基于聲音諧波特征和人工配合的變電設(shè)備運(yùn)行狀態(tài)識(shí)別

楊超超 葉強(qiáng) 田亮

摘 要：提出了一種聲音諧波特征和人工配合的變電設(shè)備運(yùn)行狀態(tài)識(shí)別方法。首先，利用變電站智能巡檢機(jī)器人攜帶的拾音器采集設(shè)備聲音。其次，利用數(shù)字信號(hào)處理及聲音識(shí)別技術(shù)對(duì)設(shè)備聲音進(jìn)行分析，提取諧波作為樣本特征，建立樣本的特征庫(kù)。最后，采用LBG算法獲得聲音樣本的碼本，并與樣本聲音進(jìn)行對(duì)比。后臺(tái)人工操作人員可根據(jù)對(duì)比情況做出設(shè)備運(yùn)行狀態(tài)的準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果顯示，該算法可以有效的對(duì)變電設(shè)備的狀態(tài)進(jìn)行識(shí)別。

關(guān)鍵詞：變電站巡檢機(jī)器人;狀態(tài)識(shí)別;諧波特征;LBG算法

DOI：10.16640/j.cnki.37-1222/t.2019.21.136

1 引言

電力設(shè)備貫穿于發(fā)電、輸電和配電等電力生產(chǎn)的各個(gè)環(huán)節(jié)，一旦電力設(shè)備出現(xiàn)異常就會(huì)造成巨大的經(jīng)濟(jì)損失，甚至帶來(lái)災(zāi)難性的后果[1]。長(zhǎng)期以來(lái)，我國(guó)在變電站設(shè)備巡檢中主要靠人工巡檢作業(yè)方式。在雷雨、大風(fēng)等惡劣天氣下，人工巡檢作業(yè)方式存在較大安全風(fēng)險(xiǎn)，并且檢測(cè)到的數(shù)據(jù)也無(wú)法及時(shí)地傳入管理信息系統(tǒng)。采用機(jī)器人技術(shù)進(jìn)行變電站巡檢，既具有人工巡檢的靈活性、智能性，又能克服在惡劣天氣下人工巡檢作業(yè)方式不能巡檢的缺陷。同時(shí)也是自動(dòng)化、智能化和無(wú)人值守變電站巡檢技術(shù)的發(fā)展方向[2，3]。

針對(duì)變電站中設(shè)備的運(yùn)行狀態(tài)檢測(cè)，電力部門采取了多種方法，但是這些方法往往是接觸式檢測(cè)技術(shù)。然而，接觸式檢測(cè)方式有時(shí)會(huì)影響設(shè)備的正常運(yùn)行。而有經(jīng)驗(yàn)的工作人員可以通過(guò)設(shè)備發(fā)出的聲音判別設(shè)備的運(yùn)行狀況，甚至還能通過(guò)異常聲音得到故障的原因[1]，這種方式被稱為非接觸式檢測(cè)方法。

變電站智能巡檢機(jī)器人的投放使用，有力的推動(dòng)了非接觸式檢測(cè)方法的應(yīng)用。機(jī)器人可以攜帶攝像機(jī)和拾音器采集巡檢過(guò)程中的設(shè)備圖像和設(shè)備聲音，利用模式識(shí)別技術(shù)即可對(duì)設(shè)備進(jìn)行分析與識(shí)別。本文提出了一種聲音諧波特征和人工配合的設(shè)備運(yùn)行狀態(tài)識(shí)別方法，實(shí)現(xiàn)了變電設(shè)備運(yùn)行狀態(tài)的自動(dòng)化、智能化識(shí)別。

2 設(shè)備聲音分析及特征提取

特征是區(qū)分不同物體的關(guān)鍵，變電設(shè)備在正常情況下發(fā)出的聲音是穩(wěn)定的、平穩(wěn)的，運(yùn)行狀態(tài)改變時(shí)往往會(huì)出現(xiàn)比較尖銳的聲音，并且聲音也變的不平穩(wěn)。

在語(yǔ)音識(shí)別中常用的特征有子帶特征、MFCC、LPCC等特征[4]，此類特征多考慮以頻帶作為特征提取的單位，但是變電站設(shè)備運(yùn)行聲音的產(chǎn)生模型和語(yǔ)音不同。LPCC特征是基于線性預(yù)測(cè)分析得到的倒譜參數(shù)[5]，雖然線性預(yù)測(cè)LPC方法可以用于分析聲音信號(hào)，但LPC方法是一種參數(shù)化模型的方法，對(duì)于變電站設(shè)備運(yùn)行聲音來(lái)說(shuō)，頻率分量存在較大波動(dòng)，建模困難。因此，常用的語(yǔ)音識(shí)別類特征不宜用于設(shè)備聲音識(shí)別。

傅里葉分析（DFT）不需要參數(shù)模型，是經(jīng)典的信號(hào)分析方法[6]。因此，本文首先利用傅里葉分析方法對(duì)信號(hào)進(jìn)行了頻譜分析。在不同的變電站、不同的條件下采集了大量的設(shè)備聲音樣本，對(duì)這些樣本進(jìn)行了大量的統(tǒng)計(jì)和分析，發(fā)現(xiàn)變電設(shè)備聲音具有很好的諧波特性。圖2為變電站采集的設(shè)備聲音頻譜分析結(jié)果。

從圖1可見設(shè)備聲音諧波結(jié)構(gòu)非常明顯，頻譜集中在工頻（50Hz）倍數(shù)位置。為了分析變電設(shè)備諧波結(jié)構(gòu)的穩(wěn)定性，我們繪制了變電設(shè)備的語(yǔ)譜圖，如圖2所示。從語(yǔ)譜圖上我們可以清楚地找到和各諧波對(duì)應(yīng)的幾條白線，這也說(shuō)明了變電設(shè)備聲音具有穩(wěn)定的不隨時(shí)間變化的諧波結(jié)構(gòu)，因此聲音信號(hào)的諧波特征可以作為識(shí)別信號(hào)的有效特征。

此外，通過(guò)大量的樣本分析，發(fā)現(xiàn)設(shè)備聲音的頻譜基本位于1000Hz以下。并且樣本質(zhì)量好、噪聲小、頻譜更集中?？紤]到設(shè)備異常時(shí)會(huì)出現(xiàn)大量的高次諧波，本文提取0Hz，50Hz，100Hz，…，1000Hz處的21個(gè)諧波分量的組建21維的特征矢量：{h0，h1，h2，…，h20}。

4 實(shí)驗(yàn)及結(jié)果分析

由于機(jī)器人采集的樣本數(shù)量非常龐大，并且有很多樣本在較長(zhǎng)的時(shí)間內(nèi)都是重復(fù)性的波形（因?yàn)榇蟛糠謺r(shí)間設(shè)備運(yùn)行穩(wěn)定）。因此，對(duì)樣本進(jìn)行了篩選，選取了有代表性的各種波形并剔除了包含刮風(fēng)、下雨、說(shuō)話聲、風(fēng)雨聲、救護(hù)車聲等各種背景噪聲的樣本，其中樣本分別取了5500幀，每幀長(zhǎng)度為1600點(diǎn)，并用漢寧窗對(duì)每幀數(shù)據(jù)進(jìn)行加窗處理。

對(duì)這些樣本進(jìn)行離散傅里葉變換，得到了每一幀對(duì)應(yīng)的21維諧波特征向量。在此基礎(chǔ)上，利用LBG算法分別對(duì)設(shè)備樣本進(jìn)行了聚類，得到了訓(xùn)練碼本code。識(shí)別時(shí)，先對(duì)樣本進(jìn)行加窗、分幀等預(yù)處理操作，計(jì)算每一幀的特征向量，然后利用訓(xùn)練得到的碼本code進(jìn)行識(shí)別。分別計(jì)算每一幀code碼本之間的距離得到di1，di2，…，diJ，其中i為幀號(hào)，并計(jì)算得到距離的最小值：dimin，最后利用閾值進(jìn)行狀態(tài)識(shí)別，即3.2節(jié)描述的識(shí)別流程。由于變電站設(shè)備在運(yùn)行中會(huì)出現(xiàn)負(fù)荷不同的運(yùn)行狀態(tài)，因此，需將識(shí)別結(jié)果傳送到后臺(tái)監(jiān)控系統(tǒng)，操控室現(xiàn)場(chǎng)工作人員進(jìn)行確認(rèn)，如若結(jié)果正確，則及時(shí)進(jìn)行維修。

實(shí)驗(yàn)結(jié)果顯示，正常樣本與碼本code的偏差在[0，0.42]范圍內(nèi)。添加鳥叫、救護(hù)車、說(shuō)話聲等背景噪聲時(shí)樣本與碼本code的偏差也小于0.42，如圖5所示。而異常樣本與碼本code的偏差均大于2，由此可見正常狀態(tài)與異常狀態(tài)存在明顯差異。在[0.5，1.9]之間選擇閾值，可以實(shí)現(xiàn)99%的正確率。

5 結(jié)論

鑒于變電站設(shè)備運(yùn)行的特殊性，本文基于變電站智能巡檢機(jī)器人平臺(tái)，提出了一種聲音諧波特征和人工配合的變電站設(shè)備運(yùn)行態(tài)識(shí)別方法。算法提取設(shè)備聲音在[0Hz，1000Hz]范圍內(nèi)的21個(gè)諧波作為特征，建立了特征樣本庫(kù)，利用LBG算法訓(xùn)練得到了聲音的碼本，利用碼本間的歐式距離實(shí)現(xiàn)了變動(dòng)設(shè)備運(yùn)行狀態(tài)的識(shí)別，正確率為99%。該算法的實(shí)施，實(shí)現(xiàn)了變電站的自動(dòng)化和智能化巡檢、更快地推進(jìn)變電站無(wú)人值守的進(jìn)程。

參考文獻(xiàn)：

[1]蔡禮，朱建武，帥一.基于聲學(xué)特征的變壓器故障診斷方法應(yīng)用需求分析[J].中國(guó)高新技術(shù)企業(yè)，2016（02）：49-50.

[2]通霏，伊列呼，張紅旗等.智能巡檢機(jī)器人應(yīng)用技術(shù)研究[C].2014年中國(guó)電機(jī)工程學(xué)會(huì)年會(huì)，2014：1-3.

[3]宋曉明.變電站智能巡檢機(jī)器人關(guān)鍵技術(shù)研究[D].長(zhǎng)沙理工大學(xué)，2013：1-15.

[4]O.C.Ai，M.Hariharan，S.Yaacob，et al..Classification of speech dysfluencies with MFCC and LPCC features [J].Expert Systemswith Applications，2012，39（02）：2157-2165.

[5]S.Misra，T.K.Das，P.Saha，et al..Comparison of MFCC and LPCCfor a fixed phrase speaker verification system，time complexityand failure analysis[C].International Conference on Circuit，2015，9（02）：1-4.

[6]高宇，黃宜堅(jiān).基于分?jǐn)?shù)階傅里葉變換的振動(dòng)信號(hào)分析[J].計(jì)量學(xué)報(bào)，2012，33（06）：532-535.

[7]許勝輝.非同步交流采樣的測(cè)量與計(jì)算[J].電子與計(jì)算機(jī)技術(shù)，2011，10（01）：69-70.

[8]金濤，陳毅陽(yáng)，段小華等.基于改進(jìn)DFT的電力系統(tǒng)同步相量測(cè)量算法研究[J].電工技術(shù)學(xué)報(bào)，2017，32（17）：1-10.

[9]李杭生，陳丹.頻譜分析中窗函數(shù)的研究[J].微計(jì)算機(jī)信息，2008，24（04）：272-273.

[10]M.Keshavarzbahaghighat，F(xiàn).Sahba，E.Tehrani.Text-dependent Speaker Recognition by Combination of LBG VQ and DTW for PersianLanguage，International Journal of Computer Applications，2013，51（16）：23-27.

[11]梁彥霞，楊家瑋，李燁.一種快速、有效的LBG初始碼書生成算法[J].計(jì)算機(jī)科學(xué)，2011，38（08）：115-116.

作者簡(jiǎn)介：楊超超（1988-），男，云南保山人，本科，助理工程師，研究方向：智能運(yùn)行。