CN208147865U - 一种应用于变电站智能巡检机器人的声音识别*** - Google Patents
一种应用于变电站智能巡检机器人的声音识别*** Download PDFInfo
- Publication number
- CN208147865U CN208147865U CN201820676476.0U CN201820676476U CN208147865U CN 208147865 U CN208147865 U CN 208147865U CN 201820676476 U CN201820676476 U CN 201820676476U CN 208147865 U CN208147865 U CN 208147865U
- Authority
- CN
- China
- Prior art keywords
- sound
- signal
- processor
- storage unit
- substation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 230000010358 mechanical oscillation Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 206010068150 Acoustic shock Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Landscapes
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本实用新型揭示了一种应用于变电站智能巡检机器人的声音识别***,机器人上安装有传声器阵列,所述传声器阵列将获取的音源输送至处理器,所述处理器连接存储器;所述处理器包括:音源信号处理器单元:将音源后转为数字信号;数字信号处理器单元:将数字信号转为现场声音频谱特性;分类单元:将现场声音频谱特性分类为冲击型信号和平稳型信号;所述存储器包括用于存储冲击型特征模板的第一存储单元和用于存储平稳型特征模板的第二存储单元;本实用新型的优点在于能够使用变电站识别环境,快速高效的获取变电站现场声音,并及时准确有效的进行识别,判断出变电站现场声音组成后,可以及时采取措施对隐患进行整改,进一步确保变电站安全、稳定运行。
Description
技术领域
本实用新型涉及声音识别技术领域。
背景技术
变电站设备巡检是为了监视设备的运行情况,以便及时发现和消除设备缺限,预防事故发生,确保设备安全运行。芜湖供电公司变电运维室对变电站设备进行巡检时,通常的做法是综合运用视觉、听觉、触觉、嗅觉等五官功能以及一些相应的仪器对变电站设备进行巡视检查。然而随着电网的发展,变电站数量迅速增加,芜湖供电公司电运维室进行巡检作业时不仅需要耗费大量人力物力,而且巡检时间长、安全风险高,诸多因素都会影响变电站设备的运行安全。目前变电站设备巡检依然依靠人工方式进行,人工巡视是否到位一直是变电运维室工作的主要难题,无人值守变电站的增加带来的巡检效率和巡检质量问题日益突出,亟需研制一种适用于变电站设备巡视检查的机器人。
目前的巡检机器人能够获取现场声音,通过声音识别技术对变电站内噪声、放电声、振动声的频谱分析,并进行判断现场声音的组成。声音信号处理技术是建立在声音的数学模型和数字信号处理技术基础上,它涉及数字信号处理、模式识别等多个不同的领域,是一门综合性学科。
所谓声音识别技术就是让机器能够识别和理解的过程,它是指在这个过程中把声音信号转化为相应的文本或指令的高技术,也就是让机器设备能懂得声音信号中的信息。对声音识别***来说,如果电脑配置有识别功能的程序组,那么当声音通过采集装置输入电脑内部、并以数字形式储存后,识别程序便开始将刚输入的声音信号进行一些处理,通过特定的算法提取到输入的声音信号特征,之后将提取得到的特征与事先存储好的多个声音样本的特征进行对比。声音特征比对工作完成之后,电脑就会输出一个它认为最“像”的声音样本特征的序号,这样我们就可以知道刚才声音信号是什么,有什么意义,进而执行后续操作。
截止目前世界各地的专家学者已经成功找到了信号处理方面的多种方法,这些方法已经成为每一个声音识别***中必不可少的数据处理工具,如分帧、短时能量、过零率、傅里叶变换等等。它们很好的提升了声音识别***的性能,是声音识别技术不断发展的基础。每一个声音识别***大同小异,虽然有些时候某个步骤中具体的实现形式不同,但是它们都具有以下几个相同的步骤:首先使用声音传感器采集声音信号并通过一定的压缩编码方式进行量化处理得到数字信号,其次对得到的数字信号进行预处理操作,然后使用特征提取算法提取声音信号的特征向量,最终通过模板匹配识别算法给出识别结果。
但是针对巡逻式的机器人,目前的声音处理方法难以快速及时的对路过设备进行有效识别,识别率低下导致巡检机器人声音识别***使用的实用性降低,难以普及推广。
实用新型内容
本实用新型所要解决的技术问题是实现一种能够使用变电站识别环境的声音识别方法。
为了实现上述目的,本实用新型采用的技术方案为:一种应用于变电站智能巡检机器人的声音识别***,包括机器人,安装在机器人上的传声器阵列,所述传声器阵列将获取的音源输送至处理器,所述处理器连接存储器;
所述处理器包括:
音源信号处理器单元:将音源后转为数字信号;
数字信号处理器单元:将数字信号转为现场声音频谱特性;
所述存储器包括用于存储冲击型特征模板的第一存储单元和用于存储平稳型特征模板的第二存储单元;
所述处理器还包括分类单元:将现场声音频谱特性分类为冲击型信号和平稳型信号。
所述处理器还包括子分类单元:将平稳型信号分类为放电声信号和机械振动声信号,所述第二存储单元包括用于存储放电声特征模板的第一子存储单元和用于机械振动声特征模板的第二子存储单元。
所述处理器连接通信单元,所述处理器通过通信单元向远端监控和/或报警装置发送信号。
本实用新型的优点在于能够使用变电站识别环境,快速高效的获取变电站现场声音,并及时准确有效的进行识别,判断出变电站现场声音组成后,可以及时采取措施对隐患进行整改,进一步确保变电站安全、稳定运行。
附图说明
下面对本实用新型说明书中每幅附图表达的内容作简要说明:
图1为声音识别***组成示意图;
图2-7为变电站常见的声音频谱图。
具体实施方式
声音识别***组成如图1所示,在声音识别***中,采集和量化是整个声音识别***的基础,麦克风是采集过程的最主要的元器件,它起着“耳朵”的作用,它将我们日常听到的声音通过转化为模拟量的电信号。量化起着模数转换的作用,它可以将电信号这类模拟信号转化为计算机能够识别并处理的数字信号。预处理步骤是声音识别***的重要组成部分。在完整的***中,为了降低***的计算量,提高整个***的实时性,往往会使用端点检测技术,对有用的信号片段进行截取,而不需处理计算无用的信号片段。为了方便处理,得到的信号片段往往被等分成一小段信号,这就是分帧处理。分帧处理的依据是声音信号具有短时平稳性,一般情况取10-30毫秒为一帧信号的长度。但是对信号进行强制的分帧处理后,信号往往发生频谱泄漏的现象,这时需要加窗处理。使用不同的窗函数往往会得到不同的效果,一般情况下使用汉明窗、汉宁窗等窗函数。实际中通过采集量化得到的信号中往往夹杂着很多噪声信号,为了提高信号的信噪比,从而提高整个识别***的识别性能,需要对信号进行一些降噪处理。这里的端点检测技术、分帧加窗处理和降噪处理都属于预处理步骤。
特征提取和模板匹配是整个声音识别***的核心。特征提取可以提取得到声音信号中的特征参数,得到特征向量。在计算机的世界里,声音信号就可以用特性向量表示,方便计算处理。计算机将提取的特征与特征库中的特征模板进行逐一匹配,最终给出***认为最相似的一个模板编号,该步骤就是模板匹配。
变电站声音主要分为一般噪声、放电声、振动声,机器人通过传声器阵列获取音源后转为数字信号,经过放大、分帧、离散傅里叶变换后得到现场声音频谱特性,并同特征库中的特征模板进行匹配,从而判断现场的声音组成(其中特征模板需在现场采集分析得出),如图2-7所示。
放电声、机械振动声这两类信号的时域图具有明显的脉冲状信号,在某个时刻能量有明显的突变。而一般噪声信号的能量就表现的比较平稳。依据这个特性可以寻找一个特征量,用以反映能量的突变情况,通过这个量就可以将三类信号分为两类。一类为冲击型信号,即放电声、机械振动声,一类为平稳型信号,即噪音。
设备的机械振动具有周期性,通过冲击脉冲时刻能量持续的时间和相邻脉冲之间的间隔,可以估算出某一信号的周期(冲击脉冲时刻能量持续的时间和相邻脉冲之间的间隔),即对周期预先自定义,通过周期我们可以识别机械振动声和放电声,机械振动声冲击脉冲时刻能量持续的时间大于放电声冲击脉冲时刻能量持续的时间,机械振动声相邻脉冲之间的间隔小于放电声相邻脉冲之间的间隔。通过这些特征,可以设计一个分类器将这两类冲击型信号区分。
依据识别***的特殊使用环境和特殊用途,通过对声音进行预分类,并进行分类匹配,能够加大的提高匹配所耗时间,提高识别的效率和准确率,这样快速的判断出变电站现场声音组成后,可以及时采取措施对隐患进行整改,进一步确保变电站安全、稳定运行。
上述识别方法应用于变电站智能巡检机器人的声音识别***,该***包括机器人,安装在机器人上的传声器阵列,传声器阵列将获取的音源输送至处理器,所述处理器连接存储器;其中处理器包括:
音源信号处理器单元:将音源后转为数字信号;
数字信号处理器单元:将数字信号转为现场声音频谱特性;
分类单元:将现场声音频谱特性分类为冲击型信号和平稳型信号;
子分类单元:将平稳型信号分类为放电声信号和机械振动声信号;
存储器包括用于存储冲击型特征模板的第一存储单元、用于存储平稳型特征模板的第二存储单元,其中第二存储单元包括用于存储放电声特征模板的第一子存储单元和用于机械振动声特征模板的第二子存储单元。
处理器连接通信单元,处理器通过通信单元向远端监控和/或报警装置发送信号。
上面结合附图对本实用新型进行了示例性描述,显然本实用新型具体实现并不受上述方式的限制,只要采用了本实用新型的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本实用新型的构思和技术方案直接应用于其它场合的,均在本实用新型的保护范围之内。
Claims (3)
1.一种应用于变电站智能巡检机器人的声音识别***,包括机器人,安装在机器人上的传声器阵列,所述传声器阵列将获取的音源输送至处理器,所述处理器连接存储器;
所述处理器包括:
音源信号处理器单元:将音源后转为数字信号;
数字信号处理器单元:将数字信号转为现场声音频谱特性;
其特征在于:所述存储器包括用于存储冲击型特征模板的第一存储单元和用于存储平稳型特征模板的第二存储单元;
所述处理器还包括分类单元:将现场声音频谱特性分类为冲击型信号和平稳型信号。
2.根据权利要求1所述的应用于变电站智能巡检机器人的声音识别***,其特征在于:所述处理器还包括子分类单元:将平稳型信号分类为放电声信号和机械振动声信号,所述第二存储单元包括用于存储放电声特征模板的第一子存储单元和用于机械振动声特征模板的第二子存储单元。
3.根据权利要求1或2所述的应用于变电站智能巡检机器人的声音识别***,其特征在于:所述处理器连接通信单元,所述处理器通过通信单元向远端监控和/或报警装置发送信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820676476.0U CN208147865U (zh) | 2018-05-08 | 2018-05-08 | 一种应用于变电站智能巡检机器人的声音识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820676476.0U CN208147865U (zh) | 2018-05-08 | 2018-05-08 | 一种应用于变电站智能巡检机器人的声音识别*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN208147865U true CN208147865U (zh) | 2018-11-27 |
Family
ID=64389841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201820676476.0U Active CN208147865U (zh) | 2018-05-08 | 2018-05-08 | 一种应用于变电站智能巡检机器人的声音识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN208147865U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108501003A (zh) * | 2018-05-08 | 2018-09-07 | 国网安徽省电力有限公司芜湖供电公司 | 一种应用于变电站智能巡检机器人的声音识别***和方法 |
CN112014774A (zh) * | 2020-03-26 | 2020-12-01 | 中国铁建电气化局集团第二工程有限公司 | 基于声音处理的变压器故障巡检***及方法 |
-
2018
- 2018-05-08 CN CN201820676476.0U patent/CN208147865U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108501003A (zh) * | 2018-05-08 | 2018-09-07 | 国网安徽省电力有限公司芜湖供电公司 | 一种应用于变电站智能巡检机器人的声音识别***和方法 |
CN112014774A (zh) * | 2020-03-26 | 2020-12-01 | 中国铁建电气化局集团第二工程有限公司 | 基于声音处理的变压器故障巡检***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102426835B (zh) | 一种基于支持向量机模型的开关柜局部放电信号识别方法 | |
CN112201260B (zh) | 一种基于声纹识别的变压器运行状态在线检测方法 | |
CN110355608B (zh) | 基于自注意力机制与深度学习的刀具磨损量预测方法 | |
CN109949823B (zh) | 一种基于dwpt-mfcc与gmm的车内异响识别方法 | |
CN110208022A (zh) | 基于机器学习的电力设备多特征音频指纹故障诊断方法及*** | |
CN112858473B (zh) | 一种基于特征融合的道岔尖轨伤损状态监测方法 | |
CN102623009B (zh) | 一种基于短时分析的异常情绪自动检测和提取方法和*** | |
CN102005070A (zh) | 一种语音识别门禁*** | |
CN106328166A (zh) | 人机对话异常检测***及方法 | |
CN104198899B (zh) | 一种多放电源情况下变压器局部放电类型识别方法 | |
CN107153150A (zh) | 一种配电网过电压故障类型识别方法及装置 | |
CN104614069A (zh) | 基于联合近似对角化盲源分离算法的电力设备故障音检测方法 | |
CN208147865U (zh) | 一种应用于变电站智能巡检机器人的声音识别*** | |
CN108538757A (zh) | 一种太阳能电池制程追溯方法 | |
CN112207631B (zh) | 刀具检测模型的生成方法、检测方法、***、设备及介质 | |
CN110488675A (zh) | 一种基于动态规整算法的变电站声信号特征提取方法 | |
CN108470570B (zh) | 电机异音检测方法 | |
CN116778964A (zh) | 一种基于声纹识别的变电设备故障监测***及方法 | |
CN104089699A (zh) | 一种变电站设备声音重建算法 | |
CN108872743A (zh) | 一种基于小波变换的电能质量实时监测分析***及方法 | |
CN112348052A (zh) | 一种基于改进EfficientNet的输变电设备异常声源定位方法 | |
CN113345399A (zh) | 一种强噪声环境下的机器设备声音监测方法 | |
CN115376526A (zh) | 一种基于声纹识别的电力设备故障检测方法及*** | |
CN105354170A (zh) | 基于ceemd和奇异值分解的识别方法 | |
CN107192892B (zh) | 基于雷电电磁信号识别技术的雷声定位***自动触发方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |