Abnormal Sound Detection of Wind Turbine Gearboxes Based on Improved MobileFaceNet and Feature Fusion

涡轮机 计算机科学 声音(地理) 声学 工程类 航空航天工程 物理
作者
Yujie Liang,Haorui Liu,Yayu Chen
出处
期刊:Applied sciences [MDPI AG]
卷期号:14 (23): 11226-11226
标识
DOI:10.3390/app142311226
摘要

To solve problems such as the unstable detection performance of the sound anomaly detection of wind turbine gearboxes when only normal data are used for training, and the poor detection performance caused by the poor classification of samples with high similarity, this paper proposes a self-supervised wind turbine gearbox sound anomaly detection algorithm that fuses time-domain features and Mel spectrograms, improves the MobileFaceNet (MFN) model, and combines the Gaussian Mixture Model (GMM). This method compensates for the abnormal information lost in Mel spectrogram features through feature fusion and introduces a style attention mechanism (SRM) in MFN to enhance the expression of features, improving the accuracy and stability of the abnormal sound detection model. For the wind turbine gearbox sound dataset of a certain wind farm in Guangyuan, the average AUC of the sound data at five measuring point positions of the wind turbine gearbox using the method proposed in this paper, STgram-MFN-SRM, reached 96.16%. Compared with the traditional anomaly detection methods LogMel-MFN, STgram-MFN, STgram-Resnet50, and STgram-MFN-SRM(CE), the average AUC of sound detection at the five measuring point positions increased by 5.19%, 4.73%, 11.06%, and 2.88%, respectively. Therefore, the method proposed in this paper effectively improves the performance of the sound anomaly detection model of wind turbine gearboxes and has important engineering value for the healthy operation and maintenance of wind turbines.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
HR112应助研友_8KX15L采纳,获得10
1秒前
LY完成签到,获得积分10
1秒前
牛啊牛啊发布了新的文献求助10
1秒前
2秒前
风的味道完成签到,获得积分10
2秒前
朱滴滴完成签到,获得积分20
2秒前
HXuer完成签到,获得积分10
3秒前
JOKER完成签到 ,获得积分10
3秒前
4秒前
杳鸢应助我要发nature采纳,获得10
4秒前
4秒前
天舞英姿发布了新的文献求助10
4秒前
SSSstriker完成签到,获得积分10
4秒前
hanyue完成签到,获得积分20
4秒前
平淡妙梦完成签到 ,获得积分10
5秒前
Epiphany发布了新的文献求助10
5秒前
乐宝完成签到,获得积分10
6秒前
瘦瘦的寒珊完成签到 ,获得积分10
6秒前
研友_Z1x9ln完成签到,获得积分10
6秒前
我是雅婷发布了新的文献求助10
7秒前
zongzong发布了新的文献求助10
7秒前
牛啊牛啊完成签到,获得积分10
7秒前
8秒前
科研通AI2S应助科研民工采纳,获得10
8秒前
Bag633发布了新的文献求助10
9秒前
踏实的师完成签到,获得积分10
10秒前
晚风完成签到 ,获得积分10
10秒前
笨笨的服饰完成签到,获得积分20
11秒前
JY'完成签到,获得积分0
12秒前
12秒前
哆啦A梦的小小王完成签到,获得积分10
12秒前
湘之灵若完成签到 ,获得积分10
13秒前
鸭鸭完成签到 ,获得积分10
13秒前
典雅的静发布了新的文献求助10
13秒前
爱吃萝卜的Bob完成签到,获得积分10
13秒前
JamesPei应助天涯赤子采纳,获得10
13秒前
天舞英姿完成签到,获得积分10
14秒前
花花世界J发布了新的文献求助10
14秒前
英姑应助美丽松鼠采纳,获得10
14秒前
晚风发布了新的文献求助10
14秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3249053
求助须知:如何正确求助?哪些是违规求助? 2892387
关于积分的说明 8271490
捐赠科研通 2560723
什么是DOI,文献DOI怎么找? 1389228
科研通“疑难数据库(出版商)”最低求助积分说明 651029
邀请新用户注册赠送积分活动 627870