[發明專利]一種基于人工智能算法的聲紋質量檢測方法

有效

• 申請號: 201911154683.5
• 申請日: 2019-11-22
• 公開（公告）號: CN111076960B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 胡東明
• 申請（專利權）人: 科士恩科技（上海）有限公司
• 主分類號: G01M99/00
• 分類號: G01M99/00;G01H17/00;G06K9/62;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能算法的聲紋質量檢測方法，其特征在于，基于PC機內的聲紋儲存模塊和標記模塊；所述基于人工智能算法的聲紋質量檢測方法包括如下步驟，第一步：先將空調已知故障的聲紋特征經標記模塊進行數據標注，同時配上與故障數據一比一對應的合格產品的聲紋數據，并將這些數據按照一定比例分為訓練集和測試集；第二步：基于人工智能深度學習技術，針對空調的聲紋特征設計適合的人工智能深度學習模型；第三步：用標注過的聲紋數據對模型進行訓練；第四步：用測試集對基于人工智能深度學習的人工智能平臺上跑出來的實證模型進行測試，判斷其是否正確；第五步：測試空調具體待檢測聲紋數據時，將待檢測聲紋輸入模型中，模型能給出待檢測聲紋的數據，從而檢測人員根據所得數據判斷檢測的空調聲紋數據是否合格；第六步：對實證模型進行持續優化，形成基于工業聲成像的故障、定位、品質評價的感知認知模型；聲紋儲存模塊內儲存有大量空調已知故障的聲紋特征數據以及和故障一比一對應合格空調產品的聲紋數據；第一步中，將空調已知故障的聲紋特征經標記模塊進行數據標注中，故障數據累積的愈多愈好；第一步中，訓練集和測試集同時兼具故障數據和合格數據；第三步中，聲紋數據是第一步中的訓練集；聲紋儲存模塊儲存的空調故障大類共分為風葉碰響、氣流聲、管路碰響、異響四大類；風葉碰響涉及貫流風葉碰底殼、軸流風葉碰外罩、貫流風葉碰蒸發器、貫流風葉軸承響、貫流風葉碰軸承端、軸流風葉碰導流圈、貫流風葉鋼軸脫出軸承、貫流風葉碰接水盤、貫流風葉碰蒸發器左支架、離心風葉碰蝸殼；氣流聲涉及蒸發器、毛細管組件、蒸發器配管、冷凝器、單向閥、管路折及扁；管路碰響涉及管路之間相碰、吸氣管碰壓縮機、毛細管碰側板異響、電磁閥碰管路異響、吸氣管碰中間隔板、吸氣管碰前側板、毛細管部件碰后側板、排氣管碰壓縮機、毛細管部件碰壓縮機、管路碰中間隔板、毛細管碰分氣管異響、冷凝器進液管碰側板、電機出線口碰蝸殼、排氣管碰中間隔板、毛細管之間碰；異響涉及導風、掃風葉片振動及拍打響，海綿松脫、外罩響、網罩振動、風葉毛刺、機內異物；所述基于人工智能算法的聲紋質量檢測方法用于空調故障聲紋檢測時，可分離目標聲源6個以上、故障聲定位精度±1cm、故障與品質判斷時間小于1s、故障檢出率≥99.99％、故障辨識準確率 ≥95％；在背景噪音強度70dB～90dB范圍情況下，故障檢出率100％，產品一致性合格率達到95％。