32、基于声学的机器故障识别代码生成指南

基于声学的机器故障识别代码生成指南

1. 基于 Intel MKL - DNN 的代码生成

1.1 示例概述

此示例展示了如何使用长短期记忆（LSTM）网络和频谱描述符，为“基于声学的机器故障识别”生成代码。借助支持深度学习的 MATLAB® Coder™，生成能利用 Intel® MKL - DNN 库性能的 MEX（MATLAB 可执行文件）函数。输入数据为来自故障或正常空气压缩机的声学时间序列记录，输出则是 LSTM 网络预测的机械机器状态。

1.2 示例要求

• 深度学习支持包的 MATLAB Coder 接口
• 支持 Intel 高级矢量扩展 2（Intel AVX2）的 Intel 处理器
• Intel 深度神经网络库（MKL - DNN）
• Intel MKL - DNN 的环境变量

1.3 准备输入数据集

指定采样率 fs 为 16 kHz，窗口长度 windowLength 为 512 个样本，设置帧数 numFrames 为 100。

fs = 16000;
windowLength = 512;
numFrames = 100;

若要在测试信号上运行示例，可生成粉红噪声信号；若要在真实数据集上测试系统性能，则需下载空气压缩机数据集。