CN110031088A - 电子设备故障检测方法、装置、设备和吸油烟机 - Google Patents
电子设备故障检测方法、装置、设备和吸油烟机 Download PDFInfo
- Publication number
- CN110031088A CN110031088A CN201910308728.3A CN201910308728A CN110031088A CN 110031088 A CN110031088 A CN 110031088A CN 201910308728 A CN201910308728 A CN 201910308728A CN 110031088 A CN110031088 A CN 110031088A
- Authority
- CN
- China
- Prior art keywords
- noise
- noise reduction
- electronic equipment
- sound
- signal
- 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
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种电子设备故障检测方法、装置、设备和吸油烟机,该方法包括:在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出电子设备的工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
Description
技术领域
本申请涉及设备检测技术领域,特别是涉及一种电子设备故障检测方法、装置、设备和吸油烟机。
背景技术
随着科技的发展和社会的不断进步,电子设备在人们日常生活和工作中已经十分常见。吸油烟机、数字电视、空调等各种各样的智能电器进入家庭,也提高了人们的生活水平。
而为了减少电子设备在工作时的噪声,目前大多数的电子设备都带有主动降噪功能。例如,对于具有主动降噪功能的吸油烟机来说,由于有主动降噪装置的存在,大部分噪声都被抑制,以至于人们不容易察觉油烟机工作状态的变化,不利于及时发现异常、申请售后服务,也不利于售后时检查问题。因此,传统的具有主动降噪功能的设备会存在故障检测效率低下的问题。
发明内容
基于此,有必要针对具有主动降噪功能的设备故障检测效率低下问题,提供一种可提高对具有主动降噪功能设备的故障检测效率的电子设备故障检测方法、装置、设备和吸油烟机。
一种电子设备故障检测方法,包括:
在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;
根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;
根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
一种电子设备故障检测装置,包括:
信号获取模块,用于在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;
噪声分析模块,用于根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;
故障检测模块,用于根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
一种电子设备故障检测设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种吸油烟机,包括信号采集装置、主动降噪装置和显示装置,所述主动降噪装置连接所述信号采集装置和所述显示装置,所述信号采集装置用于采集吸油烟机处于工作状态时的噪声信号并输出至所述主动降噪装置,所述主动降噪装置用于根据上述方法进行故障检测。
上述电子设备故障检测方法、装置、设备和吸油烟机,在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号进行噪声分析,根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果。在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出电子设备的工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
附图说明
图1为一实施例中电子设备故障检测方法的流程图;
图2为一实施例中根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息的流程图;
图3为一实施例中根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出的流程图;
图4为另一实施例中电子设备故障检测方法的流程图;
图5为一实施例中电子设备故障检测装置的结构框图;
图6为另一实施例中电子设备故障检测装置的结构框图;
图7为一实施例中主动降噪吸油烟机的智能检测系统示意图;
图8为一实施例中主动降噪吸油烟机的智能检测系统各功能模块示意图;
图9为一实施例中主动降噪吸油烟机的智能检测系统的各模块所在位置示意图;
图10为一实施例中主动降噪吸油烟机的智能检测系统的各模块摆放位置图;
图11为一实施例中盲源分离和频谱分析的流程图;
图12为一实施例中吸油烟机进行故障检测的整体流程图;
图13为一实施例中盲源分离的具体流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,提供了一种电子设备故障检测方法,适用于具有主动降噪功能的电子设备进行故障检测,电子设备可以是空调、吸油烟机等,如图1所示,该方法包括:
步骤S110:在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号。
具体地,可通过设置于电子设备的传感器进行信号检测,并将检测到的信号发送至电子设备的主动降噪装置。电子设备在处于工作状态时,为了减少噪声对人们的影响,通过传感器检测噪声信号发送至主动降噪装置,主动降噪装置根据检测到的噪声信号进行主动降噪。为避免电子设备的主动降噪功能对故障检测造成干扰,在电子设备进行主动降噪前,将传感器检测到的主动降噪前的原始噪声信号发送至主动降噪装置,以供主动降噪装置进行故障检测分析。其中,采集的原始噪声信号具体包括电子设备的多个噪声混合信号。
步骤S120:根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息。
主动降噪装置在接收到主动降噪前的原始噪声信号后,根据原始噪声信号进行智能分析,以便根据分析结果得出电子设备的工作状态。具体地,在主动降噪未进行之前先进行原始信号智能分析,依次为声压级测量、对噪声信号进行盲源分离和频谱分析,分离出一个或多个噪声源信号,然后分析出各个噪声源的频率特征,便于后续识别出噪声源。
在一个实施例中,如图2所示,步骤S120包括步骤S122至步骤S126。
步骤S122:根据原始噪声信号计算得到降噪前噪声声压级。具体地,将传感器采集到的声压信号(即原始噪声信号)转换为电信号传递到主动降噪装置中的智能分析模块后,由主动降噪装置的智能分析模块根据接收的信号计算得到传感器采集的降噪前噪声声压级。其中,计算噪声声压级的具体方式并不唯一,本实施例中,计算噪声声压级的具体计算公式如下:
式中,SPL为噪声声压级,Pe为待测声压信号的有效值,Pref为参考声压,一般取2×10-5Pa。可以理解,如果采用设置于电子设备不同位置的多个传感器进行原始噪声信号采集,则可针对每个传感器采集的信号分别计算得到对应传感器采集的声压级,然后对多个声压级求平均值作为降噪前噪声声压级。计算得到的降噪前噪声声压级可用于后续判断电子设备是否出现故障。
步骤S124:对原始噪声信号进行盲源分离,得到源信号。
对复合噪声信号进行盲源分离相对于振动信号会较为复杂,由于实际环境声场中存在声吸收、反射和衍射等现象,加之其他信号的介入,使得声场变得极为复杂,从而导致传感器测量的观测信号是多个信号相互耦合的卷积结果。对原始噪声信号进行盲源分离的方式并不唯一,具体地,步骤S124包括:采用改进时域盲解卷积(BDSN)算法、快速独立分量分析(FastICA)算法或二阶盲辨识(SOBI)算法对原始噪声信号进行盲源分离。操作人员可根据实际情况选择具体的盲源分离算法。
步骤S126:对源信号进行频谱分析,识别得到源信号的噪声频谱信息。
可以理解,对源信号进行频谱分析的方式也不是唯一的,在一个实施例中,步骤S126包括:获取源信号的第一频谱特征;比较第一频谱特征与预设的第二频谱特征的基频与倍频,识别出第一频谱特征对应的噪声源,得到源信号的噪声频谱信息;其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。通过对一个或多个源信号进行频谱分析,得到源信号的噪声频谱信息用作后续识别出各个噪声源。
步骤S130:根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
具体地,主动降噪装置首先根据得到的降噪前噪声声压级检测电子设备是否出现故障,当判定出现故障时,则结合噪声频谱信息确定故障位置,即异常噪声源。根据电子设备是否存在故障,对应得到的故障检测结果会对应所有不同。如果电子设备未出现故障,则可将预存的状态正常信息作为故障检测结果输出。如果电子设备出现故障,则可将检测到的异常噪声源作为故障检测结果。此外,无论电子设备是否出现故障,还可将计算得到的降噪前噪声声压级也作为故障检测结果的部分内容输出。输出故障检测结果的方式并不唯一,可以是输出至显示装置进行显示,也可以是输出至主控制器进行数据汇总和存储。
在一个实施例中,如图3所示,步骤S130包括步骤S132。
步骤S132:当降噪前噪声声压级大于预设的声压级阈值时,将噪声频谱信息与预设的源信号频谱信息进行对比识别出异常噪声源,得到故障检测结果并输出。
可在出厂前模拟用户使用环境对电子设备进行试验,并以此时测量出的声压级作为标准声压级(即声压级阈值)。具体地,声压级阈值的取值并不唯一,以声压级阈值为40dB为例,在用户实际使用过程中,如果未开启主动降噪之前测得的声压级高于标准声压级40dB及以上,则提示电子设备出现故障,并结合噪声频谱信息进行频谱分析,对比出厂时测量的各个源信号的频谱信息,可以查出异常噪声源,提示准确的故障位置,检测准确可靠。
进一步地,在一个实施例中,继续参照图3,步骤S130还包括步骤S134。
步骤S134:当降噪前噪声声压级小于或等于预设的声压级阈值时,将预设的设备状态正常信息作为故障检测结果并输出。对应地,如果降噪前噪声声压级小于或等于声压级阈值,则说明电子设备无异响,输出设备状态正常信息以告知用户,提高用户的使用便利性。输出设备状态正常信息也不是唯一的,具体可以是输出预设的文字提示信息至显示装置进行显示。
此外,在一个实施例中,如图4所示,步骤S120之后,该方法还可包括步骤S140和步骤S150。
步骤S140:获取电子设备进行主动降噪后的噪声信号,并根据主动降噪后的噪声信号得到降噪后噪声声压级。
具体地,电子设备进行主动降噪的方式可采用市场上现有的技术实现,获取主动降噪后的噪声信号并计算降噪后噪声声压级的具体方式与上文中计算降噪前噪声声压级的方式相似,在此不再赘述。
步骤S150:根据降噪前噪声声压级和降噪后噪声声压级进行主动降噪状态检测,得到主动降噪状态信息并输出。
具体地,主动降噪装置对比主动降噪开启前后测量的声压级的差值,即用开启主动降噪设备前测量的声压级减去开启主动降噪设备后测量的声压级,根据声压级差值进行主动降噪设备状态判定,得到主动降噪状态信息输出到显示装置进行显示。
本实施例中,通过对比电子设备主动降噪开启前后测量的声压级的差值,对电子设备的主动降噪设备性能进行检测,当电子设备的主动降噪功能出现异常时可及时知晓,提高了电子设备的使用可靠性。
上述电子设备故障检测方法,在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号进行噪声分析,根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果。在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出电子设备的工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
在一个实施例中,还提供了一种电子设备故障检测装置,适用于具有主动降噪功能的电子设备进行故障检测,电子设备可以是空调、吸油烟机等,如图5所示,该电子设备故障检测装置包括信号获取模块110、噪声分析模块120和故障检测模块130。
信号获取模块110用于在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号。
噪声分析模块120用于根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息。
具体地,在一个实施例中,噪声分析模块120根据原始噪声信号计算得到降噪前噪声声压级;对原始噪声信号进行盲源分离,得到源信号;对源信号进行频谱分析,识别得到源信号的噪声频谱信息。进一步地,噪声分析模块120对原始噪声信号进行盲源分离,可采用改进时域盲解卷积算法、快速独立分量分析算法或二阶盲辨识算法。此外,噪声分析模块120对源信号进行频谱分析,识别得到源信号的噪声频谱信息,包括:获取源信号的第一频谱特征;比较第一频谱特征与预设的第二频谱特征的基频与倍频,识别出第一频谱特征对应的噪声源,得到源信号的噪声频谱信息;其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
故障检测模块130用于根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
在一个实施例中,故障检测模块130还在降噪前噪声声压级大于预设的声压级阈值时,将噪声频谱信息与预设的源信号频谱信息进行对比识别出异常噪声源,得到故障检测结果并输出。进一步地,故障检测模块130在降噪前噪声声压级小于或等于预设的声压级阈值时,将预设的设备状态正常信息作为故障检测结果并输出。
在一个实施例中,如图6所示,该电子设备故障检测装置还可包括降噪检测模块140。降噪检测模块140用于在噪声分析模块120根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息之后,获取电子设备进行主动降噪后的噪声信号,并根据主动降噪后的噪声信号得到降噪后噪声声压级;根据降噪前噪声声压级和降噪后噪声声压级进行主动降噪状态检测,得到主动降噪状态信息并输出。
关于电子设备故障检测装置的具体限定可以参见上文中对于电子设备故障检测方法的限定,在此不再赘述。上述电子设备故障检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述电子设备故障检测装置,在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号进行噪声分析,根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果。在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出电子设备的工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
在一个实施例中,还提供了一种电子设备故障检测设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下:在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;根据原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据原始噪声信号计算得到降噪前噪声声压级;对原始噪声信号进行盲源分离,得到源信号;对源信号进行频谱分析,识别得到源信号的噪声频谱信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在降噪前噪声声压级大于预设的声压级阈值时,将噪声频谱信息与预设的源信号频谱信息进行对比识别出异常噪声源,得到故障检测结果并输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在降噪前噪声声压级小于或等于预设的声压级阈值时,将预设的设备状态正常信息作为故障检测结果并输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取电子设备进行主动降噪后的噪声信号,并根据主动降噪后的噪声信号得到降噪后噪声声压级;根据降噪前噪声声压级和降噪后噪声声压级进行主动降噪状态检测,得到主动降噪状态信息并输出。
上述电子设备故障检测设备,在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号进行噪声分析,根据降噪前噪声声压级和噪声频谱信息对电子设备进行故障分析,得到故障检测结果。在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出电子设备的工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
在一个实施例中,还提供了一种吸油烟机,包括信号采集装置、主动降噪装置和显示装置,主动降噪装置连接信号采集装置和显示装置,信号采集装置用于采集吸油烟机处于工作状态时的噪声信号并输出至主动降噪装置,主动降噪装置用于根据上述方法进行故障检测,具体由主动降噪装置中的智能分析模块根据上述方法进行故障检测。
上述吸油烟机,在主动降噪未进行之前先进行原始信号的智能分析,可根据分析结果得出油烟机工作状态,有效避免设备的主动降噪功能对故障检测的影响,提高了具有主动降噪功能设备的故障检测效率。
为便于更好地理解上述电子设备故障检测方法、装置和设备,下面以吸油烟机为例进行详细的解释说明。
基于传统的具有主动降噪功能的吸油烟机故障检测效率低下的问题,提供了一种在主动降噪吸油烟上不增加任何设备实现智能检测的方法。一般吸油烟机上的主动降噪使用前馈式,本申请也以前馈式为例。该方法包括:采集吸油烟机工作状态下的噪声信号;在主动降噪未进行之前先进行原始信号智能分析,根据分析结果得出油烟机工作状态;然后开始进行主动降噪;稳定后再进行声压级测量,根据主动降噪前、后两次声压级测量值的差值判定主动降噪系统的工作状态。
其中,在主动降噪未进行之前先进行原始信号智能分析,依次为声压级测量、对噪声信号进行盲源分离和频谱分析,分离出一个或多个噪声源信号,分析出各个噪声源的频率特征,进而识别出噪声源。根据主动降噪前、后声压级测量值的差值来判定主动降噪系统的工作状态是否良好。
另一方面,提供一种吸油烟机既能实现主动降噪又能实现智能检测油烟机状态的智能检测系统,如图7所示,包括采集模块、智能分析模块、主动降噪模块和显示模块,采集模块用于采集吸油烟机的噪声混合信号,智能分析模块用于对混合噪声进行智能分析,得到油烟机工作状态;主动降噪模块用于对噪声信号进行降噪处理;显示模块用于显示油烟机和主动降噪系统工作情况。具体地,采用麦克风采集吸油烟机的噪声混合信号,可同时应用于智能分析模块和主动降噪模块,智能分析模块和主动降噪模块所对应的智能分析程序和主动降噪程序均集中放置在主动降噪装置的集成芯片中,大大节约了空间,提高了吸油烟机的性能。
具体地,如图8所示,采集装置包括3个初始信号传感器和1个误差信号声传感器,其中,主动降噪模块中还有1个次级声源(及扬声器)和控制器,智能检测模块包括声压级测量、盲源分离算法和频谱分析算法等,这些算法均可集成在主动降噪芯片中。显示模块通过显示屏实现,由数据线连接主动降噪芯片和显示屏。
如图9所示,本套系统使用的声传感器即用于主动降噪系统,也用于智能检测系统,既能达到主动降噪效果,也能对油烟机进行智能检测,分析出故障所在,实现早期故障诊断;并且也能根据主动降噪前后声压级差值来判定油烟机中主动降噪系统工作是否正常;主动降噪控制器和智能检测系统全部集成在主动降噪芯片上,无需另外占据额外空间,不会增加额外成本,且增加的电子显示屏可以实时提供油烟机本身和主动降噪系统状态情况,使消费者可以及早知道故障发生程度及情况,及早申请售后,减少损失。
传感器具体可安装在吸油烟壳体上,如图10所示,标号1表示3个初始信号声采集器中的1个,采集到的噪声源信号个数与传感器组中3个声传感器的个数相匹配。标号3表示1个误差信号声传感器,标号2表示主动降噪芯片,主动降噪的控制系统、智能检测的分析系统均设置在此芯片上。标号4为主动降噪中的次级声源(即扬声器);标号5为显示屏,用数据线与主动降噪芯片链接。其中,初级信号声传感器组安装在吸油烟机壳体上,传感器组包括第一声传感器、第二声传感器和第三声传感器,第一声传感器安装在吸油烟机离心风叶附近,第二声传感器安装在吸油烟机蜗壳侧面的壳体上,第三声传感器安装在油烟机电机旁。次级声源安装在油烟机壳体上,在初级声传感器下方,误差声传感器安装在次级声源的正下方,显示屏在吸油烟机的电子开关旁边。
盲源分离算法可以采用已经很成熟的盲源分离算法实现,利用Matlab编程得到。对于吸油烟机的噪声混合信号来说,在该噪声混合信号进行盲源分离处理后,可以得到包括风机组件的蜗壳产生的噪声信号,离心风叶产生的噪声信号及电机振动产生的噪声信号的源信号。如图11所示,频谱分析包括:提取噪声已分离出来的各噪声信号的频谱特征,通过对应已知噪声源的频率特征,识别相应的噪声源。
图12所示为吸油烟机进行故障检测的整体流程图。具体地,利用声传感器(即麦克风)、主动降噪芯片上的集成数据采集卡,在未启动主动降噪设备之前进行声压级测量,吸油烟机工作状态下各零部件振动会产生声压,三个在不同位置的声传感器会将采集到的声压信号转换为电信号传递到芯片上的数据采集卡中,在数据采集卡中经过计算得出各个传感器采集到的声压级,然后输出到显示器上,具体计算公式如下:
式中,SPL为声压级,Pe为待测声压的有效值,Pref为参考声压,一般取2×10-5Pa。吸油烟机在出厂前会模拟用户使用环境进行试验,并以此时测量出的声压级作为标准声压级,在用户使用时,未开启主动降噪之前测得的声压级若高于标准声压级40dB及以上,系统会提示油烟机出现故障,并结合后期的盲源分离和频谱分析提示准确故障位置。
盲源分离算法可以采用改进时域盲解卷积算法、快速独立分量分析算法和二阶盲辨识算法。如图13所示,以快速独立分量算法为例,传声器采集到的混合信号传输到芯片中的盲源分离模块,对油烟机混合噪声信号进行盲源分离,得到一个或多个源信号,具体包括:对多个噪声信号进行滤波、去均值和去白化处理,对处理后的混合信号进行源信号数估计处理,分离出一个或多个源信号。
进一步地,对一个或多个源信号进行频谱分析,识别出各个噪声源,具体包括:提取一个或多个源信号的第一频谱特征;比较第一频谱特征与第二频谱特征的基频与倍频,,识别第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。如图11所示,对吸油烟机的噪声混合信号进行盲源分离和频谱识别处理后,可以得出蜗壳振动产生的噪声源信号、离心风叶振动产生的噪声源信号和电机振动产生的噪声源信号,然后可以根据预先知道的该油烟机的蜗壳、电机和离心风叶的特征基频率(如蜗壳特征基频率f1、电机特征基频率f2和离心风叶特征基频率f3)识别异常噪声产生的部件。
在主动降噪设备未开启之前,通过声传感器采集吸油烟机的多个噪声混合信号,测量使用三个初始声传感器所测得的声压级求出其平均值,作为主动降噪设备开启前测得的声压级,然后对多个噪声混合信号进行盲源分离和频谱分析,以识别出各个源信号的噪声源,无需再使用加速度传感器,直接使用主动降噪设备即可完成。
在经过盲源分离和频谱特征分析后,再结合对混合噪声信号声压级的测量,能准确找到油烟机异常噪声产生部位,噪声异常即代表此部位异常,并以文字形式提示到显示屏上,比如“***部位异常”。若无分析无异响,则可文字显示“吸油烟机设备正常”。从而可以在吸油烟机运行的同时,准确快速进行设备状态智能检测,并以文字的形式提示在显示屏上,能够实现吸油烟机早期智能检测,有助于消费者及时报修或自己修理,避免等设备完全无法使用时才发现异常。
此外,吸油烟机在开启主动降噪设备后,待其运行稳定,再次进行声压级测量。对比主动降噪开启前后测量的声压级的差值,用开启主动降噪设备前测量的声压级减去开启主动降噪设备后测量的声压级,根据声压级差值进行主动降噪设备状态判定,输出到显示设备。
具体地,根据吸油烟机的说明书可以知道主动降噪设备开启后各个档位能够降低的多少分贝,以吸油烟机最高档为例,设主动降噪设备能降低最高档的噪音值为7dB。吸油烟机主动降噪设备开启后,待其运行至平稳状态,使用误差传感器测量的声压级作为开启主动降噪设备后的声压级,对比主动降噪设备开启前后的声压级变化,用开启前的声压级得值减去开启后的声压级的值,若差值>6dB,程序判定主动降噪设备运行正常,显示屏显示“主动降噪设备正常”;若1dB<差值<6dB,认为主动降噪设备异常,显示屏显示“主动降噪设备异常”;若差值<1dB,认为主动降噪设备已失效,显示屏显示“主动降噪设备已失效”。
基于以上,可实现在主动降噪装置未开启前对正在运行的吸油烟机进行噪声识别,可以在没有次级声源干扰的情况下准确分析油烟机各部件状态情况,输出工作状态。当声压级测量得到的声压级高于出厂时已测声压级40dB以上时,即认为油烟机设备有异常出现,再经过盲源分离和频谱分析即可得到各源噪声的频谱信息,对比出厂时测量的各个源信号的频谱信息,可以查出异常噪声源。并且,在主动降噪稳定后再进行声压级测量,根据主动降噪前、后两次声压级测量值的差值判定主动降噪系统的工作状态。以上这些程序都可集成在主动降噪芯片中,无需增加额外设备。
上述吸油烟机,只使用主动降噪一套装置就可以同时实现主动降噪和智能检测两种功能,节省空间,既能够主动对油烟机进行主动降噪,又可以检测油烟机工作状态,让用户可以在油烟机没有因故障停机前及时申请售后,也可以让售后工作人员可以高效的找到故障原因,进行维修,节省了时间和人力成本,让产品向智能化方向迈进。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电子设备故障检测方法,其特征在于,包括:
在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;
根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;
根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
2.根据权利要求1所述的方法,其特征在于,所述根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息,包括:
根据所述原始噪声信号计算得到降噪前噪声声压级;
对所述原始噪声信号进行盲源分离,得到源信号;
对所述源信号进行频谱分析,识别得到源信号的噪声频谱信息。
3.根据权利要求2所述的方法,其特征在于,所述对所述原始噪声信号进行盲源分离为,采用改进时域盲解卷积算法、快速独立分量分析算法或二阶盲辨识算法对所述原始噪声信号进行盲源分离。
4.根据权利要求2所述的方法,其特征在于,所述对所述源信号进行频谱分析,识别得到源信号的噪声频谱信息,包括:
获取源信号的第一频谱特征;
比较所述第一频谱特征与预设的第二频谱特征的基频与倍频,识别出第一频谱特征对应的噪声源,得到源信号的噪声频谱信息;其中,所述第二频谱特征用于表征预先获取的已知噪声源的频率特征。
5.根据权利要求1所述的方法,其特征在于,所述根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出,包括:
当所述降噪前噪声声压级大于预设的声压级阈值时,将噪声频谱信息与预设的源信号频谱信息进行对比识别出异常噪声源,得到故障检测结果并输出。
6.根据权利要求5所述的方法,其特征在于,所述根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出,还包括:
当所述降噪前噪声声压级小于或等于预设的声压级阈值时,将预设的设备状态正常信息作为故障检测结果并输出。
7.根据权利要求1-6任意一项所述的方法,其特征在于,所述根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息之后,还包括:
获取电子设备进行主动降噪后的噪声信号,并根据主动降噪后的噪声信号得到降噪后噪声声压级;
根据所述降噪前噪声声压级和所述降噪后噪声声压级进行主动降噪状态检测,得到主动降噪状态信息并输出。
8.一种电子设备故障检测装置,其特征在于,包括:
信号获取模块,用于在电子设备处于工作状态时,获取电子设备进行主动降噪前的原始噪声信号;
噪声分析模块,用于根据所述原始噪声信号对电子设备进行噪声分析,得到降噪前噪声声压级和噪声频谱信息;
故障检测模块,用于根据所述降噪前噪声声压级和所述噪声频谱信息对电子设备进行故障分析,得到故障检测结果并输出。
9.一种电子设备故障检测设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种吸油烟机,其特征在于,包括信号采集装置、主动降噪装置和显示装置,所述主动降噪装置连接所述信号采集装置和所述显示装置,所述信号采集装置用于采集吸油烟机处于工作状态时的噪声信号并输出至所述主动降噪装置,所述主动降噪装置用于根据权利要求1-7任意一项所述的方法进行故障检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308728.3A CN110031088B (zh) | 2019-04-17 | 2019-04-17 | 电子设备故障检测方法、装置、设备和吸油烟机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308728.3A CN110031088B (zh) | 2019-04-17 | 2019-04-17 | 电子设备故障检测方法、装置、设备和吸油烟机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031088A true CN110031088A (zh) | 2019-07-19 |
CN110031088B CN110031088B (zh) | 2020-04-07 |
Family
ID=67238772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910308728.3A Active CN110031088B (zh) | 2019-04-17 | 2019-04-17 | 电子设备故障检测方法、装置、设备和吸油烟机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031088B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430085A (zh) * | 2019-08-27 | 2019-11-08 | 青岛东软载波科技股份有限公司 | 一种集抄通信故障智能检测装置 |
CN110530502A (zh) * | 2019-08-01 | 2019-12-03 | 深圳市无限动力发展有限公司 | 电机状态监测方法、装置、存储介质及计算机设备 |
CN111076809A (zh) * | 2019-12-31 | 2020-04-28 | 四川长虹电器股份有限公司 | 基于卷积神经网络的设备异常声音识别方法及系统 |
CN111413925A (zh) * | 2020-03-20 | 2020-07-14 | 华中科技大学 | 一种基于声音信号的机床故障预测方法 |
CN112697270A (zh) * | 2020-12-07 | 2021-04-23 | 广州极飞科技有限公司 | 故障检测方法、装置、无人设备及存储介质 |
CN112924206A (zh) * | 2021-01-28 | 2021-06-08 | 广东美的制冷设备有限公司 | 一种故障检测方法、装置、设备及存储介质 |
CN113009335A (zh) * | 2021-02-23 | 2021-06-22 | 国网新源控股有限公司 | 抽水蓄能机组的状态检测方法及装置 |
CN113030863A (zh) * | 2021-03-02 | 2021-06-25 | 珠海格力电器股份有限公司 | 故障声源检测方法和系统 |
CN115013343A (zh) * | 2022-06-20 | 2022-09-06 | 宁波方太厨具有限公司 | 一种离心风机的叶轮异音频率识别方法及异音控制方法 |
CN116086596A (zh) * | 2022-12-09 | 2023-05-09 | 广州声博士声学技术有限公司 | 一种噪声智能检测方法、装置、计算机设备及存储介质 |
CN116557966A (zh) * | 2023-01-13 | 2023-08-08 | 无锡宁乐新能源科技有限公司 | 可变风量高静压新风空调系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2615507A1 (de) * | 1976-04-09 | 1977-10-20 | Mauz & Pfeiffer Progress | Staubsauger, insbesondere elektrisch betriebener haushaltstaubsauger |
CN101271686A (zh) * | 2007-03-22 | 2008-09-24 | 三星电子株式会社 | 使用语音信号的谐波估计噪声的方法和设备 |
CN101403684A (zh) * | 2008-11-06 | 2009-04-08 | 上海交通大学 | 基于盲源分析技术的旋转机械复合故障的诊断方法 |
CN101924967A (zh) * | 2010-08-20 | 2010-12-22 | 黎晓 | 降噪耳机及降低耳机噪音和失真的方法 |
CN102628356A (zh) * | 2012-03-22 | 2012-08-08 | 中国石油天然气股份有限公司 | 抑制稠油热采井温度监测噪声的方法 |
CN104602163A (zh) * | 2014-12-31 | 2015-05-06 | 歌尔声学股份有限公司 | 主动降噪耳机及应用于该耳机的降噪控制方法和系统 |
CN105021276A (zh) * | 2015-07-30 | 2015-11-04 | 珠海格力电器股份有限公司 | 电器故障诊断方法和装置及电器 |
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106769154A (zh) * | 2017-02-14 | 2017-05-31 | 安徽工程大学 | 一种用于机械设备工作噪音监控的方法 |
CN107013980A (zh) * | 2017-04-18 | 2017-08-04 | 珠海格力电器股份有限公司 | 空调内机、空调及空调用的控制方法 |
CN104913355B (zh) * | 2015-06-29 | 2017-10-27 | 珠海格力电器股份有限公司 | 吸油烟机的噪音处理系统、方法及装置 |
-
2019
- 2019-04-17 CN CN201910308728.3A patent/CN110031088B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2615507A1 (de) * | 1976-04-09 | 1977-10-20 | Mauz & Pfeiffer Progress | Staubsauger, insbesondere elektrisch betriebener haushaltstaubsauger |
CN101271686A (zh) * | 2007-03-22 | 2008-09-24 | 三星电子株式会社 | 使用语音信号的谐波估计噪声的方法和设备 |
CN101403684A (zh) * | 2008-11-06 | 2009-04-08 | 上海交通大学 | 基于盲源分析技术的旋转机械复合故障的诊断方法 |
CN101924967A (zh) * | 2010-08-20 | 2010-12-22 | 黎晓 | 降噪耳机及降低耳机噪音和失真的方法 |
CN102628356A (zh) * | 2012-03-22 | 2012-08-08 | 中国石油天然气股份有限公司 | 抑制稠油热采井温度监测噪声的方法 |
CN104602163A (zh) * | 2014-12-31 | 2015-05-06 | 歌尔声学股份有限公司 | 主动降噪耳机及应用于该耳机的降噪控制方法和系统 |
CN104913355B (zh) * | 2015-06-29 | 2017-10-27 | 珠海格力电器股份有限公司 | 吸油烟机的噪音处理系统、方法及装置 |
CN105021276A (zh) * | 2015-07-30 | 2015-11-04 | 珠海格力电器股份有限公司 | 电器故障诊断方法和装置及电器 |
CN105424395A (zh) * | 2015-12-15 | 2016-03-23 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106769154A (zh) * | 2017-02-14 | 2017-05-31 | 安徽工程大学 | 一种用于机械设备工作噪音监控的方法 |
CN107013980A (zh) * | 2017-04-18 | 2017-08-04 | 珠海格力电器股份有限公司 | 空调内机、空调及空调用的控制方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530502A (zh) * | 2019-08-01 | 2019-12-03 | 深圳市无限动力发展有限公司 | 电机状态监测方法、装置、存储介质及计算机设备 |
CN110430085A (zh) * | 2019-08-27 | 2019-11-08 | 青岛东软载波科技股份有限公司 | 一种集抄通信故障智能检测装置 |
CN110430085B (zh) * | 2019-08-27 | 2024-05-17 | 青岛东软载波科技股份有限公司 | 一种集抄通信故障智能检测装置 |
CN111076809B (zh) * | 2019-12-31 | 2021-08-31 | 四川长虹电器股份有限公司 | 基于卷积神经网络的设备异常声音识别方法及系统 |
CN111076809A (zh) * | 2019-12-31 | 2020-04-28 | 四川长虹电器股份有限公司 | 基于卷积神经网络的设备异常声音识别方法及系统 |
CN111413925A (zh) * | 2020-03-20 | 2020-07-14 | 华中科技大学 | 一种基于声音信号的机床故障预测方法 |
CN112697270A (zh) * | 2020-12-07 | 2021-04-23 | 广州极飞科技有限公司 | 故障检测方法、装置、无人设备及存储介质 |
CN112924206B (zh) * | 2021-01-28 | 2024-01-23 | 广东美的制冷设备有限公司 | 一种故障检测方法、装置、设备及存储介质 |
CN112924206A (zh) * | 2021-01-28 | 2021-06-08 | 广东美的制冷设备有限公司 | 一种故障检测方法、装置、设备及存储介质 |
CN113009335A (zh) * | 2021-02-23 | 2021-06-22 | 国网新源控股有限公司 | 抽水蓄能机组的状态检测方法及装置 |
CN113030863A (zh) * | 2021-03-02 | 2021-06-25 | 珠海格力电器股份有限公司 | 故障声源检测方法和系统 |
CN113030863B (zh) * | 2021-03-02 | 2023-08-25 | 珠海格力电器股份有限公司 | 故障声源检测方法和系统 |
CN115013343A (zh) * | 2022-06-20 | 2022-09-06 | 宁波方太厨具有限公司 | 一种离心风机的叶轮异音频率识别方法及异音控制方法 |
CN116086596A (zh) * | 2022-12-09 | 2023-05-09 | 广州声博士声学技术有限公司 | 一种噪声智能检测方法、装置、计算机设备及存储介质 |
CN116086596B (zh) * | 2022-12-09 | 2023-10-27 | 广州声博士声学技术有限公司 | 一种噪声智能检测方法、装置、计算机设备及存储介质 |
CN116557966A (zh) * | 2023-01-13 | 2023-08-08 | 无锡宁乐新能源科技有限公司 | 可变风量高静压新风空调系统 |
CN116557966B (zh) * | 2023-01-13 | 2023-10-20 | 无锡宁乐新能源科技有限公司 | 可变风量高静压新风空调系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110031088B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031088A (zh) | 电子设备故障检测方法、装置、设备和吸油烟机 | |
CN104637489B (zh) | 声音信号处理的方法和装置 | |
CN111354366B (zh) | 一种异常声音检测方法及异常声音检测装置 | |
CN110018239B (zh) | 一种地毯检测方法 | |
CN110231529A (zh) | 一种控制柜智能故障诊断系统及故障诊断方法 | |
CN111653291B (zh) | 一种基于声纹的电力设备智能健康监测方法 | |
JP2017181138A (ja) | 太陽光発電設備の異常診断方法、異常診断装置、及び異常診断プログラム | |
CN108449571A (zh) | 一种车内监控方法及设备 | |
CN110296842A (zh) | 发动机的诊断方法及装置 | |
CN116626544B (zh) | 频域触发数据采集系统及方法 | |
CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
CN111918196A (zh) | 一种音频采集器录音异常的诊断方法、装置、设备及存储介质 | |
US9772368B2 (en) | Detection of an abnormal signal in a compound sampled signal | |
CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
CN114035047A (zh) | 一种基于音频识别的矿井通风机电机故障预警装置 | |
KR101514043B1 (ko) | 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법 | |
CN112927720A (zh) | 一种音频异常的检测方法及装置 | |
CN115875797A (zh) | 送风设备的故障检测方法和相关设备 | |
CN113436645A (zh) | 复杂噪声环境下的机电系统故障在线监测声学处理方法 | |
CN112777443A (zh) | 电梯运行评估方法、设备及计算机可读介质 | |
CN112461552A (zh) | 电子助力制动系统的检测方法、系统及可读存储介质 | |
JP2012177653A (ja) | 音響診断方法、プログラム及び装置 | |
CN115295009B (zh) | 基于无关数据自排除数据即时分析汽车诊断系统 | |
JPH08320251A (ja) | 設備における音響および振動の診断方法 | |
CN109698998A (zh) | 一种音响系统的故障诊断系统及其诊断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |