基于声音信号的电厂设备状态监测分析

• 作者: 袁伟中 卢泓樾 李文杰 马春林
• 来源期刊: 集成电路应用
• 关键词: 卷积神经网络 单类支持向量机 故障诊断 异常检测
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 创新应用|Applications
• 页码范围: 37-39
• 页数: 3页
• 分类号: TP18|TP277
• 语种: 中文
• DOI: 10.19339/j.issn.1674-2583.2021.06.015

摘要

提出一种基于声音信号的电厂设备状态智能监测方法.采集设备声音信号,建立先异常检测后故障识别的诊断方法,通过单类支持向量机对原始声音信号进行异常检测,检测后的信号通过建立的一维卷积神经网络模型进行故障诊断.在电厂设备—浆液循环泵进行实测试验分析.结果表明,提出的方法可以对异常信号进行准确识别,对浆液循环泵故障的识别准确率达到96.49％.