本文件涉及水泵故障诊断，尤其涉及一种基于声纹识别的水泵故障诊断方法、设备及介质。
背景技术：
1、水泵是工业与民生领域的关键设备，其稳定运行关乎生产效率、能源消耗与公共安全。传统故障诊断依赖振动传感器或温度监测，存在安装复杂、维护成本高、实时性不足的局限，难以满足早期故障预警需求。
2、声纹识别技术通过采集水泵运行声音信号，可实现非接触式、低成本实时监测，能提前预警轴承磨损、叶轮失衡、气蚀等故障，还可在复杂工况下替代传统传感器，降低硬件部署难度，对缩短故障停机时间、优化设备全生命周期管理成本意义显著。
3、当前技术实现中，常通过声学传感器采集信号，结合自适应滤波、小波变换降噪，利用梅尔频率倒谱系数等提取特征，再借助卷积神经网络、注意力机制等深度学习技术及数据增强手段提升诊断效果。但仍面临挑战：工业噪声与故障声纹频段重叠致特征提取精度低，水泵差异与工况波动使模型泛化能力不足，深度学习模型“黑箱”特性缺乏可解释性，边缘设备算力限制制约复杂模型落地。
4、声纹识别推动的预测性维护，能将故障发现提前至潜伏期，还可与多模态数据融合优化工业物联网感知层，为数字孪生提供支撑，兼具经济效益与公共安全保障价值。因此，研发适配复杂环境、高精度的水泵声纹故障诊断方法，对弥补传统技术不足、推动设备智能运维意义重大。
技术实现思路
1、本发明实施例提供了一种基于声纹识别的水泵故障诊断方法、设备及介质，通过麻雀搜索算法优化的vmd分解处理水泵声纹信号，融合fbank与gtfb特征，结合嵌入1d-res2net模块的ecapa-tdnn与bilstm构建融合模型，以解决传统诊断技术局限、工业噪声干扰、模型泛化不足及复杂模型落地难等问题，实现复杂工业场景下水泵轴承多类故障的精准识别，为水泵智能运维提供技术路径。
2、根据本发明实施例，提供了一种基于声纹识别的水泵故障诊断方法，包括：
3、s1、获取水泵声纹信号，采用基于麻雀搜索算法优化的vmd分解方法对所述声纹信号进行分解获取初步分解信号；
4、s2、对所述初步分解信号进行处理获取fbank能量谱以及gtfb优化频带能量分布特征，对取fbank能量谱以及gtfb优化频带能量分布特征通过特征加权融合策略获取多维优化特征向量；
5、s3、将所述多维优化特征向量输入预设的融合模型实现故障分类，所述融合模型在tdnn网络中嵌入1d-res2net模块，采用bilstm层捕获长时上下文依赖，结合多层特征聚合策略，实现故障分类。
6、根据本发明实施例，提供了一种电子设备，包括：
7、处理器；以及，
8、被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述基于声纹识别的水泵故障诊断方法的步骤。
9、根据本发明实施例，提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述基于声纹识别的水泵故障诊断方法的步骤。
10、通过采用本发明实施例以声纹识别实现非接触式诊断，降低安装维护成本，可提前捕捉水泵轴承早期故障，提升实时性；通过麻雀搜索算法优化vmd分解，结合fbank与gtfb特征融合，有效抑制工业噪声，增强故障特征区分度。ecapa-tdnn-bilstm融合模型，借助1d-res2net、se注意力机制及bilstm，提升对不同水泵型号、工况的适配性，减少过拟合，缓解“黑箱”问题，强化泛化与可靠性；经特征降维、adamw优化，降低算力需求，助力边缘设备落地。实现复杂工业场景下水泵轴承多类故障精准识别，支撑水泵智能运维，缩短故障停机时间，优化全生命周期管理成本，为工业设备智能化诊断提供技术路径。
1.一种基于声纹识别的水泵故障诊断方法，其特征在于包括：
2.根据权利要求1所述的方法，其特征在于，所述采用基于麻雀搜索算法优化的vmd分解方法对所述声纹信号进行分解获取初步分解信号具体包括：
3.根据权利要求1所述的方法，其特征在于，所述fbank能量谱获取步骤如下：
4.根据权利要求1所述的方法，其特征在于，所述gtfb优化频带能量分布特征获取步骤如下：
5.根据权利要求1所述的方法，其特征在于，所述特征加权融合策略具体为：对提取的fbank能量谱与gtfb优化频带能量分布特征，根据两类特征在故障区分中的重要性赋予不同权重，通过加权求和的方式将两类特征进行融合，生成维度与两类特征维度之和一致的多维优化特征向量，其中权重分配基于故障诊断任务的验证集性能进行自适应调整，以最大化特征对故障类别的区分度。
6.根据权利要求1所述的方法，其特征在于，所述融合模型中的tdnn网络为ecapa-tdnn改进网络，构建过程包括：
7.根据权利要求1所述的方法，其特征在于，所述bilstm层通过双向传播机制，沿声纹信号时序正向与反向解析特征，生成双向隐藏状态，建模长时上下文依赖，提取故障的时间动态特性，弥补tdnn在长序列建模中的不足，输出适配后续处理的特征数据。
8.根据权利要求1所述的方法，其特征在于，所述多层特征聚合策略通过对网络不同模块输出特征进行串联、池化及维度优化处理，整合多尺度特征信息，为故障分类提供高区分度特征，最终经分类层完成故障分类。
9.一种电子设备，包括：
10.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现权利要求1-8中任一项所述基于声纹识别的水泵故障诊断方法的步骤。