摘要
本发明公开了一种风机运行状态异常检测方法,S1、生成风机运行声纹信号数据集;S2、对风机运行声纹信号数据集进行预处理;S3、构建特征数据集;S4、基于特征数据集使用分层聚类算法对风机运行声纹信号进行初步分类;S5、在每个风机运行状态簇中进一步使用分层聚类算法进行二次细分;S6、基于正常状态子簇的风机声纹信号特征数据建立风机正常运行声纹信号特征模型,并基于潜在异常状态子簇的声纹信号特征数据建立风机潜在异常状态声纹信号特征模型;S7、系统判断风机运行状态;S8、当风机运行状态被检测为异常时,系统发出报警信号。本发明在风机运行状态监控和异常检测方面具有显著的有益效果。
技术关键词
风机运行状态
信号特征
异常状态
异常检测方法
机械振动信号
分层聚类算法
数据
协方差矩阵
风机叶片故障
声纹特征
音频采集设备
声学特征
密度峰值聚类算法
机械部件
系统为您推荐了相关专利信息
智能报警系统
蓝牙钥匙
数据采集模块
状态信息数据
车载电源
信号强度差值
智能卡读写方法
射频
波形畸变率
定向天线阵列
汽车制动系统
路面附着系数
肌电信号特征
监测系统
制动液
智能训练系统
时域特征
频域特征
多模态
智能训练方法
物联网设备
设备状态数据
故障预测模型
设备故障预测
生成方法