[發明專利]基于機器聲波識別智能故障分析方法及系統

在審

• 申請號: 202010719622.5
• 申請日: 2020-07-23
• 公開（公告）號: CN111933177A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 虞焰興
• 申請（專利權）人: 安徽聲訊信息技術有限公司
• 主分類號: G10L25/27
• 分類號: G10L25/27;G10L25/51;G06K9/62
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 李佼佼

1.基于機器聲波識別智能故障分析方法，其特征在于，包括如下步驟：

步驟一：在機器啟動且沒有外界雜音情況下，對于同一故障，采集海量機器故障聲波作為故障聲波樣本；

步驟二：對故障聲波樣本訓練獲取當前故障下的故障聲波模型；

步驟三：在機器啟動且有外界雜音情況下，采集當前故障下的海量機器故障混音作為故障混音樣本；

步驟四：通過故障混音樣本與故障聲波模型獲取當前故障的外界雜音模型；

步驟五：按照步驟一至步驟四訓練不同故障的外界雜音模型并形成故障聲波數據庫；

步驟六：采集當前機器混音并對比故障聲波數據庫中外界雜音模型獲取故障類型。

2.根據權利要求1所述的基于機器聲波識別智能故障分析方法，其特征在于，步驟一中：對于同一種故障，對多個機器分別單獨多次采集當前故障聲波作為當前故障的故障聲波樣本。

3.根據權利要求2所述的基于機器聲波識別智能故障分析方法，其特征在于，步驟二中機器故障聲波樣本訓練包括如下：

對當前采集的海量機器故障聲波的音頻做均值，然后重新形成故障聲波波形作為當前故障下的故障聲波模型。

4.根據權利要求1或3所述的基于機器聲波識別智能故障分析方法，其特征在于，步驟三中：對于同一種故障，對多個機器分別單獨多次采集當前故障下的海量機器故障混音作為故障混音樣本。

5.根據權利要求4所述的基于機器聲波識別智能故障分析方法，其特征在于，步驟四中：對每一機器故障混音與故障聲波模型做差去均值，形成當前故障的外界雜音模型。

6.根據權利要求5所述的基于機器聲波識別智能故障分析方法，其特征在于，步驟六中：通過將當前機器混音與對應故障類型的外界雜音模型做差后獲取待比對波形，判斷是否與對應故障類型的故障聲波模型相對應，若是，則判定為當前故障類型。

7.根據權利要求6所述的基于機器聲波識別智能故障分析方法，其特征在于，判斷是否與對應故障類型的故障聲波模型相對應具體包括如下：

判斷待比對波形與故障聲波模型相似度是否超過相似度閾值；若是，則判定為當前故障類型；其中，所述相似度閾值為經過多次試驗后，確定的對應故障類型最低相似值。

8.如權利要求1-7任意一所述的基于機器聲波識別智能故障分析系統，其特征在于，包括：聲波采集模塊、對比分析模塊以及存儲模塊；

所述聲波采集模塊，用于采集當前機器混音；

所述對比分析模塊，用于將當前機器混音對比故障聲波數據庫中外界雜音模型獲取故障類型；所述對比分析模塊，根據待比對波形與故障聲波模型相似度是否超過相似度閾值確定為當前故障類型；

所述故障聲波數據庫，內存儲不同故障類型的訓練完成的交談噪音類型以及故障聲波模型。

9.如權利要求8任意一所述的基于機器聲波識別智能故障分析系統，其特征在于，還包括模型訓練模塊；所述聲波采集模塊，用于采集海量機器故障聲波作為故障聲波樣本；所述模型訓練模塊，對當前采集的海量機器故障聲波的音頻做均值，形成故障聲波波形作為當前故障下的故障聲波模型；所述聲波采集模塊，用于采集當前故障下的海量機器故障混音作為故障混音樣本；所述模型訓練模塊，對每一機器故障混音與故障聲波模型做差去均值，形成當前故障的外界雜音模型。

10.如權利要求9任意一所述的基于機器聲波識別智能故障分析系統，其特征在于，所述模型訓練模塊，用于將當前機器混音與對應故障類型的外界雜音模型做差后獲取待比對波形，并根據判斷待比對波形與故障聲波模型相似度是否超過相似度閾值；若是，則判定為當前故障類型；所述模型訓練模塊，用于確定不同故障類型的相似度閾值。