(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111678057.3 (22)申请日 2021.12.31 (71)申请人 上海泛德声学工程有限公司 地址 201613 上海市松江区荣 乐东路208弄 9号9幢1层 (72)发明人 朱宝鹤　任百吉　孙永吉　 (74)专利代理 机构 上海诺衣知识产权代理事务 所(普通合伙) 31298 代理人 衣然 (51)Int.Cl. G06N 20/10(2019.01) G06K 9/62(2022.01) G10L 25/48(2013.01) (54)发明名称 一种电机异响机 器学习检测方法 (57)摘要 本发明涉及一种电机异响机器学习检测方 法， 包括如下步骤： S1:搭建一支持向量机模型； S2:训练所述支持向量机模型； S3:实时采 集电机 的声音信号； S4:根据采集到的声音信号计算声 品质特征向量； S5:对所述声品质特征向量进行 标准化预处理后， 输入所述支持向量机模型； S6: 输出预测结果以识别电机工作状态。 本发明充分 利用了声音信号频域宽的优点， 提取电机声品质 特征向量作为预测样本， 并利用支持向量机模型 进行二分类判断， 达 到很高的异响判断准确率。 权利要求书3页 说明书7页 附图1页 CN 114358321 A 2022.04.15 CN 114358321 A 1.一种电机异响机器学习检测方法， 其特 征在于， 包括如下步骤： S1:搭建一支持向量机模型； S2:训练所述支持向量机模型； S3:实时采集电机的声 音信号； S4:根据采集到的声 音信号计算声品质特 征向量； S5:对所述声品质特 征向量进行 标准化预处理后， 输入所述支持向量机模型； S6:输出预测结果以识别电机 工作状态。 2.根据权利要求1所述的一种电机异响机器学习检测方法， 其特征在于， 所述声 品质特 征向量中， 声品质参数包括但不限于响度N、 尖锐度S、 粗 糙度R、 起伏度F。 3.根据权利要求2所述的一种电机异响机器学习检测方法， 其特征在于， 所述响度的计 算公式如下： 其中， N'为特征响度， 即一个临界频带内的响度； N为总响度， 即在整个可听域上每个特 征响度的和； 从0 ‑16kHz范围内划分为24个临界频带， 用Bark来作为临界频带的单位， 1Bark 代表一个临界频 带的带宽 。 4.根据权利要求2所述的一种电机异响机器学习检测方法， 其特征在于， 所述尖锐度的 计算公式如下： 其中， S为尖锐度； N'为特征响度， 即一个临界频带内的响度； N为总响度， 即在整个可听 域上每个特征响度的和； g是加权函数， 形式为 5.根据权利要求2所述的一种电机异响机器学习检测方法， 其特征在于， 所述粗糙度的 计算公式如下： 其中， R为 粗糙度； fmod是调制频率； △L是掩蔽深度。 6.根据权利要求2所述的一种电机异响机器学习检测方法， 其特征在于， 所述起伏度的 计算公式如下：权　利　要　求　书 1/3 页 2 CN 114358321 A 2其中， F为 起伏度； fmod是调制频率； △L是掩蔽深度。 7.根据权利要求2所述的一种电机异响机器学习检测方法， 其特征在于， 每一个所述声 音信号可以计算得到一个所述声品质特征向量， 所述声品质特征向量的声品质参数至少为 2个。 8.根据权利要求1所述的一种电机异响机器学习检测方法， 其特征在于， 所述步骤S2， 包括如下步骤 S201:建立电机训练数据集， 所述电机训练数据集包 含正例样本和负例样本； S202:找到一个分离超平面w ·x+b＝0,记作(w,b),把正例样本点和负例样本点分开， 并且离超平面 最近的正例样本点和负例样本点， 两点之间的距离最大； 设超平面(w,b)关于样本点(xi,yi)的几何间隔为 电机训练数据集关于超平面(w,b)的几何间隔为 此时求最大间隔分类超平面问题， 可表示 为约束最优化问题： 其等价于 s.t.yi(wxi+b)≥1, i＝1,2,...N。 求解上述约束最优化问题， 即得到训练好的支持向量机模型。 9.根据权利要求8所述的一种电机异响机器学习检测方法， 其特征在于， 所述步骤S201 包括如下步骤； 对预先准备的， 标记为 “正常”或“异响”的电机通电运行， 进行电机声 音信号的采集； 通过所述电机声 音信号计算得到声品质特 征向量； 对所述声品质特 征向量进行 标准化预处理后得到电机训练数据集 T＝{(x1,y1),(x2,y2),···,(xN,yN)} 其中， (xi,yi)是样本点， xi为第i个标准化预处理的声品质特征向量， yi∈{+1,‑1}， 其中权　利　要　求　书 2/3 页 3 CN 114358321 A 3