Aug, 2022

利用自编码器降噪感应电动机声音

HTML
PDF
TL;DR本文提出了一种使用自编码器将带噪声的机器声音映射到清晰声音以实现去噪目的的方法，并用水槽水龙头噪声的环境噪声和高斯噪声为例演示了去除噪声的方法及其在Machinery Fault Database(MAFAULDA)的49个正常功能声音和197个水平错位故障声音上进行了训练和验证，并用均方误差（MSE）作为评估标准，结果表明，在测试集中MSE小于或等于0.14时，对两种噪声进行去噪处理，而在水平错位故障类别的60个测试声音中去噪时，MSE小于或等于0.15，这表明使用经过训练的自编码器几乎能够删除原始声音中的高斯噪声和环境噪声。
发现论文，激发创造
  • MIMII 数据集：用于故障工业机器调查和检查的声音数据集

    该研究介绍了一个名为MIMII的声音数据集，其中包括正常和异常操作下四种不同类型的工业机器声音，以协助机器学习和信号处理领域的自动化设备维护的发展。

    Sep, 2019

  • MIMII DG：适用于故障工业机器调查和检查的声音数据集，用于域泛化任务

    本文介绍了一个机器声音数据集，旨在评估领域泛化技术用于异常声音检测。该数据集名为MIMII DG，包含五种机器类型和三个领域移位情境，并根据参数和噪声的不同值引入领域移位，试验结果表明这个数据集可以复现领域移位情境，是评估领域泛化技术的有用工具。

    May, 2022

  • 基于分层条件变分自编码器的声学异常检测

    该研究旨在开发一种基于声学信号的无监督异常检测方法，提出了一种名为 HCVAE 的新方法，利用可用的分类层次知识来完善潜空间表示，提高异常检测性能，并在不同领域进行实证研究，其性能優于基线系统15％的AUC得分。

    Jun, 2022

  • 引入噪声稳健性到预训练自动语音识别

    提出了一种新的方法，即Cleancoder预处理架构，从Conformer ASR模型中提取隐藏激活，并将其馈送给解码器来预测去噪谱图。通过在嘈杂的输入中重建去噪谱图，我们证明Cleancoder可以滤除语音中的噪声，从而改善了下游模型在嘈杂环境中的总词错误率（WER）。

    Sep, 2023

  • 工业机器故障诊断的深度神经网络声音信号分析

    设计了基于深度学习的系统来分析工业机器产生的声音信号，将声音信号转换为Mel频谱图，并使用DenseNet-169模型对谱图图像进行分类，结果表明该方法在不同的声音噪声比水平下实验得到了97.17%到99.87%的准确率。

    Dec, 2023

  • 旋转机械可靠故障检测中声音与振动的探索

    用振动信号进行故障检测已成为各行业预测性维护的最终目标。本研究通过提供包含声音和振动数据的新基准Quatar大学双机轴承故障基准数据集(QU-DMBF)，揭示了振动信号故障检测的局限性，并提出了第一种基于声音的故障检测深度学习方法并与振动进行了比较评估。实验结果表明，基于声音的故障检测方法比基于振动的方法更加稳健，并且完全不依赖传感器位置、具有成本效益，能够达到与基于振动的方法相同水平的最佳检测性能。

    Dec, 2023

  • 验证人工神经网络模型感应电动机的声学行为

    评价多任务人工神经网络在预测感应电机的心理声学参数方面的应用，通过使用电动机功率信号的电学量和极数等多种输入参数，同时评估感应电机的声学质量，采用等效声压、响度、粗糙度和锐度作为输出指标，并分析其简单可解释模型中产品单元神经网络的最佳结果。

    Jan, 2024

  • 基于CNN自编码图像去噪的影响评估在图像分类任务上

    本研究提出了一种在铸造产品嘈杂图像中检测缺陷的创新方法，使用包括VGG16、InceptionV3等深度学习模型在空间和频率域中识别噪声类型和缺陷状态，并通过集成噪声检测和去噪技术提高缺陷检测准确性和鲁棒性。

    Apr, 2024

  • 基于机器特定滤波器组的光谱时间调制表示的机器异常声音检测

    本研究针对工厂机器故障的早期检测问题，提出了一种将人耳听觉模型与机器特性相结合的方法。通过设计特定的非均匀滤波器组，并提取光谱时间调制特征，显著提高了不同机器正常与异常声音的区分能力，尤其在不同信噪比条件下提升了性能。

    Sep, 2024

  • MIMII-Gen：用于异常声音检测系统模拟评估的生成建模方法

    本研究针对机器声音异样检测系统开发中的录音不足和异常样本稀缺的问题，提出了一种新颖的潜在扩散模型生成多样化异常声音的方法。通过利用Flan-T5模型编码音频文件元数据生成条件音频，我们的方法在生成的声音质量上超越现有模型，显示出增强异常检测系统评估和稳健性的潜力。

    Sep, 2024