目前基于振动信号的机械设备异常检测已被广 泛应用。
声音信号与振动信号类似,是反应设备运行状态的重要信息来源,并且声音信号具 有采集方便、非接触测量、处理速度快等优点。
机械设备异常声音是指设备处于异常状态 运行时发出的声音,通过对机械设备运行声音识别来达到检测设备运行状态,具有广泛 的应用前景和重要的研究意义。
- 龙磊等人针对列车轴承轨边声学检测,提出了使用**多普勒畸变**对声音信号进行校正,并采用**核特征矩阵联合近似对角化**的方法提取校正后的声音信号特征,最后使用SVM进行故障诊断。
- 李春雷等人采集了发电机正常状态声音和其他三种异常状态声音,将声音信号在时域和频域进行分解后得到的能量值、均方差值和峭度值作为 声音特征,最后通过有监督学习的方式训练BP神经网络达到检测发电机状态的目的。
上述 方法具有较高的准确率,但需要对异常情况有明确的定义并且训练过程中需要大量异常声音 样本。