对运行中的防爆电机进行监测能反应防爆电机的运行状态,有利于维护人员对防爆电机进行掌控,可以有效监测故障的发生。而声音作为一种重要的沟通方式,蕴含着丰富的信息,可以作为一种监测手段。而且基于音频识别的故障监测技术具有简单、智能的优点,甚至非专业人员也可以通过对这种故障监测方法的使用,达到发现或预测故障的目的,提前进行故障维修。目前越来越多的研究人员对音频识别技术展开了研究。本文对基于音频识别的防爆电机故障监测技术展开了研究。正是在此背景下,本文对基于音频识别的故障检测系统进行了研究,首先对音频信号进行了分析,通过对音频信号的预加重、分帧、加窗、端点检测技术展开研究,进行信号的预处理。在音频信号的特征参数方面,选取线性预测倒谱系数(LPCC)和Mel频率倒谱系数(MFCC)进行研究。在对音频信号的预处理和特征提取后,逐步分析出能表示音频信号本质的特征参数,之后基于隐马尔科夫模型(HMM)进行声学建模,研究了HMM中涉及到主要问题,分别研究了其解决方法。最后对几种常用的降噪技术进行了研究。本文在对双门限端点检测技术进行研究时发现,门限值的设定是依靠研究人员的经验或者通过反复的实验决定的,但是这种根据研究人员的经验和多次实验决定的门限值在遇到复杂的环境下,性能并不太好,当噪声变化不大时,正确率还比较高,但是当环境噪声变化较大时,这种设置固定的门限值方法就无法适应这种环境了。本文针对这个问题,对该方法进行了改进,使用自适应的门限值代替固定的门限值,对窗长的设置也进行了改动。在进行特征参数提取时,常用的MFCC参数只能描述音频信号的静态特征,然而人的听觉系统对声音的动态特征的敏感度更高。为了得到能够描述声音动态特性的参数,本文提出了一种改进的MFCC参数,通过对MFCC进行二次提取,对MFCC参数进行加权、差分等变换,得到表示声音动态特性的参数。本文通过对以上技术的研究与改进,研究出了基于音频识别的防爆电机故障监测系统,并取得了不错的识别性能。