摘要
本发明涉及智能检测技术领域,具体涉及一种基于音频信号分析的罐道异常检测方法,包括以下步骤:S1:实时采集设备在不同运行状态下的音频信号;S2:对采集到的音频信号进行预处理,并提取与罐道运行状态相关的音频特征;S3:建立动态特征变化模型;S4:将S3中建立的动态特征变化模型应用于实时音频信号的分析,判断是否出现异常;S5:若S4判断音频信号出现异常,则通过预先训练的分类模型对异常信号进行分类处理。本发明,通过结合动态特征变化模型和增量学习算法,实现了对罐道系统音频信号的实时、准确分析,能够有效识别多种异常类型并自动分类处理。
技术关键词
音频信号分析
音频特征数据
长短期记忆网络
异常检测方法
异常信号
信号随时间
频率响应
增量学习算法
动态
更新模型参数
高通滤波器
增量更新
记忆单元
增量学习方法
时序
智能检测技术
系统为您推荐了相关专利信息
均衡管理方法
状态转移模型
模糊推理
条件风险价值
模糊规则
故障监听方法
远程电能表
机器学习模型
历史故障信息
特征值
需求预测模型
长短期记忆网络
交通流量预测方法
终点
空间特征提取
异常检测方法
前馈神经网络
注意力机制
滑动窗口方法
重构误差
信标
列车运行状态
图像
长短期记忆网络
注意力机制