基于BP神经网络的电除尘火花放电识别

作者：江莺^*; 俞铭津; 张梦琦

来源：信息与控制, 2019, 48(06): 754-760.

DOI：10.13976/j.cnki.xk.2019.9268

• 静电除尘
• 火花放电
• 声音识别
• BP神经网络
• 识别率

针对高压静电除尘中会发生火花放电现象,降低除尘效率、损坏设备的问题,提出了根据火花放电造成的声音进行火花识别的方法,利用MEMS(Micro-Electro-Mechanical System)数字麦克风采集声音信号,分析了火花放电声音的短时能量、短时过零率、线性预测倒谱系数和梅尔频率倒谱系数(MFCC).建立BP神经网络识别系统,选用不同特征向量进行实验.研究结果表明:使用MFCC系数结合短时能量和短时过零率能提高识别率,对纯净样本的识别率高达96%,且用火花放电瞬间两帧数据作为火花样本进行BP神经网络训练能大幅度提高识别系统的鲁棒性,对非纯净样本的识别率高达95%.

• 单位
  南京林业大学; 电子工程学院