本发明涉及电化学储能电站的安全的,尤其涉及一种声音辨识模型的生成方法、辨识方法、系统、设备和介质。
背景技术:
1、目前,电站的安全主要依赖bms(电池系统)的各类参数阈值进行安全防护。例如,对电站中电池的充放电时的电压、电流、温度等参数进行监测,当监测到上述参数超过设定阈值时,进行报警。上述安全防护方式存在一定的缺陷,当bms可靠性降低会导致阈值的控制失效,从而导致过充,或者电站在停止工作时的运维过程导致误操作。由此可见,通过bms无法完成安全防护作用,会对电站安全产生极大的影响。
技术实现思路
1、本发明要解决的技术问题是为了克服现有技术中bms可靠性低的缺陷,提供一种声音辨识模型的生成方法、辨识方法、系统、设备和介质。
2、本发明是通过下述技术方案来解决上述技术问题:
3、本发明提供一种声音辨识模型的生成方法,所述生成方法包括:
4、构建第一样本数据;
5、提取所述第一样本数据的特征;
6、将所述第一样本数据的特征输入至卷积神经网络中进行训练,以生成声音辨识模型;
7、所述声音辨识模型用于辨识目标声音信号;所述目标声音信号为电池的安全阀打开时产生的声音信号。
8、较佳地,所述构建第一样本数据的步骤包括:
9、获取不同种类的目标声音信号和噪声信号;
10、根据所述目标声音信号和所述噪声信号,构建第一正样本数据;
11、根据所述噪声信号,构建第一负样本数据;
12、基于所述第一正样本数据和所述第一负样本数据,构建第一样本数据;
13、和/或,所述提取所述第一样本数据的特征的步骤包括:
14、提取所述第一样本数据的梅尔倒谱系数特征。
15、较佳地,若所述目标声音信号通过仿真生成,则在所述将所述第一样本数据的特征输入至卷积神经网络中进行训练的步骤之后,所述生成方法还包括:
16、获取目标电池的安全阀打开时产生的声音信号;
17、基于所述目标电池的安全阀打开时产生的声音信号和所述噪声信号,构建第二样本数据;
18、提取所述第二样本数据的特征;
19、将所述第二样本数据的特征输入至卷积神经网络中进行训练,以生成声音辨识模型。
20、本发明还提供一种声音辨识方法,所述声音辨识方法包括:
21、获取待辨识的电池的安全阀打开时产生的声音信号和噪声信号;
22、将所述安全阀打开时产生的声音信号和所述噪声信号输入至所述声音辨识模型中,并输出对应的概率值;
23、若所述概率值大于预设阈值,则确定所述概率值对应的声音信号为所述电池的安全阀打开时产生的声音信号;
24、所述声音辨识模型使用如前述的声音辨识模型的生成方法生成。
25、本发明还提供一种声音辨识模型的生成系统,所述生成系统包括:
26、第一构建模块,用于构建第一样本数据;
27、第一提取模块,用于提取所述第一样本数据的特征;
28、第一输入模块,用于将所述第一样本数据的特征输入至卷积神经网络中进行训练,以生成声音辨识模型;
29、所述声音辨识模型用于辨识目标声音信号;所述目标声音信号为电池的安全阀打开时产生的声音信号。
30、较佳地,所述构建模块包括:
31、获取单元,用于获取不同种类的目标声音信号和噪声信号;
32、第一构建单元,用于根据所述目标声音信号和所述噪声信号,构建第一正样本数据;
33、第二构建单元,用于根据所述噪声信号,构建第一负样本数据;
34、第三构建单元,用于基于所述第一正样本数据和所述第一负样本数据,构建第一样本数据;
35、和/或,所述提取模块具体用于:
36、提取所述第一样本数据的梅尔倒谱系数特征。
37、较佳地,所述生成系统还包括:
38、第一获取模块,用于获取目标电池的安全阀打开时产生的声音信号;
39、第二构建模块,用于基于所述目标电池的安全阀打开时产生的声音信号和所述噪声信号,构建第二样本数据;
40、第二提取模块,用于提取所述第二样本数据的特征;
41、第二输入模块,用于将所述第二样本数据的特征输入至卷积神经网络中进行训练,以生成声音辨识模型。
42、本发明还提供一种声音辨识系统,所述声音辨识系统包括:
43、第二获取模块,用于获取待辨识的电池的安全阀打开时产生的声音信号和噪声信号;
44、第二输入模块,用于将所述安全阀打开时产生的声音信号和所述噪声信号输入至所述声音辨识模型中,并输出对应的概率值;
45、声音信号确定模块,用于若所述概率值大于预设阈值,则确定所述概率值对应的声音信号为所述电池的安全阀打开时产生的声音信号;
46、所述声音辨识模型使用如前述的声音辨识模型的生成系统生成。
47、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并用于处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前述的声音辨识模型的生成方法或如前述的声音辨识方法。
48、本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的声音辨识模型的生成方法或如前述的声音辨识方法。
49、在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
50、本发明的积极进步效果在于:
51、本发明通过构建样本数据,并提取样本数据的特征输入至卷积神经网络中进行训练,生成声音辨识模型,从而实现了能够采用声音辨识模型自动识别电池的安全阀打开时产生的声音来监控电站的安全,相较于现有技术采用bms对各类参数进行监控来监控电站的安全的可靠性更高,效率也更高。
1.一种声音辨识模型的生成方法,其特征在于,所述生成方法包括:
2.如权利要求1所述的声音辨识模型的生成方法,其特征在于,所述构建第一样本数据的步骤包括:
3.如权利要求2所述的声音辨识模型的生成方法,其特征在于,若所述目标声音信号通过仿真生成,则在所述将所述第一样本数据的特征输入至卷积神经网络中进行训练的步骤之后,所述生成方法还包括:
4.一种声音辨识方法,其特征在于,所述声音辨识方法包括:
5.一种声音辨识模型的生成系统,其特征在于,所述生成系统包括:
6.如权利要求5所述的声音辨识模型的生成系统,其特征在于,所述构建模块包括:
7.如权利要求6所述的声音辨识模型的生成系统,其特征在于,所述生成系统还包括:
8.一种声音辨识系统,其特征在于,所述声音辨识系统包括:
9.一种电子设备,包括存储器、处理器及存储在存储器上并用于处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的声音辨识模型的生成方法或如权利要求4所述的声音辨识方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的声音辨识模型的生成方法或如权利要求4所述的声音辨识方法。