本发明涉及高压断路器参数采集，特别涉及一种高压断路器故障声纹特征信号提取方法。
背景技术：
1、高压断路器是电力系统中不可或缺的组件，它通过开断、关合操作以及承载运行线路中的正常或异常电流，为电力系统提供关键的保护与控制功能。其运行状态直接关联着电力系统的稳定性和可靠性，对于确保电力系统的安全、高效运行具有举足轻重的意义。为了确保高压断路器的正常运行，对高压断路器进行声纹识别等先进监测技术的应用，可以帮助提前发现潜在故障，提高电力系统的可靠性和安全性。高压断路器故障声纹识别过程包括：1.数据采集：收集高压断路器运行过程中的声音信号，并将其转换成数学模型进行存储。2.声学特征提取：根据采集的数据，提取声音的频率、幅度、波形等相关信息，得到声音的声学特征向量。3.筛选识别：使用筛选算法对提取的声学特征向量进行分类和识别，并找到与正常声音信号最相似的特征向量。4.故障诊断：通过对比正常和异常状态下的声纹特征向量，可以诊断出高压断路器是否存在机械故障。例如，当断路器的机械部件出现摩擦、卡顿等问题时，会产生不同于正常运行状态下的声音，这些声音信号会被声纹识别系统捕捉并进行分析，从而发现潜在的故障。
2、相关技术中，在高压断路器运行监控中，为了捕获其动作时的声音信号，通常采用麦克风等录音设备进行长时间段的录音。然而，这些录音文件往往长达几十甚至上百个小时，而断路器的实际动作触发次数相对较少，且每次动作的时间都非常短暂。
3、因此，相关技术中大部分录音时间都是空白期，即不包含断路器动作的有效音频段信号。为了进行有效的故障判断，必须从这些长音频信号中精确地截取到包含断路器动作的声音信号。这个过程不仅要求准确性高，而且需要能够处理大量的无效音频数据。另外，值得注意的是，在长时间段的录音中，除了断路器动作的声音外，还可能偶然录制到断路器所处环境的其他突发声音，如汽车鸣笛声、电闪雷鸣声或鸟类鸣啼声等。这些外部声音可能会干扰对断路器动作声音的识别和分析，因此在处理录音数据时，需要采取相应的措施来过滤或排除这些干扰声音。相关技术当中的高压断路器声音信号采集方法难以确保故障判断的准确性和可靠性。
技术实现思路
1、本发明关于一种高压断路器故障声纹特征信号提取方法，能够提高采集到的声音信号对于故障判断的准确性和可靠性，该方法应用于计算机设备中，该方法包括：
2、获取原始断路器工况数据，原始断路器工况数据为与目标高压断路器对应的音频数据；
3、对音频数据进行信号增强处理，得到与目标高压断路器对应的增强信号数据；
4、基于深度支持向量数据描述方法对增强信号数据进行特征提取，得到与目标高压断路器对应的有效特征信号。
5、在一个可选的实施例中，获取原始断路器工况数据，包括：
6、获取与目标高压断路器对应的音频信号；
7、基于音频信号生成原始断路器工况数据。
8、在一个可选的实施例中，对音频数据进行信号增强处理，得到与目标高压断路器对应的增强信号数据，包括：
9、对音频数据进行分帧，得到分帧数据；
10、确定分帧数据中的离散信号进行傅里叶变换处理；
11、结合谱减法对傅里叶变换处理后的分帧数据进行有声声段信号处理，得到有声声段信号；
12、通过快速傅里叶逆变换对有声声段信号进行处理，得到增强信号数据。
13、在一个可选的实施例中，结合谱减法对傅里叶变换处理后的分帧数据进行有声声段信号处理，得到有声声段信号，包括：
14、确定傅里叶变换处理后的分帧数据的赋值数据以及相角数据；
15、确定与分帧数据对应的短时能量值；
16、确定与分帧数据对应的含噪无声段数据；
17、确定分帧数据以及含噪无声段数据对应的平均能量值；
18、结合过减因子常量以及增益补偿因子常量，确定增强信号赋值；
19、基于增强信号赋值确定有声声段信号。
20、在一个可选的实施例中，基于深度支持向量数据描述方法对增强信号数据进行特征提取，得到与目标高压断路器对应的有效特征信号，包括：
21、将增强信号数据输入特征提取模型，输出得到与目标高压断路器对应的有效特征信号，特征提取模型为基于深度支持向量数据描述方法的神经网络模型。
22、在一个可选的实施例中，特征提取模型的自编码器结构包括相互连接的升维层、卷积池化层、卷积层、降维层以及全连接层。
23、在一个可选的实施例中，该方法还包括：
24、建议初始特征提取模型；
25、对初始特征提取模型进行训练，得到特征提取模型。
26、在一个可选的实施例中，对初始特征提取模型进行训练，得到特征提取模型，包括：
27、获取音频样本，音频样本实现为音频信号段样本；
28、将音频样本输入初始特征提取模型当中，以对初始特征模型进行训练；
29、响应于满足训练完成要求，生成特征提取模型。
30、在一个可选的实施例中，音频样本包括合闸样本、储能样本、分闸样本、第一声音样本、第二声音样本以及第三声音样本；
31、其中，第一声音样本、第二声音样本以及第三声音样本分别指示三类不同的场景声音。
32、本发明各个实施例包含的技术效果至少包括：
33、在获取与高压断路器对应的声纹特征信号的过程当中，通过信号增强处理将目标高压断路器的信号进行增强，并结合对应的描述方法进行特征提取，以实现与工况相关度较高的声纹提取，进而提高采集到的声音信号对于故障判断的准确性和可靠性。
1.一种高压断路器故障声纹特征信号提取方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：
2.根据权利要求1所述的高压断路器故障声纹特征信号提取方法，其特征在于，获取原始断路器工况数据，包括：
3.根据权利要求2所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述对所述音频数据进行信号增强处理，得到与所述目标高压断路器对应的增强信号数据，包括：
4.根据权利要求3所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述结合谱减法对傅里叶变换处理后的所述分帧数据进行有声声段信号处理，得到有声声段信号，包括：
5.根据权利要求2所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述基于深度支持向量数据描述方法对所述增强信号数据进行特征提取，得到与所述目标高压断路器对应的有效特征信号，包括：
6.根据权利要求5所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述特征提取模型的自编码器结构包括相互连接的升维层、卷积池化层、卷积层、降维层以及全连接层。
7.根据权利要求5所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述对所述初始特征提取模型进行训练，得到所述特征提取模型，包括：
9.根据权利要求7所述的高压断路器故障声纹特征信号提取方法，其特征在于，所述音频样本包括合闸样本、储能样本、分闸样本、第一声音样本、第二声音样本以及第三声音样本；