具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1所示为本发明实施例提供的一种水轮机组遥听监测方法的流程示意图；如图1所示，所述水轮机组遥听监测方法具体包括以下步骤：

步骤S101，获取预设时长的原始音频信号。

在本实施例中，通过在水轮机组工作间及机组附近部署拾音设备，采集不同工况下机组运行时的音频数据，拾音设备采集的数据设备由音频采集服务器统一存储和管理，其中所述原始音频信号包括预设时长的音频数据，所述预设时长可以是100毫秒或者1秒，可以根据实际运行环境进行修改。

步骤S102，对所述原始音频信号进行数据降噪，得到目标音频信号。

具体地，如图2所示，对所述原始音频信号进行数据降噪，得到目标音频信号具体包括以下步骤:

步骤S201，根据所述原始音频信号，获取到所述原始音频信号对应的第一个本征模式分量；

步骤S202，根据所述第一个本征模式分量，获取到残余信号；

步骤S203，根据所述残余信号，得到所述原始音频信号对应的所有本征模式分量；

步骤S204，对所有本征模式分量进行求和，得到所述目标音频信号。

进一步地，根据所述原始音频信号，获取到所述原始音频信号对应的第一个本征模式分量，包括：对所述原始音频信号的极大值点和极小值点进行拟合，得到所述原始音频信号的上包络线和下包络线；根据所述上包络线和所述下包络线，计算出当前信号的剩余分量；判断所述剩余分量是否满足预设约束条件；当所述剩余分量满足所述预设约束条件时，将所述剩余分量作为所述第一本征模式分量；当所述剩余分量不满足所述预设约束条件时，将所述当前信号的剩余分量作为下一次拟合的原始音频信号。

需要说明的是，本发明利用经验模态分解(Empirical Mode Decomposition，EMD)算法对音频信号进行降噪处理，从信号序列本身的尺度特征出发对信号分解，得到代表原始负荷数据中隐含的不同时间尺度的波动成分，即本征模式分量(Intrinsic ModeFunction，IMF)，以弱化原始信号的非平稳特性；分解后的剩余残差项则表示负荷序列的基本趋势。

若原始音频信号为x(t)，t为预设时长的时间区间，则EMD的分解步骤概括如下：

步骤一：利用三次样条差值法分别对x(t)的局部极大值点和极小值点进行拟合，得到上包络线U_s(t)和上下包络线V_s(t)。

步骤二：计算U_s(t)和V_s(t)的包络均值m₁和当前信号的剩余分量h₁，即：

h₁＝x(t)-m₁

步骤三：若h₁满足IMF分量约束条件，则h₁为第一个IMF分量也就是第一个本征模式分量；反之，对h₁重复步骤一到步骤二，直至h₁满足约束条件，记imf₁＝h₁。

步骤四：计算残余信号r₁＝x(t)-h₁，重复步骤一到步骤三，直至分解出n个IMF分量。

步骤五：记分解n个IMF分量后，原始信号的剩余信号残差为：r_n＝r_n-1-imf_n；

相应的，原始负荷序列与IMF分量、信号残差之间满足：

由此可知，所述目标音频信号为：

步骤S103，对所述目标音频信号进行特征提取，得到目标特征值。

具体地，对所述目标音频信号进行特征提取，得到目标特征值，包括：对所述目标音频信号进行时域分析，得到时域特征值；对所述目标音频信号进行频域分析，得到频域特征值；将所述时域特征值和所述频域特征值作为所述目标特征值。

需要说明的是，对采集的音频信号做时域分析，从各参量随时间的变化趋势中提取特征信息，表征相应故障类别的声音征兆，本实施例可以采用以下任意方法获取到所述目标音频信号的时域特征值；

单峰峰值法：表示信号的单峰最大值，若n为对应的帧数，单峰峰值表示成x_p，

x_p＝max(|x′_n(t)|)

方根幅值法：从整体上反应信号频率，若n为对应的帧数，方根幅值表示成x_r，

过零率法：信号过零点的次数，N为帧的长度，n为对应的帧数，过零率表示成Z_n；

短时能量法：体现信号在不同时刻的强弱程度，N为帧的长度，n为对应的帧数，短时能量表示成E_n；

短时平均幅度差法：利用短时平均幅度差可以更好地观察周期特性，若x是加窗截断后的信号，短时平均幅度差定义为r_n(k)；

需要进一步说明的是，对采集的音频信号做频域分析，从频域中提取特征信息，采用的频域分析手段包括傅里叶变换、离散傅里叶变换。

傅里叶变换：非周期性连续时间信号x(t)的傅里叶变换可以表示如下：

离散傅里叶变换：有限长离散信号x(t)，n＝0，1，…，N-1，则音频信号的离散傅里

叶变换表示如下：

其中，

步骤S104，将所述目标特征值输入到目标故障模型进行故障检测，得到所述原始音频信号的检测结果。

需要说明的是，在本实施例中当发现异常声音特征时，系统自动推送告警信息。系统使用人员，可选择指定的声音测点，对历史告警信息进行查询；定义故障规则为基于数据驱动的诊断告警：对于故障深层次的辨识和诊断，将时序特征和频域特征输入到神经网络模型中，进行模型的训练；在线采集音频数据，在经过特征提取后再输入到网络模型中进行辨识，当辨识结果属于特定的故障类型是，系统发出告警。

相比于现有技术，本发明具有如下有益效果：

本发明通过对采集到的原始音频信号进行音频信号的降噪、频谱分析、特征提取和故障检测，得到所述原始音频信号的检测结果，实现对水轮机组设备的遥听，不仅为监盘人员提供现场听音的辅助判断，还能根据对音频信号的检测结果实现对水电机组主要设备的在线监测、性能分析、趋势分析、异常预警等功能，解决了现有技术无法对水轮机组运转时的声音特征进行监测或判断的问题，满足了对水轮机组运行状态的监测需要。

图3所示为本发明实施例提供的另一种水轮机组遥听监测方法的流程示意图；如图3所示，在所述获取预设时长的原始音频信号之前，本发明所提供的方法还包括以下步骤：

步骤S301，对所述训练模型中的模型参数进行初始化，所述模型参数包括权值矩阵和偏移向量；

步骤S302，对所述训练模型中的模型参数进行初始化，所述模型参数包括权值矩阵和偏移向量；

步骤S303，将所述训练数据输入所述训练模型进行迭代训练，计算出各隐层的梯度值；

步骤S304，根据所述各隐层的梯度值，调整所述权值矩阵和所述偏移向量；

步骤S305，若当前的迭代次数达到预设次数时，将调整后的权值矩阵和偏移向量作为所述训练模型的目标参数，得到所述目标故障模型。

进一步地，将所述训练数据输入所述训练模型进行迭代训练，计算出各隐层的梯度值，包括：根据权值矩阵、偏移向量和激活函数，计算各隐层的输出数据和输出层的输出数据；根据所述各隐层的输出数据和输出层的输出数据，获取到损失函数；根据所述损失函数，计算出各隐层的梯度值。

在本实施例中，所述权值矩阵的公式表达式为：W_l＝W_l-ηδ_l(H_l-1)^T；所述偏移向量的公式表达式为：b_l＝b_l-ηδ_l；其中，η表示学习率，W_l、b_l、δ_l分别表示第l层的权值矩阵、偏移向量、隐层的梯度值。

需要说明的是，在音频分析的基础上，系统提供基于模型的训练和测试工具，提供神经网络等算法，用户可自定义模型参数，对音频特征向量进行深层次的训练和辨识，目标故障模型的训练过程如下：

步骤一：根据训练输入和输出数据，确定网络模型的隐层数L和各层的网络节点数p_l(l＝1,2,…,L)，随机初始化各隐层和输出层之间的权值W_l和偏移向量b_l(l＝2,3,…,L)，学习率η，迭代阈值ε，神经元激活函数f(·)。

步骤二：计算隐层输出和输出Y_l；

H_l＝f(z_l)＝f(W_lY_t-1+b_l)l＝2,3,…,L

其中，f(·)为隐层和输出层的输出激活函数.典型的激活函数有ReLU函数、tanh函数，其表达式分别为：

f(x)＝max(0,x)

f(x)＝(e^x-e^-x)/(e^x+e^-x)

步骤三：根据损失函数计算输出层的梯度δ_L，损失函数和梯度计算表达式分别为：

步骤四：计算各隐层的梯度δ_l的表达式为：

其中，l＝L-1,L-2,…,2。

步骤五：根据本次网络输出和期望值，调整各隐层和输出层的权值矩阵W_l和偏移向量b_l，权值矩阵W_l和偏移向量b_l的公式表达式分别为：

W_l＝W_l-ηδ_l(H_l-1)^T

b_l＝b_l-ηδ_ll＝2,3,…,L

步骤六：根据误差阈值ε或迭代次数上限，判断训练过程是否结束；若没有结束，则转至步骤二。

在本发明另一个实施例中，在对所述目标音频信号进行特征提取，得到目标特征值之后，所述方法还包括：将所述目标特征值与预设阈值进行比较，判断所述目标特征值是否大于所述预设阈值；当所述目标特征值大于所述预设阈值时，输出告警信息。

具体地，本实施例利于阈值的参数越限告警，本发明利用时域分析方法和频域分析方法对音频信号的时域和频域特征进行提取，当特征值大于设定的阈值时，系统发出告警信息。

在本发明的实施例中，本发明提供一种水轮机组遥听监测装置，所述监测装置包括：获取模块，用于获取预设时长的原始音频信号；降噪模块，用于对所述原始音频信号进行数据降噪，得到目标音频信号；提取模块，用于对所述目标音频信号进行特征提取，得到目标特征值；检查模块，用于将所述目标特征值输入到目标故障模型进行故障检测，得到所述原始音频信号的检测结果。

在本发明的实施例中，本发明提供一种水轮机组遥听监测系统，所述检测系统包括上述所述的监测装置。

图4所示为本发明实施例提供的一种水轮机组遥听监测系统的结构示意图；本实施例提供的水轮机组遥听监测系统整体架构包括数据源、基础设施、应用平台三大部分，如图4所示。其中，1)数据源：包含部署在水轮机组工作间及机组附近的各类前端拾音设备，采集设备不同运行工况下的音频信号；2)基础设施：提供数据采集服务器、数据分析计算服务器、数据展示服务器。数据采集服务器提供统一的数据采集接口，汇聚前端各拾音设备的音频信号；数据分析计算服务提供处理分析音频信号的智能算法，包括信号降噪、频谱分析、特征提取、神经网络模型等分析组件；数据展示服务器，面向用户业务端，提供系统的统一访问、可视化呈现，构建出开放的数据应用开发平台。3)应用平台：在基础设施层软硬件的支撑下，实现数据存储管理、数据采集管理、信号处理、数据建模、统一访问、可视化呈现等软件功能。

本系统在设计流程上主要包括前端音频信号采集、信号分析处理、系统管理，系统流程如图5所示：

(1)数据采集：通过在水轮机组工作间及机组附近部署拾音设备采集不同工况下机组运行时的音频数据，拾音设备采集的数据设备由音频采集服务器统一存储和管理。

(2)数据分析：用户调用音频分析平台，查看不同机组、不同拾音设备采集的音频数据，根据设备运维需求，筛选建立典型设备音频降噪、特征提取、故障诊断模型、劣化分析模型等模型，挖掘潜在的故障模式。同时，现场人员可通过平台的声音播放功能，播放历史和在线实时采集的声音，实现对设备的“遥听”。

(3)系统管理：为用户提供可视化的操作平台，通过“遥听”和音频在线分析组件，实现对水电机组主要设备的在线监测、性能分析、趋势分析、异常预警等功能。

本实施例提供水轮机组遥听监测系统包括数据音频数据采集、音频数据管理、音频数据分析、故障模式诊断四大功能模块。

(1)数据采集：系统通过数据采集服务端，实时采集机组设备不同工况下的现场声音数据，实时入库存储，保证机组在正常或故障的情况下，为运维人员提供完整、详细的现场音频数据供分析使用。

(2)数据管理：平台的音频数据采用压缩存储技术，存储间隔为不间断存储，满足最近3个月内的所有原始数据以及近5年内经过压缩的原始数据，最大限度地保证机组所有历史信息不丢失。提供对存储容量的监管功能，当其容量不够时自动在系统发出告警信息，同时向管理人员推送系统消息。数据库具备自动检索功能，用户可通过选择机组、拾音设备、时间段快速获得满足条件的音频数据。

(3)音频播放：系统提供按声音测点、时间段对历史及实时在线采集的声音信号进行播放。同时，支持从频谱图的角度，对选定频谱范围内的声音进行播放，为系统管理人员提供“遥听”功能，辅助判断机组运行工况。

(4)音频分析：平台提供音频信号的降噪、时域特征提取算法、频域特征提取算法，通过消除噪声和信号失真对语音进行增强，将相应的语音信号从时域转化到频域，为后续分析和故障模式辨识提供输入特征向量。对音频分析的结果，以频谱图、趋势图对关键指标进行可视化呈现。

本实施例提供水轮机组遥听监测系统从音频的分析的角度为水轮机组的故障诊断提供了成熟的分析方法，同时利用该系统，可以实时播放现场机组运行状态下的真实声音，提供“遥听”功能，帮助运维管理人员从音频分析的角度对机组运行状况辅助判断，拓展了现有机组监测的“遥测”，“遥信”，“遥调”，“遥控”，“遥视”功能。同时，对音频数据采用故障指标化及故障预警分析，有助于提升对机组的健康管理能力，提升机组运行的可靠性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。