基于頻譜動(dòng)態(tài)特征和ELM的挖掘設(shè)備識(shí)別方法研究.pdf

1、近幾年，隨著我國(guó)城市化建設(shè)飛速發(fā)展對(duì)地下電纜的安全性需求越來(lái)越迫切。由于在道路改造和房屋建設(shè)等施工過(guò)程中，工作人員的疏忽大意導(dǎo)致電纜被挖斷的事故頻頻發(fā)生，給國(guó)家經(jīng)濟(jì)和人民安全帶來(lái)嚴(yán)重危害。因此，保障地下電纜供電系統(tǒng)不受挖掘設(shè)備破壞成為我國(guó)電力及城建部門(mén)亟待解決的問(wèn)題。
　　本文在語(yǔ)音識(shí)別的基礎(chǔ)上，對(duì)常用幾種挖掘設(shè)備(挖掘機(jī)、液壓沖擊錘、電錘、切割機(jī))的聲音信號(hào)展開(kāi)深入分析研究，構(gòu)建了一套基于頻譜動(dòng)態(tài)特征的聲音信號(hào)提取方法和極限學(xué)習(xí)

2、機(jī)(ELM)作為分類(lèi)器的挖掘設(shè)備識(shí)別算法。該算法能夠有效地檢測(cè)到威脅電纜安全的挖掘設(shè)備在作業(yè)時(shí)的聲音信號(hào)，從而進(jìn)行預(yù)警判斷，達(dá)到對(duì)事發(fā)地進(jìn)行定位的目的。
　　本文主要研究工作如下：
　　1.采用八通道的麥克風(fēng)十字陣列在夜晚較理想的環(huán)境下對(duì)四種挖掘設(shè)備在不同距離作業(yè)下采集聲音信號(hào)，用于建立聲音特征庫(kù)。通過(guò)聲陣列對(duì)不同環(huán)境、不同距離下挖掘設(shè)備在白天正常作業(yè)的聲音信號(hào)進(jìn)行采集與識(shí)別，進(jìn)一步驗(yàn)證該算法的有效性。
　　2.采用基

3、于Mel頻率倒譜系數(shù)(MFCC)特征提取方法、基于一階差分Mel頻率倒譜系數(shù)(MFCC)特征提取方法、基于二階差分Mel頻率倒譜系數(shù)(MFCC)特征提取方法和基于頻譜動(dòng)態(tài)特征的聲音信號(hào)提取方法。通過(guò)對(duì)挖掘設(shè)備聲音信號(hào)的特征提取，進(jìn)行不同的對(duì)比實(shí)驗(yàn)。
　　3.在模式識(shí)別方面，基于識(shí)別率、訓(xùn)練模型和識(shí)別時(shí)間長(zhǎng)短作為本文算法的評(píng)價(jià)標(biāo)準(zhǔn)。選取BP前饋神經(jīng)網(wǎng)絡(luò)、KNN和ELM三種模式識(shí)別方法，用于對(duì)挖掘設(shè)備信號(hào)類(lèi)型的識(shí)別對(duì)比。
　　4

4、.在實(shí)驗(yàn)中，設(shè)計(jì)了基于MFCC、MFCC、MFCC和頻譜動(dòng)態(tài)特征的系數(shù)提取以及BP前饋神經(jīng)網(wǎng)絡(luò)、KNN和ELM三種分類(lèi)識(shí)別算法的對(duì)比實(shí)驗(yàn)。進(jìn)一步討論了隱含結(jié)點(diǎn)個(gè)數(shù)以及KNN識(shí)別算法中K值對(duì)識(shí)別結(jié)果的影響。通過(guò)大量實(shí)驗(yàn)進(jìn)行分析，基于頻譜動(dòng)態(tài)特征的聲音特征提取方法和ELM的識(shí)別算法對(duì)挖掘設(shè)備作業(yè)的異常事件識(shí)別及預(yù)警是穩(wěn)定的。
　　5.為增強(qiáng)算法的魯棒性，在地鐵施工現(xiàn)場(chǎng)，重新采集挖掘設(shè)備聲音數(shù)據(jù)驗(yàn)證每種設(shè)備的工作狀態(tài)。結(jié)果表明，該算法能