故障检测方法、装置、设备、存储介质及车辆与流程

本技术属于故障检测，尤其涉及一种故障检测方法、装置、设备、存储介质及车辆。

背景技术：

1、目前，生产线中设备越来越多，为避免设备出现问题导致无法工作，需要对生产线中的设备进行故障检测。

2、现有技术中，通常从电路监控中判断设备是否故障，然而该方案需要给电路中所有设备增加控制器，以判断哪个设备出现问题，增加了故障检测的成本。

技术实现思路

1、本技术实施例提供一种故障检测方法、装置、设备、存储介质及车辆，能够解决现有技术中故障检测时需要给电路中所有设备增加控制器，增加了故障检测的成本的问题。

2、第一方面，本技术实施例提供一种故障检测方法，该故障检测方法包括：

3、获取第一音频数据，所述第一音频数据为处于第一状态的多个设备同时工作时的音频数据，所述多个设备包括目标设备；

4、提取所述第一音频数据的第一音频特征；

5、对所述第一音频特征进行去噪，得到所述多个设备的第一声音特征；

6、计算所述目标设备的第二声音特征与所述第一声音特征的相似度，所述相似度表征所述目标设备的域偏移量，所述第二声音特征是对第二音频特征去噪得到的，所述第二音频特征从第二音频数据中提取得到，所述第二音频数据为处于第二状态的目标设备的音频数据；

7、当所述相似度与所述目标设备对应的预设域偏移量的差值超过预设阈值时，确定所述目标设备出现故障。

8、在一种实施方式中，所述获取第一音频数据，包括：

9、以预设时间间隔获取第一音频数据。

10、在一种实施方式中，所述提取所述第一音频数据的第一音频特征，包括：

11、按照目标帧长和目标帧移提取所述第一音频数据中的第一音频特征，得到第一帧数的第一音频特征。

12、在一种实施方式中，所述对所述第一音频特征进行去噪，得到所述多个设备的第一声音特征，包括：

13、通过预先训练好的分类模型中的第一网络，对所述第一音频特征进行卷积处理，得到去噪后的所述多个设备的第一声音特征。

14、在一种实施方式中，所述去噪后的第一声音特征为所述第一帧数、目标维度的声音特征；在所述通过预先训练好的分类模型中的第一网络，对所述第一音频特征进行卷积处理，得到去噪后的所述多个设备的第一声音特征之后，所述方法还包括：

15、通过预先训练好的分类模型中的第二网络，对所述去噪后的第一声音特征进行最大值池化处理，得到第二帧数且目标维度的第一声音特征；

16、通过预先训练好的分类模型中的第三网络，对第二帧数且目标维度的第一声音特征进行拼接，得到目标帧数且第一维度的第一声音特征；

17、通过线性变换将目标帧数且第一维度的第一声音特征转换为目标帧数且目标维度的第一声音特征；

18、其中，所述第二帧数小于所述第一帧数，所述目标帧数小于所述第二帧数，所述目标维度小于所述第一维度。

19、在一种实施方式中，在所述计算所述目标设备的第二声音特征与所述第一声音特征的相似度之前，所述方法还包括：

20、按照目标帧长和目标帧移提取所述第二音频数据中的第二音频特征，得到第一帧数的第二音频特征；

21、通过预先训练好的分类模型中的第一网络，对所述第二音频特征进行卷积处理，得到去噪后的第二声音特征，所述第二音频特征为目标维度的音频特征；

22、通过预先训练好的分类模型中的第二网络，对所述去噪后的第二声音特征进行最大值池化处理，得到第二帧数且目标维度的第二声音特征；

23、通过预先训练好的分类模型中的第三网络，对第二帧数且目标维度的第二声音特征进行拼接，得到目标帧数且第一维度的第二声音特征；

24、通过线性变换将目标帧数且第一维度的第二声音特征转换为目标帧数且目标维度的第二声音特征；

25、其中，所述第二帧数小于所述第一帧数，所述目标帧数小于所述第二帧数，所述目标维度小于所述第一维度。

26、在一种实施方式中，在所述当所述域偏移与所述目标设备对应的预设域偏移的差值超过预设阈值时，确定所述目标设备出现故障之前，所述方法还包括：

27、获取目标设备的第二声音特征和第三音频数据，所述第三音频数据为处于第二状态的多个设备同时工作时的音频数据，所述多个设备包括所述目标设备；提取所述第三音频数据的第三音频特征；

28、对所述第三音频特征进行去噪，得到所述多个设备的第三声音特征；

29、计算所述第二声音特征与所述第三声音特征的相似度，所述相似度表征所述目标设备的预设域偏移量。

30、第二方面，本技术实施例提供了一种故障检测装置，该故障检测装置包括：

31、获取模块，用于获取第一音频数据，所述第一音频数据为处于第一状态的多个设备同时工作时的音频数据，所述多个设备包括目标设备；

32、提取模块，用于提取所述第一音频数据的第一音频特征；

33、去噪模块，用于对所述第一音频特征进行去噪，得到所述多个设备的第一声音特征；

34、计算模块，用于计算所述目标设备的第二声音特征与所述第一声音特征的相似度，所述相似度表征所述目标设备的域偏移量，所述第二声音特征是对第二音频特征去噪得到的，所述第二音频特征从第二音频数据中提取得到，所述第二音频数据为处于第二状态的目标设备的音频数据；

35、确定模块，用于当所述相似度与所述目标设备对应的预设域偏移量的差值超过预设阈值时，确定所述目标设备出现故障。

36、在一种实施方式中，获取模块，还用于以预设时间间隔获取第一音频数据。

37、在一种实施方式中，提取模块，还用于按照目标帧长和目标帧移提取所述第一音频数据中的第一音频特征，得到第一帧数的第一音频特征。

38、在一种实施方式中，该故障检测装置还包括处理模块；

39、处理模块，用于通过预先训练好的分类模型中的第一网络，对所述第一音频特征进行卷积处理，得到去噪后的所述多个设备的第一声音特征。

40、在一种实施方式中，所述去噪后的第一声音特征为所述第一帧数、目标维度的声音特征；该故障检测装置还包括拼接模块和特征转换模块；

41、处理模块，还用于在所述通过预先训练好的分类模型中的第一网络，对所述第一音频特征进行卷积处理，得到去噪后的所述多个设备的第一声音特征之后，通过预先训练好的分类模型中的第二网络，对所述去噪后的第一声音特征进行最大值池化处理，得到第二帧数且目标维度的第一声音特征；

42、拼接模块，用于通过预先训练好的分类模型中的第三网络，对第二帧数且目标维度的第一声音特征进行拼接，得到目标帧数且第一维度的第一声音特征；

43、特征转换模块，用于通过线性变换将目标帧数且第一维度的第一声音特征转换为目标帧数且目标维度的第一声音特征；

44、其中，所述第二帧数小于所述第一帧数，所述目标帧数小于所述第二帧数，所述目标维度小于所述第一维度。

45、在一种实施方式中，所述方法还包括：

46、提取模块，还用于在所述计算所述目标设备的第二声音特征与所述第一声音特征的相似度之前，按照目标帧长和目标帧移提取所述第二音频数据中的第二音频特征，得到第一帧数的第二音频特征；

47、处理模块，还用于通过预先训练好的分类模型中的第一网络，对所述第二音频特征进行卷积处理，得到去噪后的第二声音特征，所述第二音频特征为目标维度的音频特征；

48、处理模块，还用于通过预先训练好的分类模型中的第二网络，对所述去噪后的第二声音特征进行最大值池化处理，得到第二帧数且目标维度的第二声音特征；

49、拼接模块，还用于通过预先训练好的分类模型中的第三网络，对第二帧数且目标维度的第二声音特征进行拼接，得到目标帧数且第一维度的第二声音特征；

50、特征转换模块，还用于通过线性变换将目标帧数且第一维度的第二声音特征转换为目标帧数且目标维度的第二声音特征；

51、其中，所述第二帧数小于所述第一帧数，所述目标帧数小于所述第二帧数，所述目标维度小于所述第一维度。

52、在一种实施方式中，获取模块，还用于在所述当所述域偏移与所述目标设备对应的预设域偏移的差值超过预设阈值时，确定所述目标设备出现故障之前，获取目标设备的第二声音特征和第三音频数据，所述第三音频数据为处于第二状态的多个设备同时工作时的音频数据，所述多个设备包括所述目标设备；提取所述第三音频数据的第三音频特征；

53、去噪模块，还用于对所述第三音频特征进行去噪，得到所述多个设备的第三声音特征；

54、计算模块，还用于计算所述第二声音特征与所述第三声音特征的相似度，所述相似度表征所述目标设备的预设域偏移量。第三方面，本技术实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；

55、处理器执行计算机程序指令时实现如第一方面的任一项实施例中所述的故障检测方法。

56、第四方面，本技术实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所述的故障检测方法。

57、第五方面，本技术实施例提供了一种车辆，包括至少以下一种：如第二方面的故障检测装置；如第三方面的电子设备；如第四方面的计算机存储介质。

58、本技术实施例的故障检测方法、装置、设备、存储介质及车辆，通过获取处于第一状态的多个设备同时工作时的第一音频数据，提取第一音频数据的第一音频特征，并对第一音频特征进行去噪，得到多个设备的第一声音特征。接着，计算目标设备的第二声音特征与第一声音特征的相似度，相似度表征目标设备的域偏移量，第二声音特征是对第二音频数据中提取到的第二音频特征去噪得到的，第二音频数据为处于第二状态的目标设备的音频数据。从而当相似度与目标设备对应的预设域偏移量的差值超过预设阈值时，确定目标设备出现故障。这样，无需给所有设备增加控制器，可以利用设备的域偏移实现对所有设备的监控，利用设备的声音特征判断正在运行的多个设备中是否有故障的设备，降低了成本。