BR112016007121B1 - Método para a análise de acústica de uma máquina, sistema para a análise de acústica de uma máquina e mídia legível por computador - Google Patents
Método para a análise de acústica de uma máquina, sistema para a análise de acústica de uma máquina e mídia legível por computador Download PDFInfo
- Publication number
- BR112016007121B1 BR112016007121B1 BR112016007121-2A BR112016007121A BR112016007121B1 BR 112016007121 B1 BR112016007121 B1 BR 112016007121B1 BR 112016007121 A BR112016007121 A BR 112016007121A BR 112016007121 B1 BR112016007121 B1 BR 112016007121B1
- Authority
- BR
- Brazil
- Prior art keywords
- machine
- acoustic
- acoustic signature
- characteristic
- signature
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000203 mixture Substances 0.000 claims abstract description 8
- 230000007547 defect Effects 0.000 claims description 25
- 238000000926 separation method Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 11
- 230000002950 deficient Effects 0.000 claims description 6
- 238000012880 independent component analysis Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 2
- 230000007257 malfunction Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 13
- 239000000463 material Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R29/00—Monitoring arrangements; Testing arrangements
- H04R29/004—Monitoring arrangements; Testing arrangements for microphones
- H04R29/005—Microphone arrays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2693—Rotor or turbine parts
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
- H04R2499/10—General applications
- H04R2499/13—Acoustic transducers and sound field adaptation in vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Otolaryngology (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
MÉTODO PARA A ANÁLISE DE ACÚSTICA DE UMA MÁQUINA, SISTEMA PARA A ANÁLISE DE ACÚSTICA DE UMA MÁQUINA E PRODUTO. A invenção refere-se a um método para a análise de acústica de uma máquina (m) que inclui a aquisição de pelo menos um sinal acústico suprido por pelo menos um microfone (7) posicionado na máquina, caracterizado pelo fato de que o mesmo compreende as seguintes etapas: - separação de pelo menos um sinal acústico em uma pluralidade de fontes de som, sendo que o dito sinal é modelado como uma mistura de componentes, sendo que cada um corresponde a uma fonte de som; - para pelo menos uma fonte de som separada, a determinação de uma assinatura acústica característica; e - comparação de pelo menos uma assinatura acústica característica com pelo menos uma assinatura acústica de referência registrada em uma base de dados de referência (5).
Description
[001] A invenção refere-se ao campo de monitoramento de uma máquina, por exemplo, um motor, tal como um motor de aeronave. Em particular, a invenção se refere a um método e a um sistema para a análise de acústica de uma máquina, a fim de detectar, na mesma, ou para prever, na mesma, anomalias.
[002] Uma máquina é um sistema mecânico submetido a tensões que pode levar ao desgaste de seus componentes. Busca-se, assim, de modo geral, monitorar tão eficientemente quanto possível o estado de uma máquina, para detectar ou para prever o aparecimento de defeitos.
[003] Se uma máquina, por exemplo, um motor de aeronave, tiver a desvantagem de gerar ruído, é, todavia, possível imaginar o uso da dita desvantagem para realizar um diagnóstico ou um prognóstico de defeitos de modo não invasivo.
[004] Assim, um sistema para monitorar um motor turbo jato de aeronave é conhecido a partir da publicação n° U.S. 2007/0255563 A1, de acordo com a qual os sinais acústicos que se originam do motor turbojato em operação são registrados, com uso de dois microfones posicionados debaixo da nacela do motor turbojato, e os sinais adquiridos são comparados com os sinais de referência com uso de um algoritmo de reconhecimento de voz. Desse modo, é possível identificar “palavras” representativas do estado do motor turbojato dentre os sinais adquiridos.
[005] Embora tal sistema tenha a vantagem de usar algoritmos de reconhecimento de voz testados, sua eficiência, todavia, permanece limitada. Visto que as fontes de ruído são efetivamente múltiplas em um motor turbojato, os sinais acústicos adquiridos para analisar são relativamente complexos, e as “palavras” representativas de um defeito podem variar consideravelmente em amplitude, fase e/ou frequência. Assim, não é fácil identificar tais “palavras” representativas, e existe, assim, um risco de não conseguir identificar que um sinal acústico adquirido é, certamente, representativo de um dado defeito, notavelmente quando uma “palavra” que se origina dos sinais acústicos adquiridos difere, de modo excessivamente considerável, de uma “palavra” dos sinais de referência.
[006] O objetivo da invenção é propor uma técnica que torna possível aprimorar o diagnóstico ou o prognóstico de defeitos de uma máquina a partir de uma análise do ruído gerado pela máquina. Propõe-se, para esse fim, um método para a análise de acústica de uma máquina que inclui a aquisição de pelo menos um sinal acústico suprido por pelo menos um microfone posicionado na máquina, caracterizado pelo fato de que compreende adicionalmente as seguintes etapas: - separação de pelo menos um sinal acústico em uma pluralidade de fontes de som, sendo que o dito sinal é modelado como uma mistura de componentes, sendo que cada um corresponde a uma fonte de som; - para pelo menos uma das fontes de som separadas, a determinação de uma assinatura acústica característica; - comparação de pelo menos uma assinatura acústica característica com pelo menos uma assinatura acústica de referência registrada em uma base de dados de referência.
[007] Determinados aspectos preferenciais, mas sem limitação, desse método são os seguintes: - cada uma dentre a(s) assinatura(s) acústica(s) de referência pode corresponder a uma característica de assinatura acústica de um defeito da máquina, e o método inclui uma identificação de um defeito da máquina, quando uma diferença entre uma assinatura acústica característica de uma fonte de som separada e a característica de assinatura acústica de referência do dito defeito estiver abaixo de um limiar; - o método pode incluir uma etapa para determinar pelo menos uma assinatura acústica de referência, sendo que a dita etapa compreende: - uma aquisição de pelo menos um sinal acústico de referência suprido por pelo menos um microfone posicionado em pelo menos uma máquina de referência; - uma separação de pelo menos um sinal acústico de referência em uma pluralidade de fontes de som de referência; - para pelo menos uma dentre as fontes de som de referência separadas, uma determinação de uma assinatura acústica característica; - um registro na base de dados de referência da assinatura acústica característica de pelo menos uma fonte de som de referência separada; - pelo menos uma máquina de referência pode ser uma máquina sem defeito; - pelo menos uma máquina de referência pode ser a mesma máquina considerada anteriormente ou uma máquina do mesmo tipo que tem o mesmo histórico de operação; - pelo menos uma máquina de referência pode incluir pelo menos duas máquinas.
[008] A matéria da invenção também é um sistema para a análise de acústica de uma máquina, que inclui meios para adquirir pelo menos um sinal acústico, suprido por pelo menos um microfone posicionado na máquina, e uma base de dados de referência, em que é registrada pelo menos uma assinatura acústica de referência, caracterizado pelo fato de que compreende adicionalmente um módulo para separar fontes, um módulo para determinar uma assinatura acústica e um módulo para comparar assinaturas acústicas configuradas para a implantação do método, de acordo com a invenção.
[009] E a matéria da invenção também é um produto de programa de computador que inclui instruções de código para a execução das etapas do método, de acordo com a invenção, quando o dito programa é executado em um computador.
[010] Outros aspectos, objetivos, vantagens e características da invenção se tornarão mais claros, na leitura da descrição detalhada a seguir, de formas de realização preferenciais da mesma, dadas a título de exemplo sem limitação, e feitas em referência às Figuras anexas em que: - a Figura 1 ilustra, de modo esquemático, um exemplo de meios de material implantados no sistema, ou um método para a análise de acústica de uma máquina, de acordo com uma primeira realização possível da invenção; - a Figura 2 ilustra, de modo esquemático, um exemplo de meios de material implantados no sistema ou a um método para a análise de acústica de uma máquina, de acordo com uma segunda realização possível da invenção; - a Figura 3 ilustra, de modo esquemático, um exemplo de meios de material implantados no sistema ou a um método para a análise de acústica de uma máquina, de acordo com uma terceira realização possível da invenção; e - a Figura 4 ilustra, de modo esquemático, um exemplo de meios de material implantados no sistema ou a um método para a análise de acústica de uma máquina, de acordo com uma quarta realização possível da invenção.
[011] A invenção propõe um método, um sistema e um produto de programa de computador que torna possível detectar ou prever defeitos de uma máquina, por meio de uma análise do ruído gerado pela máquina. De modo geral, a invenção rastreia assinaturas acústicas características com uso de um algoritmo de reconhecimento implantado, não nos registros do ruído gerado pela máquina, mas nos sinais que resultam de uma interrupção dos ditos registros nas fontes de som dos ditos registros.
[012] As Figuras 1 a 4 ilustram os exemplos de meios de material implantados em realizações possível diferentes do sistema e do método para a análise de acústica de uma máquina testada m, de acordo com realizações possíveis da invenção. Nessas Figuras, os elementos comuns portam as mesmas referências.
[013] A máquina testada m pode ser um motor de um veículo terrestre ou aéreo, por exemplo, um motor de aeronave, conforme esquematicamente ilustrado nas Figuras 1 a 4. A invenção não se limita, entretanto, a tal exemplo ilustrativo, mas se estende, de um modo geral, ao estudo de qualquer sistema mecânico que gere ruído.
[014] Pelo menos um microfone 7 é posicionado na máquina m, por exemplo, debaixo da nacela de um motor de aeronave. Preferencialmente, uma pluralidade de microfones, por exemplo, dez ou mais microfones, são usados, os quais tornam possível, notavelmente, espalhar os mesmos entre os diferentes componentes da máquina, por exemplo, entre o invólucro de ventilador, o invólucro principal e o cone de ejeção de gás de um motor de aeronave.
[015] O sistema compreende meios para adquirir 1 pelo menos um sinal acústico suprido por um microfone 7 posicionado na máquina testada m e em uma base de dados de referência 5, em que é registrada pelo menos um sinal de assinatura acústica de referência (rj).
[016] Essa aquisição torna possível formar uma matriz x de sinais acústicos composta tanto por linhas quanto por microfones, e em que a quantidade de colunas depende da quantidade de amostras consideradas para a análise. A iésima linha da matriz x corresponde, assim, às amostras diferentes de um sinal acústico registrado por um microfone, por uma determinada duração. A jésima coluna da matriz x corresponde à medição em um determinado momento de amostragem dos sinais dos microfones diferentes. Assim, o sinal acústico adquirido é obtido para significar, dentro do escopo da invenção, um conjunto de amostras ao longo de um período de tempo de uma determinada duração. A invenção é implantada ao longo de um período de tempo e pode, obviamente, ser repetida ao longo de outros períodos de tempo.
[017] O sistema, ademais, compreende uma cadeia de processamento constituída por um módulo para separar fontes 2, um módulo para determinar uma assinatura acústica 3 e um módulo para comparar assinaturas acústicas 4.
[018] O módulo para separar fontes 2 é, mais particularmente, configurado para implantar um algoritmo de separação de fonte, para separar (interromper) pelo menos um sinal acústico em uma pluralidade de fontes de som, sendo que o dito sinal é modelado como uma mistura de componentes, sendo que cada um corresponde a uma fonte de som. Esse algoritmo avalia fontes de som a partir de sinais acústicos medidos (também observações designadas no contexto de separação de fonte).
[019] O(s) sinal(s) acústico(s) adquirido(s) é(são) relativamente complexo(s), na medida em que as fontes de ruído são numerosas. Pode-se, assim, considerar que o(s) sinal(s) acústico(s) coleta(m) misturas diferentes de fontes. A invenção propõe interromper a(s) mistura(s) adquirida(s) pelo(s) microfone(s) 7 para produzir sinais virtuais que tornam possível isolar as fontes de som originais.
[020] O módulo para separar fontes 2 pode ser, para esse propósito, configurado de modo a realizar uma separação cega de fontes, a qual é baseada em uma modelagem do(s) sinal(is) adquirido(s) na forma de uma mistura linear de componentes, sendo que cada uma corresponde a uma fonte de som.
[021] A separação cega de fontes torna possível extrair fontes independentes de sinais medidos. Em outras palavras, essa separação torna possível avaliar uma matriz de fontes s e uma matriz de separação a, de modo que s=a*x, em que x corresponde à matriz de sinais acústicos adquirida. Consequentemente x=a-1*s, em que a matriz inversa da matriz de separação a (matriz de mistura a-1) ilustra a contribuição de cada uma das fontes para a formação de cada um dos sinais acústicos, ou seja, o peso de cada um dos componentes do sinal acústico que corresponde a uma fonte.
[022] Em uma realização, considera-se que a matriz s tem as mesmas dimensões da matriz x, sendo que a quantidade de fontes é, assim, igual à quantidade de canais de medição.
[023] Em uma realização, a separação cega de fontes é uma separação do tipo de ica (análise de componente independente), por exemplo, de acordo com o algoritmo jade (algoritmo aproximado de diagonalização de automatrizes). Em outra realização, a separação cega de fontes é uma separação do tipo sca (análise de componentes esparsos).
[024] Em uma realização variante, o sistema inclui um banco de filtro de Gabor, disposto a montante do módulo, para separar as fontes 2, e configurado para aplicar uma transformada de Gabor discreta aos sinais medidos, antes de aplicar a separação cega de fonte ao mesmo. Os filtros de Gabor correspondem às frequências puras moduladas por um gaussiano. Os mesmos são muito adequados ao reconhecimento de texturas nas imagens e podem ser, assim, facilmente explorados em representações de tempo- frequência dos sinais medidos.
[025] A transformada de Gabor discreta tem a vantagem de ser reversível e, assim, viabilizar, não apenas a análise do sinal, mas também a construção de um banco de filtro (reconstrução de sinais de tempo, após a filtragem). A aplicação desse banco de filtro torna possível compensar a quantidade baixa de sensores e leva à simulação de várias fontes que correspondem às texturas diferentes do periodograma. A separação de fonte é, então, aplicada às saídas do banco de filtro, em vez de aos sinais de fonte.
[026] O módulo para separar as fontes 2 também pode ser configurado para realizar uma interrupção não cega. Por exemplo, quando a quantidade de eixos giratórios independentes do motor é conhecida, é possível usar a metodologia de busca de ordem para separar os itens de informações que se originam de cada um dos eixos e do ruído, independente das velocidades de rotação.
[027] Uma separação não cega de fonte usa a configuração física do motor. De modo geral, as velocidades de rotação dos eixos e a quantidade de lâminas de engrenagem, bem como a definição de rolamentos antiatrito (diâmetro e quantidades de esferas ou rolos) significam que é possível saber, posteriormente, as frequências que correspondem ao corpo de alta pressão e à parte de baixa pressão. Assim, é possível filtrar as frequências correspondentes, bem como as várias modulações. Um sinal que depende unicamente de cada eixo pode, assim, ser isolado. O mesmo é verdadeiro em relação aos sinais para as modulações, a priori, de cada rolamento (em amplitude) ou engrenagem (em frequência), modulação que aparece no caso de defeitos carregados por um desequilíbrio. O sinal residual, após a extração dos sinais isolados, pode, então, ser processado separadamente. Esse sinal residual contém notavelmente ressonâncias de invólucros e ruídos que se originam da propagação de fluidos (silvos) e da câmara de combustão. Algumas dessas ressonâncias também podem ser filtradas, quando os modos fundamentais dos componentes do motor são conhecidos.
[028] Ao final da etapa de separação de fontes, realizada pelo módulo 2, a matriz de fontesestá, assim, disponível, agrupando se, em cada linha, as amostras de uma fonte de som separada si. Comprova- se que a recorrência a essas fontes “virtuais” para realizar um reconhecimento de assinaturas acústicas de referência, conforme descrito a seguir é vantajosa, no sentido de e que, diferente dos sinais acústicos adquiridos, essas fontes são independentes, ou praticamente independentes. O reconhecimento de assinaturas acústicas de referência é, então, mais rápido e mais confiável.
[029] O módulo para determinar uma assinatura acústica 3 é, por sua vez, mais particularmente configurado para determinar pelo menos um sinal(si) de assinatura acústica característico de pelo menos uma fonte de som separada si. Preferencialmente um sinal(si) de assinatura acústica característica de cada uma das fontes separadas de som si é determinado. Em uma realização possível, uma ou mais dentre as ditas fontes separadas de som si são consideradas como sendo ruído não atribuível a um componente específico da máquina m, e não são, então, o ponto em questão da determinação e comparação de assinaturas acústicas.
[030] A assinatura característica é obtida para significar uma impressão digital única da fonte, na forma, por exemplo, de um vetor que compreende um ou mais indicadores extraídos de uma análise, por exemplo, uma análise de frequência que implanta uma transformada de Fourier, de uma fonte de som separada.
[031] O módulo para comparar assinaturas acústicas 4 é, por si, configurado para comparar o(s) sinal(si) de assinatura(s) acústica(s) característica(s), gerado pelo módulo, a fim de determinar uma assinatura acústica 3, com o(s) sinal(rj) de assinatura(s) acústica(s) de referência registrado na base de dados de referência 5.
[032] Esses módulos 3 e 4 são, assim, configurados para implantar um reconhecimento de assinaturas de referência, em sinais acústicos (aqui, os sinais das fontes separadas), por exemplo, um método de reconhecimento de trecho musical ou de voz. Como um exemplo ilustrativo, os módulos 3 e 4 implantam o método descrito no artigo de Wang, Avery Li-chun, intitulado “An industrial-strength audio search algorithm”, Shazam Entertainment, 2003. O módulo para determinar uma assinatura acústica 3 é, então, configurado para plotar um espectrograma de pelo menos uma fonte separada, a fim de identificar os picos de intensidade, formando-se um limiar do espectrograma, e a fim de calcular as distâncias entre os picos de intensidade.
[033] Os módulos 3 e 4 também podem implantar um método de projeção esparso, de acordo com o qual uma transformação espectral (espectrograma) de uma fonte separada é projetada em um espaço de dimensão reduzida, dotado de uma métrica. A projeção pode ser realizada de acordo com um modelo de projeção de aprendizagem, que realiza, por exemplo, uma regressão linear, de acordo com uma pca (análise de componente principal) ou uma nmf (fatoração de matrizes não negativas), ou, ao contrário, de acordo com um modelo de projeção matemático, baseado, por exemplo, em filtros curvelet.
[034] O resultado do reconhecimento de assinaturas de referência pode ser suprido a um módulo de interface homem-máquina 6 notavelmente configurado para tornar possível notificar um operador quando um defeito da máquina testada m for identificado ou previsto.
[035] Em uma primeira realização ilustrada na Figura 1, realizar um reconhecimento de assinaturas de defeitos, sendo que cada sinal(rj) de assinatura(s) acústica(s) de referência corresponde a uma característica de assinatura acústica de um defeito da máquina. O módulo para comparar assinaturas 4 é, então, configurado para rastrear uma assinatura de defeito dentre a(s) assinatura(s) das fontes separadas. Em outras palavras, o módulo 4 é, então, configurado para realizar a identificação de um defeito j da máquina, quando uma diferença entre uma assinatura acústica característica de um sinal(rj) de fonte de som separada e a característica de assinatura acústica de referência do dito sinal(rj) de defeito estiver abaixo de um limiar.
[036] Em uma realização possível, quando o defeito identificado j é confirmado, por exemplo, por meio de uma inspeção de manutenção, a base de dados de referência 5 pode ser enriquecida, registrando-se, na mesma, a assinatura acústica característica de um sinal(rj) de fonte de som separada, próxima à característica de assinatura acústica de referência do dito sinal(rj) de defeito. De outro modo, o limiar de identificação de defeito pode ser modificado para evitar qualquer alarme falso. Além disso, quando um defeito ocorre, identificado em operação ou durante uma manutenção, por exemplo, mas não identificado pela comparação de assinaturas acústicas, o sinal acústico do dito defeito pode ser, então, adquirido e usado para registrar uma assinatura acústica de referência do dito defeito na base de dados de referência.
[037] Nas outras realizações ilustradas pelas Figuras 2 a 4, uma etapa para determinar pelo menos uma assinatura acústica de referência é realizada para concluir a base de dados de referência 5. Essa etapa inclui as operações a seguir: - aquisição de pelo menos um sinal acústico de referência suprido por um microfone posicionado em uma máquina de referência ms, mt, ms, ms2, md1, md2, sendo que o(s) microfone(s) é(são) preferencialmente posicionado(s) nos mesmos lugares do(s) microfone(s) 7 posicionado(s) na máquina testada m; - separação de pelo menos um sinal acústico de referência em uma pluralidade de fontes de som de referência rj, com uso de um módulo para separar as fontes 20 similares ao módulo 2 previamente descrito; - para pelo menos uma dentre as fontes de som de referência separadas rj, preferencialmente para cada uma dentre as fontes de som de referência atribuíveis a um componente específico da máquina de referência, a determinação de um sinal(rj) de assinatura acústica característica, com uso de um módulo para determinar uma assinatura acústica 30 similar ao módulo 3 previamente descrito; - registro, na base de dados de referência 5 do sinal(rj) de assinatura acústica característica, de pelo menos uma fonte de som de referência separada rj.
[038] Em uma segunda realização ilustrada pela Figura 2, de acordo com a qual busca-se identificar um não reconhecimento de assinaturas de som, uma máquina de referência na forma de uma máquina sem defeito ms é considerada. Desse modo, uma ou mais características de assinaturas de fontes de som de referência que caracterizam uma operação de som da máquina são registradas na base de dados de referência 5.
[039] O módulo para comparar assinaturas 4 é, então, configurado para verificar se, para a máquina testada m, todas as características de assinaturas de fontes de som de referência são encontradas na(s) assinatura(s) característica(s) das fontes separadas: se uma assinatura de referência que caracteriza uma operação de som não for encontrada, um defeito é identificado. Em outras palavras, o módulo 4 é configurado para realizar a identificação de uma operação defeituosa da máquina testada m, quando uma diferença entre uma assinatura acústica característica de um sinal(rj) de fonte separada e um sinal(rj) de assinatura acústica registrado na base de dados de referência estiver acima de um limiar.
[040] Em uma terceira realização ilustrada pela Figura 3, de acordo com a qual uma evolução das assinaturas é caracterizada, a máquina de referência é a mesma máquina mt da máquina testada m, considerada previamente, a tempo de realizar a etapa para determinar as assinaturas acústicas de referência, ao sair da fábrica, por exemplo, enquanto se sabe que a máquina mt não está defeituosa, ou durante a operação da máquina, por exemplo, ao final de uma determinada quantidade de voos.
[041] O módulo para comparar assinaturas 4 é, então, configurado para calcular uma diferença geral entre a(s) assinatura(s) das fontes da máquina testadas m com a(s) assinatura(s) das fontes da máquina de referência mt. Essa diferença torna possível caracterizar uma degradação potencial do motor a partir da realização da etapa anterior de determinação de assinaturas acústicas de referência. Em outras palavras, o módulo 4 é, aqui, configurado para realizar a identificação de uma operação defeituosa da máquina, quando uma diferença entre um vetor de impressão digital da máquina composto da(s) assinatura(s) acústica(s) característica(s) do sinal(si) de fontes separadas e um vetor de impressão digital composto pela(s) assinatura(s) acústica(s) registrada(s) na base do sinal(rj) de dados de referência estiver acima de um limiar.
[042] Em uma variante dessa terceira realização, a máquina de referência mt é uma máquina do mesmo tipo que a máquina testada m que tem o mesmo histórico de operação. A máquina de referência mt e a máquina testada m são, por exemplo, os motores de uma mesma aeronave.
[043] Em uma quarta realização ilustrada pela Figura 4, um recurso é feito para várias máquinas de referência, sendo que o objetivo é identificar qual dentre as máquinas de referência está mais próxima à máquina testada.
[044] As máquinas de referência podem incluir uma ou mais máquinas sem defeito ms1, ms2, bem como uma ou mais máquinas defeituosas md1, md2, que podem ser agrupadas juntas em classes, de acordo com o tipo de anomalia (por exemplo, uma classe de motores de turbina defeituosos e outra classe de motores de compressor defeituosos). As classes podem ser definidas por especialistas na análise do ruído gerado pela máquina (análise com base em sua especialidade de trabalho ou, ao contrário, em uma análise de um conjunto de espectrogramas já determinados para máquinas comparáveis, disponível em uma base de dados de referência, uma análise com base em uma identificação pelo especialista de zonas idênticas nos espectrogramas). As classes também podem ser definidas com uso de ferramentas de classificação automática, que implantam, por exemplo, uma classificação hierárquica, um modelo de mistura gaussiano (por exemplo, por meio do algoritmo de maximização da expectativa), ou, ao contrário, um mapa de auto-organização, etc.
[045] O módulo para comparar assinaturas 4 é, aqui, configurado para calcular, para cada máquina de referência ou para cada classe de máquinas de referência, a diferença entre um vetor de impressão digital da máquina testada composta pela(s) assinatura(s) acústica(s) característica(s) das fontes separadas e um vetor de impressão digital composto pela(s) assinatura(s) acústica(s) registrada(s) na base de dados de referência que corresponde à máquina de referência ou à classe de máquinas de referência. A diferença menor indica a máquina de referência, ou a classe de máquinas de referência, quanto mais próxima à máquina testada. Se a máquina de referência for uma máquina defeituosa, ou se a classe de máquinas de referência for uma classe representativa de uma anomalia, um alerta de operação defeituosa pode ser emitido pelo módulo de interface homem- máquina 6. Em uma realização possível, quando a diferença entre o vetor de impressão digital da máquina testada e cada um dentre os vetores de impressão digital de referência estiver acima de um limiar, considera-se que a máquina testada é defeituosa, e uma nova classe é criada com a máquina testada.
[046] Nas realizações das Figuras 2 a 4, quando um defeito da máquina testada for identificado, mas aquele dito defeito não for confirmado, por exemplo, por meio de uma inspeção de manutenção, o limiar de identificação de defeito pode ser modificado para evitar qualquer alarme falso.
[047] A invenção não se limita ao sistema e ao método, conforme previamente descrito, mas também se estende a um produto de programa de computador que inclui instruções de código para a execução das etapas do método, de acordo com a invenção, quando o dito programa for executado em um computador.
Claims (10)
1. MÉTODO PARA A ANÁLISE DE ACÚSTICA DE UMA MÁQUINA (M), que inclui a aquisição de pelo menos um sinal acústico suprido por pelo menos um microfone (7) posicionado na máquina, caracterizado por compreender adicionalmente as seguintes etapas: - separação do pelo menos um sinal acústico em uma pluralidade de sinais virtuais, cada um sendo representativo de uma fonte de som, sendo que o pelo menos um sinal acústico é modelado como uma mistura de componentes, sendo que cada um corresponde a uma das fontes de som; - determinação de uma assinatura acústica característica de cada uma das fontes de som; e - comparação das assinaturas acústicas características com pelo menos uma assinatura acústica de referência registrada em uma base de dados de referência (5).
2. MÉTODO, de acordo com a reivindicação 1, caracterizado por cada uma dentre a(s) assinatura(s) acústica(s) de referência corresponder a uma característica de assinatura acústica de um defeito da máquina, o método incluindo uma identificação de um defeito da máquina, quando uma diferença entre uma assinatura acústica característica de uma das fontes de som e a característica de assinatura acústica de referência do defeito estiver abaixo de um limiar.
3. MÉTODO, de acordo com a reivindicação 1, caracterizado por incluir uma etapa para determinar pelo menos uma assinatura acústica de referência, a etapa compreendendo: - uma aquisição de pelo menos um sinal acústico de referência suprido por pelo menos um microfone posicionado em pelo menos uma máquina de referência; - uma separação de pelo menos um sinal acústico de referência em uma pluralidade de fontes de som de referência; - para pelo menos uma dentre as fontes de som de referência separadas, uma determinação de uma assinatura acústica característica; e - um registro na base de dados de referência da assinatura acústica característica de pelo menos uma fonte de som de referência separada.
4. MÉTODO, de acordo com a reivindicação 3, caracterizado por pelo menos uma máquina de referência ser uma máquina sem defeito, que inclui uma identificação de uma operação defeituosa da máquina, quando uma diferença entre uma assinatura acústica característica de uma fonte separada e uma assinatura acústica registrada na base de dados de referência estiver acima de um limiar.
5. MÉTODO, de acordo com a reivindicação 3, caracterizado por pelo menos uma máquina de referência ser a mesma máquina considerada anteriormente ou uma máquina do mesmo tipo, que tem o mesmo histórico de operação, o método incluindo uma identificação de uma operação defeituosa da máquina, quando uma diferença entre um vetor de impressão digital da máquina, composto por pelo menos uma assinatura acústica característica de uma das fontes de som, e um vetor de impressão digital, composto por pelo menos uma assinatura acústica registrada na base de dados de referência, estiver acima de um limiar.
6. MÉTODO, de acordo com a reivindicação 4, caracterizado por pelo menos uma máquina de referência incluir pelo menos duas máquinas, o método incluindo um cálculo de diferenças entre um vetor de impressão digital da máquina, composto por pelo menos uma assinatura acústica característica de pelo menos uma fonte separada, e vetores de impressão digital, cada um constituído por pelo menos uma assinatura acústica registrada na base de dados de referência, que corresponde a uma dentre as máquinas de referência.
7. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pela determinação de uma assinatura acústica característica de uma das fontes de som incluir uma plotagem de um espectrograma da fonte de som, uma identificação de picos de intensidade, formando-se um limiar do espectrograma, um cálculo de distâncias entre os picos de intensidade.
8. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pela separação da pluralidade de fontes de som ser realizada por meios de processamento de computador configurado para implantar uma análise de componente independente.
9. SISTEMA PARA A ANÁLISE DE ACÚSTICA DE UMA MÁQUINA (M), que inclui meios para adquirir (1) pelo menos um sinal acústico suprido por pelo menos um microfone (7) posicionado na máquina e uma base de dados de referência (5), em que é registrada pelo menos uma assinatura acústica de referência, sendo que o sistema é caracterizado por compreender adicionalmente: - um módulo para separar as fontes (2), configurado para separar o pelo menos um sinal acústico em uma pluralidade de sinais virtuais, cada um sendo representativo de uma fonte de som, sendo que o pelo menos um sinal acústico é modelado como uma mistura de componentes, sendo que cada um corresponde a uma das fontes de som; - um módulo para determinar uma assinatura acústica (3) configurado para determinar uma assinatura acústica característica de cada uma das fontes de som; e - um módulo para comparar assinaturas acústicas (4) configurado para comparar as assinaturas acústicas características, com pelo menos uma assinatura acústica de referência registrada na base de dados de referência.
10. MÍDIA LEGÍVEL POR COMPUTADOR que armazena instruções executáveis por computador, caracterizada por executar o método, conforme definido em qualquer uma das reivindicações 1 a 8, quando executada em um computador.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1359897 | 2013-10-11 | ||
FR1359897A FR3011936B1 (fr) | 2013-10-11 | 2013-10-11 | Procede, systeme et programme d'ordinateur d'analyse acoustique d'une machine |
PCT/FR2014/052556 WO2015052438A1 (fr) | 2013-10-11 | 2014-10-09 | Procédé, système et programme d'ordinateur d'analyse acoustique d'une machine |
Publications (2)
Publication Number | Publication Date |
---|---|
BR112016007121A2 BR112016007121A2 (pt) | 2017-08-01 |
BR112016007121B1 true BR112016007121B1 (pt) | 2022-07-19 |
Family
ID=50231270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112016007121-2A BR112016007121B1 (pt) | 2013-10-11 | 2014-10-09 | Método para a análise de acústica de uma máquina, sistema para a análise de acústica de uma máquina e mídia legível por computador |
Country Status (8)
Country | Link |
---|---|
US (1) | US10495546B2 (pt) |
EP (1) | EP3039397B1 (pt) |
CN (1) | CN105659064A (pt) |
BR (1) | BR112016007121B1 (pt) |
CA (1) | CA2926216C (pt) |
FR (1) | FR3011936B1 (pt) |
RU (1) | RU2669128C2 (pt) |
WO (1) | WO2015052438A1 (pt) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
FR3027667B1 (fr) | 2014-10-22 | 2020-10-09 | Snecma | Procede et dispositif de surveillance d'une roue aubagee de moteur d'aeronef par mesure de position d'equilibre |
KR101625304B1 (ko) * | 2014-11-18 | 2016-05-27 | 경희대학교 산학협력단 | 음향 정보에 기초한 사용자 다수 행위 인식 방법 |
WO2018149500A1 (en) * | 2017-02-16 | 2018-08-23 | Areva Gmbh | Method for identifying an acoustic source in a component |
FR3064070B1 (fr) * | 2017-03-20 | 2021-02-26 | Safran Aircraft Engines | Procede de surveillance des moteurs d'un aeronef |
US11659322B1 (en) * | 2017-06-26 | 2023-05-23 | Wing Aviation Llc | Audio based aircraft detection |
US10466210B2 (en) * | 2017-07-07 | 2019-11-05 | Baxton Chen | Pottery shard analysis using matching vibration signatures |
AU2019258604A1 (en) * | 2018-04-26 | 2020-11-26 | Ping Services Pty Ltd | An apparatus and method of detecting anomalies in an acoustic signal |
US10705057B2 (en) | 2018-05-10 | 2020-07-07 | Baxton Chen | Precious material analysis using vibration signature comparison |
CN109246570B (zh) * | 2018-08-29 | 2020-12-11 | 北京声智科技有限公司 | 麦克风质检的装置及方法 |
GB201903646D0 (en) | 2019-03-18 | 2019-05-01 | Rolls Royce Plc | Condition determination of a gas turbine engine |
CN114026403A (zh) * | 2019-06-26 | 2022-02-08 | 西门子股份公司 | 机器状态的声学分析 |
CN110296842A (zh) * | 2019-06-28 | 2019-10-01 | 潍柴动力股份有限公司 | 发动机的诊断方法及装置 |
US11579598B2 (en) * | 2019-10-17 | 2023-02-14 | Mitsubishi Electric Research Laboratories, Inc. | Manufacturing automation using acoustic separation neural network |
CN110992977B (zh) * | 2019-12-03 | 2021-06-22 | 北京声智科技有限公司 | 一种目标声源的提取方法及装置 |
US20220178324A1 (en) * | 2020-12-09 | 2022-06-09 | Transportation Ip Holdings, Llc | Systems and methods for diagnosing equipment |
DE102021200649A1 (de) | 2021-01-26 | 2022-07-28 | Zf Friedrichshafen Ag | Verfahren und Steuereinrichtung zur Schadenserkennung an einem Bauteil |
CN115344531A (zh) * | 2021-05-14 | 2022-11-15 | 皇家飞利浦有限公司 | 用于经压缩的快速医疗互操作资源(fhir)文件相似性搜索的方法和系统 |
IT202100019682A1 (it) * | 2021-07-23 | 2023-01-23 | Leonardo Spa | Metodo e dispositivo per il monitoraggio del funzionamento di una coppia di motori turboelica mediante elaborazione numerica di una grandezza acustica |
US20240060428A1 (en) * | 2022-08-22 | 2024-02-22 | Pratt & Whitney Canada Corp. | Acoustical health monitoring of gas turbine engines |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5309378A (en) * | 1991-11-18 | 1994-05-03 | Hughes Aircraft Company | Multi-channel adaptive canceler |
US5918233A (en) * | 1996-05-30 | 1999-06-29 | The Foxboro Company | Methods and systems for providing electronic documentation to users of industrial process control systems |
US5918223A (en) * | 1996-07-22 | 1999-06-29 | Muscle Fish | Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information |
US7187773B2 (en) * | 2000-12-01 | 2007-03-06 | Daihatsu Motor Co., Ltd. | System for evaluating abnormal sound, sound recorder and apparatus for evaluating abnormal sound |
US6615143B2 (en) * | 2001-03-01 | 2003-09-02 | Wayne State University | Method and apparatus for reconstructing and acoustic field |
US6782324B2 (en) * | 2002-08-16 | 2004-08-24 | Sun Microsystems, Inc. | Method and apparatus for using acoustic signals to identify one or more disc drives that are likely to fail |
CA2502346A1 (en) * | 2005-03-24 | 2006-09-24 | Royal Group Technologies Limited | Fire barrier component |
US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
US8155326B2 (en) * | 2007-10-09 | 2012-04-10 | Schweitzer Engineering Laboratories, Inc. | System, method, and apparatus for using the sound signature of a device to determine its operability |
US8319620B2 (en) * | 2008-06-19 | 2012-11-27 | Personics Holdings Inc. | Ambient situation awareness system and method for vehicles |
RU2395068C2 (ru) * | 2008-10-02 | 2010-07-20 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" | Способ диагностики колебаний рабочего колеса турбомашины |
US8544331B2 (en) * | 2008-12-04 | 2013-10-01 | University Of Ottawa | Parameter independent detection of rotating machinery faults |
US8326582B2 (en) * | 2008-12-18 | 2012-12-04 | International Electronic Machines Corporation | Acoustic-based rotating component analysis |
KR101285391B1 (ko) * | 2010-07-28 | 2013-07-10 | 주식회사 팬택 | 음향 객체 정보 융합 장치 및 방법 |
FR2965915B1 (fr) | 2010-10-11 | 2013-08-02 | Snecma | Systeme de surveillance d'un banc d'essai de moteur d'aeronef |
FR2968038B1 (fr) | 2010-11-26 | 2012-12-28 | Snecma | Systeme de detection d'un evenement fugace sur une roue aubagee de moteur d'aeronef |
FR2971595B1 (fr) | 2011-02-15 | 2013-03-22 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
US8655571B2 (en) * | 2011-06-23 | 2014-02-18 | United Technologies Corporation | MFCC and CELP to detect turbine engine faults |
US9964625B2 (en) * | 2011-06-27 | 2018-05-08 | General Electric Company | Electrical substation fault monitoring and diagnostics |
RU2459281C1 (ru) * | 2011-09-15 | 2012-08-20 | Общество с ограниченной ответственностью "Цифрасофт" | Устройство и способ формирования сигнатуры акустического сигнала, устройство идентификации акустического сигнала |
FR2983662B1 (fr) | 2011-12-02 | 2015-02-27 | Commissariat Energie Atomique | Dispositif de regulation d'un flux aleatoire d'impulsions de tension en entree d'un convertisseur analogique-numerique. |
CN102519726B (zh) * | 2011-12-28 | 2015-06-03 | 昆明理工大学 | 一种针对滚动轴承复合故障的声学诊断方法 |
FR2988130B1 (fr) | 2012-03-13 | 2014-05-09 | Snecma | Systeme de detection de defaut sur une roue aubagee de moteur d'aeronef |
FR2997451B1 (fr) | 2012-10-26 | 2015-01-16 | Snecma | Systeme de surveillance d'un ensemble de composants moteur |
EP2979082B1 (fr) | 2013-03-29 | 2023-04-26 | Safran Aircraft Engines | Procédé et système de détection de défauts sur un objet |
FR3005732B1 (fr) | 2013-05-17 | 2016-10-07 | Snecma | Procede et systeme d'analyse vibratoire d'un moteur |
FR3009581B1 (fr) | 2013-08-09 | 2015-09-25 | Snecma | Procede de surveillance d'une vanne d'un moteur d'aeronef |
FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
FR3012636B1 (fr) | 2013-10-24 | 2015-12-25 | Snecma | Procede de non-regression d'un outil de conception d'un systeme de surveillance de moteur d'aeronef |
FR3015670B1 (fr) | 2013-12-20 | 2018-08-10 | Safran Aircraft Engines | Dispositif de detection de premices de defaillance d'un systeme mecanique |
-
2013
- 2013-10-11 FR FR1359897A patent/FR3011936B1/fr active Active
-
2014
- 2014-10-09 BR BR112016007121-2A patent/BR112016007121B1/pt active IP Right Grant
- 2014-10-09 US US15/028,284 patent/US10495546B2/en active Active
- 2014-10-09 EP EP14796806.9A patent/EP3039397B1/fr active Active
- 2014-10-09 CA CA2926216A patent/CA2926216C/fr active Active
- 2014-10-09 WO PCT/FR2014/052556 patent/WO2015052438A1/fr active Application Filing
- 2014-10-09 CN CN201480055830.2A patent/CN105659064A/zh active Pending
- 2014-10-09 RU RU2016118146A patent/RU2669128C2/ru active
Also Published As
Publication number | Publication date |
---|---|
EP3039397A1 (fr) | 2016-07-06 |
RU2669128C2 (ru) | 2018-10-08 |
RU2016118146A (ru) | 2017-11-16 |
EP3039397B1 (fr) | 2024-09-04 |
FR3011936A1 (fr) | 2015-04-17 |
CA2926216C (fr) | 2023-03-14 |
WO2015052438A1 (fr) | 2015-04-16 |
FR3011936B1 (fr) | 2021-09-17 |
CN105659064A (zh) | 2016-06-08 |
CA2926216A1 (fr) | 2015-04-16 |
RU2016118146A3 (pt) | 2018-05-14 |
US20160238486A1 (en) | 2016-08-18 |
US10495546B2 (en) | 2019-12-03 |
BR112016007121A2 (pt) | 2017-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112016007121B1 (pt) | Método para a análise de acústica de uma máquina, sistema para a análise de acústica de uma máquina e mídia legível por computador | |
Ai et al. | Fusion information entropy method of rolling bearing fault diagnosis based on n-dimensional characteristic parameter distance | |
Cui et al. | Vibration response mechanism of faulty outer race rolling element bearings for quantitative analysis | |
EP2538034B1 (en) | MFCC and CELP to detect turbine engine faults | |
CN107209512B (zh) | 用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序 | |
WO2020090770A1 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
CN106323635A (zh) | 一种滚动轴承故障在线检测与状态评估方法 | |
Yu | Machinery fault diagnosis using joint global and local/nonlocal discriminant analysis with selective ensemble learning | |
Çaliş et al. | Artificial immunity-based induction motor bearing fault diagnosis | |
Maasoum et al. | An autoencoder-based algorithm for fault detection of rotating machines, suitable for online learning and standalone applications | |
Cai et al. | Encogram: An autonomous weak transient fault enhancement strategy and its application in bearing fault diagnosis | |
Tian et al. | Rolling element bearing fault detection using density-based clustering | |
Tastimur et al. | Defect diagnosis of rolling element bearing using deep learning | |
Lu et al. | Wind turbine gearbox fault detection using multiple sensors with feature level data fusion | |
Gil et al. | Detecting of the rolling bearing state based on acoustic signal and the k-NN classifier | |
Puchalski et al. | Real-time UAV fault detection and classification using measurement data from the PADRE database | |
Hu et al. | Degradation assessment of bearing fault using SOM network | |
Tian et al. | Fault diagnosis method for inter-shaft bearings based on information exergy and random forest | |
Sen et al. | Condition monitoring of rotating equipment considering the cause and effects of vibration: a brief review | |
Wang et al. | Centrifugal pump fault diagnosis based on MEEMD-PE Time-frequency information entropy and Random forest | |
Saucedo-Dorantes et al. | Automatic Methodology for Multiple Fault Detection in Induction Motor Under Periodic Low-Frequency Fluctuating Load Based on Stray Flux Signals | |
Keng et al. | Blade Fault Localization with the Use of Vibration Signals Through Artificial Neural Network: A Data-Driven Approach. | |
Talmoudi et al. | An unsupervised big data visualization-based scheme for anomalous sound detection of facilities | |
Huang et al. | Rotating machine fault diagnosis based on correlation filtering and reconstructed Morlet wavelet power spectral entropy | |
Wang et al. | Rapid Identification and Early Warning of Axial Compressor Stall Based on Multiscale CNN-SVM-FC Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B06U | Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette] | ||
B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 09/10/2014, OBSERVADAS AS CONDICOES LEGAIS |