基于聲音信號(hào)的故障診斷研究及應(yīng)用.pdf

1、近些年，基于聲音信號(hào)的故障診斷技術(shù)被應(yīng)用在多個(gè)領(lǐng)域，例如風(fēng)機(jī)故障診斷、發(fā)動(dòng)機(jī)故障診斷、放電故障診斷等?；诼曅盘?hào)的故障診斷應(yīng)用繁多，其也逐漸成為故障診斷領(lǐng)域中的一個(gè)研究熱點(diǎn)，并引起了諸多學(xué)者的關(guān)注。目前，基于聲音信號(hào)的故障診斷研究仍存在一些問(wèn)題，如:采集到的聲信號(hào)信噪比較低、故障診斷分類器無(wú)法實(shí)現(xiàn)類別增量學(xué)習(xí)、大多故障診斷系統(tǒng)的應(yīng)用太過(guò)局限等。針對(duì)以上問(wèn)題，本文主要研究了診斷系統(tǒng)的濾波、信號(hào)特征提取以及信號(hào)的類別增量學(xué)習(xí)算法，所做工作如

2、下:
　　首先，介紹了故障診斷的常用濾波方法。因采集的聲信號(hào)信噪比較低，故本文對(duì)聲信號(hào)的常用濾波算法進(jìn)行了簡(jiǎn)單的介紹與分析，主要的濾波方法有:奇異值分解濾波、小波濾波、經(jīng)驗(yàn)?zāi)B(tài)分解濾波。特別的，針對(duì)傳統(tǒng)經(jīng)驗(yàn)?zāi)B(tài)分解濾波存在的一些問(wèn)題，本文對(duì)其進(jìn)行了改進(jìn)，增強(qiáng)了信號(hào)的濾波效果。
　　其次，分別采用基于小波包分解能量、經(jīng)驗(yàn)?zāi)B(tài)分解能量以及梅爾倒譜系數(shù)的特征提取方法對(duì)聲信號(hào)進(jìn)行特征提取，將得到的特征向量送入SVM分類器進(jìn)行訓(xùn)練，診