APP下载

基于特征降维和神经网络的电能表内异物声音自动识别

2021-04-02欧习洋

机械设计与制造 2021年3期
关键词:特征信号

张 进,吴 健,欧习洋,欧 熙

(1.国网重庆市电力公司电力科学研究院,重庆 401120;2.四川福德机器人股份有限公司,四川 绵阳 621000)

1 引言

近几年随着国家电网和电力基础设施的建设,电子式交流电能表得到了广泛的应用。为确保电能表计量的精确性与可靠性,电能表在出厂之前都必需经过一整套检定项目的测试[1]。电能表异物检测的目的是检测电能表内部是否存在焊渣残留、松脂残留、脱落元器件、胶沫等异物或杂物。传统的人工电能表检测是按照一定的速度和旋转方向进行摇表听取声音判断电能表是否含有异物。针对现在人工摇表检测效率低、检测结果不稳定的问题,需要一种能自动检测电能表异物声音的系统方案。异物自动检测装置通过设计自动摇表结构和自动控制系统实现自动摇表和声音采集,利用声音识别技术实现异物检测。由于异物自动检测装置采集的声音信号是典型的非线性非平稳时变信号,频率成分非常复杂,对异物声音识别提出新的挑战。

随着声学检测和计算机技术高速发展,多通道的声音采集设备已广泛应用到各行业中并且技术稳定成熟。采用声学检测技术去识别电能表异物已经成为可能,但如何对电能表进行固定、如何屏蔽削弱电能表异物检测过程中的外界干扰噪声以及提高异物声音的识别率等问题亟待解决。目前异常声音检测主要采用特征参数与分类器结合进行识别,因此特征参数与分类器的选择将会直接影响异物声音的识别率。……

登录APP查看全文

猜你喜欢

特征信号
信号
完形填空二则
如何表达“特征”
不忠诚的四个特征
孩子停止长个的信号
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
线性代数的应用特征
高处信号强