CN112484980A - 基于声音与图像分析的机械故障检测系统及方法 - Google Patents
基于声音与图像分析的机械故障检测系统及方法 Download PDFInfo
- Publication number
- CN112484980A CN112484980A CN202011338603.4A CN202011338603A CN112484980A CN 112484980 A CN112484980 A CN 112484980A CN 202011338603 A CN202011338603 A CN 202011338603A CN 112484980 A CN112484980 A CN 112484980A
- Authority
- CN
- China
- Prior art keywords
- fault
- sound
- image
- module
- machine
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000010191 image analysis Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 106
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G01M13/00—Testing of machine parts
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于声音与图像分析的机械故障检测系统及方法,涉及机器故障分析技术领域。本发明包括声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块;故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。本发明通过声音对比分析模块计算故障声音相似度A同时图像识别模块计算故障图像相似度B;通过故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q;提高器械的风险预估以及故障的诊断定位,便捷高效。
Description
技术领域
本发明属于机器故障分析技术领域,特别是涉及一种基于声音与图像分析的机械故障检测系统及方法。
背景技术
现有的工业上产更多的采用智能化器械代替人工完成一些重复的生产工作,以提高上产效率。随着人工智能应用到越来越多的领域,智能化器械在各行各业应运而生。智能化器械能够提高生产效率的同时,也给机械操控工程师以及器械维修师带来了极大的挑战。
往往智能化越高的机械设备,在产生问题时,进行维修越困难;往往器械维修师提前预估器械的问题以及不能确定问题所在,给维修带来了困难。
为解决上述问题,本发明提供一种基于声音与图像分析的机械故障检测系统及方法。
发明内容
本发明的目的在于提供基于声音与图像分析的机械故障检测系统及方法,用以解决背景技术中提出的技术问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为基于声音与图像分析的机械故障检测系统,包括:声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块;
所述声音采集模块,用于采集机器混音并传递至杂音滤除模块;所述杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;所述声音对比分析模块对比故障声波模型获取声音故障分析结果;所述声音对比分析模块传递声音故障分析结果至故障分析模块;
所述高清摄像头用于采集机器运行图像并传递至图像识别模块;所述图像识别模块对比故障图像特征模型获取图像故障分析结果;所述图像识别模块传递图像故障分析结果至故障分析模块;
所述存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型;所述故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
作为一种优选的技术方案,所述故障声波模型获取如下:
在机器启动且没有外界杂音情况下,对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本;对故障声波样本进行训练获取当前故障对应的故障声波模型。
作为一种优选的技术方案,所述杂音模型获取如下:
在机器启动且有工作人员工作时的外界杂音情况下,对同一故障获取海量机器故障混音作为故障混音样本;通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本;对外界杂音样本训练获取杂音模型。
作为一种优选的技术方案,所述故障图像特征模型获取如下:
在同一机器故障下,对不同机器采集若干故障图像作为故障图像样本;对故障图像样本特征提取获取故障图像特征,对海量故障图像特征训练获取故障图像特征模型。
基于声音与图像分析的机械故障检测方法,包括如下过程:
A00:通过声音采集模块实时采集故障混音并传递至杂音滤除模块;
A01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;
A02:声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块;
A03:高清摄像头实时采集机器运行图像并传递至图像识别模块;
A04:图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块;
A05:故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度Q。
作为一种优选的技术方案,A02中声音故障分析结果包括故障声音相似度A。
作为一种优选的技术方案,A04中图像故障分析结果包括故障图像相似度B。
作为一种优选的技术方案,所述故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q,其计算公式如下:
Q=A*a+B*b;
其中,a为声音故障可信系数,b为图像故障可信系数;所述存储模块中预存储a和b。
作为一种优选的技术方案,所述故障分析模块判断当前机器故障风险度Q是否大于故障风险阈值H,若是,则发出故障警报;若否,则记录当前机器故障风险度Q。
本发明具有以下有益效果:
1、本发明声音对比分析模块对比故障声波模型获取声音故障分析结果,再图像识别模块对比故障图像特征模型获取图像故障分析结果;故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度,提高机器故障的预估,避免导致机器重大故障减少损失;同时能够确定故障类型,提高维修效率。
2、本发明通过声音对比分析模块计算故障声音相似度A同时图像识别模块计算故障图像相似度B;通过故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q;提高器械的风险预估以及故障的诊断定位,便捷高效。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于声音与图像分析的机械故障检测系统结构示意图;
图2为本发明的基于声音与图像分析的机械故障检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为基于声音与图像分析的机械故障检测系统包括:声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块;
声音采集模块,用于采集机器混音并传递至杂音滤除模块;杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;声音对比分析模块对比故障声波模型获取声音故障分析结果;声音对比分析模块传递声音故障分析结果至故障分析模块;
具体的,故障声波模型获取如下:
在机器启动且没有外界杂音情况下,对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本;对故障声波样本进行训练获取当前故障对应的故障声波模型。
另外,杂音模型获取如下:
在机器启动且有工作人员工作时的外界杂音情况下,对同一故障获取海量机器故障混音作为故障混音样本;通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本;对外界杂音样本训练获取杂音模型。
高清摄像头用于采集机器运行图像并传递至图像识别模块;图像识别模块对比故障图像特征模型获取图像故障分析结果;图像识别模块传递图像故障分析结果至故障分析模块;
实际上,故障图像特征模型获取如下:
在同一机器故障下,对不同机器采集若干故障图像作为故障图像样本;对故障图像样本特征提取获取故障图像特征,对海量故障图像特征训练获取故障图像特征模型。
存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型;故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
本发明实际使用时,声音对比分析模块对比故障声波模型获取声音故障分析结果,再图像识别模块对比故障图像特征模型获取图像故障分析结果;故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度,提高机器故障的预估,避免导致机器重大故障减少损失;同时能够确定故障类型,提高维修效率。
请参阅图2所示,基于声音与图像分析的机械故障检测方法,包括如下过程:
A00:通过声音采集模块实时采集故障混音并传递至杂音滤除模块;
A01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;
A02:声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块;其中,声音故障分析结果包括故障声音相似度A;
A03:高清摄像头实时采集机器运行图像并传递至图像识别模块;
A04:图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块;其中,图像故障分析结果包括故障图像相似度B;
A05:故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度Q;具体的,故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q,其计算公式如下:
Q=A*a+B*b;
其中,a为声音故障可信系数,b为图像故障可信系数,a和b均为实际经验获取的结果;存储模块中预存储a和b。
实际上,故障分析模块判断当前机器故障风险度Q是否大于故障风险阈值H,若是,则发出故障警报;若否,则记录当前机器故障风险度Q。
本发明实际使用时,通过声音对比分析模块计算故障声音相似度A同时图像识别模块计算故障图像相似度B;通过故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q;提高器械的风险预估以及故障的诊断定位,便捷高效。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.基于声音与图像分析的机械故障检测系统,其特征在于,包括:声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块;
所述声音采集模块,用于采集机器混音并传递至杂音滤除模块;所述杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;所述声音对比分析模块对比故障声波模型获取声音故障分析结果;所述声音对比分析模块传递声音故障分析结果至故障分析模块;
所述高清摄像头用于采集机器运行图像并传递至图像识别模块;所述图像识别模块对比故障图像特征模型获取图像故障分析结果;所述图像识别模块传递图像故障分析结果至故障分析模块;
所述存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型;所述故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
2.根据权利要求1所述的基于声音与图像分析的机械故障检测系统,其特征在于,所述故障声波模型获取如下:
在机器启动且没有外界杂音情况下,对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本;对故障声波样本进行训练获取当前故障对应的故障声波模型。
3.根据权利要求2所述的基于声音与图像分析的机械故障检测系统,其特征在于,所述杂音模型获取如下:
在机器启动且有工作人员工作时的外界杂音情况下,对同一故障获取海量机器故障混音作为故障混音样本;通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本;对外界杂音样本训练获取杂音模型。
4.根据权利要求1或3所述的基于声音与图像分析的机械故障检测系统,其特征在于,所述故障图像特征模型获取如下:
在同一机器故障下,对不同机器采集若干故障图像作为故障图像样本;对故障图像样本特征提取获取故障图像特征,对海量故障图像特征训练获取故障图像特征模型。
5.基于声音与图像分析的机械故障检测方法,其特征在于,包括如下过程:
A00:通过声音采集模块实时采集故障混音并传递至杂音滤除模块;
A01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波;
A02:声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块;
A03:高清摄像头实时采集机器运行图像并传递至图像识别模块;
A04:图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块;
A05:故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度Q。
6.根据权利要求5所述的基于声音与图像分析的机械故障检测方法,其特征在于,A02中声音故障分析结果包括故障声音相似度A。
7.根据权利要求6所述的基于声音与图像分析的机械故障检测方法,其特征在于,A04中图像故障分析结果包括故障图像相似度B。
8.根据权利要求7所述的基于声音与图像分析的机械故障检测方法,其特征在于,所述故障分析模块根据故障声音相似度A以及故障图像相似度B计算机器故障风险度Q,其计算公式如下:
Q=A*a+B*b;
其中,a为声音故障可信系数,b为图像故障可信系数;所述存储模块中预存储a和b。
9.根据权利要求8所述的基于声音与图像分析的机械故障检测方法,其特征在于,所述故障分析模块判断当前机器故障风险度Q是否大于故障风险阈值H,若是,则发出故障警报;若否,则记录当前机器故障风险度Q。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011338603.4A CN112484980B (zh) | 2020-11-25 | 2020-11-25 | 基于声音与图像分析的机械故障检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011338603.4A CN112484980B (zh) | 2020-11-25 | 2020-11-25 | 基于声音与图像分析的机械故障检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112484980A true CN112484980A (zh) | 2021-03-12 |
CN112484980B CN112484980B (zh) | 2022-12-16 |
Family
ID=74934359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011338603.4A Active CN112484980B (zh) | 2020-11-25 | 2020-11-25 | 基于声音与图像分析的机械故障检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112484980B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114459759A (zh) * | 2022-01-25 | 2022-05-10 | 蒙会民 | 一种轴承故障检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
US20160091398A1 (en) * | 2014-09-30 | 2016-03-31 | Marquip, Llc | Methods for using digitized sound patterns to monitor operation of automated machinery |
CN110082135A (zh) * | 2019-03-14 | 2019-08-02 | 中科恒运股份有限公司 | 设备故障识别方法、装置和终端设备 |
CN110108486A (zh) * | 2018-01-31 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 轴承故障预测方法、设备及系统 |
CN110672950A (zh) * | 2019-10-08 | 2020-01-10 | 深圳海岸语音技术有限公司 | 一种电力设备故障声像检测系统及方法 |
CN110991289A (zh) * | 2019-11-25 | 2020-04-10 | 达闼科技成都有限公司 | 异常事件的监测方法、装置、电子设备及存储介质 |
CN111336100A (zh) * | 2020-04-10 | 2020-06-26 | 中国恩菲工程技术有限公司 | 水泵故障诊断系统 |
CN111337277A (zh) * | 2020-02-21 | 2020-06-26 | 云知声智能科技股份有限公司 | 一种基于声音识别的家用电器故障判定方法及装置 |
-
2020
- 2020-11-25 CN CN202011338603.4A patent/CN112484980B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494894A (zh) * | 2011-11-17 | 2012-06-13 | 高丙团 | 风力发电机组音频监测和故障诊断系统及其方法 |
US20160091398A1 (en) * | 2014-09-30 | 2016-03-31 | Marquip, Llc | Methods for using digitized sound patterns to monitor operation of automated machinery |
CN110108486A (zh) * | 2018-01-31 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 轴承故障预测方法、设备及系统 |
CN110082135A (zh) * | 2019-03-14 | 2019-08-02 | 中科恒运股份有限公司 | 设备故障识别方法、装置和终端设备 |
CN110672950A (zh) * | 2019-10-08 | 2020-01-10 | 深圳海岸语音技术有限公司 | 一种电力设备故障声像检测系统及方法 |
CN110991289A (zh) * | 2019-11-25 | 2020-04-10 | 达闼科技成都有限公司 | 异常事件的监测方法、装置、电子设备及存储介质 |
CN111337277A (zh) * | 2020-02-21 | 2020-06-26 | 云知声智能科技股份有限公司 | 一种基于声音识别的家用电器故障判定方法及装置 |
CN111336100A (zh) * | 2020-04-10 | 2020-06-26 | 中国恩菲工程技术有限公司 | 水泵故障诊断系统 |
Non-Patent Citations (1)
Title |
---|
尹旭日: "汽车异响类故障诊断推理方法的研究", 《交通与计算机》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114459759A (zh) * | 2022-01-25 | 2022-05-10 | 蒙会民 | 一种轴承故障检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112484980B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110534118B (zh) | 基于声纹识别和神经网络的变压器/电抗器故障诊断方法 | |
CN111306008B (zh) | 风机叶片的检测方法、装置、设备及存储介质 | |
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN111931389B (zh) | 一种旋转型设备运行正异常状态分析方法、装置 | |
CN111578445A (zh) | 用于空调器的控制方法、装置及空调器 | |
CN112484980B (zh) | 基于声音与图像分析的机械故障检测系统及方法 | |
CN109858345A (zh) | 一种适用于胀管设备的智能故障诊断方法 | |
CN110932899A (zh) | 一种应用ai智能故障压缩研究方法及其系统 | |
CN115758083A (zh) | 一种基于时域和时频域融合的电机轴承故障诊断方法 | |
CN113569656B (zh) | 一种基于深度学习的考场监控方法 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN104048165A (zh) | 管道泄漏诊断的方法 | |
CN109165396A (zh) | 一种故障演化趋势的设备剩余使用寿命预测方法 | |
CN117349595A (zh) | 一种面向工业场景的极端少样本故障诊断方法 | |
CN112664410A (zh) | 一种基于大数据的机组在线监测系统建模方法 | |
CN116699400A (zh) | 一种发电机转子短路故障监测系统、方法及可读存储介质 | |
CN112233696A (zh) | 基于人工智能和大数据的油田抽油机异音检测及上报系统 | |
CN114997749B (zh) | 电力人员智能调度方法和系统 | |
CN116467592A (zh) | 一种基于深度学习的生产设备故障智能监测方法及系统 | |
CN116229991A (zh) | 基于mfcc语音特征提取与机器学习的电机故障诊断方法 | |
CN112419304B (zh) | 一种面向一维数据的多阶段目标检测方法及装置 | |
CN114065651A (zh) | 一种用于旋转类设备的故障时间预测方法 | |
CN114708885A (zh) | 一种基于声音信号的风机故障预警方法 | |
CN112098836B (zh) | 一种基于电气畸变分析的电动机非稳数据排除方法及系统 | |
CN112001326B (zh) | 基于振动指纹的高压开关装备故障诊断与预测方法和系统 |
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 |