基于OSALPCC与SVM的工程机械声音识别算法研究

发布时间：2017-05-03 04:06

  本文关键词：基于OSALPCC与SVM的工程机械声音识别算法研究，，由笔耕文化传播整理发布。

【摘要】：随着经济的快速发展,用电量逐年增加,而在配电系统中,由于地下电缆具有占地面积少、供电可靠性高、不易受环境影响的优点,因此其所占比重越来越大。但是在供电过程中,地下电缆经常遭到外力的破坏(主要来自四类工程机械:手持电镐、切割机、机械破碎锤以及挖掘机),影响供电系统稳定性。因此,电缆防破坏成为电力部门所面临的一个重大技术难题。目前电缆防破坏多采用人工巡逻或设立警示牌的形式,但是这些方法人力物力成本较高,并且收效甚微。也有使用分布式光纤传感系统进行振动源检测的,但光纤传感器系统的误报率较高并且不能实现对振动源的分类。针对以上问题,本文提出了基于声音的地下电缆防外力破坏方法。本文对工程机械声音识别整体流程做了详细介绍,研究了噪声环境下工程机械声音信号的特征提取方法以及基于支持向量机(Support Vector Machine,SVM)的工程机械声音信号分类方法,并与K最近邻(k-Nearest Neighbor,KNN)算法进行比较。最终利用LabVIEW平台开发出地下电缆防破坏监控软件。主要研究内容如下:1)工程机械声音信号的采集以及预处理。对声音信号的采集、预加重、分帧、加窗的过程进行了分析。2)工程机械声音信号特性分析以及特征提取。对工程机械声音特性进行分析,将语音领域特征提取算法修改后应用到工程机械声音信号处理上。针对噪声环境下识别率较低的问题,提出了线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)的改进算法单边自相关线性预测系数倒谱系数(One-sided Autocorrelation LPCC,OSALPCC),比较了四种工程机械声音信号特征向量的分布范围,从而得出可以通过该特征向量对工程机械进行分类。3)智能分类算法。介绍了支持向量机(SVM)的原理,并针对两种特征向量(LPCC、OSALPCC)进行分类实验,比较了SVM与KNN两种分类算法,并最终确定采用SVM分类算法。实验中发现两种特征向量都有较高的识别率,但是OSALPCC的抗噪声性能优于LPCC。4)应用软件的开发。基于LabVIEW平台开发了地下电缆防破坏实时监控系统软件用来对算法进行验证,经过现场测试,系统识别率达到90%以上。
【关键词】：地下电缆 工程机械 SVM LPCC OSALPCC
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.34
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-17
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状12-15
• 1.3 主要研究内容15-16
• 1.4 章节安排16-17
• 第二章 工程机械声音分析及特征提取17-35
• 2.1 工程机械声音信号分析17-21
• 2.1.1 语音产生机理17
• 2.1.2 工程机械发声机理17-18
• 2.1.3 四种工程机械声音分析18-20
• 2.1.4 工程机械声音与语音比较20-21
• 2.2 声音识别基本原理21-22
• 2.3 声音信号预处理22-27
• 2.3.1 声音信号的采集22-24
• 2.3.2 声音信号预加重24
• 2.3.3 声音信号加窗24-27
• 2.4 声音信号特征提取27-33
• 2.4.1 线性预测倒谱系数(LPCC)27-30
• 2.4.2 单边自相关线性预测倒谱系数(OSALPCC)30-33
• 2.5 本章小结33-35
• 第三章 工程机械声音分类及识别算法设计35-51
• 3.1 SVM的提出35-36
• 3.2 SVM分类原理36-39
• 3.3 SVM核函数39-42
• 3.4 SVM多分类42-43
• 3.5 工程机械分类实验仿真43-49
• 3.5.1 采用KNN算法进行分类44-46
• 3.5.2 采用SVM算法进行分类46-49
• 3.5.3 KNN与SVM算法对比49
• 3.6 本章小结49-51
• 第四章 识别系统软件设计及测试51-61
• 4.1 虚拟仪器51-52
• 4.2 Lab VIEW平台52-53
• 4.3 软件设计53-58
• 4.3.1 软件设计流程53-55
• 4.3.2 软件界面设计及各模块功能实现55-58
• 4.4 现场测试58-60
• 4.4.1 实验平台搭建58-59
• 4.4.2 现场测试结果59-60
• 4.5 本章小结60-61
• 第五章 结论与展望61-63
• 5.1 论文总结61-62
• 5.2 研究展望62-63
• 致谢63-64
• 参考文献64-68
• 附录68

【相似文献】

中国期刊全文数据库 前10条

1 蒋湘辉;;工程机械信息化2.0[J];每周电脑报;2007年37期

2 金衡伦;;鸿篇巨制 弘毅致远——《中国工程机械行业志》出版在即[J];工程机械;2011年06期

3 ;《今日工程机械》十周年[J];今日工程机械;2012年20期

4 ;《今日工程机械》十周年[J];今日工程机械;2012年21期

5 李志勇;《工程机械与维修》十大作者[J];工程机械与维修;2000年10期

6 ;变是永远的不变[J];工程机械与维修;2002年01期

7 ;《今日工程机械》一周年回眸[J];今日工程机械;2003年10期

8 王晓华;整合,与中国工程机械行业的国际化策略[J];机器人技术与应用;2004年01期

9 顾硕;田承天;师张虎;;利用自动化技术使工程机械走向高端[J];自动化博览;2011年08期

10 ;工程机械不能跟随式发展[J];中国经济和信息化;2011年21期

中国重要会议论文全文数据库 前10条

1 马传伟;;工程机械配套件行业任重而道远[A];中国工程机械行业第四届信息发布会专辑[C];2001年

2 凌海风;严骏;郭坚毅;;我国工程机械加速发展的思考和建议[A];中国工程机械学会2003年年会论文集[C];2003年

3 惠明阔;;面对21世纪,我国工程机械发展的思路探讨[A];中国工程机械学会2003年年会论文集[C];2003年

4 曹星洲;;工程机械的维修现状与改善措施[A];2012年中铁隧道集团低碳环保优质工程修建技术专题交流会论文集[C];2012年

5 陈学因;;工程机械的绿色设计[A];创新装备技术 给力地方经济——第三届全国地方机械工程学会学术年会暨海峡两岸机械科技论坛论文集[C];2013年

6 王少春;;工程机械的低碳循环再利用[A];低碳陕西学术研讨会论文集[C];2010年

7 ;工程机械行业“十五”发展规划[A];中国工程机械行业第四届信息发布会专辑[C];2001年

8 韩萍;张彦生;;高新技术在工程机械上的应用及发展[A];中国工程机械学会2003年年会论文集[C];2003年

9 宫铁成;何君珂;;面对WTO,我们如何应对的探讨与研究[A];中国工程机械学会2003年年会论文集[C];2003年

10 刘玉山;;全球工程机械行业回顾[A];首届中国工程机械出口与发展论坛论文集[C];2007年

中国重要报纸全文数据库 前10条

1 石文清;国产工程机械：节能环保的路还很远[N];中国交通报;2005年

2 志婷;工程机械中长期向好[N];机电商报;2005年

3 本报记者 陈克然;节能环保：工程机械不容忽视的话题[N];中国建设报;2005年

4 本报记者 陈克然;技术创新给工程机械用户送来福音[N];中国建设报;2005年

5 青华;工程机械：趋向环保和信息化发展[N];中华建筑报;2004年

6 李健;长沙工程机械业增长势头强劲[N];中国建材报;2007年

7 郑泉;工程机械上市公司进入快速增长轨道[N];中国交通报;2006年

8 冉野;宝钢工程机械集中管理见成效[N];中国建设报;2006年

9 赵晶;工程机械应该长鸣环保警钟[N];中华建筑报;2006年

10 葛运溥邋通讯员 蔡海霄;交通行业举办首届中国工程机械出口与发展论坛[N];中国交通报;2007年

中国博士学位论文全文数据库 前3条

1 金守峰;基于机器视觉的工程机械行走速度测量系统研究[D];长安大学;2015年

2 于刚;挖掘机振声信号时频分析研究与应用[D];山东大学;2016年

3 马宁;高硬强韧WC涂层的设计及其在工程机械再制造中的应用[D];天津大学;2014年

中国硕士学位论文全文数据库 前10条

1 匡成盛;热处理工艺对钛钼微合金化工程机械用钢组织和性能的影响[D];昆明理工大学;2015年

2 阎玉婷;基于语义学的工程机械造型设计方法研究[D];长安大学;2015年

3 邬文龙;Q公司发展战略的研究[D];浙江工业大学;2015年

4 冯志海;乌鲁木齐博腾工程机械有限公司挖掘机配件营销策略研究[D];石河子大学;2015年

5 朱坤鹏;工程机械变速箱再制造的研究与应用[D];广西科技大学;2015年

6 李宇;工程机械双流程散热器散热特性分析[D];吉林大学;2016年

7 周Pr;工程机械企业现金流管控研究[D];云南财经大学;2016年

8 李建民;计及NVH的工程机械热管理系统分析[D];山东大学;2016年

9 李文琪;面向铁路工程机械的售后服务协同与共享系统研究与实现[D];西南交通大学;2016年

10 阿赛特;哈萨克斯坦工程机械进口贸易研究[D];北京交通大学;2016年

  本文关键词：基于OSALPCC与SVM的工程机械声音识别算法研究，由笔耕文化传播整理发布。

本文编号：342276