导读:本文包含了异常声音论文开题报告文献综述及选题提纲参考文献，主要关键词:变压器,声音异常,原因,检修方法
异常声音论文文献综述
朱辉,王煜,孙涛[1]（2019）在《变压器运行期间声音异常处理方法探析》一文中研究指出为做好电厂变压器的运维巡视工作,基于某电厂变压器运行现状,介绍了变压器运行期间存在的主要异常声音,分析了变压器运行期间产生异常声音的原因,提出了解决变压器声音异常的方法,并结合工作实践,总结了变压器检修与运维中应重点注意的事项。(本文来源于《技术与市场》期刊2019年11期）
李伟红,王伟冰,龚卫国[2]（2019）在《低信噪比下公共场所异常声音声学特征提取》一文中研究指出为了实现低信噪比下公共场所异常声音声学特征提取,提出经验小波滤波器组用于提取异常声音声学特征。首先,根据等效矩形带宽的人耳听觉特性,得到各滤波器的中心频率,计算出经验小波滤波器组的边界。然后,将边界代入经验小波细节函数和尺度函数中,形成经验小波滤波器组。最后,用经验小波滤波器组分解低信噪比下公共场所异常声音,经分解的各模态归一化对数能量作为异常声音声学特征,用于分类识别。相关实验表明,提出的经验小波滤波器组与典型的语音信号处理及时频信号处理方法相比,在低信噪比(0 dB)的商店、银行、办公室、自动取款机环境下,对异常声音的平均识别率提高了4.75%～37.92%,验证了提出方法的有效性。(本文来源于《声学学报》期刊2019年05期）
韦娟,张芃楠,岳凤丽,宁方立[3]（2019）在《基于PSO-PF算法的SVM识别方法及其在异常声音中的应用》一文中研究指出针对异常声音识别率低和算法复杂度高等技术难题,提出了一种基于粒子群优化粒子滤波(PSO-PF)算法优化支持向量机(SVM)的识别方法.将PSO算法引入粒子滤波中,通过不断更新粒子速度和位置,使粒子群向高似然后验概率区域移动,提高粒子滤波的参数估计精度.将PSO-PF算法应用于SVM参数优化中,可解决现有SVM参数优化算法易陷入局部最优值等问题.实验结果表明,将所提方法应用于多类异常声音识别,能够有效提高识别率,降低算法复杂度.(本文来源于《北京邮电大学学报》期刊2019年03期）
韩磊磊[4]（2019）在《基于支持向量机的生猪异常声音识别与监测系统》一文中研究指出我国是世界上猪肉生产大国,同时也是世界上猪肉消费大国,生猪的养殖在畜牧业中占有非常重要的地位。随着科学技术的发展,越来越多的新型技术应用到生猪养殖过程中,从而推动生猪养殖方式由粗放型、个体散养型,向集约化、规模化和自动化养殖方向转变。集约化养殖方式虽然在养殖效益以及资源利用率上胜过传统养殖方式,但是集约化养殖容易造成生猪养殖空间拥挤,环境通风不良,传染病蔓延迅速等问题,这样会导致生猪出现异常的概率增加。因此,如何及时对生猪的异常状况进行预警是集约化生猪养殖方式亟待解决的一大问题。目前,国内生猪养殖中主要以人工监测为主,这种方式不仅费时费力,而且容易受主观因素影响,同时人员的活动会引起生猪应激反应,不利于生猪健康生长。声音识别技术广泛应用于安防系统,具有识别精度高、无接触、客观性强等特点。本论文利用声音识别技术设计了一种生猪异常声音监测系统,对生猪惊骇声和咳嗽声进行在线监测。本论文主要研究内容如下:(1)对猪舍内声音信号进行在线采集时,由于采集到的声音信号中存在较多能量幅值较低的无效声音信号。本论文通过设定能量采集阈值,减少对无效声音信号的处理,提高监测系统对猪舍声音处理速度。(2)猪舍中采集到的生猪声音夹杂大量的环境噪声,主要以猪舍内通风机噪声为主。本论文采用数字滤波器、小波阈值法和改进谱减法对采集到的生猪声音信号进行降噪处理。实验结果表明当生猪声音信号受到通风机噪声干扰时,改进谱减法可以取得较好的降噪效果,同时还可以满足在线处理的要求。(3)对生猪声音信号提取4种特征参数,包括时域特征参数、LPCC特征参数、MFCC特征参数以及基于消除变化缓慢趋势项的特征参数。通过对这4种特征参数相互组合并进行实验,结果表明当MFCC及其一阶差分系数作为特征参数时,生猪异常声音识别效果最佳。(4)利用SVDD模型的单分类检测能力,同时对SVM模型构造合适的多分类器,得到SVDD和SVM检测识别模型,采用该模型对猪舍内生猪异常声音信号进行检测与识别,最后根据一段时间内的识别结果对生猪健康状况进行判断。(5)采用西门子组态软件WinCC7.0对生猪异常声音监测系统的上位机界面进行设计,可以实时显示、记录和存储猪舍内异常声音相关数据的变化趋势、处理结果以及报警信息等,为饲养人员及时了解猪舍内的情况提供帮助。本论文设计的生猪异常声音监测系统可以对猪舍内的生猪健康状况进行实时监测,为实现生猪异常监测从人工方式向自动化、数字化方式转变提供依据。(本文来源于《太原理工大学》期刊2019-06-01）
韩磊磊,田建艳,张苏楠,李江丽[5]（2019）在《基于决策树支持向量机和模糊推理的生猪异常声音识别》一文中研究指出育肥期是猪生长发育最快的阶段,此阶段生猪疾病防控工作是否到位直接关系着养殖效益高低。猪舍内声音种类繁多,借鉴前人研究成果和咨询相关养殖专家,本文选择打斗声、咳嗽声、喷嚏声、饥饿声和呛水声作为生猪异常声音研究对象。针对上述5种声音建立声音采集识别系统,对每种声音信号提取改进梅尔频率倒谱系数(MFCC_P)、短时能量(E)和短时过零率(ZCR)组成的复合特征参数,然后利用决策树支持向量机(DT-SVM)对每帧数据进行识别,最后结合模糊推理技术对时间窗口内结果进行推理识别。试验结果表明:复合特征参数识别结果优于传统MFCC,平均识别率可以达到94.4%,满足对生猪异常声音的识别要求。(本文来源于《畜牧与兽医》期刊2019年03期）
杜晓冬,曹晏飞,滕光辉[6]（2018）在《基于图像和声音技术的种鸡舍内异常事件监测方法》一文中研究指出针对种鸡养殖规模不断扩大,饲养员无法靠人工方式实现鸡舍24h连续监测并及时发现舍内异常状况的问题,提出一种非接触式、24h连续、自动化的监测方法,采用Kinect设备同步采集图像和声音数据,基于LabVIEW软件分析并预警鸡舍内的异常事件。该方法将图像和声音技术相结合,获取种鸡群体日平均活动指数和声音能量,对禽舍内影响种鸡生产性能的异常事件进行预警研究。结果表明,该方法预警异常事件的准确率为73.9%,漏诊率0,误诊率26.1%,相比于单一图像或声音监测手段,该方法能够较全面地监测影响种鸡生产性能的异常事件,为深入研究动物行为和动物福利提供了一种有效的参考手段。(本文来源于《中国农业大学学报》期刊2018年12期）
陈腾飞,王小波,李忠全,石康宁[7]（2018）在《海阳核电站1号机组主变运行声音和振动异常原因分析》一文中研究指出海阳核电站1号机组主变在倒送电期间运行声音和振动异常,经测量发现中性点直流分量较大。本文主要对测量过程、数据分析、原因查找和后续处理措施进行研究,为后续沿海核电机组主变运行声音和振动异常问题的处理提供参考和借鉴。(本文来源于《中国核电》期刊2018年04期）
张红伟[8]（2018）在《往复式活塞压缩机声音异常原因与处理》一文中研究指出往复式活塞压缩机是常见的化工装置,为了更好地确保其得到安全高效地运行,就必须切实加强对其的运维。在日常运维工作中,往复式活塞压缩机经常出现声音异常的情况,所以必须切实加强对其声音异常原因的分析,并强化对其的处理,才能更好地确保其运行的安全性和高效。(本文来源于《化工设计通讯》期刊2018年07期）
韦娟,岳凤丽,仇鹏,宁方立[9]（2018）在《基于EEMD的异常声音多类识别算法》一文中研究指出为了提高异常声音信号的识别率,提出一种将总体平均经验模态分解和梅尔频率倒谱系数、短时能量及能量比相结合的特征提取改进算法,并对决策导向无环图支持向量机多类识别算法进行改进.首先对声音信号进行分帧,然后对每帧信号进行总体平均经验模态分解得到固有模态函数,最后对每层固有模态函数提取梅尔频率倒谱系数、短时能量和能量比特征.根据提取的特征,采用改进的决策导向无环图支持向量机算法对五种异常声音信号进行识别.仿真结果表明:改进的特征提取算法和决策导向无环图支持向量机多类识别算法相比改进前识的别率分别提高了2%和2.5%.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年07期）
杨毫鸽[10]（2018）在《飞机发动机异常声音识别方法研究》一文中研究指出异常声音事件检测是声音识别领域一个新的研究热点,具有很广泛的应用范围。航空发动机是飞机必不可少的一部分,其可靠性对飞机性能和安全飞行至关重要。通常情况下,当飞机发动机出现故障时,都可以归结为发动机产生了异常声音,如果能通过识别发动机的异常声音来检测发动机运行的状态,不仅可以减少运营和维修的成本,也可以减少事故的发生,然而,国内外针对飞机发动机异常声音检测的研究很少。本课题提出了飞机发动机异常声音识别系统的构建方法,该方法结合了信号处理的新理论和新应用,能有效推动航空安全技术智能化的发展。本文的主要内容如下:(1)建立了一个飞机发动机声音库,并对声音库中的声音信号进行预处理,提取出表征声音特征的MFCC参数和GFCC参数,组成飞机发动机声音特征矢量。(2)研究基于GMM-UBM的飞机发动机异常声音识别方法。通过提取的特征参数训练UBM模型,并用MAP自适应算法得到GMM-UBM模型,用GMMUBM模型检测识别发动机声音。最后通过MATLAB仿真实验,验证了特征参数、GMM混合度、特征参数的维数以及特征阶数对异常声音识别系统的影响。实验结果表明,GMM混合度为128时,发动机声音特征为12维MFCC参数时基于GMMUBM的飞机发动机异常声音识别系统的效果最好。(3)研究深度学习方法在飞机发动机异常声音识别中的应用。通过对深度学习基本知识的分析研究,本课题提出了基于MFCC-CNN、MFCC-LSTM-RNN和MFCC-FNN的飞机发动机异常声音识别系统,系统搭建在TensorFlow框架下,用python语言编程运行,通过实验验证了测试数据的时间、训练数据的训练次数以及神经网络的学习率对神经网络系统的影响。实验结果表明,测试时间为训练时间的一半,训练次数Epoch值为30和神经网络的学习率为0.001时,搭建的神经网络系统在飞机发动机异常声音中的平均识别率达到95%以上,结果证明具有很好的鲁棒性。综上所述,本课题搭建的飞机发动机异常声音识别系统,能够得到较好的识别效果,为声音事件检测技术在航空领域的应用提供了方法借鉴。(本文来源于《南昌航空大学》期刊2018-06-01）
异常声音论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了实现低信噪比下公共场所异常声音声学特征提取,提出经验小波滤波器组用于提取异常声音声学特征。首先,根据等效矩形带宽的人耳听觉特性,得到各滤波器的中心频率,计算出经验小波滤波器组的边界。然后,将边界代入经验小波细节函数和尺度函数中,形成经验小波滤波器组。最后,用经验小波滤波器组分解低信噪比下公共场所异常声音,经分解的各模态归一化对数能量作为异常声音声学特征,用于分类识别。相关实验表明,提出的经验小波滤波器组与典型的语音信号处理及时频信号处理方法相比,在低信噪比(0 dB)的商店、银行、办公室、自动取款机环境下,对异常声音的平均识别率提高了4.75%～37.92%,验证了提出方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
异常声音论文参考文献
[1].朱辉,王煜,孙涛.变压器运行期间声音异常处理方法探析[J].技术与市场.2019
[2].李伟红,王伟冰,龚卫国.低信噪比下公共场所异常声音声学特征提取[J].声学学报.2019
[3].韦娟,张芃楠,岳凤丽,宁方立.基于PSO-PF算法的SVM识别方法及其在异常声音中的应用[J].北京邮电大学学报.2019
[4].韩磊磊.基于支持向量机的生猪异常声音识别与监测系统[D].太原理工大学.2019
[5].韩磊磊,田建艳,张苏楠,李江丽.基于决策树支持向量机和模糊推理的生猪异常声音识别[J].畜牧与兽医.2019
[6].杜晓冬,曹晏飞,滕光辉.基于图像和声音技术的种鸡舍内异常事件监测方法[J].中国农业大学学报.2018
[7].陈腾飞,王小波,李忠全,石康宁.海阳核电站1号机组主变运行声音和振动异常原因分析[J].中国核电.2018
[8].张红伟.往复式活塞压缩机声音异常原因与处理[J].化工设计通讯.2018
[9].韦娟,岳凤丽,仇鹏,宁方立.基于EEMD的异常声音多类识别算法[J].华中科技大学学报(自然科学版).2018
[10].杨毫鸽.飞机发动机异常声音识别方法研究[D].南昌航空大学.2018