基于声学特征的微电机故障诊断方法

刘艳杰，陈炳发，丁力平

(南京航空航天大学 机电学院，江苏 南京 210016)

0 引言

微电机，全称是微型电动机，是指直径<160mm或者额定功率<750mW的电机，经常被用于控制系统中实现机电信号的解析运算和转换等功能。微电机装配过程已经实现了自动化，但是在最终质量检测环节中，却要依赖有经验的工人听微电机的转动声音来判断是否有噪声故障。虽然人耳是个极为精密的器官，但人耳对微电机装配质量的判定受诸多因素的影响，不同人对同一微电机、甚至同一个人对同一台微电机的多次判定结果均可能不一致，因此识别率难以得到保证。随着数字信号处理[1]和机器学习[2]等技术的发展，将机器学习技术用于声音信号处理，以实现生产线中微电机装配质量的智能化识别，有利于提高装配质量的检测精度和效率。

基于声学特征的故障诊断主要包含特征提取和故障分类两个部分。电机在运行的过程中，会由自身的振动产生噪声，噪声信号中包含着电机的状态信息。当发生故障时，其噪声的振幅、频域都会发生变化[3]。声音信号的特征参数一般可以分为时域特征、频域特征和倒谱域特征[4]。信号处理的方法一般为时频分析方法，主要有小波变换[5]和经验模式分解[6]。胡文明等[7]对微电机声音信号进行小波包能量谱分析，将信号分成不同频段，通过每个频段内能量分布的不同来识别故障类型。HUANG N E等[8]提出了经验模态分解方法(EMD)，这种分解方法是自适应的，适用于非线性和非平稳过程。

梅尔频率倒谱系数(mel frequency cestrum coefficient，MFCC)[9]将人耳的听觉感知特性和语音的产生机制相结合，广泛适用于音频信号处理。语谱图是语音频谱图，它表达了语音信号不同频段的信号强度，在语音情感识别中广泛应用此特征[10]。卷积神经网络(CNN)[11]是一种深度监督学习下的机器学习模型，具有很强的适应性，便于挖掘数据的局部特征，在语音识别、图像处理[12]等领域都取得了很好的成果。

本文提出了一种基于声学特征的微电机故障诊断方法，以融合CNN模型作为声音识别模型。首先利用声音采集装置获得微电机转动声音信号，然后提取信号的MFCC、短时能量和语谱图等声学特征，最后将提取的特征数据输入到模型中进行故障识别。本文对该方法的设计与实现的过程进行阐述。

1 微电机故障诊断的整体流程

本文提出的微电机故障诊断方法的整体流程如图1所示，主要包含以下5步。

图1 微电机故障诊断的整体流程

1)声音信号采集：使用声音传感器采集微电机声音信号，并进行预处理；

2)特征提取：提取声音信号的39维MFCC、短时能量和语谱图特征，用于后面的分析识别；

3)模型识别：将MFCC和短时能量输入1D-CNN(一维卷积神经网络)模型，语谱图输入2D-CNN(二维卷积神经网络)模型中，分别得到各自识别的结果；

4)模型融合：给不同模型识别的结果赋予不同的权重，以提高识别的准确率；

5)故障识别：输出微电机的故障类型。

2 微电机声音信号采集及特征提取

2.1 声音信号采集

本文研究的微电机型号是24BYJ46，微电机声音信号使用隔音装置采集，没有环境噪声。首先将微电机接通电源，将声音传感器靠近微电机进行采集，采样频率是16kHz，采样位数是16位，采样点是30 000，信号的保存格式是无损的WAV格式。采集的声音信号有4种，正常微电机转动声音、齿轮啮合不良故障、擦铁异音故障、内有垃圾故障。每种信号有480个样本，总共1 920个样本。4种微电机声音信号的时域波形图如图2所示。

图2 4种微电机声音信号的时域波形图

2.2 特征提取

a)梅尔频率倒谱系数

梅尔频率倒谱系数是基于人耳的听觉特性提出来的，它与频率成非线性对应关系。MFCC是一种常用的音频特征，广泛应用于自动语音和说话人识别中。在实际应用中，MFCC特征提取的过程[13]如图3所示，具体计算过程如下。

1)预加重。将采集的声音信号s(n)通过一个高通滤波器，以增强声音信号中的高频部分。高通滤波器的传递函数为

X(n)-s(n)-a×s(n-1)

(1)

式中a为预加重系数，值介于0.9～1.0之间。

2)分帧。声音信号具有短时平稳性，分帧的过程就是将一段声音信号分成N段，每一段为一帧，通常情况下每帧涵盖的时间约为20～30ms，为了避免相邻两帧之间变化过大，因此会让两帧之间有一段重叠的区域，称为帧移，一般为帧长的一半左右。

3)加窗。加窗可以增加帧两端的连续性，减少频谱泄漏。常用的窗函数是汉明窗(Hamming)，表达式如下为

(2)

式中N为窗长，即帧长。

4)DFT。将声音信号进行离散傅里叶变换后得到频谱，将频谱取模平方得到信号的能量谱。声音信号的频谱为

(3)

5)Mel滤波器组。求出能量谱后，用M个Mel带通滤波器组进行滤波，将每个滤波频带内的能量进行叠加，这时第k个滤波器输出功率谱x′(k)。

6)对数运算。对m个滤波器组的输出取对数运算，得到相应频带的对数功率谱。计算公式为

(4)

式中：s(m)是对数功率谱；Hm(k)是滤波器组。

7)DCT。将对数功率谱进行DCT(离散余弦变换)，得到L个MFCC系数，计算公式为

(5)

式中c(n)是第n个MFCC系数。

8)动态差分参数的提取。上面直接得到的MFCC特征只反映了信号的静态特征，对这种静态特征做一阶、二阶差分，可得到相应的动态特征。差分参数的计算公式为

(6)

式中：d(t)表示第t个一阶差分；c(t)表示第t个倒谱系数，Q表示倒谱系数的阶数；K表示一阶导数的时间差，可取1或2。将上式结果再代入就能得到二阶差分的参数。

图3 MFCC的提取过程

b)短时能量

声音信号的能量随时间变化比较明显，其短时能量可以分析这些幅度的变化。对于信号x(n)，短时能量的定义如下：

(7)

式中h(n)=w2(n)。

4种微电机声音信号的短时能量如图4所示。

图4 4种微电机信号的短时能量图

c)语谱图

语谱图是语音频谱图，它的横坐标是时间，纵坐标是频率，坐标点值为语音数据能量。由于语谱图采用二维平面表达三维信息，所以能量值的大小是通过颜色来表示的，颜色越深表示该点的语音能量越强。语谱图表达了语音信号不同频段的信号强度，便于观察频率随时间的变化情况。通过语音信号获得语谱图的过程如下：

1) 获取音频数据；

2) 将声音信号分帧加窗；

3) 对帧信号进行FFT，得到帧信号的频谱；

4)将各帧频谱叠加，得到整个声音信号的语谱图。

4种微电机声音信号的语谱图如图5所示。

图5 4种微电机信号的语谱图

3 微电机故障声音信号识别及结果分析

3.1 融合CNN模型

本文训练了两种模型：1D-CNN和2D-CNN，同时对微电机声音信号数据集进行训练，将两种模型训练输出的结果进行加权平均后再输出，获得模型融合后的识别结果。1D-CNN和2D-CNN模型融合的整体流程如图6所示。

图6 1D-CNN与2D-CNN模型融合过程

1D-CNN的网络结构包括输入层、2个卷积层、2个池化层、全连接层和输出层。该网络的输入是大小为40(39维MFCC和短时能量)的特征向量。第一个卷积层卷积核的数目为16，卷积核大小为8，步长为2，卷积后使用relu激活函数引入非线性因素,卷积后得到的特征向量用0填充边缘部分；第一个卷积层后连接第一个池化层对卷积后的特征向量进行压缩，以简化网络计算复杂度，采用大小为2的卷积核进行最大池化，得到16个大小为1×8的特征向量；第二个卷积层卷积核的数目为32，卷积核大小为8，步长为2，激活函数是relu, 边缘部分用0填充；第二个池化层采用大小为2的卷积核进行最大池化,得到32个大小为1×2的特征向量；第二个池化层后是全连接层，用来连接所有的特征，将输出值送给softmax分类器，经全连接层后得到的64维特征向量；最后一个是输出层，大小为4。

2D-CNN的网络结构包括输入层、2个卷积层、2个池化层、全连接层和输出层。该网络的输入是大小为32像素×32像素×3通道(RGB)的语谱图。第一个卷积层卷积核的数目为32，卷积核大小为3×3，卷积后使用relu激活函数引入非线性因素,卷积后得到的特征图用0填充边缘部分，使其大小保持不变；第一个卷积层后连接第一个池化层对卷积后的特征图进行压缩，以简化网络计算复杂度，采用大小为2×2的卷积核进行最大池化，得到32个大小为16×16的特征图；第二个卷积层卷积核的数目为64，卷积核大小为3×3，激活函数是relu,边缘部分用0填充；第二个池化层采用大小为2×2的卷积核进行最大池化，得到64个大小为8×8的特征图；第二个池化层后是全连接层，用来连接所有的特征，将输出值送给softmax分类器，经全连接层后得到的4 096维特征向量；最后一个是输出层大小为4。

本文采用加权平均法对2个模型的输出结果进行融合，加权平均的公式如下：

(8)

3.2 试验验证与结果分析

1)试验设计

从样本中随机选择70%的样本作为卷积神经网络的输入训练样本，剩下30%的样本作为测试样本。将训练样本提取特征值并分别输入到一维CNN和二维CNN模型中，获得训练模型；再将测试样本提取特征值并输入到训练好的一维CNN和二维CNN模型中并输出，然后将2个模型的结果融合后再输出，对比3种模型的输出结果。

2)状态编码

微电机状态对应编码表如表1所示。

表1 微电机状态对应编码表

编码后的向量便是CNN的输出向量。

3)结果分析

本文分析了3个模型：1D-CNN、2D-CNN和融合CNN。在融合CNN模型中，1D-CNN的权重为α1，2D-CNN的权重为α2，且α2=1-α1。融合CNN模型中每个模型的权重和识别准确率的变化如表2所示。当α1=0时，2D-CNN模型的准确率为91.67%；当α1=1时，1D-CNN模型的准确率为90.63%。当α1=0.4并α2=0.6时，准确率最高，为93.58%。故本文融合CNN模型中，取1D-CNN的权重为0.4，2D-CNN的权重为0.6。不同深度学习模型的故障识别准确率对比如表3所示。

表2 融合模型识别准确率

表3 不同深度学习模型的故障识别准确率对比

由表3可知，1D-CNN模型主要分析特征为时域特征和倒谱域特征，准确率为90.63%；2D-CNN模型主要分析特征为频域特征，准确率为91.67%，融合CNN模型集合了两个模型的优势，识别准确率为93.58%，比1D-CNN和2D-CNN的准确率各提高了2.95%和1.91%，平均提高了2.43%。

4 结语

本文提出了一种基于声学特征和融合CNN模型的微电机故障诊断方法。该方法提取了微电机声音信号的MFCC特征、短时能量和语谱图特征，并建立了一维CNN和二维CNN分类模型来进行识别，然后利用模型融合技术将两个模型训练的结果进行加权平均，充分发挥了不同模型的优势，提高了准确率。该方法具有很好的准确度，在实际的工程中有良好的应用前景。