基于MFCC声纹识别的燃烧状态监测研究

来源：动力工程学报杂志2025年第7期北京时间：

作者：王元, 葛沈炜, 姚鹏搏, 沈国清,

摘要：锅炉燃烧监测对其安全运行意义重大,长期以来一直是研究的重点。燃烧产生的声音可以直接反映其状态变化,而受高温、多尘、高频噪声等因素影响,锅炉内部声音特征的有效特征提取难度极大。对此提出了一种基于一维卷积神经网络和声纹技术的燃烧特征提取方法。在构建燃烧声音采集实验平台的基础上,提取各种燃烧和非燃烧状态对应的声音特征。通过计算声纹各特征的基尼指数,筛选出火焰声纹的最佳特征。通过比较有噪声和无噪声的数据集模型,验证了火焰声纹模型的鲁棒性和准确性。结果表明:在原始数据中,声音特征识别准确率可达97.13%,优化后特征识别准确率提高到98.26%;在添加噪声的数据集中,优化后特征识别准确率可达93.29%。

关键词：锅炉,燃烧,声纹,基尼指数,卷积神经网络,