针对煤矿带式输送机异常声音样本缺少导致训练模型难以进行异常识别的问题，提出一种基于卷积自编码器（CAE）的煤矿带式输送机异常声音检测方法。首先，采集煤矿带式输送机托辊、减速机、电动机正常运行的声音信号，通过WebRTC降噪算法过滤信号中的背景噪声，计算降噪后信号的梅尔频率倒谱系数（MFCC），获得设备正常运行的音频特征并输入到CAE中进行训练，得到训练好的CAE及重构的正常运行音频特征。其次，将正常运行音频特征和重构的正常运行音频特征输入均方损失函数（MSELoss），得到重构误差，并取重构误差最大值作为正常运行音频特征的重构阈值。然后，采集待检测的煤矿带式输送机托辊、减速机、电动机运行的声音信号，经WebRTC降噪、MFCC特征提取后输入到训练好的CAE，获得重构的待检测音频特征，将待检测音频特征与重构的待检测音频特征输入MSELoss，得到待检测音频的重构误差。最后，将待检测音频的重构误差与正常运行音频特征的重构阈值进行比较，若前者大于后者，则判断煤矿带式输送机存在异常。实验结果表明：在没有异常声音样本参与训练的情况下，该方法在带式输送机托辊、减速机、电动机运行声音数据集上的检测精确率分别达92.55%，94.98%，93.60%，单组声音检测时间为1.230 s，实现了检测精度和检测速度之间的平衡。

0 引言
1 方法原理
1.1 WebRTC降噪
1.2 MFCC特征提取
1.3 CAE
2 实验验证
2.1 实验平台
2.2 数据集
2.3 实验方案
2.4 实验结果
2.4.1 降噪效果
2.4.2 MFCC特征
2.4.3 检测性能
3 结论

申龙,单浩然,裴文良,等.基于卷积自编码器的煤矿带式输送机异常声音检测方法[J/OL].工矿自动化,1-6[2025-03-08].https://doi.org/10.13272/j.issn.1671-251x.2023090025.