CN102016535A - 用于对产生噪声的待检机器进行状态识别的方法及装置 - Google Patents
用于对产生噪声的待检机器进行状态识别的方法及装置 Download PDFInfo
- Publication number
- CN102016535A CN102016535A CN2009801147528A CN200980114752A CN102016535A CN 102016535 A CN102016535 A CN 102016535A CN 2009801147528 A CN2009801147528 A CN 2009801147528A CN 200980114752 A CN200980114752 A CN 200980114752A CN 102016535 A CN102016535 A CN 102016535A
- Authority
- CN
- China
- Prior art keywords
- checked
- noise
- statistics
- classification model
- basic classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
Abstract
本发明涉及用于对一产生噪声的待检对象(2)的一状态进行识别的一种方法和一种装置,其中,由一数据处理单元(5)根据由所述待检对象(2)所产生的一噪声的复数个声学特征来对为至少一参考对象所生成的复数个声学特征的一统计学基本分类模型进行自动适应,所述数据处理单元(5)在经适应的统计学分类模型的基础上对所述产生噪声的待检对象(2)的所述状态进行分类。
Description
技术领域
本发明涉及一种用于对一产生噪声的待检机器的状态进行识别的一种方法和一种装置,该机器发出结构噪声或空气噪声。
背景技术
机器在运动过程中产生振动信号,特别是声学振动信号。从机器、设备或机电装置所产生的振动信号中可推断出其实际状态,这种状态可能例如因磨损现象而发生改变。举例而言,使用多年的机器或装置因磨损而发出与刚交付使用时所不同的振动信号。除了机器以外,化学设备也可例如因容器或管路中的气泡而产生噪声信号。设备、机器或装置的老化或磨损会改变所产生的振动信号,特别是声发射。除了磨损以外,机器、设备或装置所产生的振动信号,特别是声学噪声信号还取决于它们的结构。同一产品组内的机器、设备或装置通常具有不同的产品类型或产品模型。举例而言,一家企业可制造不同变型的水泵或热泵,所产生的噪声信号也不同。此外,在同一产品组或产品变型之内,所制造出的对象存在制造公差,因而不同的产品或对象可发出不同的噪声信号。除了老化、负荷以及制造公差以外,装置或设备所处环境的空间特性也对该装置或设备所发出的噪声信号或声发射有影响。
根据对产生噪声的待检机器的状态进行识别的传统方法,对一制成的原型体进行多次记录(recording),以便生成应用于产生噪声的机器或设备的模型。在训练过程中进行多次记录,特别是录音,并将各种影响量考虑在内。举例而言,在各种天气条件、负荷状况和不同时间点对一原型体所发出的声学噪声信号予以记录。为了将各种影响量考虑在内,必须进行多次记录。产品变型越多,则借助原型体来生成模型的复杂程度则越高。通过训练数据可生成该对象或产品的统计模型或物理模型,随后,根据该模型对制成产品在启动后的工作过程中所发出的噪声信号进行分类。根据噪声信号的这种分类就可对产品的工作状态进行监控,这样就能发现故障并及时予以维修。
传统方法的一个缺点是,即使在正常及无故障工作状态下,制成产品所发出的噪声信号或声发射也不同于原型体的噪声信号或有所偏差。造成这种现象的一个原因在于:所制成产品(例如机器、装置或设备)处在与记录训练数据的原型体不同的环境中。因此,有用信号,即待检对象的声发射会受到体现为干扰信号的环境噪声的覆盖。举例而言,对原型体的训练数据记录可能在回声较小的空间完成,而待检对象(例如制造机)则处于一个声音信号反射效果明显的车间内。此外,待检产品或待检设备也可能由于制造公差或配置情况的差异而具有不同于原型体的声发射频谱。
发明内容
有鉴于此,本发明的目的在于提供一种方法和一种装置,以便对产生噪声的待检对象的状态进行方便和安全的识别。
这个目的通过具有本发明权利要求1所述特征的一种方法而达成。
本发明提供了对一产生噪声的待检对象的一状态进行识别的一种方法,其中,根据由所述待检对象所产生的噪声的声学特征来对为至少一参考对象所生成的声学特征的统计学基本分类模型进行自动适应,并且在经适应的统计学分类模型的基础上对所述产生噪声的待检对象的状态进行分类。
所述产生噪声的对象可以是任一机器、装置或设备,例如化学设备。
根据本发明所述方法的一种实施方式,所述参考对象由所述待检对象的一原型体构成。
根据本发明所述方法的一种实施方式,所述产生噪声的待检对象具有至少一由电动机驱动的产生噪声的模块。
根据本发明所述方法的一种实施方式,对所述统计学分类模型的所述适应在所述待检对象开始运行时进行、以一定的维修间隔定期进行或者在所述待检对象的一声学环境改变的情况下进行。
根据本发明所述方法的一种实施方式,通过在不同条件下或不同时间点对所述参考对象所实施的多次声学录音来生成多个声学特征的所述统计学基本分类模型。
根据本发明所述方法的一种实施方式,将所生成的统计学基本分类模型存储于一存储器中。
根据本发明所述方法的一种实施方式,根据对所述产生噪声的待检对象所实施的复数次声学录音,来对所存储的基本分类模型进行自动适应,并将该基本分类模型暂存为经适应的统计学分类模型。
根据本发明所述方法的一种实施方式,通过复数个检测空气噪声或结构噪声的声学录音器来进行所述声学录音。
根据本发明所述方法的一种实施方式,使所述统计学分类模型适应于所述产生噪声的对象整体或者分别适应于所述产生噪声的对象的各模块。
根据本发明所述方法的一种实施方式,所述声学录音器安装在所述产生噪声的待检对象上,或者使其沿所述产生噪声的待检对象旁边经过。
根据本发明所述方法的一种实施方式,为经过所述待检对象的所述声学录音器的可调节的不同位置分别计算一经适应的统计学分类模型。
根据本发明所述方法的一种实施方式,为经过的所述声学录音器的所述可调节的位置分别计算一经适应的统计学分类模型。
根据本发明所述方法的一种实施方式,经过的声学录音器的所述可调节的位置与产生噪声的待检对象的不同模块的空间布置相对应。
本发明此外还提供了对一产生噪声的待检对象的一状态进行识别的一种装置,其中,由一数据处理单元根据由所述待检对象所产生的噪声的声学特征来对为至少一参考对象所生成的声学特征的统计学基本分类模型进行自动适应,所述数据处理单元在经适应的统计学分类模型的基础上对所述产生噪声的待检对象的状态进行分类。
根据本发明所述装置的一种实施方式,所述装置具有至少一用于对所述产生噪声的待检对象所发出的结构噪声或空气噪声进行检测的声学录音器。
附图说明
下面借助附图来对用于对一产生噪声的待检对象的状态进行识别的本发明的方法和装置进行说明,并对本发明实质特征进行阐述,其中:
图1为本发明所述方法的一可能实施方式的流程图;
图2为本发明所述方法的另一流程图;
图3为用于对一产生噪声的待检对象的状态进行识别的本发明所述装置的一可能实施方式的框图;以及
图4A、4B为用于对一产生噪声的待检对象的状态进行识别的本发明所述装置的其他实施方式的示意图。
具体实施方式
从图1可以看出,在本发明所述方法的步骤S1中,首先借助录音器或传感器来对产生噪声的待检对象的一参考对象进行录音。所述参考对象可指该待检对象的一原型体。所述待检对象例如为工作时产生噪声的一机器或一装置。噪声信号可为空气噪声信号或结构噪声信号。所述待检装置也可为一设备,例如一在其化学生产过程中(例如)在容器或管路内部产生噪声的化学设备。通过录音器来录下噪声及振动信号。这些录音器具有麦克风或其他振动传感器,特别是加速度传感器。所述录音器或振动传感器将噪声或振动信号转换成电信号。优选在不同时间点及不同环境条件下对参考对象或原型体进行复数次录音。
随后,在步骤S2中,在所述录音的基础上提取出声音信号或振动信号的特征m。这些特征例如为声音信号或噪声信号的振幅或音量。还包括噪声信号的频谱特征及其时间调制。此外也可采用调制谱的特征。在对参考对象进行复数次记录时(recording),每次均可测定一特征矢量M。一般情况下包含噪声信号的10-500个特征m。对参考对象的记录次数N视待检对象而定。通常情况下需要对该参考对象进行N>100次录音。在步骤S2中,借助复数个特征矢量M并通过一算法来生成一个基本分类模型,其中,每个特征矢量均包含一次记录的例如10-500个特征m。举例而言,可以借助最大期望算法(EM)或高斯混合模型(GMM)、借助支持矢量机(SVM)、借助自组织映射(SOM)或者借助神经网络来生成模型。
在下一步骤S3中,借助录音器对待检对象的声学的空气噪声信号或结构噪声信号进行记录。在步骤S3中,根据所记录的噪声信号的声学特征m来对步骤S2中所生成的声学特征m的统计学基本分类模型进行自动适应。根据一种可能实施方式,所述基本分类模型的每个特征m均具有至少一个统计参数P。举例而言,该统计参数P包括一平均值μ或一方差σ2。这些特征m可形成一高斯分布,其中,借助对参考对象的录音可为每个特征m给出该分布的一平均值μ和一方差σ2。举例而言,在步骤S1中对不同的参考对象或原型体进行录音并计算出每个特征m的平均值μ。如果该特征m为所测声音信号的音量,则该音量的平均值μ和一方差σ2就是基本分类模型中的音量特征的统计参数P。
在接下来的步骤S4中,借助在步骤S3中对待检对象所进行的录音来对基本分类模型进行适应,做法是对基本分类模型的每个特征m的统计参数P进行相应的匹配。根据本发明所述方法的一种可能实施方式,步骤S3中的对待检对象的录音以及步骤S4中的对基本分类模型的适应可在待检对象开始运行时进行。根据一种替代实施方式,步骤S3中的录音以及步骤S4中的适应以一定的维修间隔定期进行,例如每天一次。根据另一可能实施方式,步骤S3中的录音以及步骤S4中的对基本分类模型的适应在待检对象的声学环境改变的情况下进行,例如待检对象被移至另一空间。此外,该录音以及该适应可根据需要进行,例如,对待检对象的维修操作完毕后或者在使用者认为有必要进行检查的情况下。
在下一步骤S5中,在经适应的统计学分类模型的基础上对所述产生噪声的待检对象的状态进行分类。可借助经适应的基本分类模型的全部或部分特征m来进行这种状态分类。举例而言,如果产生噪声的待检对象的音量特征超过所设阙值,则可将该待检对象分类为发生故障。
在下一步骤S6中,将该待检对象的分类状态予以输出,并视情况引入必要的应对措施。
图2展示的是用于对一产生噪声的待检对象的状态进行识别的本发明所述方法的一种可能实施方式的详图。图2所示的对象为一产生声学数据的机器。首先对该机器的n个原型体进行录音(recording),并在训练数据的基础上生成一个通用的统计学基本分类模型。将该通用的基本分类模型存储至一存储器或数据库中。该通用的分类模型优选包含反映该对象或机器的正常状态和/或可能的故障或维修状态的基本属性。接下来使该基本分类模型适应于制成的不同机器。在图2所示的实施例中,在不同的框内检查不同的机器。每个机器均产生一声学噪声信号或声学数据,以便分别对已存储的通用的分类模型进行适应。
通过这种方式可为每个机器均生成一个专门的、经适应的分类模型,该分类模型可暂存于一存储器内。接下来,在经适应的统计学分类模型的基础上,借助一种分类算法对产生噪声的各待检机器的状态进行分类,以便检测其工作状态或生成故障信息。从图2可看出,只需一次操作,就可完成在至少一个原型体的基础上生成一个分类模型这一复杂操作。随后,对该统计学基本分类模型的适应也可以便于计算的方式且在短时间内或实时完成。需要进行多次录音和大量计算才能生成所述统计学基本分类模型,然而在环境条件改变的情况下,却可以在框中对已存基本分类模型进行便于计算的自动适应,以便使其适用于各待检对象,而无需相应的专家和专业人士在场。此外,为了对统计学基本分类模型进行适应而需要的所述机器或对象的声学数据或录音也相对较少。本发明所述方法提供了一种二级式方案,即首先生成一个通用的统计学基本分类模型,然后在框中对该分类模型进行适应,以便适用于各待检对象。
图3展示的是用于对一产生噪声的待检对象的状态进行识别的本发明所述装置1的一实施例。该待检对象2例如为一装置或机器。装置1具有至少一用于对产生噪声的待检对象2所产生的结构噪声信号或空气噪声信号进行检测的记录器3。记录器3对对象2所产生的振动信号进行检测。记录器3例如为用于检测空气噪声信号的声学录音器,也就是麦克风。根据一种替代实施方式,记录器3直接安装在对象2上,并对对象2的结构噪声或振动进行检测。记录器3也可例如为加速度传感器。记录器3将声信号或振动信号转换成电信号,并将其通过一线路4传送给一数据处理单元5。数据处理单元5例如为执行一程序的微处理器。数据处理单元5通过线路6与一存储器7相连,在该存储器中存有所生成的基本分类模型。根据一种替代实施方式,数据处理单元5通过一接口来获得基本分类模型。数据处理单元5根据由待检对象2所产生噪声的声学特征m来对声学特征的基本分类模型进行适应。然后在经适应的统计学分类模型的基础上,由数据处理单元5借助一分类算法对产生噪声的待检对象2的状态进行分类。所述状态通过输出线路8得以输出。根据一种可能实施方式,记录器3和数据处理单元5均整合于一个组件内。可将该组件安装到任一对象2上。
图4A、4B展示的是用于对一产生噪声的待检对象2的状态进行识别的本发明所述装置1的其他实施方式。在本实施例中,产生噪声的对象2是一机器或一具有复数个同类型机器模块2-1、2-2至2-k的装置。所述机器2例如为信件分选机,该信件分选机具有相同结构的分区或信件架。信件分选机2的不同分区或模块可能受力不同,因而磨损情况也不一致。此外,此类信件分选机也可能位于不同的声学环境中。在图4A所示的实施例中,为机器2的每个模块均安装一相应记录器3,以便通过该模块所发出的噪声信号来监控其工作状态。接下来,数据处理单元5为机器2的各模块2-i分别执行图1所示流程中的步骤S3-S6。
在图4B所示的替代实施方式中,并非为机器2的每个模块2-i均安装一记录器3,而是使一记录器(例如录音器)沿机器2旁边直线经过,并将所检测到的噪声信号(例如)通过一空中接口传送给数据处理单元5。由于待检对象2内各模块2-i的空间布置是已知的,因此,可由数据处理单元5为经过待检对象2的声学录音器3的不同位置分别计算出一个经适应的统计学分类模型。举例而言,在一信件分选机中,各分区或信件架间的距离Δ是已知的。经过的声学录音器3的可调节的不同位置与产生噪声的待检信件分选机2的不同模块2-i的空间布置相对应。
根据一种可能实施方式,从原型体的一通用分类模型出发,在框中为整个信件分选机2生成一个经适应的分类模型。根据另一替代实施方式,为信件分选机2的每个信件架或每个分区2-i均生成一个经适应的分类模型。
可通过振动传感器或麦克风来对各模块2-i进行声学监控。振动传感器直接安装在外壳上并对结构噪声进行检测。根据一种可能实施方式,麦克风则可具有特别的方向特性。麦克风或记录器3与待检对象2的间距从几毫米到数米不等。根据一种可能实施方式,借助唯一一个噪声记录器3进行声学监控,以自动或手动的方式使该噪声记录器经过信件分选机2以便确定故障所在位置。根据一种替代实施方式,设有复数个噪声记录器3,他们分别应用于所述设备或待检对象2的一部分。
如需为整个设备或为整个信件分选机2生成一个经适应的分类模型,则可通过使噪声记录器3经过所述设备的不同特征位置并就地记录声学数据的方式进行适应。应用所记录的声学数据以便生成经适应的统计学分类模型。
如需为信件分选机2的每个信件架或每个分区均进行适应,则可由噪声记录器3进行数据记录并分别计算一单独的经适应的模型。这个经适应的模型可就地或集中地存储在所述传感器或噪声记录器中。作为替代方案,可使噪声记录器3经过信件分选机2的不同位置并就地记录声学数据。此外,噪声记录器3可为噪声记录器3所处的相应位置分别计算一经适应的分类模型,或者根据(例如)对应于结构相同的机器分区或模块的位置来计算经适应的分类模型。
根据一种可能实施方式,如果在信件分选机2开始运行时对分类模型进行一次性适应,则使记录器3进入工作状态“分类”并启动故障识别。如需对部件或整个模块进行更换或者在声学环境改变的情况下,也可随时重新进行适应。此时,需要加以适应的并非基本分类模型或通用模型,而是在信件分选机2开始运行时已经适应的模型,这也取决于声学环境状况改变与否。用于对产生噪声的待检对象2的状态进行识别的本发明所述方法适用于(例如)对电动机、泵、自动化设备或化学设备进行监控的任意对象。
权利要求书(按照条约第19条的修改)
1.一种用于对一产生噪声的待检对象(2)的一状态进行识别的方法,其中,
根据由所述待检对象(2)所产生的一噪声的复数个声学特征(m),对为至少一参考对象所生成的复数个声学特征的一统计学基本分类模型进行自动个别适应,并且在经个别适应的统计学分类模型的基础上,对所述产生噪声的待检对象(2)的所述状态进行分类。
2.根据权利要求1所述的方法,所述参考对象由所述待检对象(2)的一原型体构成。
3.根据权利要求1所述的方法,其中,
所述产生噪声的待检对象(2)具有至少一产生噪声的模块。
4.根据权利要求1所述的方法,其中,
对所述统计学分类模型的所述适应在所述待检对象(2)开始运行时进行、以一定的维修间隔定期进行或者在所述待检对象(2)的一声学环境改变的情况下进行。
5.根据权利要求1所述的方法,其中,
通过在不同条件下或不同时间点对所述参考对象所实施的复数次声学录音来生成复数个声学特征的所述统计学基本分类模型。
6.根据权利要求5所述的方法,其中,
将所生成的统计学基本分类模型存储于一存储器(7)中。
7.根据权利要求6所述的方法,其中,
根据对所述产生噪声的待检对象(2)所实施的复数次声学录音,对所存储的基本分类模型进行自动适应,并将该基本分类模型暂存为经适应的统计学分类模型。
8.根据权利要求5或7所述的方法,其中,
通过复数个检测空气噪声或结构噪声的声学录音器(3)来进行所述复数次声学录音。
9.根据权利要求1的方法,其中,
使所述统计学分类模型适应于所述产生噪声的对象(2)整体或者分别适应于所述产生噪声的对象的各模块。
10.根据权利要求8所述的方法,其中,
将所述声学录音器安装在所述产生噪声的待检对象(2)上,或者使其沿所述产生噪声的待检对象旁边经过。
11.根据权利要求10所述的方法,其中,
为经过所述待检对象(2)的所述声学录音器的可调节的不同位置分别计算一经适应的统计学分类模型。
12.根据权利要求11所述的方法,其中,
经过的声学录音器(3)的所述可调节的位置与产生噪声的待检对象(2)的不同模块的空间布置相对应。
13.一种用于对一产生噪声的待检对象的一状态进行识别的装置,其中,
由一数据处理单元(5)根据由所述待检对象(2)所产生的一噪声的复数个声学特征(m)来对为至少一参考对象所生成的复数个声学特征的一统计学基本分类模型进行自动个别适应,
所述数据处理单元(5)在经个别适应的统计学分类模型的基础上对所述产生噪声的待检对象(2)的所述状态进行分类。
14.根据权利要求13所述的装置,具有至少一用于对由所述产生噪声的待检对象(2)所产生的一结构噪声或空气噪声进行检测的声学录音器(3)。
15.一种用于实施权利要求1-12所述方法的计算机程序,该计算机程序具有复数个程序指令。
16.一种用于存储权利要求15所述计算机程序的数据载体。
Claims (16)
1.一种用于对一产生噪声的待检对象(2)的一状态进行识别的方法,其中,
根据由所述待检对象(2)所产生的一噪声的复数个声学特征(m),对为至少一参考对象所生成的复数个声学特征的一统计学基本分类模型进行自动适应,并且在经适应的统计学分类模型的基础上,对所述产生噪声的待检对象(2)的所述状态进行分类。
2.根据权利要求1所述的方法,所述参考对象由所述待检对象(2)的一原型体构成。
3.根据权利要求1所述的方法,其中,
所述产生噪声的待检对象(2)具有至少一产生噪声的模块。
4.根据权利要求1所述的方法,其中,
对所述统计学分类模型的所述适应在所述待检对象(2)开始运行时进行、以一定的维修间隔定期进行或者在所述待检对象(2)的一声学环境改变的情况下进行。
5.根据权利要求1所述的方法,其中,
通过在不同条件下或不同时间点对所述参考对象所实施的复数次声学录音来生成复数个声学特征的所述统计学基本分类模型。
6.根据权利要求5所述的方法,其中,
将所生成的统计学基本分类模型存储于一存储器(7)中。
7.根据权利要求6所述的方法,其中,
根据对所述产生噪声的待检对象(2)所实施的复数次声学录音,对所存储的基本分类模型进行自动适应,并将该基本分类模型暂存为经适应的统计学分类模型。
8.根据权利要求5或7所述的方法,其中,
通过复数个检测空气噪声或结构噪声的声学录音器(3)来进行所述复数次声学录音。
9.根据权利要求1的方法,其中,
使所述统计学分类模型适应于所述产生噪声的对象(2)整体或者分别适应于所述产生噪声的对象的各模块。
10.根据权利要求8所述的方法,其中,
将所述声学录音器安装在所述产生噪声的待检对象(2)上,或者使其沿所述产生噪声的待检对象旁边经过。
11.根据权利要求10所述的方法,其中,
为经过所述待检对象(2)的所述声学录音器的可调节的不同位置分别计算一经适应的统计学分类模型。
12.根据权利要求11所述的方法,其中,
经过的声学录音器(3)的所述可调节的位置与产生噪声的待检对象(2)的不同模块的空间布置相对应。
13.一种用于对一产生噪声的待检对象的一状态进行识别的装置,其中,
由一数据处理单元(5)根据由所述待检对象(2)所产生的一噪声的复数个声学特征(m)来对为至少一参考对象所生成的复数个声学特征的一统计学基本分类模型进行自动适应,
所述数据处理单元(5)在经适应的统计学分类模型的基础上对所述产生噪声的待检对象(2)的所述状态进行分类。
14.根据权利要求13所述的装置,具有至少一用于对由所述产生噪声的待检对象(2)所产生的一结构噪声或空气噪声进行检测的声学录音器(3)。
15.一种用于实施权利要求1-12所述方法的计算机程序,该计算机程序具有复数个程序指令。
16.一种用于存储权利要求15所述计算机程序的数据载体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102008021362A DE102008021362B3 (de) | 2008-04-29 | 2008-04-29 | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
DE102008021362.4 | 2008-04-29 | ||
PCT/EP2009/055165 WO2009133123A1 (de) | 2008-04-29 | 2009-04-29 | Verfahren und vorrichtung zum erkennen eines zustandes einer zu untersuchenden geräuscherzeugenden maschine |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102016535A true CN102016535A (zh) | 2011-04-13 |
CN102016535B CN102016535B (zh) | 2012-10-03 |
Family
ID=40691029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801147528A Expired - Fee Related CN102016535B (zh) | 2008-04-29 | 2009-04-29 | 用于对产生噪声的待检机器进行状态识别的方法及装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9714884B2 (zh) |
EP (1) | EP2271908B1 (zh) |
CN (1) | CN102016535B (zh) |
AT (1) | ATE535794T1 (zh) |
BR (1) | BRPI0911440A2 (zh) |
DE (1) | DE102008021362B3 (zh) |
MX (1) | MX2010011772A (zh) |
RU (1) | RU2494364C2 (zh) |
WO (1) | WO2009133123A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105004497A (zh) * | 2014-04-25 | 2015-10-28 | 罗伯特·博世有限公司 | 用于对电动工具的故障进行征兆识别的方法 |
CN108597057A (zh) * | 2018-04-28 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于噪音深度学习的无人机故障预测诊断系统及方法 |
CN110686899A (zh) * | 2019-09-21 | 2020-01-14 | 天津大学 | 一种内燃机噪声源识别方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008021362B3 (de) | 2008-04-29 | 2009-07-02 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
DE102008046286B4 (de) | 2008-09-08 | 2010-04-29 | Siemens Aktiengesellschaft | Ortungseinheit zur Anbringung an einem bewegbaren Objekt |
DE102008046285A1 (de) | 2008-09-08 | 2010-03-25 | Siemens Aktiengesellschaft | Vorrichtung zur Analyse von Atmungsgeräuschen |
CN102811386B (zh) * | 2011-06-01 | 2017-05-24 | 中兴通讯股份有限公司 | 一种录音装置、媒体服务器及录音方法、系统 |
CN104111109B (zh) * | 2014-07-21 | 2015-09-02 | 石家庄铁道大学 | 一种基于不同阶次统计量及支持向量机的机械振动状态识别方法 |
US10773665B2 (en) * | 2018-10-16 | 2020-09-15 | Cnh Industrial America Llc | System and method for detecting a damage condition associated with an agricultural machine |
CN113489514B (zh) * | 2021-07-05 | 2022-07-26 | 国网湖南省电力有限公司 | 基于自组织映射神经网络的电力线通信噪声识别方法及装置 |
CN113696839B (zh) * | 2021-10-29 | 2021-12-28 | 南京易砼科技有限公司 | 一种混凝土泵送车辆的泵送状态检测方法和装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29611558U1 (de) * | 1996-07-05 | 1997-08-07 | Siemens Ag | Vorrichtung zur Erfassung von analogen Meßsignalen für die akustische Diagnose von Prüflingen |
EP1088211B1 (de) * | 1998-04-17 | 2003-06-25 | Siemens Aktiengesellschaft | Akustisches diagnosesystem und -verfahren |
DE19914533A1 (de) * | 1999-03-31 | 2000-11-02 | Bayerische Motoren Werke Ag | Vibrationsakustisches Diagnosesystem |
US20010044719A1 (en) * | 1999-07-02 | 2001-11-22 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for recognizing, indexing, and searching acoustic signals |
DE10100522B4 (de) * | 2001-01-08 | 2013-03-28 | Deere & Company | Überwachungseinrichtung zur Überwachung der Funktion einer Arbeitsmaschine |
DE102004006848A1 (de) * | 2004-02-12 | 2005-09-01 | Deere & Company, Moline | Verfahren und Überwachungssystem zur Überwachung des Zustands von Arbeitsmaschinen |
DE102004012911A1 (de) * | 2004-03-17 | 2005-10-06 | Daimlerchrysler Ag | Verfahren zur Bewertung eines Betriebsgeräusches eines Kraftfahrzeugmotors |
CN1320372C (zh) * | 2004-11-25 | 2007-06-06 | 上海交通大学 | 基于小波域的水声噪声的检测与识别方法 |
US8744844B2 (en) * | 2007-07-06 | 2014-06-03 | Audience, Inc. | System and method for adaptive intelligent noise suppression |
DE102008021362B3 (de) | 2008-04-29 | 2009-07-02 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
EP2133866B1 (en) * | 2008-06-13 | 2016-02-17 | Harman Becker Automotive Systems GmbH | Adaptive noise control system |
-
2008
- 2008-04-29 DE DE102008021362A patent/DE102008021362B3/de not_active Expired - Fee Related
-
2009
- 2009-04-29 MX MX2010011772A patent/MX2010011772A/es active IP Right Grant
- 2009-04-29 BR BRPI0911440A patent/BRPI0911440A2/pt not_active IP Right Cessation
- 2009-04-29 EP EP09738167A patent/EP2271908B1/de not_active Not-in-force
- 2009-04-29 RU RU2010148369/28A patent/RU2494364C2/ru not_active IP Right Cessation
- 2009-04-29 US US12/736,675 patent/US9714884B2/en not_active Expired - Fee Related
- 2009-04-29 CN CN2009801147528A patent/CN102016535B/zh not_active Expired - Fee Related
- 2009-04-29 AT AT09738167T patent/ATE535794T1/de active
- 2009-04-29 WO PCT/EP2009/055165 patent/WO2009133123A1/de active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105004497A (zh) * | 2014-04-25 | 2015-10-28 | 罗伯特·博世有限公司 | 用于对电动工具的故障进行征兆识别的方法 |
CN108597057A (zh) * | 2018-04-28 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于噪音深度学习的无人机故障预测诊断系统及方法 |
CN110686899A (zh) * | 2019-09-21 | 2020-01-14 | 天津大学 | 一种内燃机噪声源识别方法 |
CN110686899B (zh) * | 2019-09-21 | 2021-01-29 | 天津大学 | 一种内燃机噪声源识别方法 |
Also Published As
Publication number | Publication date |
---|---|
ATE535794T1 (de) | 2011-12-15 |
RU2010148369A (ru) | 2012-06-10 |
EP2271908A1 (de) | 2011-01-12 |
CN102016535B (zh) | 2012-10-03 |
EP2271908B1 (de) | 2011-11-30 |
WO2009133123A1 (de) | 2009-11-05 |
MX2010011772A (es) | 2010-12-21 |
US20110047107A1 (en) | 2011-02-24 |
DE102008021362B3 (de) | 2009-07-02 |
RU2494364C2 (ru) | 2013-09-27 |
WO2009133123A4 (de) | 2009-12-17 |
US9714884B2 (en) | 2017-07-25 |
BRPI0911440A2 (pt) | 2015-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102016535B (zh) | 用于对产生噪声的待检机器进行状态识别的方法及装置 | |
CN107748314A (zh) | 基于声波震荡检测的变压器故障分析系统 | |
KR102166649B1 (ko) | 기계학습을 이용한 회전기계 고장 진단 및 예측시스템 | |
US10430531B2 (en) | Model based system monitoring | |
CN107345857A (zh) | 一种电主轴状态监测与故障诊断系统及其监测诊断方法 | |
US20060210141A1 (en) | Inspection method and inspection apparatus | |
WO2016086360A1 (en) | Wind farm condition monitoring method and system | |
CN110379437A (zh) | 隔离车内故障的方法和装置 | |
CN109229034A (zh) | 一体化连接管理方法及其联网车辆 | |
MX2010010905A (es) | Procedimiento y dispositivo para la clasificacion de procesos que producen sonido. | |
CN102999038A (zh) | 发电设备的诊断装置、以及发电设备的诊断方法 | |
EP3759558B1 (en) | Intelligent audio analytic apparatus (iaaa) and method for space system | |
US11020996B2 (en) | Abnormality warning method and abnormality warning system | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
WO2020170212A1 (en) | Acoustical or vibrational monitoring in a guided assembly system | |
US20090248363A1 (en) | Method of multi-level fault isolation design | |
CN107434049A (zh) | 飞行器部件监测系统 | |
Desmet et al. | Leak detection in compressed air systems using unsupervised anomaly detection techniques | |
JPH08320251A (ja) | 設備における音響および振動の診断方法 | |
EP4290204A1 (en) | Method and device for vibroacoustic analysis of industrial equipment | |
RU2783860C2 (ru) | Устройство и способ для виброакустического анализа промышленного оборудования, содержащего вращающиеся части | |
Wißbrock et al. | Discussion of Features for Acoustic Anomaly Detection under Industrial Disturbing Noise in an End-of-Line Test of Geared Motors | |
RU2815985C1 (ru) | Система для диагностики неисправностей оборудования электростанций | |
KR102457642B1 (ko) | 기계음 녹음장치 및 이를 포함하는 기계설비의 이상 감지 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121003 Termination date: 20200429 |