买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云鼎科技股份有限公司申请的专利一种基于人工智能声学识别的井筒罐道碰撞监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120877776B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510917207.3，技术领域涉及：G10L25/51；该发明授权一种基于人工智能声学识别的井筒罐道碰撞监测方法是由刘波;肖瑞;宋平;张杰;李丙卓;崔润兴;高桢;杨晓博;刘东设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于人工智能声学识别的井筒罐道碰撞监测方法在说明书摘要公布了：本发明公开了一种基于人工智能声学识别的井筒罐道碰撞监测方法。本发明中，通过声学采集装置实时、持续地收集管道运行声音，并快速进行声音的数据清洗、特征处理、模型识别过程，能够在短时间内对异常碰撞进行快速告警，有效提升井筒运行的安全性。通过对原始声音信号的多指标数据清洗有效地过滤声音中的背景噪声和无效信号，并通过计算多个声学特征增强特征向量对罐道碰撞声音的表征能力和区分能力，提高所训练的模型在复杂的井筒环境中的准确性。通过支持向量数据描述方法实现对正常与异常声学模式的区分，无需大量异常样本训练，适合实际井筒场景中异常碰撞样本单一而正常样本复杂多样的情况，具备良好的环境适应能力和扩展性。

本发明授权一种基于人工智能声学识别的井筒罐道碰撞监测方法在权利要求书中公布了：1.一种基于人工智能声学识别的井筒罐道碰撞监测方法，其特征在于：所述方法包括以下步骤： S1:进行运行过程的声音采集； S2:进行数据读取和预处理； S3:进行特征提取； S4:构建井筒罐道碰撞监测的模型； S5:进行模型的训练和部署； S6:进行模型的测试性能展示； 所述步骤S4中，采用核主成分分析方法对归一化后的特征进行非监督特征压缩，能够在高维隐式空间中提取线性成分，能够非线性关系的特征；设样本，其中每个样本表示包含d=10个特征；首先，进行线性核函数计算，使用线性核函数构造核矩阵： ; 其中，表示计算两个向量的内积；然后，对核矩阵进行中心化，计算如下： , 其中，为的全矩阵；最后，对中心化后的核矩阵进行特征值分解，保留前个主成分，即求解： , 其中，和分别表示特征值和特征向量，最终得到降维后的特征; 所述步骤S4中，得到所有样本的特征向量之后，分别计算每个特征的均值和方差，对特征进行归一化，公式如下： , 其中，表示所有样本的特征向量组成的特征矩阵，和分别表示计算特征向量中每一列的均值和方差； 所述步骤S5中，为了采集足够的训练数据，将管道轮与罐道之间的缝隙调大，收集运行过程的声音，使用音频剪辑工具将异常碰撞声音和正常运行声音分开，分别构成负样本和正样本；为了能够训练出更精确的模型，正样本要尽可能地包含所有的运行过程的正常声音；得到数据之后根据上述过程对数据进行预处理和特征提取，然后训练模型部分并保存，得到训练好的异常碰撞声音识别模型； 所述步骤S5中，将训练好的模型部署到目标应用场景，根据拾音器实时采集的数据进行异常声音的识别，若检测到异常碰撞则保存碰撞前3秒至后3秒的7秒音频，将告警信息和音频文件反馈到工作人员； 所述步骤S6中，在某煤矿井筒场景中通过调大管道轮与罐道之间的缝隙进行数据收集，对音频进行剪辑得到包含风噪、正常设备运行声音、人声、设备检修声音正常声音样本6138秒，异常碰撞声音样本15秒，通过数据预处理、特征提取和模型训练得到异常碰撞声音识别模型； 所述步骤S6中，为了测试模型的性能，在井筒罐道实际运行场景的正常运行工况下进行了数据采集，共21个同时包含正常和异常声音的音频文件，包含正常音频3709秒、异常音频33秒；使用训练好的异常碰撞声音识别模型对该数据进行识别； 所述步骤S4中，基于降维后的特征利用基于支持向量数据描述方法实现正常和异常声音信号的二分类，设降维后的特征样本集合为，该方法旨在从特征映射空间中寻找一个最小球体，其中心为，半径为，尽可能地将所有的正常声音的都包含其中；其优化的目标函数为： , 其中，表示核函数对应的特征映射，为松弛变量惩罚系数，为松弛变量，允许部分样本在球体之外；通过引入拉格朗日乘子和核函数，将优化问题转化为对偶形式： ; 最终的判别函数通过判断一个新的样本是否在正常声音样本是否在球体内进行二分类： ; 若，则为正常声音，否则为异常声音； 所述步骤S2中，以原始采样率读取拾音器采集的音频文件，保证时间轴上的精度不受重采样的干扰，频率、相位及振幅信息的完整保留，得到随时间变化的连续振幅值作为音频信号，反应井筒中罐道罐耳碰撞产生的声压变化； 对得到的音频信号进行分帧处理，按照设定的帧长和帧移将音频信号划分为帧片段；该过程通过滑动窗口的方式实现，每个帧片段是一段短时间的音频信号，表示声音的局部动态特征，且不会扰乱丢失时间分辨率； 通过音频读取和分帧处理，将每个帧片段作为一个样本的音频信号，进行数据清洗，以提高数据的信噪比和稳定性；选择五个数据清洗指标：均方根能量值、主频率下限值、主频率上限值、局部能量值和峰度值； 均方根能量值通过计算每个样本音频信号的均方根来衡量其总能量水平，当样本的均方根小于设定的阈值，则认为其能量过低，是静音、无信号或背景噪声段，予以剔除； 主频率下限值表示最高频率低于设定阈值的样本被视为不活跃或无效的样本，应予以剔除，样本的频率是通过计算带通滤波和包络谐波率两部分实现；主频率上限值表示最高频率高于设定阈值的样本可能含有高频干扰或突变成分，予以剔除； 局部能量值通过将信号划分为若干个时间片段并计算各段的均方根，若存在时间段的均方根大于设定的阈值，则认为存在短时强脉冲、突发噪声局部异常，有利于清洗非稳态的异常干扰； 峰度值通过计算信号的峰度作为其分布陡峭程度的度量，用于剔除含有尖锐突变或异常脉冲的样本； 通过上述五个指标的特征清洗有效提升数据质量，有利于提高训练模型的准确性和鲁棒性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云鼎科技股份有限公司，其通讯地址为：250000 山东省济南市历城区工业南路57-1号高新万达J3写字楼19层1910室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。