基于MFCC与CNN的机械故障声音自动识别

文档摘要：针对机械故障自动识别问题,提出一种结合梅尔频率倒谱系数(MelFrequencyCepstralCoefficient,MFCC)与一维卷积神经网络(ConvolutionalNeuralNetworks,CNN)的机械故障声音自动识别方法,并通过实验验证该方法的有效性.实验结果表明,该方法在机械故障声音识别中具有较高的准确率、精确率及召回率,能够有效识别故障案例.

Abstract：ThispaperproposesamechanicalfaultsoundautomaticrecognitionmethodthatcmbinesMelFrequencyCepstralCoefficient(MFCC)andone-dimensionalConvolutionalNeuralNetworks(CNN)fortheproblemofmechanicalfaultautomaticrecognition.Theeffectivenessofthismethodisverifiedthroughexperiments.Theexperimentalresultsshowthatthismethodhashighaccuracy,precision,andrecallinmechanicalfaultsoundrecognition,andcaneffectivelyidentifyfaultcases.

作者：黄炜  罗谢飞Author：HUANGWei  LUOXiefei
作者单位：广西商贸技师学院,广西南宁530000
刊名：电声技术
Journal：AudioEngineering
年，卷(期)：2024, 48(6)
分类号：TH17
关键词：机械故障  声音识别  梅尔频率倒谱系数(MFCC)  卷积神经网络(CNN)  
Keywords：mechanicalfailure  voicerecognition  MelFrequencyCepstralCoefficient(MFCC)  ConvolutionalNeuralNetworks(CNN)  
机标分类号：TP391TN912.34TH165+.3
在线出版日期：2024年7月10日
基金项目：基于MFCC与CNN的机械故障声音自动识别[
期刊论文]  电声技术--2024, 48(6)黄炜  罗谢飞针对机械故障自动识别问题,提出一种结合梅尔频率倒谱系数(MelFrequencyCepstralCoefficient,MFCC)与一维卷积神经网络(ConvolutionalNeuralNetworks,CNN)的机械故障声音自动识别方法,并通过实验验证该方法的有效性...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：机械故障,声音识别,梅尔频率倒谱系数(MFCC),卷积神经网络(CNN),

2024-10-4 00:25 上传 基于MFCC与CNN的机械故障声音自动识别.pdf

文件大小:

1.42 MB

下载次数:

60

高速下载