一种基于机器学习的机电设备降噪方法

本申请公开了一种基于机器学习的机电设备降噪方法，涉及机电设备降噪领域，包括：采集机电设备运行时的声压和振动信号，并采集机电设备的运行状态数据；对噪声特征进行稀疏化重构；并利用波束形成算法对重构后的噪声特征进行声源定位，得到噪声分布图；构建基于深度学习的降噪模型，得到降噪后的噪声信号；通过峰值搜索算法提取噪声信号的预设频率范围内的频率；利用时变线性预测编码算法TVLPC对采集的运行状态数据进行分析，得到机电设备运行状态异常导致的噪声频率偏移量；利用粒子群算法生成最优解；根据噪声控制的最优解，提取噪声主频成分进行分离，得到多个相位反转的降噪控制信号。针对现有技术中机电设备降噪精度低，本申请提高了降噪控制精度。