器械故障识别方法、装置、设备及存储介质与流程

本申请属于故障检测，涉及一种器械故障识别方法、装置、设备及存储介质。

背景技术：

1、农业器械是现代农业生产的重要装备。农业器械出现故障，会造成生产效率的损失，而且会影响农业生产的正常运行。在农业器械出现故障时，需要对其进行故障识别，从而确定维修策略。目前常采用传感器监测的方式对农业器械进行故障识别。但是传感器生成的数据量庞大，对大量的数据进行处理会导致农业器械的故障识别效率低的问题。

技术实现思路

1、第一方面，本申请实施例提供了一种器械故障识别方法，可以提高器械故障识别效率，该方法可以包括：

2、接收目标器械的声音数据；对声音数据进行特征提取，得到第一特征向量；确定预设数据库中的多个第二特征向量中每个第二特征向量与第一特征向量之间的相似度；第二特征向量是对故障器械的声音数据进行特征提取得到的；

3、根据多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量，确定目标器械的故障原因。

4、在上述实现过程中，在器械发生故障时，将收集到的声音数据转换为可以进行计算的第一特征向量，再计算第一特征向量与第二特征向量的相似度，以向量之间的相似度表征目标器械的故障原因和第二特征向量对应的故障原因的相似程度，再根据相似程度确定当前的故障原因。可以实现自动化的故障诊断，避免处理大量的传感数据，从而提高故障识别效率。

5、在一种可能的实现方式中，对声音数据进行特征提取，得到第一特征向量，可以包括：

6、将声音数据输入多模态大模型，获得多模态大模型输出的第一特征向量。

7、在上述实现过程中，通过多模态大模型将声音数据转换为声音特征向量，有助于更好地捕捉声音数据中的信息，可以减轻环境噪声、语音变体等因素对声音数据的影响，从而可以获得更准确的声音特征向量。

8、在一种可能的实现方式中，确定预设数据库中的多个第二特征向量中每个第二特征向量与第一特征向量之间的相似度，可以包括：

9、对于多个第二特征向量中任意的一个第二特征向量，根据一个第二特征向量与第一特征向量之间的曼哈顿距离确定一个第二特征向量与第一特征向量之间的相似度。

10、在上述实现过程中，通过计算曼哈顿距离表征两个特征向量的相似度，由于计算曼哈顿距离的计算量较小，计算速度较快，可以适用于在预设数据库中大规模地计算每个第二特征向量与第一特征向量的相似度，可以节省计算资源，提高器械故障原因的识别效率。

11、在一种可能的实现方式中，根据多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量，确定目标器械的故障原因，可以包括：

12、若目标特征向量与第一特征向量之间的相似度大于或等于相似度阈值，则根据目标特征向量确定目标器械的故障原因，目标特征向量为多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量。

13、在上述实现过程中，通过设置相似度阈值的方式过滤第二特征向量，可以保证目标特征向量与第一特征向量的相似度高于一定阈值，防止模型输出的目标特征向量并不能表征目标器械的故障原因的情况，继而防止由于输出的错误的故障原因而导致维修错误的情况。可以保证器械故障识别结果的可靠性。

14、在一种可能的实现方式中，根据多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量，确定目标器械的故障原因之后，还可以包括：

15、向客户端发送故障提醒消息，故障提醒消息携带故障原因。

16、在上述实现过程中，通过发送故障提醒消息，可以使现场人员及时了解到目标器械的故障情况，可以迅速采取相应的措施进行处理。通过在故障提醒消息中携带故障原因，可以让现场人员清楚地了解到目标器械的状况，可以帮助现场人员采取适当的维修措施。

17、在一种可能的实现方式中，向客户端发送故障提醒消息之后，还可以包括：

18、若接收到客户端发送的故障确认消息，则将第一特征向量作为第二特征向量添加至预设数据库。

19、在上述实现过程中，通过将新的第一特征向量纳入到预设数据库中以对预设数据库进行实时更新，可以不断充实和完善预设数据库，使其能够更好地适应器械运行中出现的各种故障情况，从而提高故障识别和预测的效果。

20、在一种可能的实现方式中，预设数据库为postgresql数据库。

21、第二方面，本申请实施例提供了一种器械故障识别装置，可以包括：

22、接收模块，用于接收目标器械的声音数据。

23、提取模块，用于对声音数据进行特征提取，得到第一特征向量。

24、第一确定模块，用于确定预设数据库中的多个第二特征向量中每个第二特征向量与第一特征向量之间的相似度，第二特征向量是对故障器械的声音数据进行特征提取得到的。

25、第二确定模块，用于根据多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量，确定目标器械的故障原因。

26、第三方面，本申请实施例提供了一种计算机设备，该计算机设备包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个方法实施例中的步骤。

27、第四方面，还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

28、本申请实施例与现有技术相比存在的有益效果是：在器械发生故障时，将收集到的声音数据转换为可以进行计算的第一特征向量，再计算第一特征向量与第二特征向量的相似度，以向量之间的相似度表征目标器械的故障原因和第二特征向量对应的故障原因的相似程度，再根据相似程度确定当前的故障原因。可以实现自动化的故障诊断，避免处理大量的传感数据，从而提高故障识别效率。

技术特征：

1.一种器械故障识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述声音数据进行特征提取，得到第一特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述确定预设数据库中的多个第二特征向量中每个第二特征向量与所述第一特征向量之间的相似度，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个第二特征向量中与所述第一特征向量之间的相似度最高的一个第二特征向量，确定所述目标器械的故障原因，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述多个第二特征向量中与所述第一特征向量之间的相似度最高的一个第二特征向量，确定所述目标器械的故障原因之后，还包括：

6.根据权利要求5所述的方法，其特征在于，所述向客户端发送故障提醒消息之后，还包括：

7.根据权利要求1至6任一所述的方法，其特征在于，所述预设数据库为postgresql数据库。

8.一种器械故障识别装置，其特征在于，包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一所述的方法。

技术总结本申请适用于故障检测技术领域，涉及一种器械故障识别方法、装置、设备及存储介质。该方法包括：接收目标器械的声音数据；对声音数据进行特征提取，得到第一特征向量；确定预设数据库中的多个第二特征向量中每个第二特征向量与第一特征向量之间的相似度；第二特征向量是对故障器械的声音数据进行特征提取得到的；根据多个第二特征向量中与第一特征向量之间的相似度最高的一个第二特征向量，确定目标器械的故障原因。可以实现自动化的故障诊断，避免处理大量的传感数据，从而提高故障识别效率。技术研发人员：蒙金毅,袁相宜,赵广受保护的技术使用者：深圳市天天学农网络科技有限公司技术研发日：技术公布日：2024/4/29