声纹增强集成诊断框架

抗噪提升10%

融合声纹增强与分层集成学习的诊断框架，在噪声与域偏移下实现稳定高精度故障识别。

牛奔 · 魏阳杰 · Yuqiao, Wang · Gao, Yajie · Gang, Yang · Xinyue, Feng

Mechanical Systems and Signal Processing 2026

具体参数

平均诊断准确率提升

{'zh': '10', 'en': '10'} %

技术优势

抗噪能力提升

自适应时频特征建模从梅尔谱中提取更具判别力的局部声纹特征，在嘈杂和动态工况下仍能有效捕获故障相关模式。

决策可解释

分层集成策略融合多种分类器，逐步细化决策边界，提升多级特征利用率与决策过程的可解释性。

跨域泛化强

在 DCASE 2022 Task 2 基准和实际电力变压器数据集上均优于现有先进方法，证明在不同领域间具有良好泛化能力。

应用场景

• 工业故障诊断：用于产线设备异常声学检测，减少停机损失。
• 声音监测：在强背景噪声下提取故障声纹，实现连续状态监测。
• 电力设备维护：用于变压器等设备故障诊断，提高维护效率。
• 智能制造：赋能智能制造中的预测性维护，提升生产可靠性。