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！

申请/专利权人：安徽南瑞继远电网技术有限公司;南瑞集团有限公司

摘要：本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。

主权项：1.一种基于云边协同的设备故障声纹监测系统，其特征在于，包括：云端库模块，建立设备声纹故障数据云端样本库、模板库；所述云端库模块预先注册设备声纹特征故障模板形成模板库；从所述云端模板库中下发故障模型至边端故障识别分析模块；所述边端故障识别分析模块还包括模型训练子模块，所述模型训练子模块包括：在训练阶段，输入数据为声纹数据的频率压缩之后K维关键频率向量集合Vinput；输出层E8输出数据为集合Voutput,训练梯度反向传递时使用的每一批数据的损失函数表示如下： 其中N为每一批数据的数量，vinput∈Vinput,voutput∈Voutput，其中αk为维度损失权重，β为损失敏感度系数，其中αk为一个有限非线性均衡函数，抑制低维权重，提高高维权重，使用基于对数的函数：αk＝Alogk+B其中A与B为补偿系数，根据具体精度与敏感度要求进行调整；输出层C输出预测差异度s，自监督状况下预期差异度为0，使用交叉熵损失函数进行训练；所述边端故障识别分析模块在验证阶段，输入数据为声纹数据频率压缩之后的K维关键频率向量集合Vinput，输出为输出层C的差异度，作为声纹数据异常监测结果；所述边端故障识别分析模块还包括：通过比较所述设备音频数据对应的声纹特征的特征向量与模板库中的每一种故障类型对应的声纹特征故障模板，得到每一种故障类型的相似度得分，则将相似度得分最高对应的故障类型作为所述设备故障类型，得到识别结果；所述边端故障识别分析模块将识别结果并上送故障信息和样本到云端样本库；获取模块，获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；声纹异常监测模块，基于编码网络获取所述第一音频声纹特征对应的第一高维表示数据，并将所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据进行比较，得到两者的特异度得分；若所述特异度得分超过设定的异常监测阈值，则确定该音频数据为故障音频数据；边端故障识别分析模块，连接云端库模块和声纹异常监测模块；提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。

全文数据：

权利要求：

百度查询： 安徽南瑞继远电网技术有限公司 南瑞集团有限公司 一种基于云边协同的设备故障声纹监测系统