基于BP神经网络的电除尘火花放电识别

来源：信息与控制杂志2019年第6期北京时间：

作者：江莺, 俞铭津, 张梦琦

摘要：针对高压静电除尘中会发生火花放电现象，降低除尘效率、损坏设备的问题，提出了根据火花放电造成的声音进行火花识别的方法，利用MEMS（Micro-Electro-Mechanical System）数字麦克风采集声音信号，分析了火花放电声音的短时能量、短时过零率、线性预测倒谱系数和梅尔频率倒谱系数（MFCC）.建立BP神经网络识别系统，选用不同特征向量进行实验.研究结果表明：使用MFCC系数结合短时能量和短时过零率能提高识别率，对纯净样本的识别率高达96%，且用火花放电瞬间两帧数据作为火花样本进行BP神经网络训练能大幅度提高识别系统的鲁棒性，对非纯净样本的识别率高达95%.

关键词：静电除尘, 火花放电, 声音识别, BP神经网络, 识别率