本发明涉及电梯检测领域，尤其涉及一种基于机器学习的电梯机械故障声纹识别方法及系统。
背景技术：
1、由于电梯机械故障偶发性较强，且故障的演化具有不确定性，以前，电梯机械故障隐患主要是依靠电梯维护保养人员日常排查，电梯机械故障缺乏成熟的实施监测手段。
2、随着信号处理的相关算法的诞生，目前已经存在利用声学信号进行故障检测的方案，现有的基于声学的电梯故障诊断方案，一般采用传统的声学传感器，采集电梯机房、轿厢等位置运行时的声音信号或故障特征信号，提取相关的特征，保存在数据库中，然后将运行信号与数据库中的信号比对，符合阈值条件的则判定为正常信号或故障信号，但是，由于电梯所处的运行环境一般存在较大的噪声，目前这种声学故障诊断技术的故障识别的准确度比较低。
技术实现思路
1、有鉴于此，为了解决现有电梯故障检测方法中由于存在环境噪声，进而导致故障识别精度低的技术问题，本发明提出一种基于机器学习的电梯机械故障声纹识别方法，所述方法包括以下步骤：
2、在电梯的预设位置布置骨传导传感器；
3、基于所述骨传导传感器采集音频信号并构建训练集；
4、应用xgboost分类算法对所述训练集中的样本数据进行预测，结合标签比对和筛选，生成最终决策树模型；
5、将实时信号输入至所述最终决策树模型，输出识别结果。
6、其中，所述电梯的预设位置包括曳引机、减速箱、轿厢门电机、钢丝绳绳头和轿厢导靴的部位。
7、在一些实施例中，还包括：
8、利用测试集对所述最终决策树模型进行准确率评估。
9、通过该优选步骤，对最终得到的模型进行验证，直至准确率达到设定要求。
10、在一些实施例中，还包括：
11、将所述骨传导传感器接入本地边缘计算网关。
12、通过该优选步骤，利用本地边缘计算网关对信号进行预处理，能够提高整体算法的处理速度。
13、在一些实施例中，所述基于所述骨传导传感器采集音频信号并构建训练集这一步骤，其具体包括：
14、基于所述骨传导传感器采集音频信号；
15、对所述音频信号依次进行预加重、分帧处理、高通滤波和傅里叶变换处理，得到预处理后的信号；
16、将所述预处理后的信号转换为频率信号；
17、根据所述频率信号进行特征提取，得到信号特征；
18、基于所述信号特征，标注数据标签，得到训练集。
19、通过该优选步骤，构建用于模型训练的训练集。
20、在一些实施例中，采用尔频率倒谱系数进行特征提取。
21、在一些实施例中，所述应用xgboost分类算法对所述训练集中的样本数据进行预测，结合标签比对和筛选，生成最终决策树模型这一步骤，其具体包括：
22、应用xgboost分类算法对所述训练集中的样本数据进行预测，结合标签进行比对，根据预设损失阈值生成初步声纹异常决策树模型；
23、利用另一数据集对初步声纹异常决策树模型进行筛选优化，确定最优参数组合，得到最终决策树模型。
24、在一些实施例中，还包括：
25、对所述音频信号进行裁剪和填补处理。
26、通过该优选步骤，在预处理阶段增加了格式限制的处理，有助于提高整体方法的处理速度。
27、本发明还提出了一种基于机器学习的电梯机械故障声纹识别系统，所述系统包括：
28、骨传导传感器；
29、信号预处理模块，基于所述骨传导传感器采集音频信号并构建训练集；
30、筛选模块，应用xgboost分类算法对所述训练集中的样本数据进行预测，结合标签比对和筛选，生成最终决策树模型；
31、识别模块，用于将实时信号输入至所述最终决策树模型，输出识别结果。
32、基于上述方案，本发明提供了一种基于机器学习的电梯机械故障声纹识别方法及系统，利用多个骨传导传感器采集电梯关键部位的音频信号，添加标签构建训练集，结合xgboost分类算法模型生成最终的识别模型，以此得到高精度的识别模型；进一步，对训练集中的数据进行信号优化的预处理步骤，以提高模型的训练速度和训练精度。
1.一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，还包括：
3.根据权利要求1所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，所述电梯的预设位置包括曳引机、减速箱、轿厢门电机、钢丝绳绳头和轿厢导靴的部位。
4.根据权利要求1所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，将所述骨传导传感器接入本地边缘计算网关。
5.根据权利要求1所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，所述基于所述骨传导传感器采集音频信号并构建训练集这一步骤，其具体包括：
6.根据权利要求5所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，采用尔频率倒谱系数进行特征提取。
7.根据权利要求1所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，所述应用xgboost分类算法对所述训练集中的样本数据进行预测，结合标签比对和筛选，生成最终决策树模型这一步骤，其具体包括：
8.根据权利要求5所述一种基于机器学习的电梯机械故障声纹识别方法，其特征在于，还包括：
9.一种基于机器学习的电梯机械故障声纹识别系统，其特征在于，包括：