语音识别技术来判断和检测、监测机电类的故障的一种全新方法。

发明内容：

所谓语音识别，是指运用计算机***对语音所承载的内容和说话人的发音特征等所进行的自动识别。计算机语音识别过程与人对语音识别处理过程基本上是一致的。目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别***可大致分为三部分：

(1)语音特征提取：目的是从语音波形中提取随时间变化的语音特征序列。

(2)声学模型与模式匹配(识别算法)：声学模型是识别***的底层模型，并且是语音识别***中最关键的一部分。声学模型通常由获取的语音特征通过训练产生，目的是为每个发音建立发音模板。在识别时将未知的语音特征同声学模型(模式)进行匹配与比较，计算未知语音的特征矢量序列和每个发音模板之间的距离。声学模型的设计和语言发音特点密切相关。声学模型单元大小(字发音模型、半音节模型或音素模型)对语音训练数据量大小、***识别率，以及灵活性有较大影响。

(3)语义理解：计算机对识别结果进行语法、语义分析。明白语言的意义以便作出相应的反应。

目前：语音识别技术已比较成熟，该发明是利用此技术的特殊识别方法转而用于机电类的故障诊断。我们可以将一般机电类在工作中发出的机械声波，超声波看成是一种特殊的机械“语言”，这种“语言”可以表达机械的各种不同的信息，正常的与不正常的工作信息等等。对这些“语言”信息也像语音识别技术一样，分门别类，采用语音特征提取，声学模型与模式匹配(识别算法)，语义理解等技术，从而完成对于机电类故障的技术诊断。

例如该技术应用于汽轮机的故障诊断效果是十分显著的。以前，人类对于汽轮机及一般的机电类的故障诊断是采用人工诊断，主要采用耳听方式。从二十世纪70年代，随着人工智能理论、信号处理技术、电子技术、单片机技术的迅速发展，使得应用智能诊断技术对发电机组这样复杂的***进行实时状态监控和故障诊断成为可能。但是目前的智能诊断技术基本是停留在超声波，激光等的进行物理监测方法上。在数学理论的应用上也仅仅停留在某一频域或时域的某一频率或某一波形上进行研究的范畴。

而该发明拓展和扩大了对机电类故障检测的方法。将语音识别技术的实际和理论应用拓展出了一个“从机器识别人类语言到机器识别机电类语言”新的领域。在数学理论应用上，语音识别技术中的声纹判别是将时域与频域同时叠加在一起进行研究的方法，是一种全新的技术。将之应用于机电类的故障“语言”研究是该发明的主要特征。该发明将语音识别***的三部分，即语音特征提取、声学模型与模式匹配(识别算法)、语义理解转用于机器“语言”的语音特征提取、声学模型与模式匹配(识别算法)、机器“语言”的语义理解，是该技术的基本核心内容。在这个基础上，又根据不同的机器“语言”特征，修改相关的数学计算参数，达到可以检测和检控机电设备在线过程中的十分微细的变化，对于故障的初期诊断起到同类检测手段不可达到的作用。

附图说明：

图1是整个***的原理图；机电设备发出机械声波和超声波，***经过麦克风和超声波传感器对机械声波和超声波的采集，录入到语音识别专用型单板机，并用单板机内的软件功能进行对机器“语音”信号的特征提取、匹配计算、样本模型比对处理。在提取样本模型的过程中是利用计算机内强大的数据存储能力，将已被“训练”好的数百到数千条语言样本逐一提出，与单片机刚刚录入的经过特征提取的机器“语言”信号比对。得到最佳比对结果。并针对这一比对结果，从已知的数据库中得到何种故障的诊断答案。

图2是***单元示意图

图3是***外型示意图

具体实施方法：

该发明的计算机处理***是由以下主要部分组成。硬件部分为宽频带的麦克风或极柱式话筒及超声波传感器、语音采集和处理用的单板机、台式计算机或笔记本式计算机、远程通讯用的RS485或422端口及相应的传输电缆。

软件部分为机器“语音”信号传感输入、特征提取、匹配计算、样本模型、训练后的机器“语音”样本数据库。具体过程是，将正在工作中的机器发出的机械声波和超声波用宽频带的麦克风或极柱式话筒及超声波传感器采集输入到语音采集和处理用的单板机。利用单板机内软件进行特征提取、匹配计算。将这一时间段的机器“语言”与计算机样本数据库中的各种机器“语言”样本逐一进行比对，找出最佳的匹配样本，得出结论。将此结论用图形和数据表达的方式显示在屏幕上，以供技术人员进行手工或自动的故障判别和技术控制。在此之前的计算机样本数据库中的各种机器“语言”样本，是经过多次的、各种不同条件下的机器“语言”录入到计算机数据库中。这一过程在语音识别技术中也称为“训练”过程。对于新的样本信号，计算机通过软件自动实现“补入增加”，“自动学习”，达到智能化的目的。

Claims

1 利用语音识别技术判断汽轮机及机电类故障，实现“从机器识别人类语言到机器识别机电类语言”的技术拓展。

2 应用语音识别技术中的声纹判别方法，即时域与频域同时叠加在一起进行研究的方法，判别汽轮机机电类的故障“语言”是该发明的主要特征。

3 ***工作原理是对机电设备发出机械声波和超声波，通过麦克风和超声波传感器对机械声波和超声波采集并录入到单板机，并用语音识别单板机内的软件功能进行对机器“语音”信号的特征提取、匹配计算、样本模型比对处理。在提取样本模型的过程中是利用计算机内强大的数据存储能力，将已被“训练”好的数百到数千条语言样本逐一提出，与单片机刚刚录入的经过特征提取的机器“语言”信号比对。得到最佳比对结果。并针对这一比对结果，从已知的数据库中得到何种故障的诊断答案。