案例之变电站监测：

变电站设备运行中会有各种各样的声音，它可能是运行状态下发出的正常声音，也可能是设备在故障情况下发出的异常声音。其声音可分为电器声源和机械声源两大类。变压器、电抗器等电器设备正常运行时由于电磁力使铁心振动发出均匀的嗡嗡声，有的电压互感器也有轻微的嗡嗡声。高压断路器、隔离开关操作时也发出声音。其他电器设备如避雷器、电容器、电流互感器等在正常运行时不发出任何声音。

单凭人体的听觉和经验，由电器设备的声音判断故障往往比较困难，特别是局部放电或电晕放电声很微弱时往往无法进行人工判断，需要配合其他检查手段和试验。

谛声科技解决的方案：

基于声信号的故障诊断技术融合了语音识别、模式识别、故障诊断、计算机系统、人工智能诸多方面的知识，传声器采集机器运行时产生的声信号后，对声信号进行滤波、特征提取，并将获得的特征向量与已有的信号特征比对，从而判断出获取信号的类别信息。基于深度学习的声信号故障诊断建立深度神经网络，通过大量样本自主学习，不断完善深度神经网络权重和偏置参数，自主获得声信号特征，从而进行故障诊断。

谛声科技产品特色：

1、建立健全电力设备现场声压场分布特性，重建传声器与噪声源系统的混合矩阵，从而逆向求解，得到各个噪声源信号的时域波形及频域波形。

2、对多点信号进行融合处理，提高系统抗干扰能力的同时，能得到更多特征数据，提高故障诊断准确率。

3、建立特征数据库和样本数据库，随着大量数据积累，建立了丰富的电力设备声图谱，具有重大意义。

4、运用深度学习技术，构建复杂高效的深度神经网络，直接对电力设备原始声信号训练，随着时间推移，数据增多，自主学习大量特征，故障诊断准确率不断提高，同时能更及时准确做到预警预报。

产品组成：

声学监控可用于声源定位，异音异响测试和轨迹跟踪定位等。

旨在帮助运维检修人员最大程度提升检测效率和声源定位精准度，包括便携式、工业型、高性能阵列以及根据客户需求定制化的声学照相机，针对稳态或高瞬态声源，静止或运动物体都可以获得极佳的检测效果。