基于声音信号的转辙机故障诊断研究

作者：梁续继; 戴胜华^*

来源：铁道标准设计, 2023, 1-9.

DOI：10.13238/j.issn.1004-2954.202303170002

• 转辙机
• 故障诊断
• 声音信号
• 特征提取
• wav2vec2.0
• MFCC
• 语谱图

铁路信号系统中转辙机的故障率较高，需要采用智能化解决方案对故障进行诊断。传统的解决方案基于电信号，未能充分利用机械电子设备的物理特征。针对这一问题，基于转辙机动作时的声音进行故障诊断。首先，根据转辙机的动作特性提出6种会影响声音信号的常见机械故障。然后，根据声音诊断在特征提取方面的不同路线，采用3种技术方案。端到端方案通过wav2vec2.0语音识别框架直接进行训练和识别；特征矩阵方案提取声音信号的梅尔倒谱系数(MFCC)，通过主成分分析(PCA)得到固定尺寸的特征矩阵，由多分类支持向量机(SVM)进行故障分类；声音图像化方案生成声音信号的语谱图，同时建立卷积神经网络VGG16的轻量化改进模型，将语谱图输入至该模型中进行训练和识别。实验结果表明，3种技术方案均能有效地对包括正常工作和6种故障类型的7种工作状态实现诊断，准确率分别为99.8%，94.2%和96.6%。验证了基于声音进行转辙机故障诊断的3种技术方案的可行性，并体现了语音领域技术在转辙机故障诊断中的应用价值。

• 单位
  北京交通大学; 电子信息工程学院