产品详情
从电力设备的声纹信号中提取特征量判别运行状态，其优势在于实现了非接触式检测。加上传感器布置方式比较灵活成本低，采集信号时不产生电磁信号，不会干扰设备的正常运行。
传统的声纹收集设备是基于单个麦克风的噪声采集系统，用单个声音传感器采集电力设备运行的声音，不可避免地会受到背景噪声、外界干扰噪声；同时拾音范围有限且目标声音信号质量不高，不能聚焦研究对象本身的声纹特征。
紧凑轻巧的设计，标准清晰的接口，使得传感器能轻松部署到机器人、无人机等移动平台，也能方便的融入现有的视频、红外、紫外、局放等监测系统
传感器部署方式多样，串并联方式可灵活组合，一个采集平台最多可支持8个声纹传感器。不但可以降低现在施工走线的复杂度，多个声纹传感器之间声音信息还可精确同步，构建大型分布式声阵列，用于感知全局声场信息，提高声纹识别的准确率，降低误判率。
结合声纹监测云平台，在有效获取异常声纹信号的同时，还可对数据进行统计分析和故障特征提取，构建声纹数据库，用于算法和模型的迭代优化。实现电网设备运行的智能辅助决策，降低故障发生概率，缩短故障处理和应急抢修时间，为电网安全稳定运行提供坚强保障。
相关产品
综合利用了麦克风阵列、语音检出、语音识别、声纹识别、说话人标记等语音技术及大数据技术，主要功能包括声纹数据采集、特征库建设与维护、声纹比对检索、高效并行计算、人机耦合标注、业务展现、系统管理等。该系统可以实现语音数据的智能识别与分析处理，通过声纹信息检索识别，发现特定人员语音片段，实现敏感信息报警、检索、快听、出材、声纹对象入库，达到提升语音侦查工作效率、节约警力，提高海量语音下的信息获取能力的目标，可以用于公安、金融等各类场景。
通过自主研发的同步多传感器信号采集智能边缘计算终端，实时采集设备核心部件的声音、振动、温度等信号，利用深度学习技术对数据进行建模分析，构建故障预测模型，同时在线获取设备实时运行工况数据构建知识图谱模型，对设备运行状态进行推理和决策分析，从而实现设备故障超早期诊断、健康预测性维护和智能化运行。
通过自主研发的同步多传感器信号采集智能边缘计算终端，实时采集设备核心部件的声音、振动、温度等信号，利用深度学习技术对数据进行建模分析，构建故障预测模型，同时在线获取设备实时运行工况数据构建知识图谱模型，对设备运行状态进行推理和决策分析，从而实现设备故障超早期诊断、健康预测性维护和智能化运行。
开关柜发生故障的原因有很多，但究其根本还是由于开关柜内相关元件及线路长期处于大电流、高电压工作状况，且空间狭小不通风，柜内湿气大，强大电流容易导致其内部温升加剧，绝缘层破坏产生拉弧。一旦没有及时发现问题并进行预防，很容易发生火灾等安全事故。因此，做好开关柜内温度监测和除湿，避免发生过热和潮湿现象，对于避免火灾等安全事故的发生具有十分重要的意义。
在线留言
*注：请务必信息填写准确，并保持通讯畅通，我们会尽快与你取得联系