电力设备声纹识别和故障定位

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。

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。

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。

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。而其高声学相机想用多通道数据采集，可有效过滤区域外的环境干扰噪声，更聚焦于研究对象本身的声纹特性。

以电力异响检测为例，一些无放电特征的机械振动类缺陷，通过采用声学相机，可以在不停电情况下，对有异响的电力设备进行远距离、可视化诊断，快速准确找出噪声源。