幸亏，有AI驱动震动声纹技术

昨天参加了电促会的一个会议，参会的都是大块头，有国网信产集团国电通的领导、国家能源集团龙源公司的领导、联研院的领导和大数据中心的专家等，他们都是非常专业的实干家，会上学习到了很多东西，深受启发。

电促会，作为国家一级的行业协会，最近两三年越来越有特色了，一些颇具知名度的品牌活动（电力规划论坛和大数据论坛等），着实吸引了很多看客和企业入会。尤其是具有横向服务职能的几个分会（泛在的、人工智能大数据的、知识产权的、网络安全和培训的），与很多专业型协会仅仅有专业分会相比，这些个横向的服务算是独树一帜了。

为什么叫横向呢？因为几乎所有的企业，不管你在什么行业和领域、从事什么专业的生产劳动，大概其都需要网络安全、人工智能和大数据、都需要各种各样的信息技术、研发也需要知识产权、队伍也需要培训。电促会旗下，汇聚了各有特色的服务企业，随时为你的企业提供解决实际问题的各种方案。

会后就一直在想，还有什么好技术可以拉到电促会的服务阵营呢？于是就在朋友圈发了2019年底写的一篇文章《边缘计算或许是一把双刃剑》，主要是想testing一下公众的反应，没想到反响还比较热烈，例如，一位做机器人的朋友，想看看震动声纹技术，能否做成传感器，装在他们的机器人里头。

说，2019年我们在武汉参加电网资产全寿命周期项目劳动时，接触了上地一家专门做声纹技术检测的公司，想把他们成熟的声纹技术扩展到振动声纹，然后用在电网设备的故障检测上，在交流中发现，他们通过在声学传感器前端镶嵌边缘计算的模式，提取声音或者振动的关键声纹特征，并把这些关键声纹特征回传到系统后台，做进一步的分析和判断。最近一年这家公司已经把震动声纹技术用到了高铁和飞机一些设备的故障检测上。

声纹技术，最早用在人的语音识别上，具有很高的唯一性，类似刷脸同样的效果，但在没有人脸的时候，声纹几乎就是唯一识别身份的技术了（当然还有肢体动作的识别技术），这在很多场合特别有用，例如刑侦、反特等安全领域。

关于肢体动作识别，从前HP花了110亿美元并购了一家英国公司，叫Autonomy，就是后来江湖传言HP收购之后又大呼后悔的那个并购案例。不过，工程师在给我们做Autonomy培训时，说这东西可以识别特定的肢体动作，例如银行门口有拔枪动作的犯罪嫌疑人，着实让我们激动了好半天。

震动声纹这样的技术同样可以用在设备管理的故障侦测上，只要设备发出声响或者振动，人们就有可能寻找出不同声音或者振动的特征与设备故障之间的统计学关系，所以，关键还在设备故障振动模型的研究上。

上学学习地球物理勘探仪器时，老师就给我们讲过电气复杂度这个概念，30多年过去了，这些事始终不敢忘记，现在，电网设备的电气复杂度是高的空前了，随之带来的问题就是故障的随机性越来越大。

而电网设备的工况又是相当的复杂，就像中电联可靠性研究中心最近发表的文章所指出的10kV配网设备故障动因统计这样，影响设备可靠性的主要有外力因素（占比25.13%）、自然因素（占比30.6%）和设备因素（占比16.8%）三大动因，其中电气复杂度包含在设备问题中，而又与负荷大小和设备老化等问题密切相关，很多因素的相互叠加和交互影响，使得设备故障的预测和检测都会变得非常的困难。

面对这种极其复杂的挑战，很多人都会想到如何构建设备故障模型以及各种各样的实现方式，好几年前，我们一票人就讨论过如何用统计的方法，统计电网海量的、同一类设备的故障和检修案例来构建设备故障模型，这些设想还在头脑中没有来得及实施，AI的东风就吹了过来，如今我们看到，上地这家公司，已经基于AI的学习，大大加速了振动与故障模型的建立和优化周期，如果没有AI技术的辅助，像电网设备这样高复杂度的故障模型，估计还需要更长的时间才能找到。