何志甘，陳光焰，呂小偉，林 石，朱亦斌

（國(guó)網(wǎng)福建省電力有限公司超高壓分公司，福建福州 350003）

0 引言

受設(shè)備絕緣老化、機(jī)械部件松動(dòng)、繞組變形、過(guò)熱、內(nèi)部放電等各種外界因素的干擾，在長(zhǎng)時(shí)間使用之后換流閥極易產(chǎn)生故障。傳統(tǒng)的故障診斷方法主要是通過(guò)人耳聆聽換流閥的運(yùn)行聲音，以針對(duì)故障的具體類型、位置進(jìn)行判斷[1]。然而，這種方法本身主觀性較強(qiáng)，且存在模糊性、局限性的特點(diǎn)，對(duì)于一些細(xì)微的聲音來(lái)說(shuō)則需要依靠一定的經(jīng)驗(yàn)與知識(shí)積累[2]。正是因?yàn)閾Q流閥面臨的故障主要集中在內(nèi)部，聲紋識(shí)別就成為工況檢測(cè)研究的主要方向。

1 換流閥聲紋采集及處理

換流閥的數(shù)據(jù)主要是采用專業(yè)的聲紋采集設(shè)備進(jìn)行采集，獲取聲紋語(yǔ)料。完成數(shù)據(jù)采集之后，需要針對(duì)這些聲紋數(shù)據(jù)進(jìn)行預(yù)處理[3]。首先，針對(duì)換流閥音頻實(shí)施分段處理，為有效保障輸入音頻均為完全統(tǒng)一的時(shí)間信息，需要針對(duì)相關(guān)的時(shí)長(zhǎng)進(jìn)行嚴(yán)格的限制。針對(duì)采集的數(shù)據(jù)進(jìn)行切分處理[4]。因?yàn)閾Q流閥聲紋數(shù)據(jù)屬于一系列離散點(diǎn)模式，其中每個(gè)點(diǎn)分別對(duì)應(yīng)一個(gè)采樣點(diǎn)，所以聲紋數(shù)據(jù)對(duì)應(yīng)的長(zhǎng)度等于時(shí)間與fssample的乘積。其中fssample屬于音頻對(duì)應(yīng)的采樣頻率。

針對(duì)完成分段的變壓器音頻來(lái)說(shuō)，還需要進(jìn)行分幀操作。幀作為聲紋信號(hào)處理當(dāng)中最小的一種單位，本身具有非常短的時(shí)間，同時(shí)也涉及非常多的聲音特點(diǎn)。通常認(rèn)為聲紋信號(hào)在長(zhǎng)時(shí)間內(nèi)表現(xiàn)為多變性特征，在短時(shí)間內(nèi)表現(xiàn)為不變性，即便是在非常短的時(shí)間內(nèi)，都能將聲音特征視作完全固定的。根據(jù)上述思維模式，針對(duì)換流閥當(dāng)中的聲紋數(shù)據(jù)實(shí)施切分。本文主要是將幀長(zhǎng)設(shè)置為50 ms，步長(zhǎng)設(shè)置為1/3 或1/2 的幀長(zhǎng)。相較于語(yǔ)音聲紋來(lái)說(shuō)，換流閥聲紋產(chǎn)生的變化相對(duì)較少。所以，主要選擇將幀長(zhǎng)設(shè)置為500 ms，步長(zhǎng)設(shè)置為1/2 幀長(zhǎng)。

針對(duì)分幀以后的換流閥音頻實(shí)施加窗處理。通過(guò)分幀處理以后，盡管能夠在一定程度上減少處理的數(shù)據(jù)量，但也會(huì)在一定程度上影響聲紋信號(hào)。因此，后期還必須要針對(duì)分幀數(shù)據(jù)實(shí)施端點(diǎn)平滑加窗處理，選擇Hamming 窗對(duì)幀實(shí)施處理：

其中M 為幀長(zhǎng)。

2 變壓器聲紋特征提取

2.1 能量特征

根據(jù)圖1 所示的時(shí)域譜線，獲取時(shí)間、波形振幅的聯(lián)系。由于瞬時(shí)波形對(duì)應(yīng)的振幅直接對(duì)應(yīng)數(shù)據(jù)瞬時(shí)能量，相應(yīng)的振幅頻率越大，對(duì)應(yīng)的能量自然也就更高。從圖1 能夠看出，上述數(shù)據(jù)產(chǎn)生的峰值共計(jì)2 次，研究以后證明上述兩個(gè)峰值位置產(chǎn)生了摩擦的聲音[5]。盡管能量特征提取可以有效展現(xiàn)偏好的能量雜音位置，然而其并不能針對(duì)聲音異常進(jìn)行判斷，也就不能針對(duì)雜音的詳細(xì)位置進(jìn)行檢測(cè)，因此還需要選擇其他方案進(jìn)行研究。

圖1 換流閥部分聲音時(shí)域譜線

2.2 頻率特征

為進(jìn)一步掌握換流閥聲音波形對(duì)應(yīng)的振動(dòng)特點(diǎn)，通?？梢哉J(rèn)為任何一段聲音均能夠劃分為一系列不同周期與對(duì)應(yīng)幅度的三角函數(shù)疊加?？梢赃x擇一系列三角函數(shù)對(duì)應(yīng)頻率與幅度來(lái)針對(duì)特征進(jìn)行表現(xiàn)，且上述對(duì)應(yīng)與時(shí)間沒(méi)有關(guān)聯(lián)，但與頻率存在聯(lián)系，所以可以與時(shí)域譜對(duì)應(yīng)稱之為頻域。對(duì)于兩者的轉(zhuǎn)換來(lái)說(shuō)，可以選擇Fourier Transform 進(jìn)行轉(zhuǎn)換：

其中，f（t）屬于時(shí)域周期函數(shù)，F(xiàn)（ω）屬于處理之后的頻域函數(shù)。圖1 基于上述公式轉(zhuǎn)換之后，得到圖2 所示的頻域波形。

圖2 轉(zhuǎn)換后的頻域波形

2.3 梅爾系數(shù)

梅爾頻率能夠針對(duì)人耳所具有的聽覺(jué)特征進(jìn)行模仿，尤其處在低頻范圍內(nèi)的增長(zhǎng)速率較高[6]。但對(duì)于高頻范圍來(lái)說(shuō)，整體增長(zhǎng)速度則相對(duì)較為緩慢。頻率與梅爾頻率對(duì)應(yīng)的關(guān)系如下：

對(duì)于梅爾頻率所進(jìn)行的轉(zhuǎn)換與特征提取來(lái)說(shuō)，常規(guī)是選擇梅爾濾波器組來(lái)完成，當(dāng)中包含一串根據(jù)梅爾頻率轉(zhuǎn)換關(guān)系進(jìn)行設(shè)計(jì)的三角濾波器，當(dāng)中單個(gè)濾波器都具有完全相同的帶寬，具體公式如下：

其中，fh代表最高頻，fl代表最低頻。

基于4000 Hz 內(nèi)的標(biāo)準(zhǔn)，選擇24 個(gè)梅爾濾波器組，500 ms幀長(zhǎng)的情況下對(duì)應(yīng)的梅爾頻率系數(shù)見(jiàn)圖3。

圖3 梅爾頻率系數(shù)

針對(duì)數(shù)據(jù)進(jìn)行處理，選擇離散余弦變換（Discrete Cosine Transform，DCT）處理之后，獲取MFCC（Mel Frequency Cepstrum Coefficient，梅爾頻率倒譜系數(shù)）：

其中，n=1，2，…，L。

2.4 頻率壓縮處理

盡管梅爾系數(shù)能夠充分發(fā)揮降維的作用，同時(shí)在高頻領(lǐng)域能夠獲得理想的壓縮效果，但其本身仍舊暴露出低頻分辨率欠缺的問(wèn)題。針對(duì)上述問(wèn)題，還需要持續(xù)增加低頻分辨率情況下的基于梅爾頻率“分辨率從高到低變化”的理念，選擇較為相似的頻率壓縮方案，具體流程如下：

（1）針對(duì)聲紋信息進(jìn)行劃分，分別納入高、中、低對(duì)應(yīng)的頻段。

（2）結(jié)合3 種頻段特征，分別選擇針對(duì)性的頻率壓縮比例進(jìn)行處理。

（3）對(duì)于壓縮取值來(lái)說(shuō)，選擇最大值策略方案，即選擇單個(gè)壓縮區(qū)間最大值作為最終的壓縮處理結(jié)果。

3 聲紋相似度檢測(cè)算法

假設(shè)聲紋采集器獲取的換流閥工況信息屬于從穩(wěn)定的聲紋到不穩(wěn)定的瞬時(shí)雜音疊加狀態(tài)，忽視當(dāng)中潛在的互相干擾問(wèn)題[7]。在此基礎(chǔ)上進(jìn)行以下假設(shè)，推進(jìn)聲紋相似度檢測(cè)算法。

假設(shè)1：假設(shè)一段音頻需要在絕大多數(shù)時(shí)間保持相似的情況，不穩(wěn)定信號(hào)相對(duì)較少，同時(shí)與穩(wěn)定信號(hào)之間存在差異性。

假設(shè)2：這個(gè)過(guò)程中持續(xù)產(chǎn)生雜音，當(dāng)對(duì)應(yīng)的頻率高于幀采樣頻率的情況下，就能夠認(rèn)作該信號(hào)穩(wěn)定。

假設(shè)3：發(fā)生的不穩(wěn)定信號(hào)屬于瞬時(shí)發(fā)生的信號(hào)，抑或是在短時(shí)間內(nèi)持續(xù)產(chǎn)生的信號(hào)或間隔大的信號(hào)。

對(duì)于假設(shè)1 提出的問(wèn)題，選擇余弦相似度來(lái)針對(duì)音頻當(dāng)中各個(gè)特征向量相似度進(jìn)行計(jì)算。結(jié)合歐幾里得向量點(diǎn)積公式進(jìn)行計(jì)算：

當(dāng)θ 屬于向量A 與B 在空間當(dāng)中的夾角，能夠獲得向量A=［A1，A2，……，AN］與B=［B1，B2，……，BN］相似度如下：

因此，結(jié)合上述研究將一段音頻進(jìn)行分離處理（包含穩(wěn)定部分、不穩(wěn)定部分），相似度置換算法如下：

換流閥聲紋相似度置換算法：

K=選取向量數(shù)量

N=置換向量位置，一般為K/2

M=重復(fù)次數(shù)

4 結(jié)束語(yǔ)

綜上所述，基于聲紋識(shí)別的換流閥工況檢測(cè)技術(shù)能夠解決傳統(tǒng)檢測(cè)方案存在的不客觀、檢測(cè)模式等問(wèn)題，通過(guò)獲取聲紋信息，同時(shí)針對(duì)聲紋信息進(jìn)行預(yù)處理，能夠?qū)⑻幚砗蟮穆暭y信息轉(zhuǎn)化為頻域信號(hào)來(lái)提出對(duì)應(yīng)的特征，最終通過(guò)樸素貝葉斯完成聲紋相似度檢測(cè)，保障換流閥工況檢測(cè)判斷的科學(xué)性、準(zhǔn)確性。