多维声学特征协同：深度学习在复杂工业环境的异音检测
AI电机异音异响检测——让机器替代人工听音，实现智能化质量检测
苏州东原基于 AI机器听觉（Machine Hearing）技术，推出 👉电机异音异响检测👈 解决方案。系统结合高精度声学采集、深度学习算法及多维声学特征分析，可自动识别电机运行过程中产生的异常声音，实现机器替代人工听音，帮助企业建立统一、稳定、可追溯的异音检测标准。
相比传统人工检测，东原AI系统能够持续分析电机运行声音中的频谱特征、时频特征以及深度学习提取的声学特征，对轴承磨损、转子偏心、定转子摩擦、齿轮异常、装配缺陷等多种异音进行快速识别，大幅降低漏检率和误判率。同时，系统支持产线在线检测，可无缝集成MES、PLC及自动化设备，满足新能源汽车、电机制造、风机、水泵、压缩机及各类旋转机械的智能检测需求。
如果您正在寻找电机异音异响检测设备，希望实现机器替代人工听音、提升检测一致性并降低人工成本，欢迎联系 苏州东原📞18360887218 ，我们可根据您的产品特点提供定制化AI异音检测方案，并支持现场测试与样品验证。
一、 引言与研究背景
在现代能源与工业基础设施中，中游（Midstream）压缩机系统扮演着至关重要的角色，它通过对管道中的天然气进行加压，将上游的天然气生产与下游的用户消耗紧密连接在一起。一个典型的压缩机系统通常包括动力单元、冷却单元以及包含曲轴箱、阀体和涡轮单元的压缩机本体。考虑到一台工业压缩机的安装成本高达 100 万至 200 万美元，任何部件的意外失效或停机不仅会产生极其昂贵的维修费用，还会导致不可估量的生产损失。因此，针对压缩机系统实施定期的健康巡检与异常检测（Anomaly Detection）是工业运维的重中之重。
然而，传统的基于人工听诊的巡检方法存在显著缺陷：它不仅极度耗时、高度依赖领域专家的经验，而且工业现场高达数百分贝的机械噪音严重阻碍了人耳对早期微弱异常声音的精准捕捉。为了解决这一行业痛点，作者提出了一种基于深度学习与物联网（IoT）声学传感器相结合的自动化异音检测框架。该研究创新性地将一维音频信号转换为二维声学图像，利用深层卷积神经网络提取高级特征，并融合频谱特征，最终实现了对工业压缩机异常状态 100% 的完美识别分类。
二、 核心方法与特征工程架构
处理复杂的机械背景噪音是声学异常检测的核心挑战。为了全方位捕获压缩机运行时的声学指纹，该研究摒弃了单一特征输入的传统思路，构建了一条结合低级信号处理与高级深度学习的“多源特征融合”管线。
1. 底层声学特征提取 (Low-level Feature Extraction)
研究团队首先对输入的原始一维音频信号提取了三种经典的声学特征：
- 短时傅里叶变换 (STFT)： 信号的频率往往随时间动态变化。STFT 通过滑动窗口对短时信号应用傅里叶变换，生成包含时频动态变化信息的二维频谱图像。实验观察表明，正常的 STFT 图像纹理平滑，而异常音频的 STFT 图像中会呈现出明显的垂直暗带或周期性的水平纹理结构。
- 梅尔频率倒谱系数 (MFCC)： 基于人类听觉感知特性，利用非均匀分布的梅尔滤波器组（低频密集、高频稀疏）对信号进行滤波，随后取对数并进行倒谱分析。转换为二维图像的 MFCC 在图像底部的高能量区域表现出极强的辨识度：正常信号变化平缓，而异常信号则嵌入了大量伴随剧烈波动的低值区域。
- 谱质心 (Spectral Centroid, SC)： 用于衡量声音的“亮度”和频谱质量中心的位置。与前两者的二维图像不同，研究将其提取为 1×259 维的一维特征向量。正常声音的 SC 类似无规律的随机信号，而异常信号的 SC 曲线则呈现出与 STFT 异常暗带高度吻合的周期性震荡模式。
2. 深度残差网络高层特征提取 (Deep Feature Extraction)
为了进一步挖掘 STFT 和 MFCC 图像中隐含的复杂非线性模式，系统引入了具有 50 层深度的残差神经网络 (ResNet50)。由于工业异常样本数量有限，从头训练深层网络容易导致过拟合，因此研究团队采用了一种经典的迁移学习 (Transfer Learning) 策略：直接使用在海量 ImageNet 数据集（包含超 1400 万张图像）上预训练的 ResNet50 作为特征提取器。
在一维音频被映射为二维声学图像后，被送入该预训练网络。研究截取了最后一个卷积层之后的平均池化层 (Average pooling layer) 的输出，从而将音频特征高度浓缩为一个 1×2048 维的高级深度特征向量。
3. 主成分分析 (PCA) 与特征降维融合
直接将 2048 维的深度特征与 259 维的 SC 谱质心特征拼接，会导致深层特征在后续分类器中占据绝对的权重主导。为了保证两种特征能够“平等”地贡献决策信息并剔除冗余噪声，研究引入了主成分分析 (PCA)。系统分别对深层特征和 SC 特征进行正交线性变换降维，提取出各自排名前 30 的主成分。最终，系统输出一个高度浓缩的 60 维融合特征集。
4. 异常检测分类器
降维后的 60 维混合特征被输入到支持向量机 (SVM) 中进行最终的二元分类（正常 vs. 异常）。为了处理潜在的非线性边界，SVM 选用尺度为 7.7 的高斯核函数（Gaussian kernel），将数据映射到更高维的决策空间。
三、 实验设计与性能验证
为了严谨地验证所提框架的工程泛化能力，研究团队使用了由 Well Checked Systems International 公司在真实工业现场采集的两个具有极高不平衡性的压缩机音频数据集：
- Pettijohna 数据集： 包含 2343 个音频片段（其中异常样本仅占 6.658%）。
- Pja 数据集： 包含 7853 个音频片段（异常样本占 13.816%）。
所有音频片段长度均为 3 秒，实验采用严苛的二折交叉验证（2-fold cross-validation），并以准确率 (Accuracy)、精确率 (Precision)、召回率 (Recall) 和综合指标 (F1-score) 作为评估标准。
消融实验与核心结论：
研究通过四组递进的消融实验深刻揭示了各模块的有效性：
- 基线模型 (STFT + ResNet50 + SVM)： 在不使用 PCA 和 SC 特征的情况下，基线模型在 Pettijohna 和 Pja 上的准确率分别达到了 98.250% 和 95.976%，初步证明了二维时频图结合深度卷积网络的有效性。
- PCA 的降维增益： 当加入 PCA 模块后（STFT + ResNet50 + PCA + SVM），双数据集的性能均实现了进一步攀升，证实了去除高维深度特征冗余信息的必要性。
- MFCC 相比 STFT 的声学优越性： 在严格控制变量的对比实验中，使用 MFCC 替代 STFT（MFCC + ResNet50 + PCA + SVM）带来了显著的飞跃。在 Pja 数据集上，准确率提升了近 2.842%，四项评估指标全面突破 99%。这证明了模拟人耳听觉感知分布的梅尔刻度在捕捉机械内部异常摩擦与震动方面具有更高的敏锐度。
- 多源特征融合达成完美检测： 最终提出的完整框架（MFCC + ResNet50 + SC + PCA + SVM）取得了惊人的突破。由于 MFCC（反映能量时频分布）与 SC（反映频谱重心及瞬态波动规律）从截然不同的物理维度提取了声学信息，两者的正向融合使得分类器在两个测试数据集上的所有四项评价指标（Accuracy, Precision, Recall, F1）均达到了无可挑剔的 100%。
四、 研究亮点与工业应用价值
- 跨模态深度特征工程： 该研究成功展示了将一维时间序列（音频）转化为二维图像，并借助计算机视觉领域先进的预训练模型（ResNet50）进行高维特征提取的巨大优势。这一“降维打击”策略有效规避了从头训练一维序列网络耗时极长的痛点。
- PCA特征平衡策略： 巧妙地运用 PCA 不仅实现了去噪，更平衡了不同维度的特征子集，防止了传统直接拼接（Concatenation）导致的“维度灾难”与决策偏倚。
- 极高的工业落地可行性： 系统在高度不平衡的真实工业噪声数据集中实现了零漏报和零误报（100% F1-score）。该架构计算管线清晰，特征提取可通过 IoT 边缘计算节点完成，能够极大地削减中游天然气传输系统的机械维护成本，是“工业 4.0”预测性维护的标杆应用。
五、 局限性与未来研究展望
尽管该系统在当前的双数据集上取得了 100% 的识别率，但研发人员秉持严谨的学术态度，指出了该研究进一步演进的方向：
首先，目前的分类仅停留在宏观的“正常与异常”二分类层面；未来需要利用更大规模的异常数据集，将异常样本进一步划分为对应具体失效物理部件的子类别（Sub-classes classification）。
其次，除了二维映射策略外，未来计划引入长短期记忆网络 (LSTM) 等时序网络直接分析一维原始波形音频，并探索将一维时域特征与二维频域特征进行超融合的深度架构，以应对更加复杂多变的极端工况挑战。
P. Mobtahej, X. Zhang, M. Hamidi, and J. Zhang, “Deep Learning-based Anomaly Detection for Compressors Using Audio Data,” in 2021 Annual Reliability and Maintainability Symposium (RAMS), 2021.
🤝我们能为您提供的支持🤝
