技术特征：
1.一种基于cs-music矿井提升机故障源定位分析方法，其特征在于，包括以下步骤：步骤1、利用五元十字形麦克风阵列采集并存储矿井提升机完整运行过程的音频信号，对采集到的音频信号进行预处理，其中包含预加重、分帧和加窗；步骤2、对预处理后的音频信号进行mfcc特征参数提取，包括：fft变换、mel滤波器滤波和取对数dct；步骤3、对识别出故障的音频用music算法进行声音定位。步骤4、用cs算法优化步骤3得到的定位分布峰值结果。2.根据权利要求1所述的一种基于cs-music矿井提升机故障源定位分析方法，其特征在于，步骤1中的预加重、分帧和加窗具体包括：：步骤1-1、预加重：通过一阶fir高通滤波器以此来增强矿井提升机音频信号的高频部分，以此来减小噪声对音频信号的影响。结果为：z'(t)＝z(t)-hz(t-1)，其中：z(t)表示第t个采样点出的音频信号，h为为加强系数，h＝0.97；步骤1-2、分帧加窗：先对z'(t)先进行分帧，以256点为一帧，步长为512，对音频信号每一帧采用汉明加窗，变为更平滑的z(m)。3.根据权利要求1所述的一种基于cs-music矿井提升机故障源定位分析方法，其特征在于，步骤2中的短时傅里叶变换、mel滤波器滤波和离散余弦变换具体包括：步骤2-1、fft。对每帧提升机音频信号z(m)进行快速傅立叶变换，时域音频信号z
i
(m)变为频域音频信号z(i,j)即：z(i,j)＝fft[z
i
(m)]；步骤2-2、mel滤波器滤波。设计mel滤波器为24阶让每一个都转换为mel刻度下的值，其频率公式表达为：e(i,j)＝[z(i,j)]2f
mel
＝2595lg(1+f/700)，其中：i为第i帧；j为频域中的第j条谱线,e(i,j)代表每一帧的能量。f
mel
为感知频率，f际频率。步骤2-3、取对数dct。对经过转换后能量值进行对数变换，再进行dct变换，得到mfcc参数。具体为：其中：0≤m＜m,h
m
(h)为滤波器的频率响应，m代表第m个滤波器。4.根据权利要求1所述的一种基于cs-music矿井提升机故障源定位分析方法，其特征在于，步骤3中识别出故障的音频用music算法进行声音定位具体为：步骤3-1、、将采集的五路声音信号进行二次分帧，长度为l，步长为分帧长度的一半，然后对分帧后的信号做fft变换。公式如下：其中k＝0,1,
…
l-1,可以得到音频信号频域模型为：
z(f
i
)＝a
θ
(f
i
)s(f
i
)+n(f
i
)，其中：为方向响应向量,τ
p
(θ)(p＝1,2,3,4)是信号之间的时延z，s为提升机发出的声音信号，n为阵列噪声。i＝1,2,3
…
j，f
s
为信号频率。步骤3-2、求协方差矩阵的估计值。其中：n为采样个数。步骤3-3、对r
x
进行特征分解得：其中：u
s
为信号子空间，其特征值大于噪声功率。u
n
为噪声子空间，其特征值等于噪声功率。从而得到music的谱估计函数为：其中：为观察页面。通过θ在观察扇面内进行扫描，从而得出式在各扫描方位对应的数值，当该函数出现峰值的方位，记作γ，即为提升机故障信号方位。5.根据权利要求1所述的一种基于cs-music矿井提升机故障源定位分析方法，其特征在于，步骤4中用cs算法优化步骤3得到的定位分布峰值结果具体为：步骤4-1、初始化参数：设置迭代次数m，巢穴数量n，目标参数即提升机故障信号的方位γ，并在搜索可行范围内随机初始化巢穴位置，表示第i个巢穴的第m次迭代的巢穴位置；步骤4-2、计算每个巢穴的适应度值保存当前迭代即0迭代适应度值最小的巢穴的位置；所述适应度值计算公式为：表示第i个巢穴的第t迭代的适应度值,i＝1,
…
,n,k
i
表示故障点计算坐标位置，为故障点实际坐标位置，n为训练集个数；步骤4-3、第一次更新巢穴位置计算各个的适应度值并与对应的上一迭代巢穴的适应度值对比，保存适应度值小的巢穴位置至下一迭代，即若则新巢穴否则新巢穴第一次更新巢穴位置公式为：其中：α为步长控制因子，为点乘，levy(β)为levy随机搜索方式；步骤4-4、判断步骤4-3所述新巢穴是否为“劣质”巢穴，如果不是，则新巢穴如
果是，则第二次更新巢穴位置得到新巢穴果是，则第二次更新巢穴位置得到新巢穴其中：是随机选择的两个不同巢穴，s是步长。步骤4-5、计算步骤4-4所述新巢穴的适应度值，并将其与对应的更新前的巢穴的适应度值进行对比，保存适应度值小的巢穴位置，即若则新巢穴否则新巢穴并保存当前迭代适应度值最小的巢穴的位置；步骤4-6、判断是否当前迭代t≥最大迭代次数t，若否，则返回到步骤4-3，若是，则输出适应度值最小的巢穴位置，即为目标参数γ的最优解。优选的步骤4-4中所述“劣质”巢穴通过如下方法判断：若当前适应度值则当前巢穴不属于“劣质”巢穴；若当前适应度值则当前巢穴为“劣质”巢穴，其中分别为当前迭代适应度最大值和最小值，即为当前迭代适应度最大值和最小值的四分之三中位数。
技术总结
本发明公开了一种基于CS-MUSIC矿井提升机故障源定位分析方法，包括对多通道的矿井提升机音频信号进行预处理；通过提取音频信号的MFCC特征参数并对故障的音频信号进行二次分帧、对协方差矩阵进行特征分解，结合MUSIC的频估计函数，最终实现故障识别和故障音频信号的方位。使用CS算法对MUSIC定位结果进行寻优，显著提高了定位的精准率。本发明具有诸多优势，采用了识别和定位算法相结合并通过CS对定位结果进行寻优，与传统的定位方法相比，具有实时性高、操作简便、定位算法结果准确率高的优势。势。
技术研发人员：李敬兆 王笑 王国锋 陈涛 孙杰臣
受保护的技术使用者：安徽理工大学
技术研发日：2022.05.11
技术公布日：2022/7/21