楊超超 葉強 田亮

摘 要：提出了一種聲音諧波特征和人工配合的變電設(shè)備運行狀態(tài)識別方法。首先，利用變電站智能巡檢機器人攜帶的拾音器采集設(shè)備聲音。其次，利用數(shù)字信號處理及聲音識別技術(shù)對設(shè)備聲音進行分析，提取諧波作為樣本特征，建立樣本的特征庫。最后，采用LBG算法獲得聲音樣本的碼本，并與樣本聲音進行對比。后臺人工操作人員可根據(jù)對比情況做出設(shè)備運行狀態(tài)的準確識別。實驗結(jié)果顯示，該算法可以有效的對變電設(shè)備的狀態(tài)進行識別。

關(guān)鍵詞：變電站巡檢機器人;狀態(tài)識別;諧波特征;LBG算法

DOI：10.16640/j.cnki.37-1222/t.2019.21.136

1 引言

電力設(shè)備貫穿于發(fā)電、輸電和配電等電力生產(chǎn)的各個環(huán)節(jié)，一旦電力設(shè)備出現(xiàn)異常就會造成巨大的經(jīng)濟損失，甚至帶來災(zāi)難性的后果[1]。長期以來，我國在變電站設(shè)備巡檢中主要靠人工巡檢作業(yè)方式。在雷雨、大風(fēng)等惡劣天氣下，人工巡檢作業(yè)方式存在較大安全風(fēng)險，并且檢測到的數(shù)據(jù)也無法及時地傳入管理信息系統(tǒng)。采用機器人技術(shù)進行變電站巡檢，既具有人工巡檢的靈活性、智能性，又能克服在惡劣天氣下人工巡檢作業(yè)方式不能巡檢的缺陷。同時也是自動化、智能化和無人值守變電站巡檢技術(shù)的發(fā)展方向[2，3]。

針對變電站中設(shè)備的運行狀態(tài)檢測，電力部門采取了多種方法，但是這些方法往往是接觸式檢測技術(shù)。然而，接觸式檢測方式有時會影響設(shè)備的正常運行。而有經(jīng)驗的工作人員可以通過設(shè)備發(fā)出的聲音判別設(shè)備的運行狀況，甚至還能通過異常聲音得到故障的原因[1]，這種方式被稱為非接觸式檢測方法。

變電站智能巡檢機器人的投放使用，有力的推動了非接觸式檢測方法的應(yīng)用。機器人可以攜帶攝像機和拾音器采集巡檢過程中的設(shè)備圖像和設(shè)備聲音，利用模式識別技術(shù)即可對設(shè)備進行分析與識別。本文提出了一種聲音諧波特征和人工配合的設(shè)備運行狀態(tài)識別方法，實現(xiàn)了變電設(shè)備運行狀態(tài)的自動化、智能化識別。

2 設(shè)備聲音分析及特征提取

特征是區(qū)分不同物體的關(guān)鍵，變電設(shè)備在正常情況下發(fā)出的聲音是穩(wěn)定的、平穩(wěn)的，運行狀態(tài)改變時往往會出現(xiàn)比較尖銳的聲音，并且聲音也變的不平穩(wěn)。

在語音識別中常用的特征有子帶特征、MFCC、LPCC等特征[4]，此類特征多考慮以頻帶作為特征提取的單位，但是變電站設(shè)備運行聲音的產(chǎn)生模型和語音不同。LPCC特征是基于線性預(yù)測分析得到的倒譜參數(shù)[5]，雖然線性預(yù)測LPC方法可以用于分析聲音信號，但LPC方法是一種參數(shù)化模型的方法，對于變電站設(shè)備運行聲音來說，頻率分量存在較大波動，建模困難。因此，常用的語音識別類特征不宜用于設(shè)備聲音識別。

傅里葉分析（DFT）不需要參數(shù)模型，是經(jīng)典的信號分析方法[6]。因此，本文首先利用傅里葉分析方法對信號進行了頻譜分析。在不同的變電站、不同的條件下采集了大量的設(shè)備聲音樣本，對這些樣本進行了大量的統(tǒng)計和分析，發(fā)現(xiàn)變電設(shè)備聲音具有很好的諧波特性。圖2為變電站采集的設(shè)備聲音頻譜分析結(jié)果。

從圖1可見設(shè)備聲音諧波結(jié)構(gòu)非常明顯，頻譜集中在工頻（50Hz）倍數(shù)位置。為了分析變電設(shè)備諧波結(jié)構(gòu)的穩(wěn)定性，我們繪制了變電設(shè)備的語譜圖，如圖2所示。從語譜圖上我們可以清楚地找到和各諧波對應(yīng)的幾條白線，這也說明了變電設(shè)備聲音具有穩(wěn)定的不隨時間變化的諧波結(jié)構(gòu)，因此聲音信號的諧波特征可以作為識別信號的有效特征。

此外，通過大量的樣本分析，發(fā)現(xiàn)設(shè)備聲音的頻譜基本位于1000Hz以下。并且樣本質(zhì)量好、噪聲小、頻譜更集中?？紤]到設(shè)備異常時會出現(xiàn)大量的高次諧波，本文提取0Hz，50Hz，100Hz，…，1000Hz處的21個諧波分量的組建21維的特征矢量：{h0，h1，h2，…，h20}。

4 實驗及結(jié)果分析

由于機器人采集的樣本數(shù)量非常龐大，并且有很多樣本在較長的時間內(nèi)都是重復(fù)性的波形（因為大部分時間設(shè)備運行穩(wěn)定）。因此，對樣本進行了篩選，選取了有代表性的各種波形并剔除了包含刮風(fēng)、下雨、說話聲、風(fēng)雨聲、救護車聲等各種背景噪聲的樣本，其中樣本分別取了5500幀，每幀長度為1600點，并用漢寧窗對每幀數(shù)據(jù)進行加窗處理。

對這些樣本進行離散傅里葉變換，得到了每一幀對應(yīng)的21維諧波特征向量。在此基礎(chǔ)上，利用LBG算法分別對設(shè)備樣本進行了聚類，得到了訓(xùn)練碼本code。識別時，先對樣本進行加窗、分幀等預(yù)處理操作，計算每一幀的特征向量，然后利用訓(xùn)練得到的碼本code進行識別。分別計算每一幀code碼本之間的距離得到di1，di2，…，diJ，其中i為幀號，并計算得到距離的最小值：dimin，最后利用閾值進行狀態(tài)識別，即3.2節(jié)描述的識別流程。由于變電站設(shè)備在運行中會出現(xiàn)負荷不同的運行狀態(tài)，因此，需將識別結(jié)果傳送到后臺監(jiān)控系統(tǒng)，操控室現(xiàn)場工作人員進行確認，如若結(jié)果正確，則及時進行維修。

實驗結(jié)果顯示，正常樣本與碼本code的偏差在[0，0.42]范圍內(nèi)。添加鳥叫、救護車、說話聲等背景噪聲時樣本與碼本code的偏差也小于0.42，如圖5所示。而異常樣本與碼本code的偏差均大于2，由此可見正常狀態(tài)與異常狀態(tài)存在明顯差異。在[0.5，1.9]之間選擇閾值，可以實現(xiàn)99%的正確率。

5 結(jié)論

鑒于變電站設(shè)備運行的特殊性，本文基于變電站智能巡檢機器人平臺，提出了一種聲音諧波特征和人工配合的變電站設(shè)備運行態(tài)識別方法。算法提取設(shè)備聲音在[0Hz，1000Hz]范圍內(nèi)的21個諧波作為特征，建立了特征樣本庫，利用LBG算法訓(xùn)練得到了聲音的碼本，利用碼本間的歐式距離實現(xiàn)了變動設(shè)備運行狀態(tài)的識別，正確率為99%。該算法的實施，實現(xiàn)了變電站的自動化和智能化巡檢、更快地推進變電站無人值守的進程。

參考文獻：

[1]蔡禮，朱建武，帥一.基于聲學(xué)特征的變壓器故障診斷方法應(yīng)用需求分析[J].中國高新技術(shù)企業(yè)，2016（02）：49-50.

[2]通霏，伊列呼，張紅旗等.智能巡檢機器人應(yīng)用技術(shù)研究[C].2014年中國電機工程學(xué)會年會，2014：1-3.

[3]宋曉明.變電站智能巡檢機器人關(guān)鍵技術(shù)研究[D].長沙理工大學(xué)，2013：1-15.

[4]O.C.Ai，M.Hariharan，S.Yaacob，et al..Classification of speech dysfluencies with MFCC and LPCC features [J].Expert Systemswith Applications，2012，39（02）：2157-2165.

[5]S.Misra，T.K.Das，P.Saha，et al..Comparison of MFCC and LPCCfor a fixed phrase speaker verification system，time complexityand failure analysis[C].International Conference on Circuit，2015，9（02）：1-4.

[6]高宇，黃宜堅.基于分數(shù)階傅里葉變換的振動信號分析[J].計量學(xué)報，2012，33（06）：532-535.

[7]許勝輝.非同步交流采樣的測量與計算[J].電子與計算機技術(shù)，2011，10（01）：69-70.

[8]金濤，陳毅陽，段小華等.基于改進DFT的電力系統(tǒng)同步相量測量算法研究[J].電工技術(shù)學(xué)報，2017，32（17）：1-10.

[9]李杭生，陳丹.頻譜分析中窗函數(shù)的研究[J].微計算機信息，2008，24（04）：272-273.

[10]M.Keshavarzbahaghighat，F(xiàn).Sahba，E.Tehrani.Text-dependent Speaker Recognition by Combination of LBG VQ and DTW for PersianLanguage，International Journal of Computer Applications，2013，51（16）：23-27.

[11]梁彥霞，楊家瑋，李燁.一種快速、有效的LBG初始碼書生成算法[J].計算機科學(xué)，2011，38（08）：115-116.

作者簡介：楊超超（1988-），男，云南保山人，本科，助理工程師，研究方向：智能運行。