音頻監(jiān)控系統(tǒng)在無人值守礦山提升裝備中的應(yīng)用及研究

王浩，田豐，陳強，儲漢卿

（1.淮南礦業(yè)（集團）有限責(zé)任公司顧橋煤礦，安徽 淮南 232100；2.科大訊飛股份有限公司，安徽 合肥 230088）

隨著近幾年不斷運用與發(fā)展，音頻監(jiān)控技術(shù)的發(fā)展日趨成熟。音頻監(jiān)控系統(tǒng)已經(jīng)廣泛運用于廣播發(fā)射臺、遠程監(jiān)控、設(shè)備綜況監(jiān)察、無人值守作業(yè)檢查和諸多安全防范系統(tǒng)等領(lǐng)域。沈建華通過研究OFDM無線傳輸技術(shù)，簡化了音頻監(jiān)控的傳輸；通過PLC系統(tǒng)采集現(xiàn)場數(shù)據(jù)，基于智能網(wǎng)關(guān)和MQTT協(xié)議將音頻數(shù)據(jù)傳輸至云平臺，劉璐實現(xiàn)了遠程IOT設(shè)備數(shù)據(jù)的在線獲取和遠程傳輸，提高音頻數(shù)據(jù)獲取效率和運維管理效率；針對復(fù)雜環(huán)境下高壓斷路器故障診斷算法的準確率和泛化性問題，董耀等提出一種聲紋及振動熵特征聯(lián)合的GWO-KFCM故障診斷算方法，較大的提高了對故障的診斷能力；為了探究變壓器近聲場的分布規(guī)律、優(yōu)化聲紋監(jiān)測點的位置，劉云鵬通過構(gòu)造聲源，對比聲紋與聲源的相似度，確定了聲源監(jiān)測范圍；為解決聲紋識別技術(shù)應(yīng)用在平臺中面臨魯棒性較差的問題，李嘉偉采用MFCC，通過DTW算法對麥克風(fēng)和揚聲器聲紋的特征進行比對，實現(xiàn)揚聲器與麥克風(fēng)同步對多種故障進行全面檢測，提高了不同聲紋的故障識別率。本文將人工智能AI技術(shù)和音頻監(jiān)控相結(jié)合，以期能夠及時準確地判別設(shè)備運行的狀態(tài)，較早地發(fā)現(xiàn)設(shè)備運行故障。

1 AI聲紋診斷系統(tǒng)

1．1 聲音數(shù)據(jù)采集裝置與處理技術(shù)開發(fā)

AI聲紋診斷系統(tǒng)包括聲音采集部分、錄音部分和AI聲紋智能診斷部分。聲音采集部分中的拾音器相當于系統(tǒng)的耳朵，它通過設(shè)備的震動來采集現(xiàn)場的聲音。數(shù)字拾音器就是通過數(shù)字信號處理系統(tǒng)將模擬的音頻信號轉(zhuǎn)換為數(shù)字信號，并進行相應(yīng)的數(shù)字信號處理的聲音傳感設(shè)備。采集聲紋的過程中用到了麥克風(fēng)陣列技術(shù)，利用該技術(shù)，可實現(xiàn)在復(fù)雜噪聲環(huán)境下，進行噪聲抑制、回聲抑制、去除混響、聲源定位和放大，實現(xiàn)對提升機不同部件的聲紋特征準確提取，從而達到高效收集的效果。AI聲紋智能診斷部分是整個系統(tǒng)的核心，它通過將收集到的聲音與收集到的發(fā)生故障設(shè)備的聲音進行比對，當相似度達到專家給定經(jīng)驗值時，判定為故障。

1．2 麥克風(fēng)陣列技術(shù)

麥克風(fēng)陣列技術(shù)是將一定數(shù)目的聲學(xué)傳感器按照不同的排列方式組合，通過從不同聲學(xué)傳感器收集數(shù)據(jù)，將這些數(shù)據(jù)進行分析計算，從而精準定位聲紋的方位和距離的技術(shù)。該技術(shù)可用于高噪音條件下探測噪聲方位，也可用于遠距離聲音辨識，還可用于在噪聲環(huán)境下識別不同聲音，本技術(shù)還可用于在復(fù)雜礦山環(huán)境下進行儀器設(shè)備的聲紋定位，為拾音器的聲紋采集確定方向，提高聲紋采集系統(tǒng)采集效率和采集能力。結(jié)合礦山實際情況，如圖1所示，麥克風(fēng)陣列系統(tǒng)采用8組麥克風(fēng)組成陣列，通過這八組麥克風(fēng)收集聲源并將其放大，由MCU將收集到的聲紋數(shù)據(jù)進行運算。至于麥克風(fēng)陣列則采用“米”型陣列，該陣列具有聲紋信息收集全面的優(yōu)點，該陣列由米字的“十”組成線性陣列，由米字的“X”組成輔助陣列。通過該陣列技術(shù)可以從八個方位收集聲音數(shù)據(jù)，確保聲紋數(shù)據(jù)收集的全面與穩(wěn)定，減少聲紋識別的誤差，實現(xiàn)更準確的聲紋定位。麥克風(fēng)陣列系統(tǒng)結(jié)構(gòu)圖如圖1。

圖1 麥克風(fēng)陣列系統(tǒng)結(jié)構(gòu)圖

2 提升機聲紋診斷AI模型

2．1 提升機聲紋診斷AI模型訓(xùn)練算法引擎開發(fā)

提升機聲紋診斷AI模型訓(xùn)練算法是整個聲紋監(jiān)測系統(tǒng)的關(guān)鍵，收集到的聲紋信息需經(jīng)過該算法處理，從而達到對聲紋的分析與識別，為最終的決策提供依據(jù)。它可以由下列幾種常見分析算法展開。

（1）專家系統(tǒng)。專家系統(tǒng)診斷是利用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域的專家提供的經(jīng)驗，進行診斷，模擬現(xiàn)場經(jīng)驗豐富的師傅的決策，以達到無人值守自動檢測異常的效果。

（2）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)從信息分析角度對人腦神經(jīng)元網(wǎng)絡(luò)進行模擬，具有很強的自適應(yīng)能力，它能夠根據(jù)事件的運行方向?qū)λ惴ㄟM行調(diào)整，且其具有高容錯率，提高了不同聲紋的故障識別率。

（3）模式識別。模式識別是將系統(tǒng)之前收集到的聲紋數(shù)據(jù)通過計算分析，再結(jié)合專家?guī)煾档慕?jīng)驗，定為不同的故障類型，以此作為參照，根據(jù)收集到的信息，確定其類型，達到檢測的效果。

（4）故障樹分析法。故障樹分析法是一種由最優(yōu)逐漸往劣的算法。它以設(shè)備正常運轉(zhuǎn)為最優(yōu)事件，逐層向下分析設(shè)備最差的狀態(tài)，逐一排查出故障發(fā)生的原因，確定設(shè)備故障的發(fā)生率。

（5）模糊識別。模糊識別通過故障發(fā)生的隸屬度來確定不同引發(fā)原因的隸屬度，也就是從結(jié)果反推事件發(fā)生的原因，從而表征故障的發(fā)生率。根據(jù)礦山實際情況并將上述幾種算法分析對比，最終選定神經(jīng)網(wǎng)絡(luò)與模糊專家系統(tǒng)結(jié)合診斷。該算法運用模糊識別初步確定故障的隸屬度，再通過神經(jīng)網(wǎng)絡(luò)計算將機器故障分類，再由專家系統(tǒng)的經(jīng)驗最終確定故障類型。從音頻收集開始，先由模糊識別系統(tǒng)對其進行初步分類，再由神經(jīng)網(wǎng)絡(luò)系統(tǒng)對其進行細分，最后由專家系統(tǒng)分析所收集聲紋與正常運轉(zhuǎn)聲紋進行對比，若差值達到規(guī)定值，則確定為提升機運行故障。

2．2 提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)

根據(jù)礦山的實際情況，如圖2所示，將提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)分為以下幾部分，其中核心是AI智能分析系統(tǒng)，它相當于整個系統(tǒng)的大腦，起著分析決策的作用，與其他系統(tǒng)相互配合，完成聲紋整個預(yù)警流程。整個流程的介紹如下：通過拾音器識別和收集聲紋數(shù)據(jù)，期間可用降噪設(shè)備減弱礦山機械運行的其他雜音，提高聲紋的收集純度，收集聲紋信息過程中還需要運用麥克風(fēng)陣列技術(shù)對礦井提升機器進行聲紋定位，提高采集效率。采集完聲紋后，通過數(shù)據(jù)發(fā)送系統(tǒng)將數(shù)據(jù)傳導(dǎo)入AI智能分析系統(tǒng)，然后由AI智能分析系統(tǒng)將收集到的聲紋進行分類，再結(jié)合專家數(shù)據(jù)庫最終確定聲音的類型，若其相似度達到故障要求，則立即觸發(fā)報警系統(tǒng)，報警系統(tǒng)將信息傳至本地控制臺，然后再由本地控制臺傳至遠程控制系統(tǒng)，通過遠程操作及時對故障進行處理，從而達到無人值守監(jiān)控提升設(shè)備的目的。

圖2 提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)結(jié)構(gòu)圖

3 音頻監(jiān)控系統(tǒng)的應(yīng)用

3．1 變壓器振動聲紋故障診斷

變壓器是利用電磁感應(yīng)的原理來改變交流電壓的裝置，在遠距離輸電過程中，具有不可替代的作用，然而它造價較高，替換不便，一旦因故障而停電將造成重大損失，因此變壓器發(fā)生故障前對其進行識別具有積極意義。變壓器故障診斷已經(jīng)有多種方法，其中大多是根據(jù)變壓器的固有性質(zhì)來診斷的，如電阻、電壓、頻率等，而根據(jù)振動聲紋來診斷卻很少見，主要難題在于智能分析算法的構(gòu)建，而如今隨著聲紋診斷AI模型訓(xùn)練算法的普及，振動信息聲紋故障診斷也凸顯了很多優(yōu)勢，首先，信號收集裝置與變壓器單獨連接，兩者工作不會互相干擾，變壓器無需停電檢測，實時性強，其次，聲紋采集裝置體積小，便于攜帶安裝，且振動信息包含了變壓器的全部部分，檢測出來的結(jié)果更加詳細全面。該系統(tǒng)還利用了聲紋成相技術(shù)，通過對比不同聲紋圖像的波紋性質(zhì)，如波峰、波谷、頻率等，提高了故障診斷率。

3．2 無人值守礦山提升裝備的音頻監(jiān)控

隨著礦井提升機運行管理逐步向“遠程控制、無人值班、少人值守”發(fā)展，對提升機內(nèi)電機，電氣等設(shè)備的安全可靠性要求越來越高，特別是提升機的安全穩(wěn)定運行尤為關(guān)鍵。無人值守礦山提升裝備的音頻監(jiān)控系統(tǒng)由三部分構(gòu)成：聲紋收集系統(tǒng)、提升機聲紋診斷AI智能分析系統(tǒng)和提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)。聲紋收集系統(tǒng)包括拾音器和降噪設(shè)備等，主要作用是簡單篩除礦井提升機以外的其他雜音，并將提升機運行產(chǎn)生的聲音收集起來。音頻監(jiān)控系統(tǒng)的具體應(yīng)用圖3、圖4所示，圖中所示為聲音采集器的拾音器部分，提升設(shè)備在運行時會振動發(fā)聲，通過拾音器采集聲紋數(shù)據(jù)，然后經(jīng)提升機聲紋診斷AI智能分析系統(tǒng)和提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)實現(xiàn)其功能。

圖3 聲紋采集器在顧橋礦天輪的應(yīng)用圖

圖4 聲紋采集器在顧橋礦絞車的應(yīng)用

礦井提升裝備的音頻監(jiān)控系統(tǒng)開發(fā)實現(xiàn)了礦井設(shè)備的無人監(jiān)控，節(jié)約了人力物力，由于該系統(tǒng)可以24小時實時監(jiān)測，提高了礦井提升設(shè)備監(jiān)測的穩(wěn)定性，為礦井提升設(shè)備安全穩(wěn)定地運行提供保障，為礦井安全生產(chǎn)提供保障。

4 結(jié)語

基于計算機聽覺和聲紋技術(shù)、麥克風(fēng)陣列技術(shù)和AI聲紋設(shè)備監(jiān)測技術(shù)，從聲音數(shù)據(jù)采集裝置與處理技術(shù)開發(fā)；提升機聲紋診斷AI模型訓(xùn)練算法引擎開發(fā)；提升機聲紋監(jiān)測預(yù)警軟件系統(tǒng)開發(fā)三個方面完成了在無人值守礦山提升裝備音頻監(jiān)控系統(tǒng)的開發(fā)，實現(xiàn)了礦井提升機運行管理系統(tǒng)的遠程控制、無人值班、少人值守，同時還為提升機的安全穩(wěn)定運行提供了保障，同時也為礦井安全生產(chǎn)提供了保障，減少了礦井資源的消耗，促進礦井生產(chǎn)向智能化、自動化方向發(fā)展。

音頻監(jiān)控系統(tǒng)可以應(yīng)用在無人值守礦山提升裝備中，為礦井生產(chǎn)提供了安全保障，但它的應(yīng)用范圍遠不止于此，他可以推廣到我們生活的方方面面，如家庭音頻監(jiān)控，銀行音頻監(jiān)控等等，可以為我們的生活帶來極大的便利；雖然礦山開采逐步向智能化，自動化方向發(fā)展，但還是有很多方面還要靠人來操作，如巷道的支護，工作面的推進等，今后可以開發(fā)更多的無人值守系統(tǒng)來實現(xiàn)這些操作，這樣不僅能提高礦山的生產(chǎn)效率，還能夠提高礦井生產(chǎn)的安全性。