一种基于声音信号的设备故障检测方法及系统与流程
- 国知局
- 2024-06-21 10:40:35
本发明涉及故障检测,具体涉及一种基于声音信号的设备故障检测方法及系统。
背景技术:
1、目前,电力设备是一种非常重要的能量传输和转换装置,数量非常庞大,在我国预计有上千万台之多,而且每年都会有几百万台设备需要更新维护,设备安全可靠稳定运行是供电网络安全可靠稳定运行的根本,所以对设备的运行状态进行准确评估,有效地保持电力设备的运行稳定性并提高维护水平具有重要的意义。由于在电力设备工作时,机械振动会发出声音,且具有一定的规律性,所以提出了一种根据设备声纹判断其运行状态的方法。近几年随着我国国民经济的快速发展,对供配电网络的质量和数量都提出了更高的要求。传统设备故障方法为通过人工数据采样和在线参数采样相结合,由维护人员根据这些采样数据判断设备的运行状态。然而由于人工判断一般只结合当前时刻的采样数据,缺乏预见性,不能有效地预测故障,可能造成不可估量的损失。
技术实现思路
1、针对所述缺陷,本发明实施例公开了一种基于声音信号的设备故障检测方法及系统,其可以通过实时采集设备的声音信号,自动化对设备的工作运行进行检测。
2、本发明实施例第一方面公开了一种基于声音信号的设备故障检测方法,包括:
3、实时采集设备声音信息,将所述声音信息输入至预先建立的故障检测模型;
4、根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征:
5、当具备故障特征时,处理所述设备声音信息,获取设备声音信息的长度,过滤设备声音信息中的噪音信号;提取过滤后的设备声音信息中连续的声波特征,并按照预设的分段长度将所述声波特征划分为若干段声波特征段,并将每一段声音特征段与故障声音特征集进行比对,以获取设备声音信息所对应的至少一种故障类型。
6、作为一种可选的实施方式,在本发明实施例第一方面中, 还包括:
7、当不具备故障特征时,将所述设备声音信息输入至预警检测模型,以输出预警信息,所述预警信息包括预警行为和故障预警类型。
8、作为一种可选的实施方式,在本发明实施例第一方面中,所述按照预设的分段长度将所述声波特征划分为若干段声波特征段,包括:
9、基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度;
10、根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量,并获得最后一段声波特征段中所包含的声波特征长度;
11、当最后一段声波特征长度低于预设值时,将声波特征段划分成声波特征段最小数量+1段声波特征段,当最后一段声波特征段长度高于预设值时,将声波特征段划分成声波特征段最小数量段声波特征段。
12、作为一种可选的实施方式,在本发明实施例第一方面中,所述将每一段声音特征段与故障声音集进行比对,包括,
13、将每一段声波特征段与预存的比对基准进行比对,以判断当前的声波特征段是否存在故障特征;
14、当存在故障特征时,将该声波特征段与故障声音集进行匹配,获得故障类型。
15、作为一种可选的实施方式,在本发明实施例第一方面中,所述将该声波特征段与故障声音集进行匹配,获得故障类型,包括:
16、将声波特征段绘制成对应的时域波形图,将所述时域波形图与故障声音集信息匹配;
17、计算时域波形图与故障声音集中每一个子集的相似度,将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。
18、作为一种可选的实施方式,在本发明实施例第一方面中,建立故障检测模型的方式包括:
19、获取若干组历史故障声音信号,从所述历史故障声音信号中筛选出多组故障声音;
20、从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型,将另外二分之一的故障声音作为校正数据修正所述故障检测模型;
21、每隔预设时长检验故障检测模型的输出结果,当所述输出结果失误率大于阈值时,获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。
22、作为一种可选的实施方式,在本发明实施例第一方面中,从所述历史故障声音信号中筛选出多组故障声音,包括:
23、从每一组历史故障声音信号中提取多个信号特征;
24、判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在;
25、提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。
26、本发明实施例第二方面公开一种基于声音信号的设备故障检测系统,包括:
27、声音采集模块:用于实时采集设备声音信息,将所述声音信息输入至预先建立的故障检测模型;
28、故障检测模块:用于根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征:
29、类型确定模块:用于当具备故障特征时,处理所述设备声音信息,获取设备声音信息的长度,过滤设备声音信息中的噪音信号;提取过滤后的设备声音信息中连续的声波特征,并按照预设的分段长度将所述声波特征划分为若干段声波特征段,并将每一段声音特征段与故障声音特征集进行比对,以获取设备声音信息所对应的至少一种故障类型。
30、作为一种可选的实施方式,在本发明实施例第二方面中, 还包括:
31、当不具备故障特征时,将所述设备声音信息输入至预警检测模型,以输出预警信息,所述预警信息包括预警行为和故障预警类型。
32、作为一种可选的实施方式,在本发明实施例第二方面中,所述按照预设的分段长度将所述声波特征划分为若干段声波特征段,包括:
33、基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度;
34、根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量,并获得最后一段声波特征段中所包含的声波特征长度;
35、当最后一段声波特征长度低于预设值时,将声波特征段划分成声波特征段最小数量+1段声波特征段,当最后一段声波特征段长度高于预设值时,将声波特征段划分成声波特征段最小数量段声波特征段。
36、作为一种可选的实施方式,在本发明实施例第二方面中,所述将每一段声音特征段与故障声音集进行比对,包括,
37、将每一段声波特征段与预存的比对基准进行比对,以判断当前的声波特征段是否存在故障特征;
38、当存在故障特征时,将该声波特征段与故障声音集进行匹配,获得故障类型。
39、作为一种可选的实施方式,在本发明实施例第二方面中,所述将该声波特征段与故障声音集进行匹配,获得故障类型,包括:
40、将声波特征段绘制成对应的时域波形图,将所述时域波形图与故障声音集信息匹配;
41、计算时域波形图与故障声音集中每一个子集的相似度,将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。
42、作为一种可选的实施方式,在本发明实施例第二方面中,建立故障检测模型的方式包括:
43、获取若干组历史故障声音信号,从所述历史故障声音信号中筛选出多组故障声音;
44、从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型,将另外二分之一的故障声音作为校正数据修正所述故障检测模型;
45、每隔预设时长检验故障检测模型的输出结果,当所述输出结果失误率大于阈值时,获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。
46、作为一种可选的实施方式,在本发明实施例第二方面中,从所述历史故障声音信号中筛选出多组故障声音,包括:
47、从每一组历史故障声音信号中提取多个信号特征;
48、判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在;
49、提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。
50、本发明实施例第三方面公开一种电子设备,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行本发明实施例第一方面公开的基于声音信号的设备故障检测方法。
51、本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的基于声音信号的设备故障检测方法。
52、与现有技术相比,本发明实施例具有以下有益效果:
53、本发明实施例中通过实时监听设备的运行情况,通过监听设备运行时的声音信息进行故障判定,事先建立故障检测模型,将实时采集的设备声音信息输入至故障检测模型进行故障判定,对经过故障检测模型输出为故障的设备声音信息进行分段详细检测,进而获取设备当前的故障类型,进而可以有针对性的对不同故障的设备进行后续的维护。
本文地址:https://www.jishuxx.com/zhuanli/20240618/21117.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表