基于带自适应选择特征工程的 XGBoost 的声学信号空化检测框架
声音
2022-03-02 v2 音频与语音处理
摘要
阀门广泛应用于工业和家用管道系统。然而，在运行过程中，它们可能发生空化，导致巨大噪声、振动并损坏阀门内部部件。因此，监测阀门内部流动状态对防止空化引起的额外成本十分有益。本文提出一种新颖的基于带自适应选择特征工程的 XGBoost 的声学信号空化检测框架。首先，开发一种非重叠滑动窗口（NOSW）的数据增强方法以解决本研究中的小样本问题。然后，每段分段时间域声学信号经快速傅里叶变换（FFT）变换，并提取其统计特征作为自适应选择特征工程（ASFE）过程的输入，其中执行自适应特征聚合与特征交叉。最后，利用所选特征训练 XGBoost 算法进行空化检测，并在 Samson AG（法兰克福）提供的阀门声学信号数据上测试。我们的方法取得了最先进的结果。在二分类（空化与无空化）和四分类（空化壅塞流、恒定空化、初生空化与无空化）上的预测性能令人满意，准确率分别比传统 XGBoost 提高 4.67% 和 11.11%。
引用
@article{arxiv.2202.13226,
title = {An acoustic signal cavitation detection framework based on XGBoost with adaptive selection feature engineering},
author = {Yu Sha and Johannes Faber and Shuiping Gou and Bo Liu and Wei Li and Stefan Schramm and Horst Stoecker and Thomas Steckenreiter and Domagoj Vnucec and Nadine Wetzstein and Andreas Widl and Kai Zhou},
journal= {arXiv preprint arXiv:2202.13226},
year = {2022}
}