买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福建国电风力发电有限公司申请的专利一种基于声纹的风机叶片异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115641871B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211202445.9，技术领域涉及：G10L25/24；该发明授权一种基于声纹的风机叶片异常检测方法是由郑启山;王威;杨威;晏锡忠;游俊挺;杨清泉设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于声纹的风机叶片异常检测方法在说明书摘要公布了：本发明涉及一种基于声纹的风机叶片异常检测方法，包括以下步骤：分别采集风机三个叶片的原始音频数据，并将采集到的原始音频数据转换为梅尔声谱图；建立基于卷积神经网络的粗提取模型，对梅尔声谱图进行卷积运算，提取出若干包含声纹特征的第一特征信号；建立基于长短时记忆神经网络的叶片声纹捕捉模型，确定哪个第一特征信号中包含风机叶片声音，并将包含风机叶片声音的第一特征信号作为第二特征信号输出；计算第二特征信号的信噪比，根据计算出的信噪比除去第二特征信号中的噪声信号，分别计算各第二特征信号的特征分布；根据特征分布计算各第二特征信号两两之间的Fréchet距离，根据该距离判断风机叶片是否发生异常。

本发明授权一种基于声纹的风机叶片异常检测方法在权利要求书中公布了：1.一种基于声纹的风机叶片异常检测方法，其特征在于，包括以下步骤： 分别采集风机三个叶片的原始音频数据，并进行预处理，分别将采集到的三个原始音频数据转换为三个梅尔声谱图； 建立基于卷积神经网络的粗提取模型，用于输入梅尔声谱图，对梅尔声谱图进行卷积运算，从梅尔声谱图提取出若干包含声纹特征的第一特征信号； 建立基于长短时记忆神经网络的叶片声纹捕捉模型，用于接收各第一特征信号，确定哪个第一特征信号中包含风机叶片声音，并将包含风机叶片声音的第一特征信号作为第二特征信号输出； 计算所述第二特征信号的信噪比，根据计算出的信噪比除去第二特征信号中的噪声信号； 获取除去噪声信号后的三个第二特征信号，分别计算各第二特征信号的特征分布； 根据计算出的各第二特征信号的特征分布，计算各第二特征信号两两之间的Fréchet距离，根据计算出的Fréchet距离判断风机叶片是否发生异常； 其中，所述叶片声纹捕捉模型中，在长短时记忆神经网络中插入一注意力模块，用于计算第一特征信号包含风机叶片声音的注意力权重，具体公式如下： 式中，attentioni为第i个第一特征信号的注意力权重，a、Wx和Wh为学习参数，aT为a的转置矩阵，tanh为双曲正切函数，h是长短时记忆神经网络的内部状态向量； 其中，所述计算所述第二特征信号的信噪比，根据计算出的信噪比除去第二特征信号中的噪声信号的具体方法为： 获取第二特征信号，根据以下公式计算第二特征信号的先验信噪比和后验信噪比： ξk＝0.98*ξk,old+0.02*maxγk-1,0 其中，γk是第二特征信号中的第k个频率分量估计出的后验信噪比，是第k个频率分量，λdk是对应噪声信号的第k个频率功率谱；ξk是第二特征信号中的第k个频率分量估计出的先验信噪比，ξk,old表示在先估计出的先验信噪比，首个先验信噪比的值初始化为0； 计算频谱增益： 其中，gaink为第k个频谱分量的频谱增益； 将第二特征信号中的第k个频率分量乘上对应频谱增益，消除噪声信号，具体为： 其中，为除去噪声信号的第k个频率分量； 基于消除噪声信号各个频率分量，获得除去噪声信号后的第二特征信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福建国电风力发电有限公司，其通讯地址为：350000 福建省福州市台江区鳌峰街道江滨中大道350号中国进出口银行13层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。