[發明專利]設備故障診斷的方法、裝置及系統

有效

• 申請號: 201611059472.X
• 申請日: 2016-11-22
• 公開（公告）號: CN106596123B
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 徐麗麗
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G01M17/007
• 分類號: G01M17/007;G06K9/62
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 劉喆;劉鐵生

1.一種設備故障診斷的方法，所述方法應用于數據采集終端，其特征在于，所述方法包括：

采集待診斷設備的音頻信號，所述音頻信號為設備在運行過程中產生的聲音信號；

從待診斷設備的音頻信號中提取故障源信號，包括：對所述音頻信號進行去噪處理；將去噪后的音頻信號按照信號的頻率分割為不同頻段的音頻信號；根據主成分分析算法提取目標頻段的音頻信號，所述目標頻段的音頻信號為故障概率超過預設閾值的音頻信號，所述故障概率與音頻信號中數據點的波動程度成正比；根據獨立成分分析算法從所述目標頻段的音頻信號中提取故障源信號；

從所述故障源信號中提取能夠表征所述設備故障的預設故障特征；

獲取所述待診斷設備所在運行環境對應的當前環境特征，所述當前環境特征至少包括：天氣特征、所述待診斷設備運行速度以及待診斷設備的類型；

將預設故障特征、所述當前環境特征輸入到由模型訓練服務端生成的預設故障診斷模型中，確定故障類型，所述預設故障診斷模型是根據訓練樣本生成的，所述訓練樣本包含歷史收集的與所述待診斷設備同類的設備的預設故障特征、預設故障特征對應的故障類型以及對應的當前環境特征。

2.根據權利要求1所述的方法，其特征在于，所述從所述故障源信號中提取能夠表征所述設備故障的預設故障特征，包括：

從所述故障源信號中提取以下至少一種預設故障特征：

聲音響度方差值、聲音響度均值、聲音響度峰值、聲音頻段值。

3.根據權利要求1所述的方法，其特征在于，所述方法進一步包括：

在確定故障的類型之后，生成故障預警信號。

4.根據權利要求3所述的方法，其特征在于，所述待診斷設備為待診斷車輛，所述故障源信號包括：

發動機噪聲、空氣噪聲、車身結構噪聲、傳動系統噪聲以及輪胎噪聲中的至少一種。

5.一種設備故障診斷的裝置，所述裝置位于數據采集終端側，其特征在于，所述裝置包括：

采集單元，用于采集待診斷設備的音頻信號，所述音頻信號為設備在運行過程中產生的聲音信號；

第一提取單元，用于從待診斷設備的音頻信號中提取故障源信號；

所述第一提取單元包括：

去噪模塊，用于對所述音頻信號進行去噪處理；

分割模塊，用于將去噪后的音頻信號按照信號的頻率分割為不同頻段的音頻信號；

第一提取模塊，用于根據主成分分析算法提取目標頻段的音頻信號，所述目標頻段的音頻信號為故障概率超過預設閾值的音頻信號，所述故障概率與音頻信號中數據點的波動程度成正比；

第二提取模塊，用于根據獨立成分分析算法從所述目標頻段的音頻信號中提取故障源信號；

第二提取單元，用于從所述故障源信號中提取能夠表征所述設備故障的預設故障特征；

獲取單元，用于獲取所述待診斷設備所在運行環境對應的當前環境特征，所述當前環境特征至少包括：天氣特征、所述待診斷設備運行速度以及待診斷設備的類型；

確定單元，用于將預設故障特征、所述當前環境特征輸入到由模型訓練服務端生成的預設故障診斷模型中，確定故障類型，所述預設故障診斷模型是根據訓練樣本生成的，所述訓練樣本包含歷史收集的與所述待診斷設備同類的設備的預設故障特征、預設故障特征對應的故障類型以及對應的當前環境特征，所述環境特征至少包括：天氣特征、所述待診斷設備運行速度以及待診斷設備的類型。

6.根據權利要求5所述的裝置，其特征在于，所述第二提取單元用于：

從所述故障源信號中提取以下至少一種預設故障特征：

聲音響度方差值、聲音響度均值、聲音響度峰值、聲音頻段值。

7.根據權利要求5所述的裝置，其特征在于，所述裝置進一步包括：

生成單元，用于在確定故障的類型之后，生成故障預警信號。

8.根據權利要求7所述的裝置，其特征在于，所述待診斷設備為待診斷車輛，所述故障源信號包括：

發動機噪聲、空氣噪聲、車身結構噪聲、傳動系統噪聲以及輪胎噪聲中的至少一種。

9.一種設備故障診斷的系統，其特征在于，所述系統包括如權利要求5-8中任一項所述的設備故障診斷的裝置的數據采集終端以及模型訓練服務端：

所述模型訓練服務端，用于根據訓練樣本生成預設故障診斷模型，所述訓練樣本包含歷史收集的與待診斷設備同類的設備的預設故障特征以及對應故障的類型；

所述數據采集終端，用于采集待診斷設備的音頻信號；從待診斷設備的音頻信號中提取故障源信號；從所述故障源信號中提取能夠表征所述設備故障的預設故障特征；獲取所述待診斷設備所在運行環境對應的當前環境特征，所述當前環境特征至少包括：天氣特征、所述待診斷設備運行速度以及待診斷設備的類型；將預設故障特征、所述當前環境特征輸入到所述預設故障診斷模型中，確定故障的類型；

其中，所述從待診斷設備的音頻信號中提取故障源信號，包括：對所述音頻信號進行去噪處理；將去噪后的音頻信號按照信號的頻率分割為不同頻段的音頻信號；根據主成分分析算法提取目標頻段的音頻信號，所述目標頻段的音頻信號為故障概率超過預設閾值的音頻信號，所述故障概率與音頻信號中數據點的波動程度成正比；根據獨立成分分析算法從所述目標頻段的音頻信號中提取故障源信號。