CN110006672A - 基于声成像技术的轨道车辆故障监测方法 - Google Patents
基于声成像技术的轨道车辆故障监测方法 Download PDFInfo
- Publication number
- CN110006672A CN110006672A CN201910280025.4A CN201910280025A CN110006672A CN 110006672 A CN110006672 A CN 110006672A CN 201910280025 A CN201910280025 A CN 201910280025A CN 110006672 A CN110006672 A CN 110006672A
- Authority
- CN
- China
- Prior art keywords
- sound
- rail vehicle
- acoustic
- imaging technology
- monitoring method
- 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.)
- Withdrawn
Links
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
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于声成像技术的轨道车辆故障监测方法。该监测方法为利用架设在轨道两侧的阵列式声音采集器和多通道采集模块,高速同步采集声音信号,获得声场空间分布的特征,对异常声音事件进行位置定位,并同步触发视觉图像传感器,采集车辆光学影像,通过声成像技术对车辆故障位置精确判断。本发明运用声学诊断技术,具有非接触测量的特点,不影响设备运行;且采集器为阵列式布置,能克服传统声像学中局部诊断的缺陷,抗干扰性更强,获取多个测量面处的声信号并进行声源反演,也可避免测点选择难的问题;异常发声定位后,与图像采集叠加,更直观的诊断车辆故障。
Description
技术领域
本发明涉及轨道交通技术领域,具体涉及轨道车辆的风机、气路、轴承等部件的故障监测,特别是一种基于声成像技术的轨道车辆故障监测方法。
背景技术
轨道车辆状态模式中的改变常常伴随着独特的可听改变,这样的声音可以指示出正常状态和异常状态。
现阶段的故障监测主要采用三种方法:
第一种是以作业人员听部件声音为依据来判断是否存在故障,然而,对未经训练的/无经验的耳朵而言,听起来“正常”的事物可能对专家的耳朵而言听起来是“异常”的,不幸地,获得这样的专家知识是昂贵的,并且这样的专家知识是要求时间、投资和训练的技能。另外,即使人们被以该方式训练,鉴于许多检修环境是特别嘈杂的地方,也会难以精确定位声音的源和清楚地听该声音。
第二种是基于震动信号的测试与分析,但震动传感器必须以有线连接、紧密贴合的方式安装在设备上,无法应用于旋转机构的在线监测,使得震动故障诊断方法的应用也受到了限制。
第三种是基于单通道测试的声学诊断技术,声学故障诊断技术虽具有很大发展潜力,但单通道的声学诊断只能得到机械局部的声学特征随时间或频率的变化规律,也不易选择测点位置,当测点位置选择不当,声信号易受干扰和污染,局部的声学特征对故障不敏感时诊断效果就会受到影响,特别是在相干工况下,故障源的声信号如果被干扰源的声信号淹没,则传统单通道声学诊断方法将不再适用,基于单通道声信号所提取的故障特征不能稳定地反映机械本身的运行状态,很大程度上影响了诊断效果。
发明内容
本发明旨在解决上述问题,从而提供一种基于声成像技术的轨道车辆故障监测方法,将声音可视化来监测轨道车辆故障,相比以往的监测方法来说,本发明采用了以多点声学传感器阵列式布置的方式,更加高效,抗干扰性更强,也避免测点选择难的问题,比传统方法能更有效可靠的诊断车辆故障。
本发明解决所述问题,采用的技术方案是:
一种基于声成像技术的轨道车辆故障监测方法,与轨道车辆现有检修过程衔接,包括以下步骤:
S1、高速同步采集多通道声音信号过程:高速采集轨道车辆不同时刻,各个通道的声音信息;
S2、声相诊断分析过程:将不同时刻取得的声音信号进行波束形成,生成声音数据,对声音数据进行存储分析,然后根据声波传播理论和构造车身骨架结构模型,通过仿真计算得到轨道车辆车身结构的模态及其声压分布;
S3、初步定位异常声音事件过程:根据步骤S2中声相诊断分析结果,初步确定异常声源部位;
S4、采集异常声音位置图像并叠加声音信息过程:针对步骤S3中初步确定的异常声源部位,采用声学相机成像技术进行声音信息和位置图像的叠加;
S5、精确判断故障位置过程:根据监测到的声音特征,对声音事件进行分类,排除干扰声音信号,精确定位故障位置。
采用上述技术方案的本发明,与现有技术相比,其突出的特点是:
本发明运用声学诊断技术,具有非接触测量、不影响设备运行的特点,且通过阵列式布置的采集器,能克服传统声像学中局部诊断的缺陷,抗干扰性更强,获取多个测量面处的声信号并进行声源反演,也可避免测点选择难的问题;异常发声定位后,与图像采集叠加,更直观的诊断车辆故障。
作为优选,本发明更进一步的技术方案是:
声音的采集点在车辆轨道的左右两侧上的一处或多处,进行均一间隔隔开布置,并同时采集轨道车辆的视觉图像。
采集的视觉图像包括车辆侧面风机、气路、轴承的图像信息。
故障位置的标记是以下各项中的一项或多项:视觉图像、字符表示及光束,用于对所监测到的目标故障进行显示,其中产生该标记包括根据一个或多个预先确定的时间对采集到的异常声音事件进行标记。
其中,该参考故障位置包括相对于一个预先确定的位置的二维位置和三维位置。
高速同步采集多通道声音信号过程中,响应于检测到一个或多个异常声音事件而生成针对每个响应的声音事件的多维事件签名,并且其中每个多维事件签名至少包括声学图像数据的部分和基于所述多个音频信号的一组经空间滤波的声音信号。
声相诊断分析过程中,通过对数据进行采集从而接收到多个声学图像帧、多个经空间滤波的声音信号和多个光学图像帧,多个声学图像帧和多个经空间滤波的声音信号表示所观察的车辆的空间谱;确定一个或多个声音事件在多个声学图像帧内的位置。
声相诊断分析过程中确定一个或多个声音事件的位置的过程包括对增量图像利用峰值检出算法,增量图像从多个声学图像帧生成,其中仅在增量图像内的具有超过预定义的阈值的像素强度的那些像素被登记为声音事件。
其中一个或多个声音事件中的每个声音事件的位置与声学图像数据的超过预定义阈值的那些像素的几何区域相关。
包括将针对所述一个或多个声音事件中的每个相应的声音事件的该组经空间滤波的声音信号加和。
声音信息与采集图像叠加过程中,确定一个或多个声音事件的位置后,将其与光学图像帧的对应部分相叠加。
精确判断故障位置过程中,基于一个或多个经评分的预定义的故障种类模型,根据监测到的声音事件的声音特征,对声音事件进行分类,过滤和筛选出精确的故障声音。
定义待监测的多个声音特征,其中该多个声音特征包括能量占比、频率范围、分贝级别、音域范围、响度范围、定向位置以及时段。
设定监测对象为轨道车辆,并针对轨道车辆监测对象状态设定监测周期以及故障确定条件;对所述轨道车辆对象进行监测,当满足所述车辆监测对象的故障确定条件时,设定所述车辆对象发生故障。
当所述车辆监测对象满足故障确定条件之后,还包括,发出故障警报并显示所述故障位置。
附图说明
图1是本发明实施例方法流程方框图;
图2是本发明实施例搭建监测系统现场安装分布示意图;
图3是本发明实施例声音成像示意图;
图4是精确判断故障位置流程方框图。
具体实施方式:
下面结合实施例对本发明作进一步说明,目的仅在于更好地理解本发明内容,因此,所举之例并不限制本发明的保护范围。
参见图1、图2、图3、图4,一种基于声成像技术的轨道车辆故障监测方法,与轨道车辆现有检修过程衔接,包括以下步骤:
S1、高速同步采集多通道声音信号过程:高速采集轨道车辆不同时刻,各个通道的声音信息;
S2、声相诊断分析过程:将不同时刻取得的声音信号进行波束形成,生成声音数据,对声音数据进行存储分析,然后根据声波传播理论和构造车身骨架结构模型,通过仿真计算得到轨道车辆车身结构的模态及其声压分布;
S3、初步定位异常声音事件过程:根据步骤S2中声相诊断分析结果,初步确定异常声源部位;
S4、采集异常声音位置图像并叠加声音信息过程:针对步骤S3中初步确定的异常声源部位,采用声学相机成像技术进行声音信息和位置图像的叠加;
S5、精确判断故障位置过程:根据监测到的声音特征,对声音事件进行分类,排除干扰声音信号,精确定位故障位置。
声音的采集点在所述车辆轨道的左右两侧上的一处或多处,进行均一间隔隔开布置,并同时采集轨道车辆的视觉图像。
采集的视觉图像包括车辆侧面风机、气路、轴承的图像信息。
故障位置的标记是以下各项中的一项或多项:视觉图像、字符表示及光束,用于对所监测到的目标故障进行显示;其中产生该标记进一步包括根据一个或多个预先确定的时间对采集到的异常声音事件进行标记。
其中,该参考故障位置包括相对于一个预先确定的位置的二维位置和三维位置。
高速同步采集多通道声音信号步骤被进一步描述成:响应于检测到一个或多个异常声音事件而生成针对每个响应的声音事件的多维事件签名,并且其中每个多维事件签名至少包括声学图像数据的部分和基于所述多个音频信号的一组经空间滤波的声音信号。
声相诊断分析步骤的过程被进一步描述成:
通过对数据进行采集从而接收到多个声学图像帧、多个经空间滤波的声音信号和多个光学图像帧,所述多个声学图像帧和所述多个经空间滤波的声音信号表示所观察的车辆的空间谱;
确定一个或多个声音事件在所述多个声学图像帧内的位置。
声相诊断分析步骤确定一个或多个声音事件的位置的过程进一步包括对增量图像利用峰值检出算法,增量图像从所述多个声学图像帧生成,其中仅在增量图像内的具有超过预定义的阈值的像素强度的那些像素被登记为声音事件;其中一个或多个声音事件中的每个声音事件的位置与声学图像数据的超过预定义阈值的那些像素的几何区域相关;进一步包括将针对一个或多个声音事件中的每个相应的声音事件的该组经空间滤波的声音信号加和;
声音信息与采集图像叠加步骤被进一步描述成,确定一个或多个声音事件的位置后,将其与光学图像帧的对应部分相叠加。
精确判断故障位置步骤被进一步描述成,基于一个或多个经评分的预定义的故障种类模型,根据监测到的声音事件的声音特征,对声音事件进行分类,过滤和筛选出精确的故障声音。
定义待监测的多个声音特征,其中该多个声音特征包括能量占比、频率范围、分贝级别、音域范围、响度范围、定向位置以及时段;
设定监测对象为轨道车辆,并针对所述轨道车辆监测对象状态设定监测周期以及故障确定条件;
对所述轨道车辆对象进行监测,当满足所述车辆监测对象的故障确定条件时,设定所述车辆对象发生故障;
当所述车辆监测对象满足故障确定条件之后,还包括,发出故障警报并显示所述故障位置。
参见图4,精确判断故障位置包括以下步骤:
(1)训练样本采集过程将采集车辆不同运行状态下的多通道声信号;
(2)样本提取过程应用远场波束形成或近场声全息算法重建声源表面附近的辐射声场,得到声压级重建矩阵样本;
(3)量化图像过程将声压级重建矩阵按声压级矩阵动态范围量化为灰度图像;
(4)特征提取过程应用纹理特征提取方法提取声像图样本中的纹理分布特征,揭示在不同运行状态下声场的空间分布规律;
(5)分类训练过程将不同运行状态下的空间分布特征输入多分类支持的分类器中进行分类训练,比较不同测试条件下的诊断正确率,得到最佳分类器参数;
(6)诊断过程将重复S1-S4中的步骤,对不同状态下的声像图进行纹理分步和特征提取,并叠加显示在摄像头拍摄的图像上;
(7)结果输出过程将测试状态下的声场空间分布特征输入S5中已训练好的分类器中,过滤掉干扰声音信息,同时将声音信息历史趋势数据及正常标准声音进行对比,得到精确的故障位置诊断测试结果,实现故障诊断。
参见图2,本方法搭建监测系统,由麦克风阵列(分别放置在轨道旁两侧,距离铁轨两米)、数据记录采集模块、声相诊断分析软件和数据分析服务器组成。
车辆通过时触发传感器,高速同步采集多通道声音信号,对声音信息进行降噪、滤波、放大等预处理,并通过网络将数据传输到数据分析服务器上并进行存储;通过声相诊断分析软件对经过存储的基础数据进行初步分析以及特征参数提取的数据分析过程;声相诊断分析包括以下步骤:
(1)对图像信息进行分析,识别车辆顺位信息、车型、车号等信息;
(2)对声音信息进行分析和识别;
初步定位异常声音事件,通过声相诊断分析软件分析基础声音数据对车辆异常噪声位置进行初步定位;
通过摄像头采集车辆的光学图像并结合声音位置,将声音事件的特征通过亮度和颜色叠加绘制在图像上,精确判断故障位置,在显示终端实时显示。
高速同步采集多通道声音信号过程,是对轨道车辆检修现场音频数据通过麦克风阵列和数据采集模块进行采集的过程,采集车辆动态运动和静态不同状态下的声学和图像信息,包括架设在轨道两侧的麦克风阵列,不同阵列布置方式,采集的声场结果也不同,应根据监测部件的具体结构和采集环境具体布置;
声相诊断分析过程,是通过声相诊断分析软件对经过存储的基础数据进行初步分析,通过声音信息的能量占比、频率范围、分贝级别、音域范围、响度范围、定向位置以及时段等特征参数,对超过预定义阈值的重点声音信号进行筛选并提取特征值参数,从而对车辆侧面的风机、气路、轴承等声学信息进行分析和判定的过程,
初步定位异常声音事件过程,是声相诊断分析软件以第1时间帧T1期间收集的声音信号为基础,计算各地的波束功率Pij,生成第1声音数据;通过波束成形技术,确定声源位置的过程;可以通过下面的数式说明波束成形技术,在N个麦克风测量的各个信号中,给予向虚拟声源方向的时间延迟,按传感器乘以加权值后,如果加上信号,则可以获得波束功率。如果实际声源与虚拟声源方向一致,则信号被放大。通过这种方法,可以推定噪声源的位置。
对于某个位置的声压估计,用均方根计算
具体包括以下步骤:
(1)采用频谱分析和声源定位来确定发出声音的位置,然后根据声波传播的理论和构造车身骨架结构模型,通过仿真计算得到轨道车辆车身结构的模态及其声压分布,初步确定声源部位。
(2)针对步骤(1)初步确定的噪声声源部位,采用声学相机成像技术准确确定声源部位。
采集异常声音位置图像并叠加声音信息过程,是以初步定位声音信息中生成的第1声音数据为基础,以摄像头生成图像数据,声相诊断分析软件对第1声音数据与图像数据进行协调、分析和识别后,叠加进行覆盖,将声音信息通过亮度和颜色在图像信息上显示,融合形成声像图,在视觉上显现声音信息。
精确判断故障位置具体包括以下步骤:
(1)声音收集装置在比第1时间帧T1时间更后的第2时间帧T2期间,收集车辆侧面风机、气路、轴承等噪声源的声音信号。实际上声音信号收集是无休止地按连续的时间间隔进行测量。随后根据声相分析软件的分析判断,只显示和存储认定为有效时间区间的数据;
(2)声相分析软件利用第2声音数据D2和初始声音数据D1演算的声音矩阵M3,可以将其映射在光学图像上进行显示。
(3)然后步骤(1)、(2)可以反复进行多次,把不同时段的车辆侧面风机、气路、轴承等噪声源发生程度显示于一个画面上进行重叠显示,通过摄像头拍摄车辆噪声源的光学影像,诊断分析软件将演算的声音数据与图像数据进行协调并叠加覆盖,在视觉上将故障噪声信息进行显现,声相诊断分析软件将在摄像头所摄图像上绘制不同颜色和亮度的声音数据,通过叠加数据的积累与演算,基于经评分的预定义的故障种类模型,根据监测到的声音事件的频率范围、分贝级别等声音特征,对声音事件进行分类,排除干扰声音信号,精确定位故障位置信息。
本发明运用声学诊断技术,具有非接触测量、不影响设备运行的特点,且通过阵列式布置的采集器,能克服传统声像学中局部诊断的缺陷,抗干扰性更强,获取多个测量面处的声信号并进行声源反演,也可避免测点选择难的问题;异常发声定位后,与图像采集叠加,更直观的诊断车辆故障。
以上所述仅为本发明较佳可行的实施例而已,并非因此局限本发明的权利范围,凡运用本发明说明书及其附图内容所作的等效变化,均包含于本发明的权利范围之内。
Claims (15)
1.一种基于声成像技术的轨道车辆故障监测方法,与轨道车辆现有检修过程衔接,其特征在于,包括以下步骤:
S1、高速同步采集多通道声音信号过程:高速采集轨道车辆不同时刻,各个通道的声音信息;
S2、声相诊断分析过程:将不同时刻取得的声音信号进行波束形成,生成声音数据,对声音数据进行存储分析,然后根据声波传播理论和构造车身骨架结构模型,通过仿真计算得到轨道车辆车身结构的模态及其声压分布;
S3、初步定位异常声音事件过程:根据步骤S2中声相诊断分析结果,初步确定异常声源部位;
S4、采集异常声音位置图像并叠加声音信息过程:针对步骤S3中初步确定的异常声源部位,采用声学相机成像技术进行声音信息和位置图像的叠加;
S5、精确判断故障位置过程:根据监测到的声音特征,对声音事件进行分类,排除干扰声音信号,精确定位故障位置。
2.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:声音的采集点在车辆轨道的左右两侧上的一处或多处,进行均一间隔隔开布置,并同时采集轨道车辆的视觉图像。
3.根据权利要求2所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:采集的视觉图像包括车辆侧面风机、气路、轴承的图像信息。
4.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:故障位置的标记是以下各项中的一项或多项:视觉图像、字符表示及光束,用于对所监测到的目标故障进行显示,其中产生该标记包括根据一个或多个预先确定的时间对采集到的异常声音事件进行标记。
5.根据权利要求4所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:其中,该参考故障位置包括相对于一个预先确定的位置的二维位置和三维位置。
6.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:高速同步采集多通道声音信号过程中,响应于检测到一个或多个异常声音事件而生成针对每个响应的声音事件的多维事件签名,并且其中每个多维事件签名至少包括声学图像数据的部分和基于所述多个音频信号的一组经空间滤波的声音信号。
7.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:声相诊断分析过程中,通过对数据进行采集从而接收到多个声学图像帧、多个经空间滤波的声音信号和多个光学图像帧,多个声学图像帧和多个经空间滤波的声音信号表示所观察的车辆的空间谱;确定一个或多个声音事件在多个声学图像帧内的位置。
8.根据权利要求7所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:声相诊断分析过程中确定一个或多个声音事件的位置的过程包括对增量图像利用峰值检出算法,增量图像从多个声学图像帧生成,其中仅在增量图像内的具有超过预定义的阈值的像素强度的那些像素被登记为声音事件。
9.根据权利要求8所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:其中一个或多个声音事件中的每个声音事件的位置与声学图像数据的超过预定义阈值的那些像素的几何区域相关。
10.根据权利要求8所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:包括将针对所述一个或多个声音事件中的每个相应的声音事件的该组经空间滤波的声音信号加和。
11.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:声音信息与采集图像叠加过程中,确定一个或多个声音事件的位置后,将其与光学图像帧的对应部分相叠加。
12.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:精确判断故障位置过程中,基于一个或多个经评分的预定义的故障种类模型,根据监测到的声音事件的声音特征,对声音事件进行分类,过滤和筛选出精确的故障声音。
13.根据权利要求12所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:定义待监测的多个声音特征,其中该多个声音特征包括能量占比、频率范围、分贝级别、音域范围、响度范围、定向位置以及时段。
14.根据权利要求1所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:设定监测对象为轨道车辆,并针对轨道车辆监测对象状态设定监测周期以及故障确定条件;对所述轨道车辆对象进行监测,当满足所述车辆监测对象的故障确定条件时,设定所述车辆对象发生故障。
15.根据权利要求14所述的基于声成像技术的轨道车辆故障监测方法,其特征在于:当所述车辆监测对象满足故障确定条件之后,还包括,发出故障警报并显示所述故障位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910280025.4A CN110006672A (zh) | 2019-04-09 | 2019-04-09 | 基于声成像技术的轨道车辆故障监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910280025.4A CN110006672A (zh) | 2019-04-09 | 2019-04-09 | 基于声成像技术的轨道车辆故障监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110006672A true CN110006672A (zh) | 2019-07-12 |
Family
ID=67170493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910280025.4A Withdrawn CN110006672A (zh) | 2019-04-09 | 2019-04-09 | 基于声成像技术的轨道车辆故障监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110006672A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456357A (zh) * | 2019-08-27 | 2019-11-15 | 吉林大学 | 一种导航定位方法、装置、设备及介质 |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN110661988A (zh) * | 2019-08-14 | 2020-01-07 | 天津师范大学 | 一种声音与图像混合阵列处理系统 |
CN110687506A (zh) * | 2019-10-11 | 2020-01-14 | 国网陕西省电力公司电力科学研究院 | 一种基于矢量传声器阵列的低频噪声源定位装置及方法 |
CN111726534A (zh) * | 2020-07-01 | 2020-09-29 | 安徽慧可科技有限公司 | 一种信号可视化的处理系统及其处理方法 |
CN111739554A (zh) * | 2020-06-19 | 2020-10-02 | 浙江讯飞智能科技有限公司 | 声学成像频率确定方法、装置、设备及存储介质 |
CN112857560A (zh) * | 2021-02-06 | 2021-05-28 | 河海大学 | 一种基于声音频率的声学成像方法 |
CN113049275A (zh) * | 2021-03-18 | 2021-06-29 | 杭州豪盛电动车辆有限公司 | 一种轨道平车故障监测方法、装置、智能终端及存储介质 |
CN113567125A (zh) * | 2021-07-21 | 2021-10-29 | 上海工程技术大学 | 一种轨道车辆轴箱轴承便携式道旁声学检测系统及方法 |
CN113607447A (zh) * | 2021-07-08 | 2021-11-05 | 中核检修有限公司 | 一种声学光学联合风机故障定位装置及方法 |
CN113942461A (zh) * | 2021-10-22 | 2022-01-18 | 广州小鹏汽车科技有限公司 | 故障检测方法、装置和可读存储介质 |
CN115875008A (zh) * | 2023-01-06 | 2023-03-31 | 四川省川建勘察设计院有限公司 | 一种地质钻机智能钻探数据采集方法、系统和存储介质 |
CN116030550A (zh) * | 2023-03-24 | 2023-04-28 | 中国汽车技术研究中心有限公司 | 车辆状态数据的异常识别和处理方法、设备及介质 |
CN116522283A (zh) * | 2023-07-03 | 2023-08-01 | 利维智能(深圳)有限公司 | 基于振动和视频数据的融合诊断方法、装置、设备及介质 |
CN116989888A (zh) * | 2023-09-27 | 2023-11-03 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008304403A (ja) * | 2007-06-11 | 2008-12-18 | Sumitomo Rubber Ind Ltd | タイヤのための音源特定装置 |
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
CN101936818A (zh) * | 2010-08-27 | 2011-01-05 | 上海交通大学 | 非接触式旋转机械故障的诊断系统 |
JP2013015468A (ja) * | 2011-07-06 | 2013-01-24 | Hitachi Engineering & Services Co Ltd | 異音診断装置および異音診断方法 |
CN202853912U (zh) * | 2012-10-30 | 2013-04-03 | 上海电机学院 | 一种火车故障检测装置 |
CN106153363A (zh) * | 2015-04-07 | 2016-11-23 | 中国人民解放军海军工程大学 | 一种基于声像监测的机械设备故障自动识别方法 |
CN205826307U (zh) * | 2016-04-07 | 2016-12-21 | 成都铁安科技有限责任公司 | 一种列车轴承缺陷声学检测装置 |
CN107223332A (zh) * | 2015-03-19 | 2017-09-29 | 英特尔公司 | 基于声学相机的音频视觉场景分析 |
RU2667808C1 (ru) * | 2017-12-19 | 2018-09-24 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский технологический университет "МИСиС" | Способ акустико-эмиссионной диагностики ответственных деталей тележек грузовых вагонов при эксплуатации |
CN108594795A (zh) * | 2018-05-31 | 2018-09-28 | 北京康拓红外技术股份有限公司 | 一种动车组声音故障诊断系统及诊断方法 |
CN208530591U (zh) * | 2018-08-09 | 2019-02-22 | 成都铁安科技有限责任公司 | 一种轨边设备以及轴承故障声学检测设备 |
-
2019
- 2019-04-09 CN CN201910280025.4A patent/CN110006672A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008304403A (ja) * | 2007-06-11 | 2008-12-18 | Sumitomo Rubber Ind Ltd | タイヤのための音源特定装置 |
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
CN101936818A (zh) * | 2010-08-27 | 2011-01-05 | 上海交通大学 | 非接触式旋转机械故障的诊断系统 |
JP2013015468A (ja) * | 2011-07-06 | 2013-01-24 | Hitachi Engineering & Services Co Ltd | 異音診断装置および異音診断方法 |
CN202853912U (zh) * | 2012-10-30 | 2013-04-03 | 上海电机学院 | 一种火车故障检测装置 |
CN107223332A (zh) * | 2015-03-19 | 2017-09-29 | 英特尔公司 | 基于声学相机的音频视觉场景分析 |
CN106153363A (zh) * | 2015-04-07 | 2016-11-23 | 中国人民解放军海军工程大学 | 一种基于声像监测的机械设备故障自动识别方法 |
CN205826307U (zh) * | 2016-04-07 | 2016-12-21 | 成都铁安科技有限责任公司 | 一种列车轴承缺陷声学检测装置 |
RU2667808C1 (ru) * | 2017-12-19 | 2018-09-24 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский технологический университет "МИСиС" | Способ акустико-эмиссионной диагностики ответственных деталей тележек грузовых вагонов при эксплуатации |
CN108594795A (zh) * | 2018-05-31 | 2018-09-28 | 北京康拓红外技术股份有限公司 | 一种动车组声音故障诊断系统及诊断方法 |
CN208530591U (zh) * | 2018-08-09 | 2019-02-22 | 成都铁安科技有限责任公司 | 一种轨边设备以及轴承故障声学检测设备 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110661988B (zh) * | 2019-08-14 | 2022-01-11 | 四川天源宏创科技有限公司 | 一种声音与图像混合阵列处理系统 |
CN110661988A (zh) * | 2019-08-14 | 2020-01-07 | 天津师范大学 | 一种声音与图像混合阵列处理系统 |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN110456357A (zh) * | 2019-08-27 | 2019-11-15 | 吉林大学 | 一种导航定位方法、装置、设备及介质 |
CN110687506A (zh) * | 2019-10-11 | 2020-01-14 | 国网陕西省电力公司电力科学研究院 | 一种基于矢量传声器阵列的低频噪声源定位装置及方法 |
CN111739554A (zh) * | 2020-06-19 | 2020-10-02 | 浙江讯飞智能科技有限公司 | 声学成像频率确定方法、装置、设备及存储介质 |
CN111726534A (zh) * | 2020-07-01 | 2020-09-29 | 安徽慧可科技有限公司 | 一种信号可视化的处理系统及其处理方法 |
CN112857560A (zh) * | 2021-02-06 | 2021-05-28 | 河海大学 | 一种基于声音频率的声学成像方法 |
CN113049275A (zh) * | 2021-03-18 | 2021-06-29 | 杭州豪盛电动车辆有限公司 | 一种轨道平车故障监测方法、装置、智能终端及存储介质 |
CN113607447A (zh) * | 2021-07-08 | 2021-11-05 | 中核检修有限公司 | 一种声学光学联合风机故障定位装置及方法 |
CN113567125A (zh) * | 2021-07-21 | 2021-10-29 | 上海工程技术大学 | 一种轨道车辆轴箱轴承便携式道旁声学检测系统及方法 |
CN113567125B (zh) * | 2021-07-21 | 2023-08-29 | 上海工程技术大学 | 一种轨道车辆轴箱轴承便携式道旁声学检测系统及方法 |
CN113942461A (zh) * | 2021-10-22 | 2022-01-18 | 广州小鹏汽车科技有限公司 | 故障检测方法、装置和可读存储介质 |
CN115875008A (zh) * | 2023-01-06 | 2023-03-31 | 四川省川建勘察设计院有限公司 | 一种地质钻机智能钻探数据采集方法、系统和存储介质 |
CN116030550A (zh) * | 2023-03-24 | 2023-04-28 | 中国汽车技术研究中心有限公司 | 车辆状态数据的异常识别和处理方法、设备及介质 |
CN116030550B (zh) * | 2023-03-24 | 2023-06-23 | 中国汽车技术研究中心有限公司 | 车辆状态数据的异常识别和处理方法、设备及介质 |
CN116522283A (zh) * | 2023-07-03 | 2023-08-01 | 利维智能(深圳)有限公司 | 基于振动和视频数据的融合诊断方法、装置、设备及介质 |
CN116989888A (zh) * | 2023-09-27 | 2023-11-03 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
CN116989888B (zh) * | 2023-09-27 | 2024-03-12 | 之江实验室 | 声成像方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110006672A (zh) | 基于声成像技术的轨道车辆故障监测方法 | |
CN105258785B (zh) | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 | |
CN107748314A (zh) | 基于声波震荡检测的变压器故障分析系统 | |
CN109616140B (zh) | 一种异常声音分析系统 | |
CN114414963A (zh) | 一种变电站域故障智能监测的声学成像定位系统及方法 | |
CN106006344A (zh) | 扶梯故障在线预警系统及故障诊断方法 | |
CN109209783A (zh) | 一种基于噪声检测叶片的雷击损伤的方法及装置 | |
CN110807901B (zh) | 一种非接触式工业异常声音检测方法 | |
CN112067701B (zh) | 基于声学诊断的风机叶片远程听诊方法 | |
DE102008021362B3 (de) | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine | |
CN107526329A (zh) | 基于人工智能设计的机器人管理系统 | |
CN110456694A (zh) | 一种风力发电机组及部件的运输智能监控系统 | |
CN107677364A (zh) | 空调喘振测试方法及系统 | |
JP2012018066A (ja) | 異常検査装置 | |
CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
CN113313146A (zh) | 一种设备异常运行状态智能监测的方法 | |
CN111598039A (zh) | 用于石油管道监控的异常声音监测方法及监测装置 | |
KR20210129942A (ko) | 이음 검사 장치 및 그 검사 방법 | |
CN105334052A (zh) | 一种主减速器总成质量检测方法 | |
CN113551765A (zh) | 设备故障声谱分析诊断方法 | |
CN115618205A (zh) | 一种便携式声纹故障检测系统及方法 | |
CN105784364A (zh) | 基于总体经验模式分解与分形盒维数的轴承故障诊断方法 | |
CN111076960B (zh) | 一种基于人工智能算法的声纹质量检测方法 | |
JP2002140090A (ja) | 異常監視装置 | |
CN111456915A (zh) | 风机机舱内部部件的故障诊断装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190712 |
|
WW01 | Invention patent application withdrawn after publication |