CN112362750B - 一种基于人工智能的声学探测系统及装置 - Google Patents
一种基于人工智能的声学探测系统及装置 Download PDFInfo
- Publication number
- CN112362750B CN112362750B CN202011024507.2A CN202011024507A CN112362750B CN 112362750 B CN112362750 B CN 112362750B CN 202011024507 A CN202011024507 A CN 202011024507A CN 112362750 B CN112362750 B CN 112362750B
- Authority
- CN
- China
- Prior art keywords
- detection
- vector
- sound
- artificial intelligence
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 189
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 230000005236 sound signal Effects 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 230000007246 mechanism Effects 0.000 claims description 104
- 239000013598 vector Substances 0.000 claims description 97
- 238000000034 method Methods 0.000 claims description 28
- 238000000926 separation method Methods 0.000 claims description 24
- 230000005284 excitation Effects 0.000 claims description 17
- 230000004807 localization Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 11
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 4
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 210000002459 blastocyst Anatomy 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G01N29/04—Analysing solids
-
- 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
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- 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
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/24—Probes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
-
- 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
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于人工智能的声学探测系统及装置,其中,系统包括:探测模块,用于探测检测对象主动或受激励后发出的声音;数据采集模块,用于采集探测模块探测到的声音的第一声音信号;前处理模块,用于对第一声音信号进行前处理;分析模块,用于基于人工智能技术对经过前处理后的第一声音信号进行分析,确定检测对象的状态;输出模块,用于输出状态。本发明的基于人工智能的声学探测系统,实现普通技术人员可以根据声音判断物体的状态,如应用在检测发动机异常位置、铁轨探损、桥梁/地铁检测等领域。
Description
技术领域
本发明涉及探测技术领域,特别涉及一种基于人工智能的声学探测系统及装置。
背景技术
目前,各行各业都有专业师傅可以通过机器或物体的声音判断机器或物体的状态,例如:在汽车维修行业,有可以通过敲击或听取发动机启动后的声音,可以判断发送机有无异常及异常的位置;在铁路的探测,通过铁轨声音探测铁轨是否有损伤,是否需要检修;其他如桥梁检测、地铁检测、火车等;因此方法专业程度高,不利于普通技术人员的实施,故亟需一种基于人工智能的声学探测系统。
发明内容
本发明目的之一在于提供了一种基于人工智能的声学探测系统,实现普通技术人员可以根据声音判断物体的状态,如应用在检测发动机异常位置、铁轨探损、桥梁/地铁检测等领域。
本发明实施例提供的一种基于人工智能的声学探测系统,包括:
探测模块,用于探测检测对象主动或受激励后发出的声音;
数据采集模块,用于采集探测模块探测到的声音的第一声音信号;
前处理模块,用于对第一声音信号进行前处理;
分析模块,用于基于人工智能技术对经过前处理后的第一声音信号进行分析,确定检测对象的状态;
输出模块,用于输出状态。
优选的,探测模块包括:麦克风阵列。
优选的,前处理模块对第一声音信号进行前处理,包括:
对第一声音信号进行声源分离获得多个分离信号,声音分离的方法包括:盲分离多通道混合声信号分离方法或基于NMF基聚类的多通道混合声信号分离方法;
对每个分离信号进行声源定位,当存在预设个数的分离信号对应的定位位置都不在各自预设的位置时,舍弃分离信号和第一声音信号;
否则,对分离信号进行时频运算。
优选的,基于人工智能的声学探测系统,还包括:模型建立模块,用于采用基于Semi-NMF的单分类建模方法和/或基于卷积网络的多声学模态融合建模方法建立分析模块使用的检测模型。
优选的,分析模块基于人工智能技术对经过前处理后的第一声音信号进行分析,确定检测对象的状态;包括:
提取前处理后的第一声音信号的特征值,将特征值代入到模型建立模块建立的检测模型中检测,获得检测对象的状态;
或,
基于历史检测数据中的特征数据建立多个条件向量,条件向量如下:
Ai=(ai1,ai2,…,aim);
其中,Ai是根据第i条历史检测数据建立的第i个条件向量;aim为第i个条件向量中第m个特征数据的值;
计算各个条件向量之间的第一相似度,计算公式如下:
其中,P(Aj,Ak)表示条件向量Aj与条件向量Ak之间的第一相似度;Aj表示第j个条件向量;Ak表示第k个条件向量;ajl为第j个条件向量中第l个特征数据的值;akl为第k个条件向量中第l个特征数据的值;
基于第一相似度对条件向量进行归类分组,每个分组中的条件向量两两之间的第一相似度都大于预设的第一阈值,且条件向量对应的历史检测数据所对应的检测结果相同;
根据各个分组内的条件向量建立对应于各个分组的判断向量,判断向量如下:
Bh=(bh1,bh2,…,bhm);
其中,Bh表示对应第h个分组的第h个判断向量;bhm为第h个判断向量中第m个特征数据的值;
其中,bhm根据下式确定:
式中,N表示第h个分组中条件向量的个数;anm为第h个分组中第n个条件向量的第m个特征数据的值;α为预设的修正系数;
基于各个分组对应的检测结果建立判断结果列表,判断结果列表中的判断结果与判断向量一一对应映射;
对当前检测的第一声音信号进行特征提取,构建检测向量,检测向量如下:
C=(c1,c2,…,cm);
计算检测向量与每个判断向量之间的第二相似度,计算公式如下:
其中,P(C,Bp)表示检测向量C与第p个判断向量之间的第二相似度;co表示检测向量C中第o个特征数据的值;apo表示第p个判断向量的第o个特征数据的值;
当第二相似度最大的判断向量对应的判断结果;解析判断结果获得检测对象的状态。
本发明还提供一种基于人工智能的声学探测装置,包括:
检测部与承载部;
检测部包括:
固定杆,一端与地面固定;
第一转动机构,固定端与固定杆的另一端固定连接;
第一伸缩机构,一端与第一转动机构的转动端固定连接;第一伸缩机构为水平设置;
第二转动机构,转动端与第一伸缩机构的远离第一转动机构的一端固定连接;
第二伸缩机构,一端与第二转动机构的固定端固定连接;
检测头,固定设置在第二伸缩机构远离第二转动机构的一端;在检测头一侧固定设置有麦克风阵列;
控制器,分别与第一转动机构、第一伸缩机构、第二转动机构和第二伸缩机构电连接。
优选的,基于人工智能的声学探测装置,还包括:夹持部,设置在承载部上方,用于与承载部配合夹持检测对象;
承载部包括:
承载平台,用于放置检测对象;
夹持部包括:
第三伸缩机构,设置在承载平台上方,在第三伸缩机构的靠近承载平台的末端固定设置有夹持平台,第三伸缩机构动作实现夹持平台和承载平台配合将检测对象夹持在夹持平台和承载平台之间;
在承载平台上表面设置有与检测对象的下端面相适应的第一凹槽;在夹持平台下表面设置有与检测对象的上端面相适应的第二凹槽;在第二凹槽底部设置有声源发生装置;
其中,承载平台为升降平台。
优选的,麦克风阵列与控制器电连接;
控制器执行如下操作:
通过麦克风阵列探测的检测对象主动或受激励后发出的声音获得的多个第二声音信号;
基于声源定位技术确定检测对象距离麦克风阵列的距离及角度;
通过控制第一转动机构、第一伸缩机构、第二转动机构和第二伸缩机构的动作,使麦克风阵列与检测对象的距离等于预设的检测距离且角度等于预设的检测角度;
调整距离和角度后,前处理模块通过数据采集模块获取数据采集模块采集的麦克风阵列探测的检测对象主动或受激励后发出的声音获得的多个第一声音信号;基于第一声音信号分析检测物体的状态。
优选的,承载部还包括:
压力传感器,设置在第一凹槽和/或第二凹槽的槽底,用于检测检测对象受到的压力值,与控制器电连接;
控制器通过压力传感器检测夹持检测对象时的压力,当压力值大于预设的压力阈值时,控制第三伸缩机构停止伸长和/或承载平台停止升高。
优选的,基于人工智能的声学探测装置,还包括:激励部,设置在承载部上方,用于往承载部承载的检测对象施加激励,使检测对象发出声音;
激励部包括:
第三转动机构,第三转动机构的固定端固定设置在承载部上方;
第四转动机构,固定端与第三转动机构的转动端固定连接;
激励杆,一端与第四转动机构的转动端固定连接;
第三转动机构的转动平面位于水平方向,第四转动机构的转动平面位于竖直方向。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于人工智能的声学探测系统的示意图;
图2为盲分离多通道混合声信号分离方法的示意图;
图3为基于NMF基聚类的多通道混合声信号分离方法的示意图;
图4为基于卷积网络的多声学模态融合建模方法的示意图;
图5为基于Semi-NMF的单分类建模方法的示意图;
图6为本发明实施例中一种基于人工智能的声学探测装置的示意图;
图7为本发明实施例中一种承载部和夹持部的截面的示意图;
图8为本发明实施例中又一种承载部和激励部的示意图。
图中:
1、探测模块;2、数据采集模块;3、前处理模块;4、分析模块;5、输出模块;9、麦克风阵列;10、控制器;11、固定杆;12、第一转动机构;13、第一伸缩机构;16、第二转动机构;14、第二伸缩机构;15、检测头;17、承载平台;18、第三伸缩机构;19、夹持平台;20、检测对象;21、第三转动机构;22、第四转动机构;23、激励杆;31、第一凹槽;32、第二凹槽;33、声源发生装置;34、压力传感器。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于人工智能的声学探测系统,如图1所示,包括:
探测模块1,用于探测检测对象20主动或受激励后发出的声音;
数据采集模块2,用于采集探测模块1探测到的声音的第一声音信号;
前处理模块3,用于对第一声音信号进行前处理;
分析模块4,用于基于人工智能技术对经过前处理后的第一声音信号进行分析,确定检测对象20的状态;
输出模块5,用于输出状态。
上述技术方案的工作原理及有益效果为:
探测模块1探测接收检测对象20主动或受激励后发出的声音;经由数据采集模块2采集,并经过前处理模块3进行处理,分析模块4分析前处理后的声音信号,确定检测对象20的状态,最后经由输出模块5输出检测结果即检测对象20的状态。现列举一些具体的应用例,一、同样是加压灌装的两款产品,但是由于内部液体和灌装的厚度不同,其在受激后发出的声音时不一样的,这样就可以进行两款产品的分类;二、同一种产品的两个产品,一种产品存在缺陷,而另一种为标准合格品,其在受激后发出的声音时不一样的,这样就可以进行合格品和残次品的区分;此种情况在陶瓷制品内的缺陷就是变性、胚泡、釉泡、炸釉、裂纹、熔洞等;在材料检测时材料的缺陷为分层、夹杂、裂纹、气泡、弯曲、厚薄不均、尺寸超差等;在紧密零部件检测时缺陷为磨损、砂眼、针孔、裂纹、缺损变形、硬度降低、损伤等;三、应用在发动机检测,在发送机启动后,对发送机的声音进行分析,分析出异常声音并对异常声音进行定位,可以确定发动机的异常位置与原因。
本发明的基于人工智能的声学探测系统,实现普通技术人员可以根据声音判断物体的状态,如应用在检测发动机异常位置、铁轨探损、桥梁/地铁检测等领域。
为了接收声音及声源的定位,在一个实施例中,探测模块1包括:麦克风阵列9。
在一个实施例中,前处理模块3对第一声音信号进行前处理,包括:
对第一声音信号进行声源分离获得多个分离信号,声音分离的方法包括:盲分离多通道混合声信号分离方法或基于NMF基聚类的多通道混合声信号分离方法;
对每个分离信号进行声源定位,当存在预设个数的分离信号对应的定位位置都不在各自预设的位置时,舍弃分离信号和第一声音信号;
否则,对分离信号进行时频运算。
上述技术方案的工作原理及有益效果为:
对于检测物体只有单一声源来说:声音在传播过程中是衰减的,所以距离检测物体的距离控制尤为重要,并且声音信号获取的准确也提高分析模块4的分析准确率;故在前处理模块3对声音的位置进行判断,将不是预设的位置处声音信号进行屏蔽。
对于混合声源的检测物体采用:如图2所示,麦克风阵列9采集声场信息,FICA-BSS方法进行声源分离,以得以目标声音信号。如图3所示,NMFNonnegative MatrixFactorization基聚类算法在混合声信号频域进行解混。实现混合声信号分离获得用于分析的目标信号;并且应用在发送机检测领域,发动机启动后其由多个单一声源混合的混合声源,所以在预处理时采用声源分离后进行声源定位,这样可以知晓异常的位置。对第一声音信号的时频运算,方便分析模块4对第一声音信号的处理。
在一个实施例中,基于人工智能的声学探测系统,还包括:模型建立模块,用于采用基于Semi-NMF的单分类建模方法和/或基于卷积网络的多声学模态融合建模方法建立分析模块4使用的检测模型。
上述技术方案的工作原理及有益效果为:
如图4所示,基于卷积网络的多声学模态融合建模方法,融合时序信息、空间信息、声音时频特征;提升声学分析检测正确率;主要应用两种产品的分类;如图5所示,采用Semi-NMFSemi-Nonnegative Matrix Factorization构建单分类模型,仅用正常样本进行训练,能有效解决小样本建模问题。emi-NMF作为一种主体分析模型,有利于提取数据的共性特征。适用异常样本少、异常类型多情况;可应用于缺陷检测和发动机检测等。
在一个实施例中,分析模块4基于人工智能技术对经过前处理后的第一声音信号进行分析,确定检测对象20的状态;包括:
提取前处理后的第一声音信号的特征值,将特征值代入到模型建立模块建立的检测模型中检测,获得检测对象20的状态;
或,
基于历史检测数据中的特征数据建立多个条件向量,条件向量如下:
Ai=(ai1,ai2,…,aim);
其中,Ai是根据第i条历史检测数据建立的第i个条件向量;aim为第i个条件向量中第m个特征数据的值;
计算各个条件向量之间的第一相似度,计算公式如下:
其中,P(Aj,Ak)表示条件向量Aj与条件向量Ak之间的第一相似度;Aj表示第j个条件向量;Ak表示第k个条件向量;ajl为第j个条件向量中第l个特征数据的值;akl为第k个条件向量中第l个特征数据的值;
基于第一相似度对条件向量进行归类分组,每个分组中的条件向量两两之间的第一相似度都大于预设的第一阈值,且条件向量对应的历史检测数据所对应的检测结果相同;
根据各个分组内的条件向量建立对应于各个分组的判断向量,判断向量如下:
Bh=(bh1,bh2,…,bhm);
其中,Bh表示对应第h个分组的第h个判断向量;bhm为第h个判断向量中第m个特征数据的值;
其中,bhm根据下式确定:
式中,N表示第h个分组中条件向量的个数;anm为第h个分组中第n个条件向量的第m个特征数据的值;α为预设的修正系数;
基于各个分组对应的检测结果建立判断结果列表,判断结果列表中的判断结果与判断向量一一对应映射;
对当前检测的第一声音信号进行特征提取,构建检测向量,检测向量如下:
C=(c1,c2,…,cm);
计算检测向量与每个判断向量之间的第二相似度,计算公式如下:
其中,P(C,Bp)表示检测向量C与第p个判断向量之间的第二相似度;co表示检测向量C中第o个特征数据的值;apo表示第p个判断向量的第o个特征数据的值;
当第二相似度最大的判断向量对应的判断结果;解析判断结果获得检测对象20的状态。
上述技术方案的工作原理及有益效果为:
通过对历史数据建立的条件向量的归类分组减少作为判断基准的判断依据【判断向量】的数据量,提高了检测对象20的状态的确定速度;基于历史数据的总结可以准确判断当前物体状态,实现精准判断,提高判断准确率。
本发明还提供一种基于人工智能的声学探测装置,包括:
检测部与承载部;
检测部包括:
固定杆11,一端与地面固定;
第一转动机构12,固定端与固定杆11的另一端固定连接;
第一伸缩机构13,一端与第一转动机构12的转动端固定连接;第一伸缩机构13为水平设置;
第二转动机构16,转动端与第一伸缩机构13的远离第一转动机构12的一端固定连接;
第二伸缩机构14,一端与第二转动机构16的固定端固定连接;
检测头15,固定设置在第二伸缩机构14远离第二转动机构16的一端;在检测头15一侧固定设置有麦克风阵列9;
控制器10,分别与第一转动机构12、第一伸缩机构13、第二转动机构16和第二伸缩机构14电连接。
上述技术方案的工作原理及有意效果为:
本发明提供的基于人工智能的声学探测装置作为应用在系统内的探测模块1使用。承载部为承接检测物品,当应用在产线上时,可以是输送带,控制器10控制第一转动机构12、第一伸缩机构13、第二转动机构16和第二伸缩机构14,可以控制检测头15距离检测对象20的距离,从而实现在最佳的位置获取最佳的检测数据。
在一个实施例中,基于人工智能的声学探测装置,还包括:夹持部,设置在承载部上方,用于与承载部配合夹持检测对象20;
承载部包括:
承载平台17,用于放置检测对象20;
如图6和图7所示,夹持部包括:
第三伸缩机构18,设置在承载平台17上方,在第三伸缩机构18的靠近承载平台17的末端固定设置有夹持平台19,第三伸缩机构18动作实现夹持平台19和承载平台17配合将检测对象夹持在夹持平台19和承载平台17之间;
在承载平台17上表面设置有与检测对象20的下端面相适应的第一凹槽31;在夹持平台19下表面设置有与检测对象20的上端面相适应的第二凹槽32;在第二凹槽32底部设置有声源发生装置33;
其中,承载平台17为升降平台。
上述技术方案的工作原理及有益效果为:
此实施例为单独检测使用时,将检测对象20夹持在夹持平台19与承载平台17之间,并通过声源发生装置33对检测对应进行激励,为检测对象20提供声源。
在一个实施例中,麦克风阵列9与控制器10电连接;
控制器10执行如下操作:
通过麦克风阵列9探测的检测对象20主动或受激励后发出的声音获得的多个第二声音信号;
对于第二声音信号基于声源定位技术确定检测对象20距离麦克风阵列9的距离及角度;
通过控制第一转动机构12、第一伸缩机构13、第二转动机构16和第二伸缩机构14的动作,使麦克风阵列9与检测对象20的距离等于预设的检测距离且角度等于预设的检测角度;
调整距离和角度后,前处理模块3通过数据采集模块2获取数据采集模块2采集的麦克风阵列9探测的检测对象20主动或受激励后发出的声音获得的多个第一声音信号;基于第一声音信号分析检测物体的状态。
上述技术方案的工作原理及有益效果为:
通过声源定位技术与控制器10控制第一转动机构12、第一伸缩机构13、第二转动机构16和第二伸缩机构14,实现了检测头15与检测对象20的距离和角度的调节,实现获取用于分析的合理的声音信号。
在一个实施例中,承载部还包括:
压力传感器34,设置在第一凹槽31和/或第二凹槽32的槽底,用于检测检测对象20受到的压力值,与控制器10电连接;
控制器10通过压力传感器34检测夹持检测对象20时的压力,当压力值大于预设的压力阈值时,控制第三伸缩机构18停止伸长和/或承载平台17停止升高。
上述技术方案的工作原理及有益效果为:
通过压力传感器34检测检测对象20受到的压力,放置检测对象20压力过大而造成夹持损坏,影响检测对象20状态检测的准确性。
在一个实施例中,如图8所示,基于人工智能的声学探测装置,还包括:激励部,设置在承载部上方,用于往承载部承载的检测对象20施加激励,使检测对象20发出声音;
激励部包括:
第三转动机构21,第三转动机构21的固定端固定设置在承载部上方;
第四转动机构22,固定端与第三转动机构21的转动端固定连接;
激励杆23,一端与第四转动机构22的转动端固定连接;
第三转动机构21的转动平面位于水平方向,第四转动机构22的转动平面位于竖直方向。
上述技术方案的工作原理及有益效果为:
通过激励杆23敲击检测对象20使检测对象20发出声音,从而实现检测对象20的受激励发生;通过第三转动机构21和第四转动机构22的转动,实现了激励杆23敲击检测对象20的不同地方,从而进行多次检测,提高检测对象20状态检测的准确率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于人工智能的声学探测系统,其特征在于,包括:
探测模块(1),用于探测检测对象(20)主动或受激励后发出的声音;
数据采集模块(2),用于采集所述探测模块(1)探测到的所述声音的第一声音信号;
前处理模块(3),用于对所述第一声音信号进行前处理;
分析模块(4),用于基于人工智能技术对经过前处理后的所述第一声音信号进行分析,确定检测对象(20)的状态;
输出模块(5),用于输出所述状态;
其中,所述分析模块(4)基于人工智能技术对经过前处理后的所述第一声音信号进行分析,确定检测对象(20)的状态,包括:
基于历史检测数据中的特征数据建立多个条件向量,所述条件向量如下:
Ai=(ai1,ai2,…,aim)
其中,Ai是根据第i条历史检测数据建立的第i个条件向量;aim为第i个条件向量中第m个所述特征数据的值;
计算各个所述条件向量之间的第一相似度,计算公式如下:
其中,P(Aj,Ak)表示条件向量Aj与条件向量Ak之间的第一相似度;Aj表示第j个所述条件向量;Ak表示第k个所述条件向量;ajl为第j个所述条件向量中第l个所述特征数据的值;akl为第k个所述条件向量中第l个所述特征数据的值;
基于所述第一相似度对所述条件向量进行归类分组,每个分组中的所述条件向量两两之间的所述第一相似度都大于预设的第一阈值,且所述条件向量对应的历史检测数据所对应的检测结果相同;
根据各个分组内的所述条件向量建立对应于各个分组的判断向量,所述判断向量如下:
Bh=(bh1,bh2,…,bhm)
其中,Bh表示对应第h个分组的第h个所述判断向量;bhm为第h个所述判断向量中第m个所述特征数据的值;
其中,bhm根据下式确定:
式中,N表示所述第h个分组中所述条件向量的个数;anm为所述第h个分组中第n个所述条件向量的第m个所述特征数据的值;α为预设的修正系数;
基于各个分组对应的检测结果建立判断结果列表,所述判断结果列表中的判断结果与所述判断向量一一对应映射;
对当前检测的所述第一声音信号进行特征提取,构建检测向量,所述检测向量如下:
C=(c1,c2,…,cm)
计算所述检测向量与每个所述判断向量之间的第二相似度,计算公式如下:
其中,P(C,Bp)表示所述检测向量C与第p个所述判断向量之间的第二相似度;co表示所述检测向量C中第o个特征数据的值;apo表示第p个所述判断向量的第o个所述特征数据的值;
获取所述第二相似度最大的所述判断向量对应的所述判断结果;解析所述判断结果获得所述检测对象(20)的状态。
2.如权利要求1所述的基于人工智能的声学探测系统,其特征在于,所述探测模块(1)包括:麦克风阵列(9)。
3.如权利要求1所述的基于人工智能的声学探测系统,其特征在于,所述前处理模块(3)对所述第一声音信号进行前处理,包括:
对所述第一声音信号进行声源分离获得多个分离信号,声源分离的方法包括:盲分离多通道混合声信号分离方法或基于NMF基聚类的多通道混合声信号分离方法;
对每个所述分离信号进行声源定位,当存在预设个数的所述分离信号对应的定位位置都不在各自预设的位置时,舍弃所述分离信号和第一声音信号;
否则,对所述分离信号进行时频运算。
4.如权利要求1所述的基于人工智能的声学探测系统,其特征在于,所述探测模块(1)包括声学探测装置,所述声学探测装置包括:
检测部与承载部;
所述检测部包括:
固定杆(11),一端与地面固定;
第一转动机构(12),固定端与所述固定杆(11)的另一端固定连接;
第一伸缩机构(13),一端与所述第一转动机构(12)的转动端固定连接;所述第一伸缩机构(13)为水平设置;
第二转动机构(16),转动端与所述第一伸缩机构(13)的远离所述第一转动机构(12)的一端固定连接;
第二伸缩机构(14),一端与所述第二转动机构(16)的固定端固定连接;
检测头(15),固定设置在所述第二伸缩机构(14)远离所述第二转动机构(16)的一端;在所述检测头(15)一侧固定设置有麦克风阵列(9);
控制器(10),分别与所述第一转动机构(12)、所述第一伸缩机构(13)、所述第二转动机构(16)和所述第二伸缩机构(14)电连接。
5.如权利要求4所述的基于人工智能的声学探测系统,其特征在于,所述声学探测装置还包括:夹持部,设置在所述承载部上方,用于与所述承载部配合夹持检测对象(20);
所述承载部包括:
承载平台(17),用于放置所述检测对象(20);
所述夹持部包括:
第三伸缩机构(18),设置在所述承载平台(17)上方,在所述第三伸缩机构(18)的靠近所述承载平台(17)的末端固定设置有夹持平台(19),通过所述第三伸缩机构(18)的动作实现所述夹持平台(19)和所述承载平台(17)的配合,以将所述检测对象夹持在所述夹持平台(19)和所述承载平台(17)之间;
在所述承载平台(17)上表面设置有与所述检测对象(20)的下端面相适应的第一凹槽(31);在所述夹持平台(19)下表面设置有与所述检测对象(20)的上端面相适应的第二凹槽(32);在所述第二凹槽(32)底部设置有声源发生装置(33);
其中,所述承载平台(17)为升降平台。
6.如权利要求4所述的基于人工智能的声学探测系统,其特征在于,所述麦克风阵列(9)与所述控制器(10)电连接;
所述控制器(10)执行如下操作:
通过所述麦克风阵列(9)探测的检测对象(20)主动或受激励后发出的声音获得多个第二声音信号;
基于声源定位技术确定检测对象(20)距离所述麦克风阵列(9)的距离及角度;
通过控制所述第一转动机构(12)、所述第一伸缩机构(13)、所述第二转动机构(16)和所述第二伸缩机构(14)的动作,使所述麦克风阵列(9)与所述检测对象(20)的距离等于预设的检测距离且角度等于预设的检测角度;
调整距离和角度后,数据采集模块(2)采集多个所述第一声音信号。
7.如权利要求5所述的基于人工智能的声学探测系统,其特征在于,所述声学探测装置还包括:
压力传感器(34),设置在所述第一凹槽(31)和/或所述第二凹槽(32)的槽底,用于检测所述检测对象(20)受到的压力值,压力传感器(34)与所述控制器(10)电连接;
所述控制器(10)通过压力传感器(34)检测夹持所述检测对象(20)的压力,当压力值大于预设的压力阈值时,控制所述第三伸缩机构(18)停止伸长和/或承载平台(17)停止升高。
8.如权利要求4所述的基于人工智能的声学探测系统,其特征在于,所述声学探测装置还包括:激励部,设置在所述承载部上方,用于往所述承载部承载的检测对象(20)施加激励,使所述检测对象(20)发出声音;
所述激励部包括:
第三转动机构(21),所述第三转动机构(21)的固定端固定设置在所述承载部上方;
第四转动机构(22),固定端与所述第三转动机构(21)的转动端固定连接;
激励杆(23),一端与所述第四转动机构(22)的转动端固定连接;
所述第三转动机构(21)的转动平面位于水平方向,所述第四转动机构(22)的转动平面位于竖直方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024507.2A CN112362750B (zh) | 2020-09-25 | 2020-09-25 | 一种基于人工智能的声学探测系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024507.2A CN112362750B (zh) | 2020-09-25 | 2020-09-25 | 一种基于人工智能的声学探测系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112362750A CN112362750A (zh) | 2021-02-12 |
CN112362750B true CN112362750B (zh) | 2024-01-09 |
Family
ID=74507480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011024507.2A Active CN112362750B (zh) | 2020-09-25 | 2020-09-25 | 一种基于人工智能的声学探测系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112362750B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001235451A (ja) * | 2000-02-25 | 2001-08-31 | Mitsubishi Electric Corp | 試料の欠陥測定装置及び方法 |
JP2012018066A (ja) * | 2010-07-07 | 2012-01-26 | Panasonic Electric Works Sunx Co Ltd | 異常検査装置 |
CN107063444A (zh) * | 2017-04-25 | 2017-08-18 | 段建辉 | 一种设备噪音自动分析机 |
CN107748314A (zh) * | 2017-10-18 | 2018-03-02 | 国网重庆市电力公司北碚供电分公司 | 基于声波震荡检测的变压器故障分析系统 |
CN110488675A (zh) * | 2019-07-12 | 2019-11-22 | 国网上海市电力公司 | 一种基于动态规整算法的变电站声信号特征提取方法 |
-
2020
- 2020-09-25 CN CN202011024507.2A patent/CN112362750B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001235451A (ja) * | 2000-02-25 | 2001-08-31 | Mitsubishi Electric Corp | 試料の欠陥測定装置及び方法 |
JP2012018066A (ja) * | 2010-07-07 | 2012-01-26 | Panasonic Electric Works Sunx Co Ltd | 異常検査装置 |
CN107063444A (zh) * | 2017-04-25 | 2017-08-18 | 段建辉 | 一种设备噪音自动分析机 |
CN107748314A (zh) * | 2017-10-18 | 2018-03-02 | 国网重庆市电力公司北碚供电分公司 | 基于声波震荡检测的变压器故障分析系统 |
CN110488675A (zh) * | 2019-07-12 | 2019-11-22 | 国网上海市电力公司 | 一种基于动态规整算法的变电站声信号特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112362750A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8783545B2 (en) | Method for quality control during ultrasonic | |
CN109086888B (zh) | 基于声音识别的汽车发动机故障判定方法及其装置 | |
CN111716150B (zh) | 一种刀具状态智能监测的进化学习方法 | |
DE102007014696B3 (de) | Sensor/Aktor-Vorrichtung und Verfahren zur Ermittlung von strukturellen Informationen von Materialien | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN109633687A (zh) | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 | |
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 | |
KR102306269B1 (ko) | 실시간 아크 용접 결함 탐지/분류 방법 및 장치 | |
CN108318579B (zh) | 一种蜂窝共固化结构缺陷超声a扫描识别方法及装置 | |
KR102373655B1 (ko) | 공작기계의 고장 진단 장치 및 진단 방법 | |
CN112362750B (zh) | 一种基于人工智能的声学探测系统及装置 | |
CN109947072A (zh) | 用于在生产过程期间自动检测异常工件的数据驱动方法 | |
CN113703395A (zh) | 一种面向加工变形控制的变工况铣削加工夹紧力预测方法 | |
CN111754463A (zh) | 一种基于卷积神经网络的无砟轨道ca砂浆层缺陷检测方法 | |
CN109490834A (zh) | 一种声源定位方法、声源定位装置及车辆 | |
CN111783616B (zh) | 一种基于数据驱动自学习的无损检测方法 | |
CN111833313A (zh) | 基于深度主动学习的工业产品表面缺陷检测方法及系统 | |
CN111624251B (zh) | 一种应用于大型板壳结构的智能兰姆波缺陷定位方法 | |
CN114324580A (zh) | 一种结构缺陷的智能敲击检测方法及系统 | |
CN111948278A (zh) | 一种点焊缺陷磁光成像无损检测方法及系统 | |
CN113933387B (zh) | 一种复合材料结构损伤监测方法及系统 | |
CN114663763A (zh) | 一种基于数字孪生的飞机蒙皮装配质量检测方法 | |
CN112365446B (zh) | 纸袋粘接质量检测方法 | |
CN114378653A (zh) | 基于bp神经网络外圆磨削颤振在线识别和监测方法 | |
CN114358078A (zh) | 一种电机振动的深度学习检测方法 |
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 |