CN112880812A - 扶梯故障检测方法、系统和存储介质 - Google Patents
扶梯故障检测方法、系统和存储介质 Download PDFInfo
- Publication number
- CN112880812A CN112880812A CN202110067034.2A CN202110067034A CN112880812A CN 112880812 A CN112880812 A CN 112880812A CN 202110067034 A CN202110067034 A CN 202110067034A CN 112880812 A CN112880812 A CN 112880812A
- Authority
- CN
- China
- Prior art keywords
- escalator
- noise
- signal
- point
- fault detection
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B23/00—Component parts of escalators or moving walkways
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Escalators And Moving Walkways (AREA)
Abstract
本申请公开了一种扶梯故障检测方法、系统和存储介质,所述方法包括:采集所述扶梯的噪音阵列信号;根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;计算所述噪音声波信号的功率;确定所述功率大于功率阈值,发送扶梯故障信号。本申请实施例采集扶梯的噪音阵列信号,并对噪音阵列信号进行波束形成,从而获取得到待测点的噪音声波信号,通过计算噪音声波信号的功率,将功率与功率阈值进行比较,从而识别扶梯故障。相较于现有的振动信号故障识别,噪音信号的识别由于不需要与扶梯进行接触,因此提高了扶梯故障识别的适用性。本申请可广泛应用于机械设备故障诊断技术领域中。
Description
技术领域
本申请涉及机械设备故障诊断技术领域,尤其涉及一种扶梯故障检测方法、系统和存储介质。
背景技术
当机械设备发生故障时,通常会在故障部位造成振动信号波形异常或发出尖锐噪音,采集并恰当利用这些特征信号进行机械设备在线故障分析与预警,已经在很多领域获得比较成功的应用。
在扶梯应用领域,许多研究所采用的故障识别方法都是利用振动信号的特征进行展开,通过在测试点表面安装振动传感器,并进行相应的处理与转换,可以直观而准确的监控机械设备的运行情况,振动信号的干扰少,受周围环境的影响较小,因为得到广泛应用;但其缺点也是显而易见的,振动传感器必须安装到被测物的表面,对于扶梯某一些封闭而一直在运动的部位采用振动传感器就不太合适了,因此采用振动信号检测的方式进行扶梯故障检测的适用性较低。
发明内容
有鉴于此,本申请的目的是提供一种扶梯故障检测方法、系统和存储介质,以提高扶梯故障检测的适用性。
本申请所采用的第一技术方案是:
一种扶梯故障检测方法,包括:
采集所述扶梯的噪音阵列信号;
根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;
计算所述噪音声波信号的功率;
确定所述功率大于功率阈值,发送扶梯故障信号。
进一步,所述待测点位于所述扶梯的表面。
进一步,所述待测点位于所述扶梯的梯级空间的竖直切面。
进一步,所述预设权向量根据最大信干噪比准则确定。
进一步,所述预设权向量根据MVDR波束形成算法得到。
进一步,所述预设权向量的计算公式为:
其中,A(r0,θ0)为所述待测点(r0,θ0)的方向矢量,r0为所述待测点到参照阵元的矢径,θ0为所述待测点到参照阵元的方位角,RS为所述阵列输入信号的协方差矩阵。
进一步,所述功率阈值通过机器学习获取。
本申请所采用的第二技术方案是:
一种扶梯故障检测系统,包括:
噪声阵列传感器,用于采集所述扶梯的噪音阵列信号;
波束形成器,用于根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;
能量估计器,用于计算所述噪音声波信号的功率;
噪音信号处理器,用于确定所述功率大于功率阈值,发送扶梯故障信号。
本申请所采用的第三技术方案是:
一种扶梯故障检测系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的定制衣柜辅助设计方法。
本申请所采用的第四技术方案是:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的扶梯故障检测方法。
本申请实施例采集扶梯的噪音阵列信号,并对噪音阵列信号进行波束形成,从而获取得到待测点的噪音声波信号,通过计算噪音声波信号的功率,将功率与功率阈值进行比较,从而识别扶梯故障。相较于现有的振动信号故障识别,噪音信号的识别由于不需要与扶梯进行接触,因此提高了扶梯故障识别的适用性。
附图说明
图1为本申请实施例扶梯故障识别方法的流程图;
图2为本申请实施例扶梯故障识别方法的波束形成原理图;
图3为本申请实施例扶梯故障识别方法的扶梯梯级通道声源采集原理图;
图4为本申请实施例扶梯故障识别方法的扶梯表面的声源采集原理图;
图5为本申请实施例扶梯故障识别系统的结构框图。
具体实施方式
以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本申请的目的、方案和效果。
下面结合附图和具体实施例对本申请做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。此外,对于以下实施例中所述的若干个,其表示为至少一个。
在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
扶梯又称自动行人电梯、扶手电梯或电扶梯,是一种以运输带方式运送行人的运输工具。扶梯一般是斜置,行人在扶梯的一端站上自动行走的梯级,便会自动被带到扶梯的另一端,途中梯级会一路保持水平。扶梯在两旁设有跟梯级同步移动的扶手,供使用者扶握。扶梯可以是永远向一个方向行走,但多数都可以根据时间、人流等需要,由管理人员控制行走方向。
扶梯由于需要不间断运行,因此容易发生故障,在扶梯发生故障后如果不能及时发现将会导致严重的后果。目前的扶梯故障检测方法大多是基于振动信号进行检测,基于振动信号的检测方法需要将振动传感器安装在故障源表面,但是扶梯需要长期处于运动状态,在其表面安装振动传感器十分不便,导致现有的扶梯故障识别方法的适用性较低。
在扶梯机械设备的运行状态诊断中,由于20HZ~20KHZ人耳可听到的声波信号受外界的干扰较大,因而光靠简单笼统的采集现场声波信号的加权声强来判别扶梯运行故障可能会导致很多的误报,因而研究更准确可靠的扶梯设备故障识别方法对构建扶梯物联网在线故障监测平台具有十分重要的意义。
如图1所示,本申请实施例提供了一种扶梯故障检测方法,包括:
S110、采集所述扶梯的噪音阵列信号;
S120、根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;
S130、计算所述噪音声波信号的功率;
S140、确定所述功率大于功率阈值,发送扶梯故障信号。
本方案运用波束形成的基本原理,首先通过噪音传感器阵列采集各个方向的音频信号,即噪音阵列信号。对各阵元输出进行加权运算后,通过特定的准则,比如最大信干噪比准则、最小均方误差准则、最大似然准则或噪声方差最小准则,调整阵元的权重来自动优化传感器阵列的方向,直至一个指定的目标函数满足要求为止,相当于被调整的阵列接收的方向增益聚集到一个方向上,从而形成一个噪音声波波束,即噪音声波信号。获取得到噪音声波信号后,需要对噪音声波信号进行能量估计,从而得到噪音声波信号的功率,并且判断噪音声波信号的功率是否达到报警阈值标准,若达到则通过无线通信模块进行远程报警处理。
信干噪比又称SINR,指的是系统中信号与干扰和噪声之和的比;均方误差是反映估计量与被估计量之间差异程度的一种度量;最大似然估计是一种统计方法,它用来求一个样本集的相关概率密度函数的参数;方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。
参照图2,假如有噪声源S(t)位于近场声学环境中,它与N个线性排列的噪音传感器的位置关系如图所示,以第一个阵元为参考点建立坐标系,阵元间距为d,ri(i=1,2...N)是噪声源到各阵元的矢径,θ1是噪声源到参考阵元的夹角。根据几何关系,可以算出噪声源距离第i(i=1,2...N)个阵元的矢径与参考阵元的矢径关系如下式所示:
噪声源S(t)传播到每个阵元时,每个阵元的接收信号可表示为:
x(t)=A(r1,θ)S(t)+n(t)
其中,x(t)=[x1(t),x2(t),......,xN(t)]表示阵列接收信号矩阵,即阵列的输入向量,S(t)为噪声源信号,n(t)=[n1(t),n2(t),......,nN(t)]表示噪声以及其他方向的干扰信号矩阵,为阵列流形矩阵,经过波束形成设备的后,输出的信号y(t)为阵列的加权和,可表示为下式所示:
y(t)=wHx(t)
而阵列输入的总功率为:
E{y(t)yH(t)}=wHRSw
其中,E{}表示数学期望,RS=E{x(t)xH(t)}表示阵列输入信号的协方差矩阵。
波束形成器的约束规则是使得目标方向上形成瓣峰,其他方向形成零陷,从而保证目标点方向上输出功率不变的前提下,干扰方向上的输出功率达到最小。MVDR准则即为选择合适的w,使得在对w有一定条件约束下的输出方差,即功率E{y(t)yH(t)}=wHRSw最小,其中RS=E{x(t)xH(t)}。若要使得wHRSw达到最小,需要使得wHA(r0,θ0)=1,使用拉格朗日乘子法求解该极值问题,求得预设权向量为下式所示:
其中,A(r0,θ0)是待测点(r0,θ0)的方向矢量,r0是该待测点到参考阵元的矢径,θ0是该待测点到参考阵元的方位角。将其代入阵列输入的总功率的计算公式中,即可以算出MVDR波束空间谱函数为:
在扶梯的实施中,基于上述原理构建扶梯声场环境的数学模型。假定有M个随机排列的噪音传感器阵列,且假定噪音传感器在一个平面上,扶梯的N个噪音源的个数也是随机的,设第1个噪音传感器阵元为坐标原点建立坐标系,那么,阵元与目标噪音的相对位置的如图3所示。可以采用声场探针对目标待测空间进行扫描,即在某一个待测点,即扫描点放置一个探针,假定该探针所在位置就是目标噪声源的所在位置,那么该声源到传感器阵列的物理距离和入射角等参数为已知,将这些参数代入上述方程即可算出该点的预设权向量,以使得来自该点的噪声信号到达阵列时,能满足目标方向的噪声源信号最大,同时抑制环境噪音的结果。通过同样的方式,把探针放在待测空间的所有点上,对所有的观测点进行遍历,从而可以得到待测空间的空间谱,通过这种方式得出目标噪音的具体位置。选择一个步长对目标空间进行扫描时,将待测空间分为一个个扫描的网格,步长的长度就是扫描的精度。参照图3,在一些实施例中,将扶梯切成N个切面,通过对每个切面进行扫描来获取扶梯梯级空间的目标噪音位置。在一些实施例中,参照图4,由于扶梯梯级通道中空的结构特点,即噪声源一般仅仅分布在扶梯实体结构附近,因而仅仅需要对扶梯表面的6个面进行扫描,以减少计算量,即可以仅仅在扶梯的表面进行待测点的选取。
在扶梯故障检测的过程中,首先需要设置待测机械设备故障部位的噪声参数,噪声参数包括噪声的频率和功率阈值等参数,这些参数可以通过事前机器学习获取,或者由用户直接手工输入设置。接着在待测目标噪声空间的声场中放置探针,遍历每个探针位置从而计算出声场中每个点的预设权向量,从而形成该点的空间滤波器。目标噪音在某一个具体位置发生时,目标噪音通过传感器阵列后会被滤波,结果是该目标噪音被增强,环境干扰信号得到最大抑制。然后通过目标噪音的空间谱,确定出该噪音的具体位置。最后,对该位置上的目标噪音进行能量估计,判断该噪音是否达到功率阈值的报警标准,若达到则通过无线通信模块进行远程报警处理。
本发明实施例还提供了一种扶梯故障检测系统,参照图5,包括:
噪声阵列传感器,用于采集扶梯的噪音阵列信号;
波束形成器,用于根据待测点的预设权向量对噪音阵列信号进行波束形成,获取待测点对应的噪音声波信号;
能量估计器,用于计算噪音声波信号的功率;
噪音信号处理器,用于确定功率大于功率阈值,发送扶梯故障信号;
系统存储器,用于存储功率阈值和特征噪声参数,特征噪声参数即需要采集的特征噪声的频率和功率;
无线通信模块,用于与远程服务器通信进行远程设置与报警。
扶梯的梯路系统运行距离较长,梯级链运行的过程中存在一定的轴向摆动,若两侧链长偏差较大,则容易发生梯级刮擦梳齿,产生噪音并损坏梳齿。通过判别扶梯的梯路系统的噪音对梯路系统进行故障识别。需要说明的是,本系统判别的噪音不仅局限于梯路系统剐蹭的噪音,还能判别诸如扶梯驱动系统中由于回环过渡板与导轨间隙过大或者高低不平,导致梯级链轮通过时发生撞击产生的噪音;诸如扶梯下平层的涨紧装置由于涨紧度没有调整合适,导致梯级在涨紧架回转时跑偏故障发出的噪音等。
本方案需要事前对待测的故障噪音进行学习,获取待测故障噪音的噪声参数,并事先在存储器中保存噪声参数。将扶梯的梯路分为N个监测段,并构建空间滤波器对每个检测段上的切面进行扫描,使得某一段产生剐蹭故障而产生噪音时,空间滤波器可以捕获这些故障噪音。当被测空间中某一个点产生噪音时,会进行能量估计等处理,从而计算得出某一个监测段上是否存在剐蹭噪音,其声强能量是否超过预先设置的阈值。若超过设置的噪音阈值,则通过4G网络远程报警,通知技术人员维护。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种扶梯故障检测系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的定制衣柜辅助设计方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外,本申请实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行上述方法实施例中任一个技术方案所述的一种交互信息处理方法步骤。对于所述存储介质,其可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。可见,上述方法实施例中的内容均适用于本存储介质实施例中,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
应当认识到,本申请的实施例系统中所包含的层、模块、单元和/或平台等可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,本申请实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程,其可按任何合适的顺序来执行,除非本文另外指示或以其他方式明显地与上下文矛盾。本申请实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述系统可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本申请系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本申请所述的方法和技术编程时,本申请还包括计算机本身。
以上所述,只是本申请的较佳实施例而已,本申请并不局限于上述实施方式,只要其以相同的手段达到本申请的技术效果,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。在本申请的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种扶梯故障检测方法,其特征在于,包括:
采集所述扶梯的噪音阵列信号;
根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;
计算所述噪音声波信号的功率;
确定所述功率大于功率阈值,发送扶梯故障信号。
2.根据权利要求1所述的扶梯故障检测方法,其特征在于,所述待测点位于所述扶梯的表面。
3.根据权利要求1所述的扶梯故障检测方法,其特征在于,所述待测点位于所述扶梯的梯级空间的竖直切面。
4.根据权利要求1所述的扶梯故障检测方法,其特征在于,所述预设权向量根据最大信干噪比准则确定。
5.根据权利要求4所述的扶梯故障检测方法,其特征在于,所述预设权向量根据MVDR波束形成算法得到。
7.根据权利要求1所述的扶梯故障检测方法,其特征在于,所述功率阈值通过机器学习获取。
8.一种扶梯故障检测系统,其特征在于,包括:
噪声阵列传感器,用于采集所述扶梯的噪音阵列信号;
波束形成器,用于根据待测点的预设权向量对所述噪音阵列信号进行波束形成,获取所述待测点对应的噪音声波信号;
能量估计器,用于计算所述噪音声波信号的功率;
噪音信号处理器,用于确定所述功率大于功率阈值,发送扶梯故障信号。
9.一种扶梯故障检测系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7任一项所述的扶梯故障检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的扶梯故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067034.2A CN112880812A (zh) | 2021-01-19 | 2021-01-19 | 扶梯故障检测方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067034.2A CN112880812A (zh) | 2021-01-19 | 2021-01-19 | 扶梯故障检测方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112880812A true CN112880812A (zh) | 2021-06-01 |
Family
ID=76049545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110067034.2A Pending CN112880812A (zh) | 2021-01-19 | 2021-01-19 | 扶梯故障检测方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112880812A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063629A (zh) * | 2006-04-25 | 2007-10-31 | 汤京乐 | 利用语音识别技术判断机电故障 |
CN101846594A (zh) * | 2010-06-22 | 2010-09-29 | 上海交通大学 | 基于波束形成声像模式识别的故障检测装置及其检测方法 |
CN103167373A (zh) * | 2011-12-09 | 2013-06-19 | 现代自动车株式会社 | 定位声源的方法和系统 |
CN103998362A (zh) * | 2011-12-14 | 2014-08-20 | 因温特奥股份公司 | 电梯设备及其部件借助传感器的故障诊断 |
CN206235390U (zh) * | 2016-11-04 | 2017-06-09 | 恒信大友(北京)科技有限公司 | 一种具有记录功能的手持式振动噪声检测仪 |
CN108007681A (zh) * | 2017-12-07 | 2018-05-08 | 东北大学 | 一种利用麦克风阵列进行机械故障检测的方法 |
JP2019066339A (ja) * | 2017-10-02 | 2019-04-25 | 株式会社日立製作所 | 音による診断装置、診断方法、および診断システム |
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 |
CN110595609A (zh) * | 2019-09-29 | 2019-12-20 | 国网河南省电力公司南召县供电公司 | 一种通过声音异常快速判断变电设备故障的诊断装置 |
CN110617982A (zh) * | 2019-09-19 | 2019-12-27 | 苏州时辰智能机电设备有限公司 | 一种基于声纹信号的旋转机械设备故障识别方法 |
CN110890099A (zh) * | 2018-09-10 | 2020-03-17 | 北京京东尚科信息技术有限公司 | 声音信号处理方法、装置以及存储介质 |
-
2021
- 2021-01-19 CN CN202110067034.2A patent/CN112880812A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063629A (zh) * | 2006-04-25 | 2007-10-31 | 汤京乐 | 利用语音识别技术判断机电故障 |
CN101846594A (zh) * | 2010-06-22 | 2010-09-29 | 上海交通大学 | 基于波束形成声像模式识别的故障检测装置及其检测方法 |
CN103167373A (zh) * | 2011-12-09 | 2013-06-19 | 现代自动车株式会社 | 定位声源的方法和系统 |
CN103998362A (zh) * | 2011-12-14 | 2014-08-20 | 因温特奥股份公司 | 电梯设备及其部件借助传感器的故障诊断 |
CN206235390U (zh) * | 2016-11-04 | 2017-06-09 | 恒信大友(北京)科技有限公司 | 一种具有记录功能的手持式振动噪声检测仪 |
JP2019066339A (ja) * | 2017-10-02 | 2019-04-25 | 株式会社日立製作所 | 音による診断装置、診断方法、および診断システム |
CN108007681A (zh) * | 2017-12-07 | 2018-05-08 | 东北大学 | 一种利用麦克风阵列进行机械故障检测的方法 |
CN110890099A (zh) * | 2018-09-10 | 2020-03-17 | 北京京东尚科信息技术有限公司 | 声音信号处理方法、装置以及存储介质 |
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 |
CN110617982A (zh) * | 2019-09-19 | 2019-12-27 | 苏州时辰智能机电设备有限公司 | 一种基于声纹信号的旋转机械设备故障识别方法 |
CN110595609A (zh) * | 2019-09-29 | 2019-12-20 | 国网河南省电力公司南召县供电公司 | 一种通过声音异常快速判断变电设备故障的诊断装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190285517A1 (en) | Method for evaluating health status of mechanical equipment | |
Eftekhar Azam et al. | Damage detection in structural systems utilizing artificial neural networks and proper orthogonal decomposition | |
Tejedor et al. | Toward prevention of pipeline integrity threats using a smart fiber-optic surveillance system | |
NL2012327B1 (en) | Selective intrusion detection systems. | |
JP5145417B2 (ja) | 信号判定方法、信号判定装置、プログラム、信号判定システム | |
KR102027252B1 (ko) | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 | |
US20130148817A1 (en) | Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program | |
US20170052060A1 (en) | Method and system for automatically detecting faults in a rotating shaft | |
KR101891175B1 (ko) | 동특성 변화를 이용한 건물 구조물의 안전도 평가방법 및 시스템 | |
TW201703028A (zh) | 設備異音的檢測方法及檢測裝置 | |
CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
US20180188104A1 (en) | Signal detection device, signal detection method, and recording medium | |
US11835429B2 (en) | Apparatus for equipment monitoring | |
Domaneschi et al. | Wind-driven damage localization on a suspension bridge | |
CN112880812A (zh) | 扶梯故障检测方法、系统和存储介质 | |
CN112257533B (zh) | 一种周界入侵检测识别方法 | |
Xie et al. | Internal defect inspection in magnetic tile by using acoustic resonance technology | |
CN117009788A (zh) | 基于水锤波特征参数集的埋地输流管道周界塌陷预警方法、存储介质和方法 | |
CN116432007A (zh) | 基于空域特征和机器学习的光纤预警模式识别方法 | |
US20110098932A1 (en) | Method and apparatus for detecting pedestrians | |
CN118072447B (zh) | 集成红外及超声波传感器的电动防护门安全监测系统、方法 | |
US20220203536A1 (en) | Dynamic spatiotemporal beamforming self-diagonostic system | |
KR101925520B1 (ko) | 해양구조물 손상 탐색 시스템 | |
JP7327688B2 (ja) | イベント検出装置、方法及びプログラム | |
CN118072447A (zh) | 集成红外及超声波传感器的电动防护门安全监测系统、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210601 |