基于声音识别的新型输油泵阀门泄露检测原型系统

论文摘要

阀门泄漏是石油工业中经常遇到的故障，常常因为没有及时发现而导致严重的经济损失，因此，对于阀门的监测是很有必要的。目前对于阀门的监测多是通过专门的硬件设备来实现的，成本较高，且不容易及时发现故障。在德国新型输油泵——软管隔膜活塞泵国产化项目中，根据声学原理用于监测软管隔膜活塞泵进出口阀门是否泄漏的声学实时监测系统是其中重要的子系统。本论文的任务就是研究设计软管隔膜活塞泵进出口阀门声学实时监测系统的软件系统原型。系统通过对国产化软管隔膜活塞泵进出口阀门声音实验样本进行特征参数提取、HMM训练、HMM识别及识别后处理等一系列的操作实现对故障识别。特征参数提取是指从阀门音频信号的大量数据中提取出随时间变化的声音特征序列，去除冗余信息，提取足以代表语音特征的统计数据作为观测序列，是建立HMM的关键。系统中使用MFCC作为特征参数。隐马尔可夫模型训练的目的是根据观测序列计算模型的参数，即从一组训练样本中确定状态的转移概率，作为后期故障识别的依据。系统中采用前向-后向算法实现HMM的训练。模型训练完成之后将模型参数存储。此时，系统就具备了故障诊断的能力。即根据给定的HMM参数和观测序列，决定最有可能产生可见观测序列的隐状态序列。在实验条件下的系统测试中，HMM的平均识别率为95%，再辅以识别后的结果处理，系统的识别率达到了100%。理论分析和实验证实，本论文提出的软件原型系统具有较好的实用价值，为进一步实用化提供了有力的支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 研究内容、关键问题
• 1.3.1 研究内容
• 1.3.2 关键问题
• 第二章 基于声音识别的新型输油泵阀门泄漏检测原型系统的体系结构
• 2.1 工作环境介绍
• 2.2 系统的总体框架
• 第三章 特征提取
• 3.1 信号提取的可靠性处理
• 3.2 特征提取
• 3.2.1 常用的声音特征
• 3.2.2 预处理
• 3.2.2.1 采样/量化
• 3.2.2.2 预加重处理
• 3.2.2.3 加窗
• 3.2.3 MFCC 特征参数提取
• 第四章 隐马尔可夫模型
• 4.1 隐马尔可夫模型概述
• 4.2 估值问题
• 4.3 解码问题
• 4.4 学习问题
• 第五章 建立模型及故障识别
• 5.1 建立模型
• 5.1.1 确定观测序列
• 5.1.2 初始化模型参数
• 5.1.3 HMM 参数训练
• 5.1.4 训练结果
• 5.1.5 训练中遇到的问题
• 5.2 故障识别
• 5.2.1 故障识别
• 5.2.2 识别结果
• 5.3 结果处理
• 第六章 软件实现
• 6.1 本论文软件的编程环境
• 6.2 程序的流程图
• 6.3 实验结果和分析
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢