基于人工智能和设备运行声音的异常设备识别方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种基于人工智能和设备运行声音的异常设备识别方法及系统。

背景技术：

1、现有技术中，设备的运行状态主要依靠物理检查和人工观察来判断。这种方法不仅效率低下，而且准确性也受到限制。随着人工智能和声学分析技术的发展，机器学习算法被广泛应用于异常检测和预测中，包括设备运行状态的检测。然而，这些方法通常需要大量的计算资源和复杂的预处理步骤，以及对于声音特征提取和解析的高度专业知识。此外，传统的方法可能无法准确地从设备的运行声音中识别出异常，因为它们通常只关注单一的频域特征，忽视了其他可能揭示设备问题的重要信息。因此，有必要发展一种能够有效、准确地识别设备异常的新方法。

技术实现思路

1、本发明的目的在于提供一种基于人工智能和设备运行声音的异常设备识别方法及系统。

2、第一方面，本发明实施例提供一种基于人工智能和设备运行声音的异常设备识别方法，所述方法包括：

3、获取待定设备运行声音，将所述待定设备运行声音进行解析，得到每个音频帧，并抽取所述每个音频帧的特征，得到每个音频帧特征向量；

4、将所述每个音频帧特征向量分别进行解析，得到所述每个音频帧特征向量各自匹配的第一频域特征，形成第一频域特征集合，以及得到所述每个音频帧特征向量各自匹配的第二频域特征，形成第二频域特征集合；

5、根据所述第一频域特征集合中每个第一频域特征之间的皮尔逊相关系数构建所述第一频域特征集合对应的第一频谱，并根据所述每个音频帧的序列构建所述第二频域特征集合对应的第二频谱；

6、根据所述第一频谱中的第一频域特征和第一频域特征对应的邻域特征执行特征整合操作，得到所述第一频域特征集合中每个第一频域特征各自匹配的第一联合特征向量，并根据所述第二频谱中第二频域特征和第二频域特征对应的邻域特征执行特征整合操作，得到所述第二频域特征集合中每个第二频域特征各自匹配的第二联合特征向量；

7、根据同一个音频帧特征向量各自匹配的第一联合特征向量和第二联合特征向量执行合并操作，得到所述每个音频帧特征向量各自匹配的目标音频帧特征向量，并根据所述每个音频帧特征向量各自匹配的目标音频帧特征向量进行设备运行状态检测，得到所述待定设备运行声音对应的设备运行状态；

8、当所述设备运行状态表征设备异常时，将所述待定设备运行声音对应的目标设备标记为异常设备。

9、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。

10、相比现有技术，本发明提供的有益效果包括：采用本发明公开的基于人工智能和设备运行声音的异常设备识别方法及系统，通过获取待定设备运行声音，解析得到音频帧特征向量，进一步解析得到匹配的频域特征。用这些特征构建频谱，执行特征整合，得到联合特征向量。通过合并相应的联合特征向量，得到目标音频帧特征向量，据此进行设备运行状态检测。若设备状态异常，将其标记为异常设备。如此设计，可以自动、快速地识别设备的运行状态，无需人工频繁监控，大大提高了设备检测的效率，实现提前预防潜在故障，从而避免因设备损坏造成的高额维修或更换成本。

技术特征：

1.一种基于人工智能和设备运行声音的异常设备识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述抽取所述每个音频帧的特征，得到每个音频帧特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一频域特征集合中每个第一频域特征之间的皮尔逊相关系数构建所述第一频域特征集合对应的第一频谱，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一频谱中的第一频域特征和第一频域特征对应的邻域特征执行特征整合操作，得到所述第一频域特征集合中每个第一频域特征各自匹配的第一联合特征向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据同一个音频帧特征向量各自匹配的第一联合特征向量和第二联合特征向量执行合并操作，得到所述每个音频帧特征向量各自匹配的目标音频帧特征向量，并根据所述每个音频帧特征向量各自匹配的目标音频帧特征向量进行设备运行状态检测，得到所述待定设备运行声音对应的设备运行状态，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述每个音频帧特征向量各自匹配的强化音频帧特征向量进行设备运行状态检测，得到所述待定设备运行声音对应的目标设备运行状态，包括：

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

8.根据权利要求1所述的方法，其特征在于，所述根据所述每个音频帧特征向量各自匹配的目标音频帧特征向量进行设备运行状态检测，得到所述待定设备运行声音对应的设备运行状态，包括：

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任一项所述的方法。

技术总结本发明公开了基于人工智能和设备运行声音的异常设备识别方法及系统，包括：首先获取待定设备运行声音，解析得到音频帧特征向量，进一步解析得到匹配的频域特征。用这些特征构建频谱，执行特征整合，得到联合特征向量。通过合并相应的联合特征向量，得到目标音频帧特征向量，据此进行设备运行状态检测。若设备状态异常，将其标记为异常设备。如此设计，可以自动、快速地识别设备的运行状态，无需人工频繁监控，大大提高了设备检测的效率，实现提前预防潜在故障，从而避免因设备损坏造成的高额维修或更换成本。技术研发人员：黄毅伟,史超,邢子龙,樊燊,李少洋受保护的技术使用者：北京谛声科技有限责任公司技术研发日：技术公布日：2024/3/11