基于声学分析的工业设备健康评估与故障预测方法和系统与流程

本发明涉及工业设备在线监测，是基于声学分析的工业设备健康评估与故障预测方法和系统。

背景技术：

1、随着计算机和电子技术的迅速发展，促进了工业生产技术的现代化，生产装备不断向着大型化、高速化、连续化和自动化方向发展，使生产能力不断提高，同时对设备提出了新的要求，如性能要更好，功能要更强，精度要更高，设备状态监测与故障诊断系统在工业领域中扮演着越来越重要的角色。而工业园区的工业设备出现故障的原因却是复杂多样的，工业设备在日常的生产过程中，不仅仅由于所处的自然环境和机器运行老化会产生故障，还会因为工业园区中单个工业设备的目标产能的变化以及不同操作员的人为经验操作误差导致设备故障，例如在新能源汽车电池生产的工序中，使用辊压机对电池极片和集流体材料进行辊压加工的过程中，因为操作员的操作不当往往容易出现电极极片的断带，卡带的现象并因此大大缩短设备使用寿命，使得工业设备故障出现和操作人员受伤概率大幅提升。

2、在现有已公开的发明技术中，如公开号为cn115186904a的中国专利公开了一种工业设备故障预测方法、设备及介质，包括：获取目标工业设备的健康状态对应的时序数据集；将时序数据集输入训练完成的故障预测模型，输出时序数据集的故障预测值，其中，故障预测模型基于携带有故障预测值标签的训练样本训练得到；在故障预测值大于故障阈值时，判定目标工业设备故障，否则判定目标工业设备运行正常。

3、上述专利中需要使用带有故障预测值标签的训练样本进行训练，但是获取准确的故障标签可能会面临困难。在实际工业场景中，故障数据可能比较稀少，而且准确的故障发生时间点和类型也可能很难获取，数据实时性和可靠性差，存在背景技术中描述的技术问题。

技术实现思路

1、在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、本发明所要解决的技术问题是针对现有技术中，工业设备的故障监测常常需要停线检修造成工业园区生产损失巨大，且工业设备故障监测误差大，数据实时性差的问题。提出了基于声学分析的工业设备健康评估与故障预测方法和系统。

3、为了达到上述目的，本发明基于声学分析的工业设备健康评估与故障预测方法的技术方案包括如下步骤：

4、s1：通过麦克风阵列实时采集工业园区的生产车间中多个工业设备生产过程中的混合声学数据，并进行单个工业设备的回声特征定位；

5、s2：对实时采集的工业园区的生产车间中多个工业设备生产过程中的混合声学数据进行声学分离处理，并提取分离处理后的单个工业设备的生产声学数据，构成原始声学数据集；

6、s3：筛选分析原始声学数据集中单个工业设备的异响特征数据，并提取异响特征数据对应的工业园区产能信息进行工业设备异常判断；

7、s4：调取下一周的工业园区预计产能信息，预测工业设备的异响故障变化量；

8、s5：动态评估计算单个工业设备剩余使用寿命和每日的健康状态指数，并对工业设备进行连续的维修预警监测。

9、具体地，s1包括如下具体步骤：

10、s11：通过在工业园区的生产车间室内的房顶上均匀排列的组麦克风阵列实时采集工业园区的生产车间中个工业设备生产过程中的混合声学数据，并通过自适应滤波算法对混合声学数据进行去噪处理；

11、s12：对去噪处理后的个工业设备生产过程中的混合声学数据进行分帧加窗和声波增强处理，完成个工业设备生产过程中的混合声学数据的预处理步骤，其中，混合声学数据的声波增强处理策略如下：，式中，为第个麦克风阵列采集到的第个工业设备在生产过程中的混合声学数据经过声波增强处理完成后的混合声学数据，为第个麦克风阵列采集到的第个工业设备在生产过程中的混合声学数据，第个麦克风阵列采集到的第个工业设备在生产过程中的混合声学数据；为声波增强因子；

12、s13：通过计算梅尔倒谱系数从预处理完成后的混合声学数据中获取个工业设备生产过程中的混合声学数据中不同工业设备的声学信号特征；

13、s14：根据不同工业设备的声学信号特征进行单个工业设备的回声特征定位，确定不同工业设备在生产车间不同的摆放方位，获取组不同的单个工业设备生产过程中的混合声学数据。

14、具体地，s2中，对实时采集的工业园区的生产车间中单个工业设备生产过程中的混合声学数据进行声学分离处理包括：

15、s21：识别提取工业园区的生产车间中，单个工业设备在生产过程中，接触该工业设备的不同的个操作员的发声特征声纹，构成人声特征数据集，其中，为接触该工业设备的操作员的总个数；

16、s22：构建声学分析神经网络模型，包括输入层、卷积层、采样层、池化层、全连接层和输出层，其中，卷积层共有个，每个卷积层包括8个的卷积核；

17、s23：将人声特征数据集作为神经网络模型的目标训练集，通过声学分析神经网络模型对实时采集的工业园区的生产车间中单个工业设备生产过程中的混合声学数据进行k-means特征聚类；

18、s24：获取生产过程中个操作员的发声音频和单个工业设备的生产声学数据，并从工业园区管理后台调取个操作员对应的当日目标产量数据，构成操作员当日目标产量数据集；

19、s25：提取分离处理后的单个工业设备的生产声学数据，构成原始声学数据集。

20、具体地，s3中原始声学数据集中单个工业设备的异响特征数据的筛选分析包括：

21、s31：将单个工业设备当日的原始声学数据集每隔一个小时划分为24个原始声学数据片段，判断并提取每个原始声学数据片段中出现声学波动的次数，其中，当5分钟内出现，即为一次声学波动，为5分钟内原始声学数据中出现的声波最大值；为5分钟内原始声学数据中出现的声波最小值，为声学波动判断阈值；

22、s32：当单个原始声学数据片段中提取到的声学波动的次数时，执行步骤s33；

23、当单个原始声学数据片段中提取到的声学波动的次数时，执行步骤s34；

24、s33：调取操作员当日目标产量数据集中，该工业设备第个操作员的当日目标产量数据，计算该工业设备第个操作员的产能附加波动率，并与波动阈值进行对比，其中，；

25、当时，标记该原始声学数据片段为异响特征数据，记录该原始声学数据片段的监测时间点和对应的操作员信息；

26、当时，判断该原始声学数据片段正常，返回s32并筛选该工业设备的下一个原始声学数据片段；

27、s34：计算24个原始声学数据片段中每小时的声波均值，筛选并记录每个原始声学数据片段中声波值大于等于或小于等于的声学数据，其中，为声波变量；

28、当一个原始声学数据片段被记录连续三次大于等于或连续三次小于等于，标记该原始声学数据片段为异响特征数据，记录该原始声学数据片段的监测时间点；

29、s35：统计该工业设备在本周的生产过程中的原始声学数据片段被标记为异响特征数据的片段总数。

30、具体地，s33中，所述产能附加波动率的计算策略如下：

31、；

32、其中，为单个原始声学数据片段第次出现声学波动时的声波最大值；为单个原始声学数据片段第次出现声学波动时的声波最小值。

33、具体地，工业设备的异响故障变化量的预测如下：

34、；

35、其中，为第c周的工业设备的异响故障变化量；

36、为上一周中，该工业设备的原始声学数据片段被标记为异响特征数据的片段总数；

37、为第个操作员操作该工业设备时的设备使用影响系数；为上一周工业设备正常运行的工作日总数；

38、为上一周中工业设备正常运行的第个工作日，第个操作员的目标产量数据；

39、为下一周中工业设备正常运行的第个工作日，第个操作员的目标产量数据。

40、具体地，所述单个工业设备剩余使用寿命的动态评估计算策略如下：

41、；

42、其中，为该工业设备的出厂使用年限；为该工业设备已投入生产使用的使用年限；

43、所述每日的健康状态指数的动态评估计算策略如下：

44、。

45、另外，本发明基于声学分析的工业设备健康评估与故障预测系统包括如下模块：

46、设备定位模块、声学处理模块、异响筛选模块、预测模块、动态预警模块；

47、所述设备定位模块通过麦克风阵列实时采集工业园区的生产车间中多个工业设备生产过程中的混合声学数据，并进行单个工业设备的回声特征定位；

48、所述声学处理模块用于对实时采集的工业园区的生产车间中单个工业设备生产过程中的混合声学数据进行声学分离处理，并提取分离处理后的单个工业设备的生产声学数据，构成原始声学数据集；

49、所述异响筛选模块用于筛选分析原始声学数据集中单个工业设备的异响特征数据，并提取异响特征数据对应的工业园区产能信息进行工业设备异常判断；

50、所述预测模块用于调取下一周的工业园区预计产能信息，预测工业设备的异响故障变化量；

51、所述动态预警模块用于动态评估计算单个工业设备剩余使用寿命和每日的健康状态指数，并对工业设备进行连续的维修预警监测。

52、具体地，所述动态预警模块包括：剩余使用寿命计算单元、每日的健康状态指数更新单元、设备异响预警单元和维修建议可视化单元。

53、一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的基于声学分析的工业设备健康评估与故障预测方法。

54、一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项的基于声学分析的工业设备健康评估与故障预测方法。

55、与现有技术相比，本发明的技术效果如下：

56、1、本发明通过麦克风阵列实时采集工业园区的生产车间中多个工业设备生产过程中的声学数据，并通过利用声学数据的分析来实现对工业设备进行健康评估和故障预测，相比于现有技术的监测手段，声学分析是一种非侵入式的监测技术，无需直接接触被监测的设备，因此不会对设备本身造成影响，且适用于各种类型和形状的设备，提高了本发明的普适性；同时声学分析能够实时监测设备运行时产生的声音信号，及时捕捉到设备运行状态的变化和异常声音，可以获得更全面的设备运行状态信息，有效帮助园区管理人员快速识别设备故障，避免停线损失。

57、2、本发明考虑到不同操作员对工业设备的操作水平的不同，在同样的自然环境下，不同操作员操作工业设备生产过程中设备故障出现次数是不同的，在获取生产过程中操作员的发声音频和单个工业设备的生产声学数据时，同时从工业园区管理后台调取不同的操作员对应的当日目标产量数据，提升了工业设备故障出现率的预测的准确性。

58、3、本发明将工业设备故障出现的次数和设备健康指数的计算与具体的工业设备实时操作员以及工业设备目标产量融合评估，当工业设备在某一个操作员操作期间故障率显著增加时，维修建议可视化模块输出的维修建议不仅包括：对工业设备进行检修和维修外，还包括对设备故障时的操作员额外增加操作工序培训课程，通过培训和提高操作员的技能水平，减少不正确的操作和操作误差，从而降低故障率，保护设备健康，延长设备的使用寿命，并提高设备的可靠性和生产效率。