基于音频特征聚类算法的故障检测方法研究

针对工业生产中设备故障在线智能检测的迫切需要,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(fault detection method on the strength of the joint optimization of audio feature deep convolutional neural network and clustering algorithm,FDM_DCNN-CA)。该方法详细阐述了三维坐标系中的特征位置归一化提取和音频信息融合聚类分析等关键技术要点。FDM_DCNN-CA在具有不同背景噪声的音频数据集MIMⅡ上进行了测试,结果表明即使在检测难度较大的“阀门”设备上,仍然取得了良好应用结果。“阀门”设备总体AUC分数超过91%,并且在异常音频信号判断上具有更好的鲁棒性,正确率超过95%。

水体中甲基汞检测系统的研制

基于“吹扫捕集-气相色谱-介质阻挡放电裂解-冷原子荧光光谱”方案,设计了一款水体中甲基汞检测系统。设计的原子化器采用介质阻挡放电裂解模块,较传统的剧烈氧化还原反应原子化器具有体积小、功耗低和裂解效率高等优势。实验中,分别对0、10、20、50、100、500以及1000 pg的标样甲基汞溶液进行5次重复检测,并建立标样甲基汞峰面积平均值校准曲线,计算出相对标准差(RSD)在1.29%~3.40%之间,R为0.994。实验结果表明,该系统能够实现甲基汞的检测,满足操作简单、低成本、高性能的设计要求,适合用于中小实验室的教学仪器。