CN112146142B - 一种吸油烟机声音故障识别方法 - Google Patents
一种吸油烟机声音故障识别方法 Download PDFInfo
- Publication number
- CN112146142B CN112146142B CN201910567129.3A CN201910567129A CN112146142B CN 112146142 B CN112146142 B CN 112146142B CN 201910567129 A CN201910567129 A CN 201910567129A CN 112146142 B CN112146142 B CN 112146142B
- Authority
- CN
- China
- Prior art keywords
- range hood
- range
- layer
- nodes
- energy value
- 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.)
- Active
Links
Images
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
- 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
Abstract
本发明涉及一种吸油烟机声音故障识别方法,其特征在于包括如下步骤:步骤一、采集噪声信号;步骤二、对噪声信号进行6层小波包分解;步骤三、提取第6层的64个节点的小波包系数;步骤四、计算64个节点的能量值及在总能量值中的占比;步骤五、计算150Hz~260Hz和1000Hz~1500Hz内的能量值在总能量值中的占比;步骤六、若150Hz~260Hz内的能量值在总能量值中的占比超过10%,输出电磁异音故障信号;若第一个、第二节点的能量值之和在总能量值中的占比不超过80%,且1000Hz~1500Hz范围内的能量值在总能量值中的占比超过5%,输出风机系统存在故障信号。与现有技术相比,本发明准确率高。
Description
技术领域
本发明涉及一种吸油烟机声音故障识别方法。
背景技术
随着人们生活品质的提高,用户对吸油烟机产生的噪声提出的要求越来越高。因此,吸油烟机在出厂前,产线需要对吸油烟机整机噪声进行人工异常音检测,以筛选出噪声不正常的吸油烟机,并对其进行返修。但是这个过程需要专业听音员来控制,不同人员判断结果常常不能达成一致性。
吸油烟机整机噪声所包含的信号能够反映出吸油烟机整体噪声情况,包括了电机异常、各个零部件异常以及工艺配合等引起的噪声异常。由于油烟机风机转速范围广,工况范围宽,出口阻力不定常等非平稳因素,导致噪声信号的时域信号以及频谱信号不能直接表征油烟机噪声异常与否。因此寻找一种新的能够表征油烟机噪声异常与否的识别方法显得十分必要。
发明内容
本发明所要解决的首要技术问题是针对上述现有技术提供一种能够提取表征吸油烟机故障的客观参量,从而准确判断油烟机声音故障的识别方法。
本发明解决上述技术问题所采用的技术方案为:一种吸油烟机声音故障识别方法,其特征在于包括如下步骤:
步骤一、采集吸油烟机的噪声信号:提取吸油烟机运行过程中的噪声信号;
步骤二、对步骤一提取的噪声信号进行6层小波包分解;
步骤三、提取第6层的64个节点在0~2000hz范围内的小波包系数;
步骤四、根据步骤三提取的小波包系数,分别计算第6层中的64个节点的能量值,同时计算出第6层中所有64个节点的总能量值,然后分别计算各个节点的能量值在总能量值中的占比;
步骤五、根据步骤三提取的小波包系数,计算频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比,以及计算频率在1000Hz~1500Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比;
步骤六、若频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比超过10%,则输出吸油烟机存在电机电磁异音故障信号;若第6层中第一个节点与第二节点的能量值之和在总能量值中的占比不超过80%,且频率在1000Hz~1500Hz范围内的能量值在总能量值中的占比超过5%,则输出吸油烟机风机系统存在故障信号。
所述步骤一中,在吸油烟机运行过程中,采集30~45秒吸油烟机运行时产生的声音信号,将该声音信息作为吸油烟机运行过程中的噪声信号。
与现有技术相比,本发明的优点在于:本发明提供速度吸油烟机声音故障识别方法,能够提取能够表明油烟机故障的客观参量,以此来准确判断油烟机噪声故障异音,因此对吸油烟机的噪声故障异音识别率高,准确率高。
附图说明
图1为本发明实施例中吸油烟机声音故障识别方法流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示的吸油烟机声音故障识别方法,其包括如下步骤:
步骤一、采集吸油烟机的噪声信号:提取吸油烟机运行过程中的噪声信号;
步骤二、对步骤一提取的噪声信号进行6层小波包分解;
步骤三、提取第6层的64个节点在0~2000hz范围内的小波包系数;
步骤四、根据步骤三提取的小波包系数,分别计算第6层中的64个节点的能量值,同时计算出第6层中所有64个节点的总能量值,然后分别计算各个节点的能量值在总能量值中的占比;
步骤五、根据步骤三提取的小波包系数,计算频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比,以及计算频率在1000Hz~1500Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比;
步骤六、若频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比超过10%,则输出吸油烟机存在电机电磁异音故障信号;若第6层中第一个节点与第二节点的能量值之和在总能量值中的占比不超过80%,且频率在1000Hz~1500Hz范围内的能量值在总能量值中的占比超过5%,则输出吸油烟机风机系统存在故障信号。
本申请中,考虑到油烟机的特性,正常噪声的油烟机噪声能量分布主要集中在第第一、第二节点,第6层中第一个节点与第二节点的能量值之和在总能量值中的占比往往超过90%;本申请中,第6层中第一个节点与第二节点的能量值之和在总能量值中的占比不超过80%,且频率在1000Hz~1500Hz范围内的能量值在总能量值中的占比超过5%,就可以准确判断出吸油烟机风机系统存在故障,此时吸油烟机的噪声信号会出现明显异音。在低频150Hz~260Hz阶段范围内的能量值在第6层中所有64个节点的总能量值中的占比如果超过10%,可以准确判断吸油烟机的噪声中会出现电机电磁异音。
步骤四中,根据步骤三提取的小波包系数,分别计算第6层中的64个节点的能量值的计算过程采用现有常规技术,如2017年5月公开的由杨兴国撰写的重庆大学硕士论文《发动机异响的特征提取与模式识别》中公开的相关内容;步骤五中,根据步骤四提取的小波包系数,计算频率在150Hz~260Hz范围内的能量值的计算过程采用现有常规技术;如2017年5月公开的由杨兴国撰写的重庆大学硕士论文《发动机异响的特征提取与模式识别》中公开的相关内容。
Claims (2)
1.一种吸油烟机声音故障识别方法,其特征在于包括如下步骤:
步骤一、采集吸油烟机的噪声信号:提取吸油烟机运行过程中的噪声信号;
步骤二、对步骤一提取的噪声信号进行6层小波包分解;
步骤三、提取第6层的64个节点在0~2000hz范围内的小波包系数;
步骤四、根据步骤三提取的小波包系数,分别计算第6层中的64个节点的能量值,同时计算出第6层中所有64个节点的总能量值,然后分别计算各个节点的能量值在总能量值中的占比;
步骤五、根据步骤三提取的小波包系数,计算频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比,以及计算频率在1000Hz~1500Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比;
步骤六、若频率在150Hz~260Hz范围内的能量值在第6层中所有64个节点的总能量值中的占比超过10%,则输出吸油烟机存在电机电磁异音故障信号;若第6层中第一个节点与第二节点的能量值之和在总能量值中的占比不超过80%,且频率在1000Hz~1500Hz范围内的能量值在总能量值中的占比超过5%,则输出吸油烟机风机系统存在故障信号。
2.根据权利要求1所述吸油烟机声音故障识别方法,其特征在于:所述步骤一中,在吸油烟机运行过程中,采集30~45秒吸油烟机运行时产生的声音信号,将该声音信息作为吸油烟机运行过程中的噪声信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910567129.3A CN112146142B (zh) | 2019-06-27 | 2019-06-27 | 一种吸油烟机声音故障识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910567129.3A CN112146142B (zh) | 2019-06-27 | 2019-06-27 | 一种吸油烟机声音故障识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112146142A CN112146142A (zh) | 2020-12-29 |
CN112146142B true CN112146142B (zh) | 2022-01-25 |
Family
ID=73868663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910567129.3A Active CN112146142B (zh) | 2019-06-27 | 2019-06-27 | 一种吸油烟机声音故障识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112146142B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001295691A (ja) * | 2000-04-17 | 2001-10-26 | Mitsubishi Electric Corp | 内燃機関の気筒識別装置 |
JP2006207507A (ja) * | 2005-01-28 | 2006-08-10 | Mitsubishi Heavy Ind Ltd | エンジン音の音質調整方法及びその装置 |
CN102095560A (zh) * | 2010-11-09 | 2011-06-15 | 中国人民解放军重庆通信学院 | 基于噪声测试的机械故障判别系统及方法 |
CN105203318A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 一种吸油烟机运行状态实时监测的方法及装置 |
CN106160606A (zh) * | 2015-03-24 | 2016-11-23 | 台达电子工业股份有限公司 | 风力发电系统及其控制方法 |
CN107525671A (zh) * | 2017-07-28 | 2017-12-29 | 中国科学院电工研究所 | 一种风电传动链复合故障特征分离与辨识方法 |
CN108364641A (zh) * | 2018-01-09 | 2018-08-03 | 东南大学 | 一种基于长时帧背景噪声估计的语音情感特征提取方法 |
CN108470570A (zh) * | 2018-01-23 | 2018-08-31 | 浙江大学山东工业技术研究院 | 电机异音检测方法 |
CN108880604A (zh) * | 2018-06-28 | 2018-11-23 | 河南机电职业学院 | 一种扩频通信系统中多分量调频干扰抑制方法和装置 |
CN109903525A (zh) * | 2019-01-23 | 2019-06-18 | 昆明理工大学 | 一种基于外部激振和小波包能量谱的岩土体失稳灾害监测预警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140070851A (ko) * | 2012-11-28 | 2014-06-11 | 삼성전자주식회사 | 홈기기의 잡음 특성 정보를 이용하여 잡음을 처리하는 청각 장치 및 잡음 처리 방법 |
-
2019
- 2019-06-27 CN CN201910567129.3A patent/CN112146142B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001295691A (ja) * | 2000-04-17 | 2001-10-26 | Mitsubishi Electric Corp | 内燃機関の気筒識別装置 |
JP2006207507A (ja) * | 2005-01-28 | 2006-08-10 | Mitsubishi Heavy Ind Ltd | エンジン音の音質調整方法及びその装置 |
CN102095560A (zh) * | 2010-11-09 | 2011-06-15 | 中国人民解放军重庆通信学院 | 基于噪声测试的机械故障判别系统及方法 |
CN106160606A (zh) * | 2015-03-24 | 2016-11-23 | 台达电子工业股份有限公司 | 风力发电系统及其控制方法 |
CN105203318A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 一种吸油烟机运行状态实时监测的方法及装置 |
CN107525671A (zh) * | 2017-07-28 | 2017-12-29 | 中国科学院电工研究所 | 一种风电传动链复合故障特征分离与辨识方法 |
CN108364641A (zh) * | 2018-01-09 | 2018-08-03 | 东南大学 | 一种基于长时帧背景噪声估计的语音情感特征提取方法 |
CN108470570A (zh) * | 2018-01-23 | 2018-08-31 | 浙江大学山东工业技术研究院 | 电机异音检测方法 |
CN108880604A (zh) * | 2018-06-28 | 2018-11-23 | 河南机电职业学院 | 一种扩频通信系统中多分量调频干扰抑制方法和装置 |
CN109903525A (zh) * | 2019-01-23 | 2019-06-18 | 昆明理工大学 | 一种基于外部激振和小波包能量谱的岩土体失稳灾害监测预警方法 |
Non-Patent Citations (2)
Title |
---|
"发动机异响的特征提取与模式识别";杨兴国;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180630;全文 * |
"小波包能量熵与EMD结合分析法在风机滚动轴承故障诊断中的应用";吕明珠等;《机械与电子》;20180630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112146142A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579220B (zh) | 空调系统故障检测方法、装置、电子设备 | |
Peeters et al. | Vibration-based bearing fault detection for operations and maintenance cost reduction in wind energy | |
CN110135492B (zh) | 基于多高斯模型的设备故障诊断与异常检测方法及系统 | |
CN112879278B (zh) | 基于噪声信号a计权分析的泵站机组故障诊断方法 | |
CN111508517A (zh) | 一种基于噪声特征的微电机智能品控方法 | |
CN104900238B (zh) | 一种基于感知滤波的音频实时比对方法 | |
CN112857767B (zh) | 基于卷积神经网络的水轮发电机组转子故障声学判别方法 | |
CN109029999B (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
CN111337277A (zh) | 一种基于声音识别的家用电器故障判定方法及装置 | |
CN113177537A (zh) | 一种旋转机械设备的故障诊断方法及系统 | |
CN113707158A (zh) | 一种基于VGGish迁移学习网络的电网危害鸟种鸣声识别方法 | |
CN112146142B (zh) | 一种吸油烟机声音故障识别方法 | |
CN106504760A (zh) | 宽频带背景噪声与语音分离检测系统及方法 | |
CN116304570A (zh) | 一种基于EEMD联合Chebyshev滤波的水轮机故障信号去噪方法 | |
CN113053412B (zh) | 一种基于声音的变压器故障识别方法 | |
CN111076246B (zh) | 一种识别油烟机故障异音的方法 | |
CN116935894B (zh) | 一种基于时频域突变特征的微电机异音识别方法及系统 | |
CN112697268B (zh) | 一种基于t-sne的电机异常检测集成算法 | |
CN115424635A (zh) | 一种基于声音特征的水泥厂设备故障诊断方法 | |
CN106629929B (zh) | 一种节能环保污水设备 | |
CN205449521U (zh) | 基于emd降噪的吸油烟机故障诊断的系统 | |
CN113932912B (zh) | 一种变电站噪声抗干扰估计方法、系统及介质 | |
CN113792657B (zh) | 提取声学信号识别与盲解卷积算法的齿轮箱故障的方法 | |
CN115114955B (zh) | 一种基于声音与振动信号的设备故障检测方法 | |
CN112651452A (zh) | 一种风机叶片异常检测方法及存储介质 |
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 |