[发明专利]用于对有载分接开关进行故障识别的方法、装置及系统

权利要求书

1.一种用于对有载分接开关进行故障识别的方法，其特征在于，所述方法包括：

获取由拾音器模组采集并处理后的运行状态的声音信号；

采用如下公式计算所述声音信号的不同频段的频域维纳滤波器系数H，构成软掩蔽：

；

其中，W为所述声音信号的原频谱，V为声音信号的重复谱，所述重复谱V为相似矩阵S各频段的中值，所述相似矩阵S采用如下公式得到：

；

其中，m为帧序号，n为时频谱的帧长，1≤m≤n；

使用所述软掩蔽提取所述声音信号的重复特征，将所述声音信号的背景时频谱与前景时频谱进行分离；

基于梅尔时频谱，对所述声音信号进行降维处理；

根据预先设置的故障识别标准对降维处理后的声音信号故障识别，以确定有载分接开关的故障识别结果。

2.根据权利要求1所述的方法，其特征在于，所述基于相似矩阵的盲源分离，对所述声音信号进行降噪处理之前，包括：

对所述声音信号进行时频域转化。

3.根据权利要求2所述的方法，其特征在于，所述对所述声音信号进行时频域转化，包括：

对所述声音信号进行交叠分段的分帧操作，得到每帧时域信号；

对所述每帧时域信号进行加窗处理；

对加窗处理后的每帧时域信号进行短时离散傅里叶变换。

4.根据权利要求1所述的方法，其特征在于，所述基于梅尔时频谱，对所述声音信号进行降维处理，包括：

将所述声音信号时频谱变换到梅尔标度下的梅尔时频谱；

采用梅尔滤波器组对所述梅尔时频谱的低频和中低频成分进行滤波放大处理，同时对所述梅尔时频谱的中高频和高频进行滤波降权处理。

5.根据权利要求1-4任一所述的方法，其特征在于，所述根据预先设置的故障识别标准对降维处理后的声音信号故障识别，以确定有载分接开关的故障识别结果，包括：

调用预先构建的卷积神经网络模型对降维处理后的声音信号进行特征提取和映射，并对提取和映射的特征进行降维处理，根据降维处理后的特征进行分类，得到有载分接开关的故障识别结果。

6.根据权利要求5所述的方法，其特征在于，所述预先构建的卷积神经网络模型包括至少一个卷积层、至少一个池化层及至少一个全连接层；

所述调用预先构建的卷积神经网络模型对降维处理后的声音信号进行特征提取和映射，并对提取和映射的特征进行降维处理，根据降维处理后的特征进行分类，得到有载分接开关的故障识别结果，包括：

调用所述卷积神经网络模型中的卷积层对降维处理后的声音信号进行特征提取，并对所提取的特征进行非线性映射，将非线性映射后的特征输入所述卷积神经网络模型中的池化层；

调用所述卷积神经网络模型中的池化层对所述非线性映射后的特征进行降维处理，并将降维处理后的特征输入所述卷积神经网络模型中的全连接层；

调用所述卷积神经网络模型中的全连接层对所述降维处理后的特征进行分类，得到有载分接开关的故障识别结果。