公开(公告)号：CN119339739A

公开(公告)日：2025-01-21

申请号：CN202411394677.8

申请日：2024-10-08

Applicant: 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

Inventor： 汪付强 ,  杨淑梅 ,  吴晓明 ,  张鹏 ,  马晓凤 ,  张建强 ,  郝秋赟 ,  赵微

IPC: G10L25/51 ,  G01M13/00 ,  G01H17/00 ,  G10L25/24 ,  G10L25/30

Abstract: 本发明提供了一种基于域泛化的机械设备无监督异常声音检测方法及系统，本发明通过构建基于全局上下文的SE‑ECA融合注意力机制模块，分别构建MFCC分支网络架构和Log‑Mel分支网络架构，将所述模块添加至各分支网络架构中，分别对MFCC谱图特征和Log‑Mel谱图特征进行音频特征提取；将两个分支网络架构提取的音频特征嵌入在通道维度上进行合并，形成综合特征向量，对综合特征向量进行分类；构建并训练异常检测模型，异常检测模型利用高斯混合模型计算全局异常分数，在利用局部异常因子检测局部异常，再进行加权平均，本发明可以自动学习正常声音特征并检测异常，提升设备的异常检测性能。

公开(公告)号：CN117877521A

公开(公告)日：2024-04-12

申请号：CN202410021090.6

申请日：2024-01-04

Applicant: 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

Inventor： 汪付强 ,  杨淑梅 ,  张旭 ,  吴晓明 ,  张鹏 ,  马晓凤 ,  张建强 ,  马坤 ,  郝秋赟 ,  赵微

IPC: G10L25/51 ,  G10L25/18 ,  G10L25/27 ,  G10L25/30 ,  G06N3/088

Abstract: 本发明提出了基于数据增强的无监督机械声音异常识别方法及系统，通过对采集的正常音频数据提取对数梅尔谱图，并对对数梅尔谱图进行数据增强处理，用于识别模型的训练，增强了识别模型对于复杂故障模式的识别能力，并提高了其对于未知故障类型的泛化能力；在识别模型中通过添加自注意力机制捕捉长距离依赖，能够关注到输入特征图中相距较远的区域间的关系，提高特征提取和特征表达能力。