基于学习矢量量化的空调压缩机声纹诊断方法

欧阳城添，袁 瑾

(江西理工大学 信息工程学院，江西 赣州 341000)

0 引 言

空调压缩机是空调的重要部件，一旦压缩机发生故障，空调将失去制冷功能。因此，在出厂之前对压缩机进行严格的质量检测是避免故障压缩机流向市场的重要手段。针对压缩机的故障诊断，国外有Smith等[1]利用参数选择和数据压缩技术减少了压缩振动信号分析的计算量，并提高了故障分类效果；Alekseev等的文章[2]介绍了常用的压缩机振动信号分析算法并设计了一套振动信号的接收、处理和存储的软件。在国内，张明等[3]依靠多种类型的传感器采集压缩机振动信息，提出了一种基于多源信息融合的故障诊断方法对压缩机的3种工况进行融合诊断。在信号分析方面，PCA分析[4,5]、傅里叶变换[6,7]、小波分析[8,9]等也在压缩机故障诊断中得到应用。虽然上述方法在压缩机故障诊断中取得了不错的效果，但是传统技术多采用振动传感器采集压缩机工况信号，这种“接触式”采集方式部署困难，不利于生产厂商进行高效的大规模检测。针对这一缺点，本文提出一种基于学习矢量量化(learning vector quantization，LVQ)神经网络的故障压缩机声纹识别(voiceprint recognition)模型用于空调压缩机故障诊断。本文采用“非接触”的形式采集压缩机工作噪音进行诊断，克服了传统方法信号采集效率低下缺点。同时，用于建模的LVQ神经网络具有构造简单、不依赖大数据集、分类简单等优点。

1 压缩机声纹识别模型描述

声纹识别，又被称之为说话人识别(speaker recognition)，该技术通过对人的声音信号的特征向量进行分析，以达到区分说话人的目的[10-13]。……