基于音频特征聚类算法的故障检测方法研究

本文提出了一种基于音频特征深度卷积神经网络和聚类算法联合优化的故障检测方法（FDM_DCNN-CA）。该方法通过提取音频信号的三种特征图片（波形图、频谱图、语谱图），并利用深度卷积神经网络（BN-VGG16）提取特征坐标，最后通过三维 k-means 聚类算法对特征坐标进行分类，从而判断音频信号是否正常，并识别正常部分的型号。实验结果表明，该方法在具有不同背景噪声的音频数据集 MIMII 上取得了良好的应用效果，尤其在检测难度较大的“阀门”设备上，总体 AUC 分数超过 91%，异常音频信号判断正确率超过 95%。