2021年02月25日 11:59
电力设备的振动噪声与其机械结构密切相关，是分析设备运行状态的一项重要指标，当设备的零件或部件由于磨损、老化等原因状态发生变化后，其声纹信号的特性也会相应发生变化。通过监测这些特征能够对设备的状态进行评价，及时发现故障；例如在变压器的日常运维中有经验的工程师可以从变压器的声音信息判断可能的异常原因、检查方法或部位及初步的故障判断和处理，典型特征如下表所示：
从电力设备所产生的声纹信号中提取特征量对设备的运行状态进行判别，其优势在于可以完成在线监测的同时，能够实现非接触式检测，传感器布置方式比较灵活成本低，采集信号时不产生电磁信号，不会干扰设备的正常运行。但由于电力设备特别是大型复杂设备内部噪声产生机理复杂，系统为全封闭结构，声音从内部结构传递到外部传感器的传递规律复杂，穿透多种介质，再加上设备和环境本底噪声复杂多样，故障种类如上表所示种类多，可能的原因复杂，通过传统的声音信号处理方法很难和故障一一对应，系统的鲁棒性和误报率达不到无人值守智能监测和诊断的要求。
本文关键内容：电力设备声纹识别、变电设备声纹采集、变压器声纹数据采集、电抗器声纹识别
电力设备声音产生机理和传播规律的复杂及环境工况的多样性，无法用传统的模型来指导实践，随着近年来大数据和深度学习技术的迅猛发展，基于深度学习和人工智能算法引起了广泛的关注，很多学者开展了广泛的研究；但大数据算法天然需要较多的声纹数据，特别是电力设备有故障时候的数据，而电力设备可靠性高，出现故障数据的机会较少，数据收集和标注工作无法满足人工智能算法的要求，进展相对缓慢。推进电力设备的声纹数据库建设是目前急需开展的工作。
传统的声纹收集设备是基于单个麦克风的噪声采集系统，用单个声音传感器采集电力设备运行的声音，不可避免地会受到背景噪声、外界干扰噪声。单个麦克风的拾音范围有限且采集目标声音信号的质量不高，特别是容易电站中受到其它设备的干扰，不能聚焦研究对象本身的声纹特征。另一方面电力设备异常状态较少，单个麦克风数据长时间采集的信号，异常声音标注和信号处理耗时耗力，无法自动剔除区域外的干扰声，引起误判。
其高科技自主开发的声阵列设备，支持户外7*24小时声音数据采集，不但能同时采集几十上百通道的声音数据，还可以进行声源成像和区域增强，专注于采集研究对象的声纹特征，基于户外声阵列的声纹识别技术以及成功应用在智能交通领域，通过上百万笔各种道路状况下的鸣笛声、飙车声的训练，形成鲁棒的模型，能够排除各种非鸣笛噪声的干扰，实现在上百个城市各种环境下的准确声纹识别和车辆定位抓拍。
在电力领域通过部署麦克风阵列进行设备状态监测，已有效捕获多种典型的异常声纹特征，准确定位，助力电力智能运维。使用其高科技的手持式声阵列已完成新疆地区20多个变电站的声纹特征采集和数据库的积累，为优化人工智能算法，实现常见缺陷的声纹特征自动分类提供了可靠的数据收集和处理平台。
其高声学相机>>
麦克风阵列声音定位解决方案>>
