[發(fā)明專利]基于噪聲特征的停車設(shè)備機(jī)械故障預(yù)測(cè)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210281521.3
• 申請(qǐng)日: 2022-03-21
• 公開（公告）號(hào): CN114882907A
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 梁圣義;金彥;王志剛;魯鴻雁;毛雨晗;任立新;李傳磊;龔文;沈堅(jiān);劉鵬博
• 申請(qǐng)（專利權(quán)）人: 上海市特種設(shè)備監(jiān)督檢驗(yàn)技術(shù)研究院;上海禾通涌源停車設(shè)備有限公司
• 主分類號(hào): G10L25/51
• 分類號(hào): G10L25/51;G10L25/15;G10L25/24;G10L25/27;G10L25/87;G10L19/02
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 陳源源

本發(fā)明涉及一種基于噪聲特征的停車設(shè)備機(jī)械故障預(yù)測(cè)方法和系統(tǒng)，方法包括：采集停車設(shè)備的實(shí)時(shí)機(jī)械噪聲信號(hào)；對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)進(jìn)行壓縮感知處理，重構(gòu)得到無故障機(jī)械噪聲信號(hào)；對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)和無故障機(jī)械噪聲信號(hào)均進(jìn)行共振峰頻率特征參數(shù)和梅爾頻率倒譜系數(shù)的雙重特征提取；將實(shí)時(shí)共振峰頻率特征參數(shù)及實(shí)時(shí)梅爾頻率倒譜系數(shù)之和，與無故障共振峰頻率特征參數(shù)及無故障梅爾頻率倒譜系數(shù)之和做差；比較差值和設(shè)定閾值進(jìn)行故障預(yù)測(cè)。與現(xiàn)有技術(shù)相比，本發(fā)明采用壓縮感知處理法來減除實(shí)時(shí)機(jī)械噪聲信號(hào)的故障特征信息，通過比對(duì)減除故障特征信息的特征參數(shù)和原始信號(hào)的特征參數(shù)，得到機(jī)械故障的特征，實(shí)現(xiàn)對(duì)停車設(shè)備機(jī)械故障的自動(dòng)化預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及設(shè)備檢測(cè)領(lǐng)域，尤其是涉及一種基于噪聲特征的停車設(shè)備機(jī)械故障預(yù)測(cè)方法和系統(tǒng)。

背景技術(shù)

機(jī)械式停車設(shè)備與傳統(tǒng)的車庫形式相比，機(jī)械式停車設(shè)備在有限的空間，可以停放更多的汽車，提升土地資源利用率的同時(shí)，還能緩解城市規(guī)劃與環(huán)境發(fā)展之間的壓力，許多城市正在積極的應(yīng)用機(jī)械式立體車庫。十多年來國(guó)內(nèi)機(jī)械式停車設(shè)備制造技術(shù)迅速發(fā)展。機(jī)械式停車設(shè)備的大力推廣給人們帶來便利的同時(shí)。其發(fā)生的故障、事故同樣引起了社會(huì)的極大關(guān)注。雖然大多數(shù)故障和事故是由于人為操作和設(shè)備管理不善所導(dǎo)致。但是也有一部分故障和事故原因是產(chǎn)品本身設(shè)計(jì)和質(zhì)量問題。機(jī)械式停車設(shè)備機(jī)械故障的診斷和預(yù)測(cè)將有效減少機(jī)械故障的發(fā)生和降低機(jī)械故障造成的各種損失。目前，對(duì)于停車設(shè)備機(jī)械故障的預(yù)測(cè)可采用人工預(yù)測(cè)，對(duì)于一個(gè)有經(jīng)驗(yàn)的機(jī)械工程師，通常通過細(xì)聽設(shè)備的機(jī)械噪聲，可以大致確定故障的位置、故障的程度，但是人工預(yù)測(cè)的可靠性和準(zhǔn)確性都較低。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于噪聲特征的停車設(shè)備機(jī)械故障預(yù)測(cè)方法和系統(tǒng)。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種基于噪聲特征的停車設(shè)備機(jī)械故障預(yù)測(cè)方法，包括以下步驟：

S1、采集停車設(shè)備的實(shí)時(shí)機(jī)械噪聲信號(hào)；

S2、對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)進(jìn)行壓縮感知處理，重構(gòu)得到無故障機(jī)械噪聲信號(hào)；

S3、對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)進(jìn)行共振峰頻率特征參數(shù)和梅爾頻率倒譜系數(shù)的雙重特征提取，得到實(shí)時(shí)共振峰頻率特征參數(shù)和實(shí)時(shí)梅爾頻率倒譜系數(shù)；同時(shí)，對(duì)無故障機(jī)械噪聲信號(hào)進(jìn)行共振峰頻率特征參數(shù)和梅爾頻率倒譜系數(shù)的雙重特征提取，得到無故障共振峰頻率特征參數(shù)和無故障梅爾頻率倒譜系數(shù)；

S4、將實(shí)時(shí)共振峰頻率特征參數(shù)及實(shí)時(shí)梅爾頻率倒譜系數(shù)之和，與無故障共振峰頻率特征參數(shù)及無故障梅爾頻率倒譜系數(shù)之和相減得到差值；

S5、比較差值和設(shè)定閾值對(duì)故障進(jìn)行預(yù)測(cè)。

進(jìn)一步地，步驟S2中，壓縮感知處理包括以下步驟：

S21、對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)進(jìn)行分幀和端點(diǎn)檢測(cè)；

S22、對(duì)每一幀的實(shí)時(shí)機(jī)械噪聲信號(hào)進(jìn)行散余弦變換，得到DCT域稀疏系數(shù)和動(dòng)態(tài)閾值，選取設(shè)定數(shù)量的多個(gè)DCT域稀疏系數(shù)結(jié)合動(dòng)態(tài)閾值進(jìn)行散余弦逆變換，得到稀疏性預(yù)處理后的時(shí)域信號(hào)；

S24、將稀疏性預(yù)處理后的時(shí)域信號(hào)在部分隨機(jī)哈達(dá)瑪觀測(cè)矩陣Φ下進(jìn)行壓縮投影，得到觀測(cè)向量；

S25、用觀測(cè)向量在稀疏變換基矩陣Ψ下重構(gòu)信號(hào)幀，得到無故障機(jī)械噪聲信號(hào)。

進(jìn)一步地，步驟S21中，端點(diǎn)檢測(cè)采用雙門限端點(diǎn)檢測(cè)方法。

進(jìn)一步地，步驟S3中，共振峰頻率特征參數(shù)的特征提取包括以下步驟：

A1、對(duì)實(shí)時(shí)機(jī)械噪聲信號(hào)或無故障機(jī)械噪聲信號(hào)進(jìn)行分幀和加窗，然后進(jìn)行快速傅里葉變換得到噪聲信號(hào)的短時(shí)譜；

A2、對(duì)噪聲信號(hào)的短時(shí)譜取對(duì)數(shù)后進(jìn)行離散傅里葉逆變換，得到噪聲信號(hào)的倒譜；