[發明專利]一種機械音頻故障檢測方法及裝置

在審

• 申請號: 202011207952.2
• 申請日: 2020-11-03
• 公開（公告）號: CN112365901A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 劉軍;侯青;張健行;劉洋;孫思琪
• 申請（專利權）人: 武漢工程大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G06K9/62
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 尉保芳

本發明提供一種機械音頻故障檢測方法及裝置，方法包括：從預設電子機械機器中獲得多個原始機械音頻數據，并分別對多個原始機械音頻數據的降維處理得到多個機械音頻降維數據；分別對多個機械音頻降維數據的數據樣本切割得到多個機械音頻切割數據；分別對多個機械音頻切割數據的特征提取得到機械音頻數據特征集。本發明能夠篩除含缺失值的數據，且更為精準的獲取特征點，還可以分析出更多有用信息的數據以及對識別和檢測影響更大的信息，便于獲得識別和檢測準確率更高的檢測模型，同時，能有效地提高了對音頻數據檢測的可靠性和穩定性，進一步提高了音頻數據的檢測準確率，更好的解決了音頻故障的辨別與檢測，實現了從音頻方面的故障檢測。

技術領域

本發明主要涉及音頻識別技術領域，具體涉及一種機械音頻故障檢測方法及裝置。

背景技術

隨著計算機技術、網絡技術和通訊技術的不斷發展，圖像、視頻、音頻等多媒體數據己成為信息處理領域中重要的信息媒體形式，其中音頻信息占有很重要的地位。如何對海量音頻信息進行處理、組織分析和利用是信息處理領域中的一個重要課題，而音頻識別是其中的關鍵技術之一。

當今社會是一個數碼時代，為了能夠更為全面的獲取音頻的信息，為追求優良的音質很多人做出了不懈的努力。音頻是多媒體中的一種重要媒體，我們能夠聽見的音頻頻率范圍是60Hz到20kHz，其中語音大約分布在300Hz到4000Hz之內，而音樂和其它自然聲響是全范圍分布。聲音經過模擬設備記錄或再生，成為模擬音頻，它們經數字化成為數字音頻。數字化時的采樣率必須高于信號帶寬的二倍，才能正確恢復信號，樣本可用8位或16位比特表示。現今在音頻檢測方面諸多將關注點放在語音識別，面向不含語音的音頻的研究還不夠全面和成熟，沒有聲波這個特性特征，針對機械的音頻特征的檢測和識別仍值得研究，比如在機械音頻故障檢修，噪音檢測等方面。

發明內容

本發明所要解決的技術問題是針對現有技術的不足，提供一種機械音頻故障檢測方法及裝置。

本發明解決上述技術問題的技術方案如下：一種機械音頻故障檢測方法，包括如下步驟：

從預設電子機械機器中獲得多個原始機械音頻數據，并分別對多個所述原始機械音頻數據進行降維處理，得到多個機械音頻降維數據；

分別對多個所述機械音頻降維數據進行數據樣本切割，得到多個機械音頻切割數據；

分別對多個所述機械音頻切割數據進行特征提取，得到多個機械音頻數據特征點，并集合多個所述機械音頻數據特征點得到機械音頻數據特征集；

構建訓練模型，并根據所述機械音頻數據特征集對所述訓練模型進行訓練，得到音頻檢測模型；

根據所述機械音頻數據特征集對所述音頻檢測模型進行優化處理，得到音頻檢測優化模型；

根據所述音頻檢測優化模型對待檢測機械音頻數據進行檢測處理，得到機械音頻數據的檢測結果。

本發明解決上述技術問題的另一技術方案如下：一種機械音頻故障檢測裝置，包括：

降維處理模塊，用于從預設電子機械機器中獲得多個原始機械音頻數據，并分別對多個所述原始機械音頻數據進行降維處理，得到多個機械音頻降維數據；

數據樣本切割模塊，用于分別對多個所述機械音頻降維數據進行數據樣本切割，得到多個機械音頻切割數據；

特征提取模塊，用于分別對多個所述機械音頻切割數據進行特征提取，得到多個機械音頻數據特征點，并集合多個所述機械音頻數據特征點得到機械音頻數據特征集；

模型訓練模塊，用于構建訓練模型，并根據所述機械音頻數據特征集對所述訓練模型進行訓練，得到音頻檢測模型；

優化處理模塊，用于根據所述機械音頻數據特征集對所述音頻檢測模型進行優化處理，得到音頻檢測優化模型；