[1]戴立伟,赵 岩,党哲辉.基于深度声纹识别的风机运行状态智能诊断方法研究[J].工业仪表与自动化装置,2026,(02):72-76.[doi:10.19950/j.cnki.CN61-1121/TH.2026.02.014]
　DAI Liwei,ZHAO Yan,DANG Zhehui.Research on intelligent diagnosis method for fan operation status based on deep voiceprint recognition[J].Industrial Instrumentation & Automation,2026,(02):72-76.[doi:10.19950/j.cnki.CN61-1121/TH.2026.02.014]
点击复制

基于深度声纹识别的风机运行状态智能诊断方法研究()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2026年02期
页码:
72-76
栏目:
出版日期:
2026-04-15

文章信息/Info

Title:
Research on intelligent diagnosis method for fan operation status based on deep voiceprint recognition
文章编号:
1000-0682（2026）02-0072-05
作者:
戴立伟; 赵 岩; 党哲辉
大唐凉山新能源有限公司，四川 成都 610000
Author(s):
DAI Liwei;  ZHAO Yan;  DANG Zhehui
Datang Liangshan New Energy Co., Ltd., Sichuan Chengdu 610000, China)
关键词:
深度声纹识别; 风机运行状态; 智能诊断; 特征耦合
Keywords:
deep voiceprint recognition;  fan operating status;  intelligent diagnosis; feature coupling
分类号:
TP306
DOI:
10.19950/j.cnki.CN61-1121/TH.2026.02.014
文献标志码:
A
摘要:
传统风机运行诊断方法难以从复杂噪声背景中有效提取声纹信号的时序特征。为此，提出新的风机运行状态智能诊断方法。采用时频分析方法同步提取声纹信号时序特征和频域特征；将耦合特征输入深度学习网络，利用自编码器的压缩-重构机制计算重构误差，实现风机诊断。实验结果表明，该方法诊断结果的Brier分数为0.035，精度较高。
Abstract:
Traditional methods for diagnosing the operation of wind turbines are difficult to effectively extract the timing features of voiceprint signals from complex noise backgrounds. To this end, a new intelligent diagnosis method for the operating status of wind turbines is proposed. The time-frequency analysis method is adopted to synchronously extract the timing features and frequency domain features of the voiceprint signal. The coupled features are input into the deep learning network, and the reconstruction error is calculated by using the compression-reconstruction mechanism of the autoencoder to achieve the diagnosis of wind turbines. The experimental results show that the Brier score of the diagnostic results of this method is 0.035, with relatively high accuracy.

参考文献/References:

[1] 李政宇,李练兵,芮莹莹.基于改进遗传算法优化自联想神经网络的风机故障诊断 [J].计算机应用与软件,2022,39(06):297-302+328.

[2] 王军龙,杨欢红,沈淼,等.基于时频域特征提取和Attention-DNN的光伏功率区间预测[J].计算机仿真,2025,42(05):468-474.
[3] 黄子恒,许钊源,伍剑波,等.基于优化模态分解和Xgblr的风机叶片故障诊断方法[J].机械设计,2022,39(07): 56-62.
[4] 赵平,赵健,吴姗,等.多变量相关性Gentle Adaboost的风机叶片覆冰故障诊断[J].控制工程,2024,31(06): 1107-1113.
[5] 罗煜权,刘明鹏,陈姝文,等.基于深度神经网络的充电负荷预测及优化调度模型[J].电子设计工程,2025,33(08):92-95.
[6] 陈闻鹤,程龙生,常志朋,等.改进BiLSTM-GRU-DMD的风机叶片结冰故障检测与状态评估模型[J].工业工程与管理, 2023, 28 (05): 108-118.
[7] 李敬兆,王克定,王国锋,等.基于DBN和BES-LSSVM的矿用压风机异常状态识别方法[J].流体机械, 2024, 52 (03): 89-97.
[8] 蒋佳炜,胡以怀,丁梦豪,等.基于相对混乱度特征选择的船舶风机智能状态监测与故障诊断[J].上海海事大学学报, 2023, 44 (01): 88-94.
[9] 蒲米世行,丁浩,杨孟,等.基于卷积神经网络的隧道风机健康状态诊断研究[J].机电工程,2023,40(07): 1121-1129.
[10] 张玉彦,张永奇,孙春亚,等.不平衡样本下基于生成式对抗网络的风机叶片开裂状态识别[J].计算机集成制造系统, 2023, 29 (02): 532-543.
[11] 崔巍,孟国营,万星炜.基于迁移学习的矿用主扇风机滚动轴承故障诊断方法[J].煤炭科学技术,2024,52(S1): 280-287.
[12] 张家安,邓强,马增强,等.基于IMHSA-MSCNN-BiLSTM的风机轴承故障诊断[J].电子测量技术,2024,47(07): 170-176.
[13] 刘森,刘美,韩惠子,等.基于GADF与SAM-LCNN机制的石化离心风机轴承故障诊断方法 [J]. 机电工程, 2025, 42 (01): 72-81.
[14] 吴海涵,李俊妮,王维佳,等.基于声纹识别技术的变压器异常状态自动诊断方法 [J].中国测试, 2024, 50 (S1): 31-37.
[15] 唐贵基,孙军科,王晓龙,等.基于改进SSD-Teager时频分析的引风机转子故障诊断方法 [J]. 电力自动化设备, 2022, 42 (03): 121-127+167.
[16]冀肖彤,江克证,姚雅涵,等.计及风机运行状态差异的风电场频率协同支撑控制[J].电力自动化设备,2024,44(03):98-104.
[17]杨晓峰,方逸航,赵鹏臻,等.基于K-means和BPNN的风机状态识别[J].中国电力,2023,56(06):158-166+175.
[18]魏玮,吕游,齐欣宇,等.基于CNN-LSTM-AM动态集成模型的电站风机状态预测方法[J].仪器仪表学报,2023,44(04):19-27.
[19]王中冠,刘嘉琛,郭力,等.基于状态空间映射的模型不完备风电场调频能力在线评估方法[J].中国电机工程学报,2023,43(03):927-939.
[20]朱茂林,刘灏,毕天姝.基于可观性分析和多步预报CKF的双馈风机动态状态估计[J].电力系统自动化,2023,47(03):49-58.
[21]李敬兆,王克定,王国锋,等.基于DBN和BES-LSSVM的矿用压风机异常状态识别方法[J].流体机械,2024,52(03):89-97.
[22]李东东,张先明,姚寅,等.考虑风速时空分布及机组运行状态差异的风电场有效惯量估计[J].电力建设,2024,45(01):112-124.
[23]王鹏,邓祥力,汪凯琳.考虑风机及光伏机组三状态的微电网混合储能双层容量配置模型[J].现代电力,2023,40(03):323-331.
[24]黄中华,刘喆,谢雅.海上风机多桩式支撑结构动力学特性[J].机械制造与自动化,2023,52(02):15-18+34.
[25]田哲,郭子康,章杞龙,等.基于ABC-BP神经网络的海上风机碰撞损伤识别[J].船舶工程,2024,46(10):135-141.
[26]张良,何山,艾纯玉.基于Sine-SSA-BP神经网络模型的风机叶根载荷预测[J].可再生能源,2023,41(10):1322-1328.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2025-11-10基金项目：四川省凉山州重点研发计划项目—大唐凉山新能源有限公司风机声纹故障听诊系统建设（P-XJ-24-00024459）第一作者：戴立伟（1991—），男，蒙古族，内蒙古自治区兴安盟人，硕士，工程师，技师，主要研究方向为计算机视觉算法，神经网络算法，目标检测，知识图谱，语义大模型等。E-mail：cd_dailiwei@126.com
更新日期/Last Update: 1900-01-01