基于音频特征的水车室工作状态异常检测
Audio Feature-based Anomaly Detection of Working Status of Turbine Room作者机构:溪洛渡水力发电厂 北京华控智加科技有限公司
出 版 物:《水电能源科学》 (Water Resources and Power)
年 卷 期:2024年第42卷第8期
页 面:168-172页
核心收录:
学科分类:081504[工学-水利水电工程] 08[工学] 0815[工学-水利工程]
基 金:三峡金沙江川云水电开发有限公司永善溪洛渡电厂科研项目(4122020006)
主 题:音频数据 水车室 STFT Log-Mel 梅尔频率倒频谱系数(MFCC) 时域特征 支持向量机
摘 要:水电站的水车室包含轴承和顶盖等机械设备,受水力因素影响,水车室的异常工作会带来较大的安全隐患,基于大数据分析的精确维护对于水车室的可靠运行至关重要。针对水车室的异常工作状态,通过模型训练、特征工程和分类模型的开发等过程,采用STFT、Log-Mel、MFCC等方法对音频数据进行了预处理,建立了基于音频数据的异常检测模型,并对溪洛渡水电站水车室工作状态进行了异常检测。结果表明,Log-Mel方法具有有效性。研究结果不仅降低了异常检测的成本,还为水电机组的健康监测提供了参考。