秦志英， 齊康花， 董桂西， 趙月靜， 劉 堯

(1.河北科技大學(xué)機(jī)械工程學(xué)院，河北石家莊 050018；2.河北省送變電公司線路器材廠，河北石家莊 051130)

?

基于聲音信號(hào)的鋼材材質(zhì)檢測(cè)及試驗(yàn)研究

秦志英1， 齊康花1， 董桂西2， 趙月靜1， 劉 堯1

(1.河北科技大學(xué)機(jī)械工程學(xué)院，河北石家莊 050018；2.河北省送變電公司線路器材廠，河北石家莊 051130)

鐵塔加工過程中需要對(duì)角鋼進(jìn)行夾緊、沖孔、剪切等操作，不同材質(zhì)的角鋼加工時(shí)會(huì)發(fā)出不同的聲音，因此提出利用聲音信號(hào)檢測(cè)Q235和Q345兩種常用角鋼材質(zhì)。利用傳感器和采集儀搭建試驗(yàn)系統(tǒng)，采集聲音信號(hào)的連續(xù)波形，并提取單個(gè)沖孔周期聲音信號(hào)的波形作為后續(xù)判別的依據(jù)。針對(duì)單個(gè)周期的聲音信號(hào)，提取美爾頻率倒譜參數(shù)(MFCC)作為特征參數(shù)，并利用動(dòng)態(tài)時(shí)間規(guī)整(DTW)方法計(jì)算待測(cè)模板與Q235和Q345兩種標(biāo)準(zhǔn)模板之間的距離，距離小者判定為該種角鋼材質(zhì)。試驗(yàn)分別采集了4種型號(hào)角鋼的2組樣本，驗(yàn)證了上述方法識(shí)別材質(zhì)的有效性。

應(yīng)用聲學(xué)；聲音信號(hào)；MFCC；DTW；材質(zhì)檢測(cè)

角鋼是組成鐵塔的必備原料，若不同材質(zhì)的鋼材混用，將對(duì)鐵塔的使用產(chǎn)生很大的影響。如果發(fā)生倒塔斷線事故，會(huì)造成嚴(yán)重?fù)p失[1]。目前，鐵塔加工企業(yè)對(duì)角鋼材質(zhì)的檢測(cè)項(xiàng)目主要包括力學(xué)性能和化學(xué)成分，通過取樣來檢測(cè)角鋼的性能是否符合要求[2]。但是這些方法效率低、檢測(cè)周期長(zhǎng)，難以適應(yīng)生產(chǎn)的需要。角鋼在沖孔等加工過程中會(huì)發(fā)出一定的聲音，不同材質(zhì)的鋼材發(fā)出的聲音不同，因此本文提出利用聲音信號(hào)檢測(cè)鋼材材質(zhì)。

目前，對(duì)于聲音信號(hào)識(shí)別的研究主要包括對(duì)齒輪箱或軸承故障的檢測(cè)、說話人聲音檢測(cè)等。文獻(xiàn)[3]提出了一種列車軸承的聲音監(jiān)測(cè)故障診斷方法，該方法首先對(duì)傳感器采集到的軸承聲音信號(hào)進(jìn)行時(shí)域多普勒校正，然后利用EEMD方法提取蘊(yùn)含軸承故障特征信息的本征模態(tài)信號(hào)，并計(jì)算其包絡(luò)譜來判斷軸承是否存在故障；文獻(xiàn)[4]利用聲音信號(hào)對(duì)齒輪箱的故障進(jìn)行了識(shí)別與檢測(cè)，將階次分析和倒譜分析相結(jié)合提出了階次倒譜分析,實(shí)現(xiàn)了瞬態(tài)過程中利用聲音信號(hào)對(duì)齒輪箱進(jìn)行故障診斷的方法；文獻(xiàn)[5]從模式識(shí)別角度對(duì)含噪聲機(jī)械故障分類方法進(jìn)行優(yōu)化；文獻(xiàn)[6—8]利用聲音信號(hào)對(duì)說話人的聲音進(jìn)行識(shí)別，建立了普通話語(yǔ)音特性數(shù)據(jù)庫(kù)，先提取了美爾頻率倒譜參數(shù)(MFCC)參數(shù)，利用支持向量機(jī)(SVM)及矢量量化(VQ)方法進(jìn)行比對(duì)，從而檢測(cè)出聲音類型；文獻(xiàn)[9—13]用能量檢測(cè)方法檢測(cè)背景噪聲環(huán)境下的有用聲音信號(hào)，對(duì)檢測(cè)到的信號(hào)提取MFCC特征，使用向量機(jī)對(duì)提取的特征向量訓(xùn)練分類模型，完成對(duì)含有噪聲的生態(tài)環(huán)境聲音的識(shí)別；文獻(xiàn)[14—19]介紹了利用DTW算法對(duì)提取的聲音信號(hào)進(jìn)行距離匹配，從而判斷其類別的方法；文獻(xiàn)[20—22]介紹了利用Matlab軟件編程，實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)的方法。

本文先介紹了聲音識(shí)別的原理，然后利用聲音傳感器和采集儀等設(shè)備，采集了不同型號(hào)兩種材質(zhì)角鋼的沖孔聲音信號(hào)，經(jīng)過預(yù)處理，分別提取了聲音信號(hào)的MFCC參數(shù)，采用DTW算法進(jìn)行識(shí)別，初步驗(yàn)證了用聲音檢測(cè)鋼材材質(zhì)的可行性。

1 聲音信號(hào)識(shí)別原理

在對(duì)聲音信號(hào)進(jìn)行識(shí)別時(shí)，先對(duì)聲音信號(hào)進(jìn)行預(yù)處理，設(shè)定聲音的參數(shù)，并保存標(biāo)準(zhǔn)信號(hào)。當(dāng)輸入被測(cè)信號(hào)時(shí)，將信號(hào)的特征參數(shù)與經(jīng)過處理的聲音信號(hào)特征參數(shù)進(jìn)行比較，若誤差在允許范圍內(nèi)則表示聲音匹配，否則表示聲音不匹配[12]。

1.1 預(yù)處理

聲音信號(hào)的預(yù)處理主要是為了使信號(hào)便于后續(xù)處理，常用的預(yù)處理過程如下[7-11]：

1)濾波 利用Mel濾波器對(duì)聲音信號(hào)進(jìn)行濾波。

2)歸一化處理 歸一化處理的目的是去除不同聲音樣本之間的數(shù)量級(jí)差異。

3)預(yù)加重 預(yù)加重通常使用具有6 dB/倍頻程的一階數(shù)字濾波器來實(shí)現(xiàn)，

H(z)=1-μz-1，

(1)

式中μ為常數(shù)，通常取0.97；

4)對(duì)聲音信號(hào)進(jìn)行加窗和分幀 聲音信號(hào)雖然是非線性時(shí)變信號(hào)，但它具有短時(shí)平穩(wěn)的特點(diǎn)，對(duì)其進(jìn)行分幀可以提取其短時(shí)特性。通常取幀長(zhǎng)為10～30 ms，若采樣率為10 000 Hz，則取每1幀N為256點(diǎn)，幀移M為128點(diǎn)。

1.2MFCC特征提取

MFCC作為典型的聲音特征參數(shù)，能夠準(zhǔn)確反映聲音信號(hào)的聽覺特征。Mel標(biāo)度描述了人耳對(duì)頻率感知的非線性特性，它與頻率的關(guān)系可用式(2)近似表示：

Mel(f)=2 595×lg(1+f/700)。

(2)

對(duì)于預(yù)處理后的信號(hào)，提取MFCC的具體步驟[12-13]如下：

1)對(duì)每一幀分別進(jìn)行離散傅里葉變換(discrete fourier transform，DFT)，以獲得頻譜分布信息；

2)求頻譜幅度的平方，得到能量譜；

3)將能量譜通過1組Mel尺度的三角形濾波器組輸出m(l)，l=1,2,…,L，本文L取24；

4)對(duì)所有的濾波器輸出做對(duì)數(shù)運(yùn)算，再進(jìn)一步做離散余弦變換(discrete cosine transformation, DCT)即可得到1組MFCC參數(shù)。本文取前12個(gè)系數(shù)作為MFCC參數(shù)。

(3)

1.3 DTW距離匹配

目前聲音識(shí)別比較常用的識(shí)別方法主要是模板匹配法，以動(dòng)態(tài)時(shí)間規(guī)整(dynamic time wrapping，DTW)方法為代表，是把時(shí)間規(guī)整和距離測(cè)度計(jì)算結(jié)合起來的一種非線性規(guī)整技術(shù)。將待測(cè)模板和參考模板分別用T和R表示，為了比較它們之間的相似度，可以計(jì)算它們之間的距離D[T,R]，距離越小則相似度越高。為了計(jì)算這一失真距離，應(yīng)從T和R中各個(gè)對(duì)應(yīng)幀之間的距離算起[14-19]。

圖1 DTW算法搜索路徑Fig.1 DTW algorithm search path

如圖1所示，將待測(cè)模板的各個(gè)幀號(hào)n=1～N在一個(gè)二維直角坐標(biāo)系中的橫軸上標(biāo)出，把參考模板的各幀號(hào)m=1～M在縱軸上標(biāo)出，網(wǎng)格中的每一個(gè)交叉點(diǎn)(n,m)表示這兩幀特征矢量之間的距離d[T(n), R(m)]。DTW算法可以歸結(jié)為尋找一條通過此網(wǎng)格中若干格點(diǎn)的路徑，由于任何一種聲音發(fā)音的先后次序不變，所選的路徑必定是從左下角出發(fā)，在右上角結(jié)束。

為了找到這條路徑，假設(shè)路徑通過的所有格點(diǎn)依次為(n(1), m(1))，…，(n(i), m(i))，…，(n(N), m(M))。為了使路徑不至于過分傾斜，約束斜率在0.5～2的范圍內(nèi)。如果路徑已經(jīng)通過了格點(diǎn)(n(i-1), m(i-1))，那么下一個(gè)格點(diǎn)(n(i), m(i))只可能是3種情況之一：

(n(i), m(i))=(n(i-1)+1, m(i-1)+2)；

(n(i) , m(i))=(n(i-1)+1, m(i-1)+1)；

(n(i) , m(i))=(n(i-1)+1, m(i-1))。

在滿足上述約束條件時(shí)，比較此時(shí)格點(diǎn)所對(duì)應(yīng)的幀號(hào)距離，并使得沿路徑的累積距離達(dá)到最小值，則此時(shí)路徑的累積距離為

D[n(i), m(i)]=d[T(n(i)), R(m(i))]+D[n(i-1), m(i-1)]，

(4)

式中D[n(i-1), m(i-1)]由式(5)決定：

D[n(i-1), m(i-1)]=

min{D[n(i-1), m(i)], D[n(i-1), m(i)-1], D[n(i-1), m(i)-2]} 。

(5)

DTW算法按照上面的描述，建立一個(gè)N×M的矩陣，得到幀累積匹配距離矩陣d，其d(i,j)值為測(cè)試模板第i幀與參考模板第j幀的距離，搜索最佳路徑得出匹配距離D。

2 試驗(yàn)系統(tǒng)搭建

圖2 角鋼加工示意圖 Fig.2 Schematic drawing angle steel processing

在鐵塔加工企業(yè)中通常采用數(shù)控型鋼聯(lián)合生產(chǎn)線，是一種對(duì)角鋼進(jìn)行夾緊、沖孔、剪切等加工的全自動(dòng)生產(chǎn)專用設(shè)備。圖2所示為角鋼加工示意圖，滾輪實(shí)現(xiàn)角鋼的自動(dòng)輸送，一系列沖孔位置和大小由數(shù)控加工程序自動(dòng)控制，指定長(zhǎng)度的角鋼加工開始前先進(jìn)行剪切，加工結(jié)束后進(jìn)行剪切和打碼。每次沖孔之前，需要夾緊角鋼，沖孔之后再松開角鋼，因此每一個(gè)沖孔周期同時(shí)包括夾緊、沖孔、松開動(dòng)作發(fā)出的聲音，這些聲音之間的間隔時(shí)間很短。而兩孔之間存在一定距離的輸送，因此兩次沖孔之間的時(shí)間間隔較長(zhǎng)。

由于一系列沖孔動(dòng)作是連續(xù)進(jìn)行的，利用現(xiàn)成的采集儀只能進(jìn)行連續(xù)采集。如果需要進(jìn)一步區(qū)分不同動(dòng)作產(chǎn)生的聲音信號(hào)，可以采樣后用軟件實(shí)現(xiàn)，或者在試驗(yàn)系統(tǒng)中增加行程開關(guān)自行開發(fā)采集系統(tǒng)。基于實(shí)驗(yàn)室現(xiàn)有設(shè)備搭建的試驗(yàn)系統(tǒng)如圖3所示，主要由聲音傳感器和信號(hào)采集儀2部分組成。

圖3 試驗(yàn)系統(tǒng)圖Fig.3 Test system diagram

1)傳感器的選擇 選用四川瞭望公司TZ-2KA型聲音傳感器。該聲音傳感器具有寬聲頻范圍、高聲強(qiáng)動(dòng)態(tài)范圍等特點(diǎn)，將聲音信號(hào)以50 mV/Pa 轉(zhuǎn)化為電壓信號(hào)輸出，可測(cè)量聲音頻率為20 Hz～20 kHz。該傳感器自帶信號(hào)調(diào)理盒，實(shí)現(xiàn)傳感器的供電及電壓轉(zhuǎn)換。

2)信號(hào)采集儀的選擇 選用江蘇東華公司DHDAS型信號(hào)采集儀。該信號(hào)采集儀將信號(hào)進(jìn)行A/D轉(zhuǎn)換，能夠?qū)崿F(xiàn)信號(hào)的實(shí)時(shí)顯示、存儲(chǔ)，也可進(jìn)行頻譜分析、統(tǒng)計(jì)參數(shù)計(jì)算。該采集儀采集得到的信號(hào)可導(dǎo)出為Matlab可識(shí)別的數(shù)據(jù)文件，從而做進(jìn)一步分析和處理。

根據(jù)聲音的相關(guān)特性可知，距離聲源越近，輻射聲波的能量越大。為了避免其他噪聲信號(hào)對(duì)所需聲音信號(hào)產(chǎn)生的影響，綜合考慮加工現(xiàn)場(chǎng)的環(huán)境，將聲音傳感器放置于距沖頭50 cm處，如圖3 a)所示，圖3 b)所示為信號(hào)采集儀。

3 試驗(yàn)信號(hào)采集

圖4 聲音信號(hào)時(shí)域波形Fig.4 Time-domain waveform of sound signal

在加工過程中，角鋼的型號(hào)有4種，寬度(mm，下同)×厚度(mm，下同)分別為63×5，80×6，100×7，90×8。在角鋼的加工過程中，利用聲音傳感器和信號(hào)采集儀采集角鋼沖孔時(shí)的聲音信號(hào)。通過試驗(yàn)觀察，加工角鋼時(shí)聲音信號(hào)的最高頻率約為3 000 Hz，因此本文設(shè)置對(duì)聲音信號(hào)的采樣頻率為10 kHz。利用DHDAS采集儀采集到的連續(xù)聲音信號(hào)的時(shí)域波形如圖4所示，包括一系列沖孔動(dòng)作發(fā)出的聲音。

為了對(duì)一系列沖孔動(dòng)作進(jìn)行區(qū)分，可利用Matlab軟件從連續(xù)波形中去掉開始和結(jié)束時(shí)的聲音，并截取單個(gè)沖孔周期的聲音信號(hào)[20-22]。針對(duì)4種型號(hào)的Q235和Q345兩種材質(zhì)的角鋼，一個(gè)沖孔周期的聲音信號(hào)如圖5和圖6所示，時(shí)長(zhǎng)大約為1.2 s，包括夾緊、沖孔和松開動(dòng)作發(fā)出的聲音。通過觀察每個(gè)沖孔周期內(nèi)聲音信號(hào)的時(shí)域波形，不能看出明顯的區(qū)別，因此需要對(duì)信號(hào)做進(jìn)一步處理和分析。

圖5 Q235聲音信號(hào)單周期時(shí)域波形Fig.5 Single cycle time-domain waveform of Q235’ s sound signal

圖6 Q345聲音信號(hào)單周期時(shí)域波形 Fig.6 Single cycle time-domain waveform of Q345’s sound signal

4 試驗(yàn)信號(hào)處理與材質(zhì)檢測(cè)

為了進(jìn)一步識(shí)別不同型號(hào)的兩種角鋼材質(zhì)的聲音信號(hào)，對(duì)采集到的單周期聲音信號(hào)提取MFCC特征參數(shù)，利用DTW識(shí)別算法進(jìn)行材質(zhì)檢測(cè)，流程圖如圖7所示。首先讀入待測(cè)聲音信號(hào)，然后利用Matlab軟件對(duì)聲音信號(hào)進(jìn)行預(yù)處理操作，并提取聲音信號(hào)的MFCC參數(shù)。將待測(cè)模板中的MFCC特征序列分別與Q235和Q345標(biāo)準(zhǔn)模板中的MFCC特征序列進(jìn)行比較，利用DTW方法計(jì)算匹配距離，每一個(gè)待測(cè)聲音信號(hào)將獲得2個(gè)匹配距離，匹配距離最小者為待測(cè)聲音信號(hào)的識(shí)別結(jié)果。

針對(duì)寬度×厚度為63×5，80×6，100×7，90×8型號(hào)的角鋼，分別取10個(gè)樣本，其中5個(gè)樣本為Q235材質(zhì)角鋼，5個(gè)樣本為Q345材質(zhì)角鋼。試驗(yàn)時(shí)需要首先確定對(duì)應(yīng)型號(hào)Q235材質(zhì)和Q345材質(zhì)的聲音信號(hào)作為兩個(gè)標(biāo)準(zhǔn)模板，各個(gè)樣本作為待測(cè)模板。

計(jì)算所得匹配距離如表1—表4所示，比較兩個(gè)匹配距離，匹配距離小的就是該標(biāo)準(zhǔn)模板對(duì)應(yīng)的材質(zhì)。樣本的檢測(cè)結(jié)果均正確，說明該方法能有效識(shí)別Q235和Q345兩種材質(zhì)。但在試驗(yàn)過程中也發(fā)現(xiàn)，當(dāng)采用不同樣本作標(biāo)準(zhǔn)模板時(shí)，表1所示樣本5*會(huì)出現(xiàn)識(shí)別結(jié)果錯(cuò)誤，即將Q235的樣本誤認(rèn)為Q345，而將Q345的樣本誤認(rèn)為Q235。這可能是因?yàn)?3×5的角鋼厚度較小，沖孔時(shí)聲音信號(hào)較小，周圍環(huán)境的噪聲影響相應(yīng)的比較大。在今后的研究中，擬引入改進(jìn)算法，提高識(shí)別的抗噪性；另外，擬引入神經(jīng)網(wǎng)絡(luò)等算法，以降低檢測(cè)對(duì)于單一標(biāo)準(zhǔn)模板的依賴性，進(jìn)一步提高檢測(cè)的準(zhǔn)確率。

圖7 DTW識(shí)別算法的流程圖Fig.7 Flow chart of DTW recognition algorithm

模板Q235樣本1樣本2樣本3樣本4Q345樣本5?Q345樣本1樣本2樣本3樣本4Q235樣本5?Q235標(biāo)準(zhǔn)模板6．366．125．616．605．786．146．086．987．437．32Q345標(biāo)準(zhǔn)模板7．587．916．677．447．374．585．616．026．176．38識(shí)別結(jié)果Q235Q345

表2 型號(hào)80×6的測(cè)試信號(hào)與標(biāo)準(zhǔn)模板DTW匹配距離(×103/mV2)比對(duì)結(jié)果

表3 型號(hào)100×7的測(cè)試信號(hào)與標(biāo)準(zhǔn)模板DTW匹配距離(×103/mV2)比對(duì)結(jié)果

表4 型號(hào)90×8的測(cè)試信號(hào)與標(biāo)準(zhǔn)模板DTW匹配距離(×103/mV2)比對(duì)結(jié)果

5 結(jié) 語(yǔ)

本文針對(duì)鐵塔加工過程中的實(shí)際問題，利用在角鋼加工過程中產(chǎn)生的聲音信號(hào)，提取每個(gè)周期信號(hào)的MFCC參數(shù)，利用DTW算法，可以準(zhǔn)確檢測(cè)不同型號(hào)的Q235和Q345兩種材質(zhì)角鋼。在采集信號(hào)過程中，聲音傳感器應(yīng)放置在距沖孔區(qū)較近位置，以避免噪聲對(duì)信號(hào)的干擾；同時(shí)，在利用DTW方法進(jìn)行識(shí)別時(shí)，取樣的時(shí)間不能相差過大，否則會(huì)導(dǎo)致幀數(shù)差別過大，造成結(jié)果不穩(wěn)定。在加工生產(chǎn)中，該方法能夠方便地對(duì)每一根角鋼進(jìn)行識(shí)別，且成本低、效率高，從而有效避免了在鐵塔加工過程中因鋼材材質(zhì)問題對(duì)鐵塔的安全性造成影響。

[1] 何敏娟,梁峰,馬人樂.大型超高鋼結(jié)構(gòu)電視塔模擬地震振動(dòng)臺(tái)試驗(yàn)研究[J].振動(dòng)與沖擊,2010,29(1):77-80.

HE Minjuan, LIANG Feng, MA Renle. Shaking table test for a super high steel TV tower[J]. Journal of Vibration and Shock, 2010, 29(1)：77-80.

[2] 肖漢光,何為.基于MFCC和SVM的說話人性別識(shí)別[J].重慶大學(xué)學(xué)報(bào),2009,32(7):770-774.

XIAO Hanguang, HE Wei. Gender recognition of speakers based on MFCC and SVM[J]. Chinese Journal of Chongqing University, 2009,32(7)：770-774.

[3] 田昊,唐力偉,陳紅,等.基于瞬態(tài)聲與階次倒譜的齒輪箱故障診斷[J].振動(dòng)、測(cè)試與診斷,2009,29(2):137-140.

TIAN Hao, TANG Liwei, CHEN Hong, et al. Fault diagnosis of gearbox by using transient acoustic signal and order cepstrum[J]. Journal of Vibration, Measurement & Diagnosis, 2009, 29(2)：137-140.

[4] 樊彬彬,陳紅冬,劉純.500 kV輸電線路鐵塔橫擔(dān)變形材質(zhì)檢測(cè)及失效分析[J].湖南電力,2009,29(4):18-22.

FAN Binbin, CHEN Hongdong, LIU Chun. Material test of cross arm of 500 kV transmission line tower[J]. Hunan Electric Power, 2009, 29(4)：18-22.

[5] 劉方,沈長(zhǎng)青,何清波,等.基于時(shí)域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測(cè)故障診斷方法研究[J].振動(dòng)與沖擊,2013,32(24):104-109.

LIU Fang, SHEN Changqing, HE Qingbo, et al. Wayside acoustic fault diagnosis for locomotive bearings based on doppler effect correction and EEMD method in time domain[J]. Journal of Vibration and Shock, 2013, 32(24)：104-109.

[6] 王憲忠,吳鳳林,張東浩,等.基于SVM后端校正的含噪聲機(jī)械故障分類方法[J].機(jī)械強(qiáng)度,2014,36(2):179-182.

WANG Xianzhong, WU Fenglin, ZHANG Donghao, et al. Noisy fault classification of mechanical based on SVM back-end correction[J]. Mechanical Strength, 2014, 36(2)：179-182.

[7] 王偉,鄧輝文.基于MFCC參數(shù)和VQ的說話人識(shí)別系統(tǒng)[J].儀器儀表學(xué)報(bào),2006,27(6):2253-2255.

WANG Wei, DENG Huiwen. Speaker recognition system using MFCC features and vector quantization[J]. Chinese Journal of Scientific Instrument, 2006,27(6)：2253-2255.

[8] 賀玲玲,周元.基于改進(jìn)MFCC的異常聲音識(shí)別算法[J]. 重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,29(2):52-57.

HE Lingling, ZHOU Yuan. Abnormal audio recognition algorithm based on improved MFCC[J].J Chongqing Technol Business Univ(Nat Sci Ed),2012,29(2):52-57.

[9] 惠博.語(yǔ)音識(shí)別特征提取算法的研究及實(shí)現(xiàn)[D].西安：西北大學(xué),2008.

HUI Bo. The Research of Feature Extraction Algorithm for Speech Recognition and the Realization[D]. Xi’an: Northwestern University,2008.

[10]陳勇,屈志毅,劉瑩,等.語(yǔ)音特征參數(shù)MFCC的提取及其應(yīng)用[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,35(1):106-107.

CHEN Yong, QU Zhiyi, LIU Ying, et al. The extraction and application of phonetic characteristic parameter MFCC[J].Journal of Hunan Agricultural University(Natural Sciences),2009,35(1):106-107.

[11]顏鑫,李應(yīng).利用抗噪冪歸一化倒譜系數(shù)的鳥類聲音識(shí)別[J].電子學(xué)報(bào),2013,41(2):295-300.

YAN Xin, LI Ying. Anti-noise power normalized cepstral coefficients in bird sounds recognition[J]. Acta Electronica Sinica, 2013,41(2):295-300.

[12]COWING M, SITTER R. Comparison of techniques for environmental sound recognition[J]. Pattern Recognition Letters, 2003, 22(15)：2895-2907.

[13]姚曉欣.環(huán)境異常狀況聲音特征研究[D].北京：北方工業(yè)大學(xué),2014.

YAO Xiaoxin. Research on Sound Characteristics of Environmental Abnormalities[D]. Beijing: North China University,2014.

[14]劉長(zhǎng)明,任一峰.語(yǔ)音識(shí)別中DTW特征匹配的改進(jìn)算法研究[J].中北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006,27(1):37-40.

LIU Changming, REN Yifeng. A research on improving the algorithm for DTW feature -matching in speech recognition[J].Journal of North University of China (Natural Science),2006,27(1):37-40.

[15]陳立萬.基于語(yǔ)音識(shí)別系統(tǒng)中DTW算法改進(jìn)技術(shù)研究[J].微計(jì)算機(jī)信息,2006,22(2):267-269.

CHEN Liwan. Discussion of DTW programming improved way on speech recognition[J]. Microcomputer Information, 2006,22(2):267-269.

[16]萬春.基于DTW的語(yǔ)音識(shí)別應(yīng)用系統(tǒng)研究與實(shí)現(xiàn)[J].集美大學(xué)學(xué)報(bào)(自然科學(xué)版),2002,7(2):104-108.

WAN Chun. Research and application of DTW-based speech recognition[J]. Journal of Jimei University (Natural Science),2002,7(2):104-108.

[17]文翰,黃國(guó)順.語(yǔ)音識(shí)別中DTW算法改進(jìn)研究[J].微計(jì)算機(jī)信息,2010,26(7):195-197.

WEN Han, HUANG Guoshun. A research on improving DTW in speech recognition[J].Microcomputer Information,2010,26(7):195-197.

[18]郭利剛,趙凡.聲音匹配識(shí)別算法的研究與實(shí)踐[J].中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,14(1):20-25.

GUO Ligang, ZHAO Fan. Research and practice of sound match recognition algorithm[J]. Journal of Communication University of China(Science and Technology), 2007, 14(1):20-25.

[19]張震宇.基于Matlab的語(yǔ)音端點(diǎn)檢測(cè)實(shí)驗(yàn)研究[J].浙江科技學(xué)院學(xué)報(bào),2007,19(3):197-201.

ZHANG Zhenyu. Experimental study on speech endpoint detection based on Matlab[J]. Journal of Zhejiang University of Science and Technology, 2007, 19(3):197-201.

[20]李振國(guó),宋吉江,李月然.基于虛擬儀器的聲音識(shí)別系統(tǒng)設(shè)計(jì)[J].山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,25(1):101-103.

LI Zhenguo, SONG Jijiang, LI Yueran. Design of audio-recognition system based on virtual instrument[J]. Journal of Shandong University of Technology (Natural Science Edition), 2011,25(1):101-103.

[21]韓琪.基于虛擬儀器的數(shù)據(jù)采集與分析系統(tǒng)研究與設(shè)計(jì)[D].北京：北京交通大學(xué),2012.

HAN Qi. The Research and Design of Date Acquisition and Analysis System[D].Beijing: Beijing Jiaotong University,2012.

[22]劉羽.語(yǔ)音端點(diǎn)檢測(cè)及其在Matlab中的實(shí)現(xiàn)[J].計(jì)算機(jī)時(shí)代,2005(8):25-26.

LIU Yu. Voice activity detection and its implementation in Matlab[J].Computer Age,2005(8):25-26.

Steel material detection based on sound signal and the experimental research

QIN Zhiying1, QI Kanghua1, DONG Guixi2, ZHAO Yuejing1, LIU Yao1

(1. School of Mechanical Engineering, Hebei University of Science and Technology, Shijiazhuang, Hebei 050018, China; 2. Hebei Electrical Transmission and Transformation Engineering Company, Shijiazhuang, Hebei 051130, China)

In the machining process of iron tower, the angle steel needs to be operated through clamping, punching, shearing, etc, and different material produces different sound, so it is advised to use sound signal to detect steel materials Q235 and Q345. Experiment system is constructed by using the sound sensor and signal acquisition system, so the continuous sound signal is acquired, and the sound wave of single punching cycle is exacted for the follow-up judgement. For the sound signal in one cycle, MFCC(Mel Frequency Cepstrum Coefficient) parameters are extracted as characteristic parameters, and the distances between the being measured template and the two standard templates of Q235 and Q345 are computed by the DTW (Dynamic Time Warping) method. As a result, which distance is smaller determines the template. In the experiment, two sets of samples for four kinds of angle steels are acquired, respectively, which proves the validity of the method for steel material detection.

applied acoustics； sound signal; MFCC; DTW; material detection

1008-1542(2016)03-0275-08

10.7535/hbkd.2016yx03010

2015-10-22；

2015-12-01；責(zé)任編輯：馮 民

國(guó)家自然科學(xué)基金(11002046)；河北省自然科學(xué)基金(A2011208007)

秦志英(1976—)，女，河北贊皇人，副教授，博士，主要從事機(jī)械測(cè)試技術(shù)與系統(tǒng)動(dòng)力學(xué)方面的研究。

E-mail:qinzhy76@163.com

TP39

A

秦志英， 齊康花， 董桂西，等.基于聲音信號(hào)的鋼材材質(zhì)檢測(cè)及試驗(yàn)研究[J].河北科技大學(xué)學(xué)報(bào),2016,37(3):275-282.

QIN Zhiying, QI Kanghua, DONG Guixi, et al.Steel material detection based on sound signal and the experimental research[J].Journal of Hebei University of Science and Technology,2016,37(3):275-282.