CN112986734A - 一种语音通讯系统的故障检测装置 - Google Patents
一种语音通讯系统的故障检测装置 Download PDFInfo
- Publication number
- CN112986734A CN112986734A CN202110191600.0A CN202110191600A CN112986734A CN 112986734 A CN112986734 A CN 112986734A CN 202110191600 A CN202110191600 A CN 202110191600A CN 112986734 A CN112986734 A CN 112986734A
- Authority
- CN
- China
- Prior art keywords
- parameter
- fault
- electrical parameter
- normal
- model
- 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 76
- 238000004891 communication Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 19
- 238000009413 insulation Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims 1
- 238000013024 troubleshooting Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/56—Testing of electric apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
Abstract
本发明公开了一种语音通讯系统的故障检测装置,包括:电气检测组件,用于检测语音通讯系统中的目标设备的第一电气参数;存储器,用于存储设备参数模型集;设备参数模型集包括每个设备对应的一个正常参数模型和多个故障参数模型;中央控制组件,用于根据第一电气参数,确定目标设备对应的目标设备参数模型;若目标设备参数模型为正常参数模型,将表示目标设备正常的第一状态信息发送至显示组件;若目标设备参数模型为故障参数模型,将表示目标设备故障的第二状态信息发送至显示组件;第二状态信息包括目标设备的故障类型、故障原因和处理建议;上述故障检测装置能够显著提高语音通讯系统的故障排查效率。
Description
技术领域
本申请涉及语音通讯技术领域,尤其涉及一种语音通讯系统的故障检测装置。
背景技术
目前,在工业通讯领域,主要存在两种语音通讯的终端设备:一种是两线制的语音电话系统;另一种是两线制的有线对讲系统。随着有线对讲终端增加了拨号功能,向上通过SIP协议的网关注册到软交换服务器,有线对讲具备了传统电话的一切功能。对于语音电话系统的工程安装和查修过程中,主要使用到查话器、万用表等检测设备,功能单一,实用性差。当出现故障时,例如混线,杂音,声音较小等问题时,只能携带多种检测设备凭经验从主机端到线路到各个配线架再到终端设备逐级排查,根据经验判断何种设备存在何种故障,存在难度大,效率低的问题。而对于有线对讲系统,不仅存在语音电话系统的上述问题,还面临着更多问题:(1)有线对讲系统没有查话器,有问题只能使用有线对讲设备进行测试,而有线对讲设备体积较大,重量重,很不方便;(2)一些室外环境下的有线对讲设备,由于应用环境限制,需要敷设屏蔽电缆而不是色标电缆;这种情况下,若在主机配线架上配线和改线,一旦配线错误,外观无法分辨,终端也不好判别,因为终端运行指示灯和通讯指示灯都显示正常,只是表现出杂音较大,无法正常使用,因此对主机配线架的故障排除比较困难;(3)室外有线对讲系统的中间线路故障率相对更高,而故障发生后一般没有备用线可代替,而中间线路的故障检测和处理都比较困难。
发明内容
本发明提供了一种语音通讯系统的故障检测装置,以解决或者部分解决目前的语音通讯系统中的各种设备的故障诊断比较困难,效率不高的技术问题。
为解决上述技术问题,本发明提供了一种语音通讯系统的故障检测装置,包括:
电气检测组件,用于检测语音通讯系统中的目标设备的第一电气参数,第一电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
存储器,用于存储设备参数模型集;设备参数模型集包括语音通讯系统中,每个设备对应的一个正常参数模型和多个故障参数模型;
中央控制组件,用于根据第一电气参数,在设备参数模型集中进行匹配,确定目标设备对应的目标设备参数模型;
若目标设备参数模型为正常参数模型,将表示目标设备正常的第一状态信息发送至显示组件;
若目标设备参数模型为故障参数模型,将表示目标设备故障的第二状态信息发送至显示组件;第二状态信息包括目标设备的故障类型、故障原因和处理建议;
显示组件,用于显示第一状态信息或显示第二状态信息。
可选的,正常参数模型包括:模型类型,设备信息,电气参数的第一标准取值,电气参数的第一正常偏移范围,电气参数的第一可取偏移范围;故障参数模型包括:模型类型,设备信息,电气参数的第二标准取值,电气参数的第二正常偏移范围,电气参数的第二可取偏移范围,故障类型,与故障类型对应的故障原因和处理建议。
可选的,设备参数模型集根据如下方法获得:
建立设备参数模型集的预设参数模板,预设参数模板包括模型类型和设备信息;
当语音通讯系统接入新的目标设备或目标设备出现目标故障类型时,获取目标设备的第二电气参数;第二电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
以第二电气参数为输入,通过机器学习获得与目标设备的正常状态对应的电气参数的第一标准取值、电气参数的第一正常偏移范围和电气参数的第一可取偏移范围,或与目标故障类型对应的电气参数的第二标准取值、电气参数的第二正常偏移范围和电气参数的第二可取偏移范围;
将电气参数的第一标准取值、电气参数的第一正常偏移范围和电气参数的第一可取偏移范围保存至预设参数模板,获得正常参数模型;
获取与目标故障类型对应的故障原因和处理建议,将电气参数的第二标准取值、电气参数的第二正常偏移范围和电气参数的第二可取偏移范围、目标故障类型、与目标故障类型对应的故障原因和处理建议保存至预设参数模板,获得故障参数模型。
可选的,中央控制组件具体用于:
将第一电气参数与目标设备对应的正常参数模型进行匹配,包括:
若第一电气参数全部位于第一数值范围内,确定正常参数模型为目标设备参数模型;其中,第一数值范围包括正常参数模型中的第一标准取值和第一正常偏移范围;
若第一电气参数没有全部位于第一数值范围内,将第一电气参数与目标设备对应的故障参数模型进行匹配,包括:
将第一电气参数位于第二数值范围内的故障参数模型确定为目标设备参数模型;第二数值范围包括目标故障参数模型中的第二标准取值、第二正常偏移范围和第二可取偏移范围。
进一步的,将第一电气参数与目标设备对应的故障参数模型进行匹配,具体包括:
将第一电气参数中的特征电气参数为第二标准取值或位于第二正常偏移范围内,以及第一电气参数中的非特征电气参数位于第二数值范围内的故障参数模型确定为目标设备参数模型。
如上述的技术方案,若目标设备参数模型为正常参数模型,中央控制组件获取第一电气参数对应的权重值;并根据第一电气参数和第一电气参数对应的权重值进行加权计算,获得目标设备的综合评分;
显示组件用于显示目标设备的综合评分。
进一步的,根据第一电气参数和第一电气参数对应的权重值进行加权计算,获得目标设备的综合评分,具体包括:
确定每个第一电气参数的单项分值Si,具体如下:
其中,ci为第一电气参数的实测值,c0为第一电气参数对应的第一标准取值;
确定目标设备的综合评分S,具体如下:
如上述的技术方案,故障检测装置还包括语音通讯组件,语音通讯组件用于进行语音信号的监听和测试。
如上述的技术方案,故障检测装置还包括电源组件,电源组件用于为故障检测装置提供动力电源。
如上述的技术方案,故障检测装置还包括输入输出组件,输入输出组件包括键盘、扬声器和LED指示灯;键盘用于接收用户的输入信息,扬声器和LED指示灯用于输出第一状态信息或第二状态信息。
通过本发明的一个或者多个技术方案,本发明具有以下有益效果或者优点:
本发明提供了一种语音通讯系统的故障检测装置,通过电气检测组件检测语音通讯系统中的目标设备的第一电气参数(如电压、电流、功率、绝缘电阻等),然后将实测的第一电气参数依次与故障检测装置中预存的目标设备的正常参数模型和故障参数模型进行匹配;当第一电气参数匹配正常参数模型时,说明当前目标设备状态正常;当第一电气参数匹配某个故障参数模型时,说明此时目标设备故障,故障检测装置会自动根据故障参数模型输出目标设备存在的的故障类型、故障原因和处理建议;一方面,上述故障检测装置具备多种电气参数的检测功能,不再需要携带多种检测工具;另一方面,上述故障检测装置可对语音通信系统中的通讯服务器、配线架和中间线路存在的问题进行综合检测,通过电气参数实测值能够快速、智能的识别出目标设备的故障类型,并对应给出故障原因和处理建议;从而显著的提高了作业人员对语音通讯系统的故障排查效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的故障检测装置的示意图;
图2示出了根据本发明一个实施例的故障检测和匹配的流程示意图;
图3示出了根据本发明一个实施例包括更多组件的的故障检测装置;
图4示出了根据本发明一个实施例的故障检测装置的控制面板示意图;
附图标记说明:
1、电气检测组件;2、存储器;3、中央控制组件;4、显示组件;5、语音通讯组件;6、电源组件;7、输入输出组件。
具体实施方式
为了使本申请所属技术领域中的技术人员更清楚地理解本申请,下面结合附图,通过具体实施例对本申请技术方案作详细描述。在整个说明书中,除非另有特别说明,本文使用的术语应理解为如本领域中通常所使用的含义。因此,除非另有定义,本文使用的所有技术和科学术语具有与本发明所属领域技术人员的一般理解相同的含义。若存在矛盾,本说明书优先。除非另有特别说明,本发明中用到的各种设备等,均可通过市场购买得到或者可通过现有方法制备得到。
为了解决目前语音通讯系统中的各种设备的故障诊断比较困难,效率不高的问题,在一个可选的实施例中,如图1所示,提供了一种语音通讯系统的故障检测装置,其整体结构如下:
电气检测组件1,用于检测语音通讯系统中的目标设备的第一电气参数,第一电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
存储器2,用于存储设备参数模型集;设备参数模型集包括语音通讯系统中,每个设备对应的一个正常参数模型和多个故障参数模型;
中央控制组件3,用于根据第一电气参数,在设备参数模型集中进行匹配,确定目标设备对应的目标设备参数模型;
若目标设备参数模型为正常参数模型,将表示目标设备正常的第一状态信息发送至显示组件4;
若目标设备参数模型为故障参数模型,将表示目标设备故障的第二状态信息发送至显示组件4;第二状态信息包括目标设备的故障类型、故障原因和处理建议;
显示组件4,用于显示第一状态信息或显示第二状态信息。
具体的,中央控制组件3电连接电气检测组件1、存储器2、显示组件4。在使用本实施例提供的故障检测装置时,首先进行电气检测组件1与语音通讯系统中的待检测设备,也就是目标设备的线路连接,目标设备可以是通讯服务器、配线架和中间线路等设备;接入完成后电气检测组件1进行当前线路的电气参数采集,获得如电压、电流、功率、绝缘电阻等电气参数的实测值,也就是第一电气参数,并将其转化为数值存储至存储器2;中央控制器根据电气参数的实测值和目标设备的信息,从存储器2中读取目标设备对应的正常参数模型和故障参数模型。通常来说,一种目标设备对应一个正常参数模型和一个以上的故障参数模型。正常参数模型中规定了目标设备在正常状态下的电气参数值或电气参数范围,而一个故障参数模型规定了一种典型故障对应的电气参数的典型值和典型值范围,因此,目标设备具有多少种典型故障,存储器2中也就预存有多少种故障参数模型,并且根据新的故障或新设备的接入不断的更新、迭代。在获取到正常参数模型和故障参数模型后,中央控制组件3先将电气参数的实测值与正常参数模型进行对比或匹配,若所有电气参数的实测值均处于正常参数模型规定的电气参数范围内,则说明此时目标设备状态正常;若存在至少一个电气参数的实测值与正常参数模型规定的电气参数范围不相匹配,说明当前可能存在故障,然后将电气参数的实测值与所有的故障参数模型进行匹配,通过对比判断电气参数的实测值落入了哪一个故障参数模型规定的电气参数范围,从而确定出当前目标设备的故障类型,在确定了故障类型之后,即可对应给出故障原因和处理建议,并将故障类型、故障原因和处理建议发送至显示组件4进行显示;可选的,故障原因和处理建议可从故障知识库中获取,而故障知识库可预先存储至存储器2;显示组件4包括一个液晶显示器,用于显示上述状态信息。
总的来说,上述故障检测装置具备电气参数检测功能和查线功能,通过检测到的电气参数,可智能识别出目标设备是正常状态还是故障状态,若是故障状态还会给出故障类型,故障原因和处理建议,从而显著的提高的语音通讯系统作业人员的故障检测效率,可良好的实施电话系统和有线对讲系统在功能安装阶段和设备运维阶段进行设备故障测试。
基于上述发明构思,本实施例提供的一种可选的正常参数模型包括:模型类型,设备信息,电气参数的第一标准取值,电气参数的第一正常偏移范围,电气参数的第一可取偏移范围;一种可选的故障参数模型包括:模型类型,设备信息,电气参数的第二标准取值,电气参数的第二正常偏移范围,电气参数的第二可取偏移范围,故障类型,与故障类型对应的故障原因和处理建议。
上述参数模型中的含义如下:
模型类型用于区分是正常参数模型还是故障参数模型,如,模型类型:正常,表示正常参数模型,模型类型:故障,表示故障参数模型;
设备信息表示该参数模型对应于哪种设备,设备信息包括设备的类型,设备的型号等信息;
在正常参数模型中,第一标准取值表示设备状态正常时,某个电气参数的典型取值,如正常电气设备的电压值均为220V;第一正常偏移范围表示设备状态正常时,某个电气参数的正常浮动范围,如当电压在219~220V内浮动时,也属于正常状态;第一可取偏移范围用于判断当前测得的某电气参数是否有效,若当前测得的电气参数在第一可取偏移范围之外,则通常认为该实测值为无效值,不会用于进行匹配或比较;
同理,在故障参数模型中,第二标准取值表示设备处于该模型规定的典型故障类型时,某个电气参数的典型取值;第二正常偏移范围表示设备状态处于该典型故障类型时,某个电气参数的正常的浮动范围;第二可取偏移范围用于判断当前测得的某电气参数是否有效,若当前测得的电气参数在第二可取偏移范围之外,则通常认为该实测值为无效值,不会用于进行匹配或比较;
故障类型,用于表示当前故障参数模型对应的典型故障,通常来说,一个故障参数模型对应一种故障类型;
与故障类型对应的故障原因和处理建议,可根据故障设备知识库,通过故障类型对应找出相应的故障原因和处理建议。故障设备知识库可预先存储至存储器2。
为了获取上述正常参数模型和故障参数模型,本实施例提供的故障检测装置还具备正常参数模型和故障参数模型的智能综合学习方法,具体如下:
S1:建立设备参数模型集的预设参数模板,预设参数模板包括模型类型和设备信息;
具体的,在学习之前先建立用于综合学习的预设参数模板,预设参数模板包括上述模型类型、设备信息、标准取值,正常偏移范围,可取偏移范围、故障类型、故障原因、处理建议等所有信息的字段属性,并且已经包括参数模板的固有参数,包括设备类型信息,设备信号信息,模板类型(正常or故障)以及模板名称。而在接下来的步骤中,通过对语音通讯系统的目标设备进行综合学习,确定每一个设备在正常状态下和在典型故障状态下的、标准取值,正常偏移范围,可取偏移范围。
S2:当语音通讯系统接入新的目标设备或目标设备出现目标故障类型时,获取目标设备的第二电气参数;第二电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
即,每当语音通讯系统接入新的语音终端设备时,或某一类已有设备出现典型故障时,在语音通讯系统运行状态下,将故障检测设备接入到系统环境当中,采集目标设备的电气信息(电压、电流、功率、绝缘电阻等),采集完成以后与相对应的设备类型及状态做匹配。
具体的,采集过程是通过命令集的采集和发送测试,解析反馈回来的信号,并进行输出结果采集,与服务器信息、命令结果集、设备静态信息和动态的状态信息进行一一的对应。
S3:以第二电气参数为输入,通过机器学习获得与目标设备的正常状态对应的电气参数的第一标准取值、电气参数的第一正常偏移范围和电气参数的第一可取偏移范围,或与目标故障类型对应的电气参数的第二标准取值、电气参数的第二正常偏移范围和电气参数的第二可取偏移范围;
具体的,可通过机器学习算法中的决策树、支持向量机、神经网络等算法,以实测的第二电气参数为输入进行学习,输出正常状态下或某典型故障状态下的标准取值、正常偏移范围和可取偏移范围。
S4:将电气参数的第一标准取值、电气参数的第一正常偏移范围和电气参数的第一可取偏移范围保存至预设参数模板,获得正常参数模型;
S5:获取与目标故障类型对应的故障原因和处理建议,将电气参数的第二标准取值、电气参数的第二正常偏移范围和电气参数的第二可取偏移范围、目标故障类型、与目标故障类型对应的故障原因和处理建议保存至预设参数模板,获得故障参数模型。
即,在获得正常状态下或某典型故障状态下的标准取值、正常偏移范围和可取偏移范围,将其与对应的参数模板关联保存,获得对应的参数模型。
其中,对于故障参数模型,可以进行多次的迭代测试,即每当该故障参数模型对应的典型故障发生时,进行电气参数的采集和机器学习训练,通过不断的迭代,确定出最优的标准取值、正常偏移范围和可取偏移范围,对该故障参数模型进行更新。
在保存标准取值、正常偏移范围和可取偏移范围后,根据当前典型故障对应的故障类型,自动从存储器2的故障知识库中读取故障原因、处理建议信息并将其保存至故障参数模型中。故障知识库也随时更新,在数据更新后,自动将更新后的故障原因、处理建议与对应的故障参数模型关联。
通过上述的步骤,得到语音通讯设备中的所有设备(如服务器、配线架和中间线路)的正常参数模型和所有可能出现的故障参数模型,将这些模型存储至存储器2,以供后续使用。
具体的,基于上述方法得到的参数模型,在进行目标设备的故障检测时,中央控制器的控制逻辑如下:
将第一电气参数与目标设备对应的正常参数模型进行匹配,包括:
若第一电气参数全部位于第一数值范围内,确定正常参数模型为目标设备参数模型;其中,第一数值范围包括正常参数模型中的第一标准取值和第一正常偏移范围;
若第一电气参数没有全部位于第一数值范围内,将第一电气参数与目标设备对应的故障参数模型进行匹配,包括:
将第一电气参数位于第二数值范围内的故障参数模型确定为目标设备参数模型;第二数值范围包括目标故障参数模型中的第二标准取值、第二正常偏移范围和第二可取偏移范围。
进一步的,将第一电气参数与目标设备对应的故障参数模型进行匹配,具体包括:
将第一电气参数中的特征电气参数为第二标准取值或位于第二正常偏移范围内,以及第一电气参数中的非特征电气参数位于第二数值范围内的故障参数模型确定为目标设备参数模型。
具体的,上述过程通过一套判定算法实现,过程如下:
(1)将采集的第一电气参数和存储器2存储的正常参数模型或故障参数模型做比较;总的匹配思路是:若电气参数实测值满足某个参数模型的标准取值,则是完全符合状态,若是满足正常偏移范围,则也可以判定为有效值,所有设备状态的判定,全部是经过测定和比较的有效值。
(2)正常状态的判定,要求所有的电气参数全部为正常参数模型的标准取值或全部在正常偏移范围之内。
(3)故障状态的判定,有两个要求,一是特征电气参数的取值为有效值,且在标准取值或正常偏移范围之内,二是要求非特征电气参数值为有效值,并且数值范围没有超出可取偏移范围。其中,每一种故障参数模型都对应标记有一种特征电气参数,而其它电气参数为非特征电气参数。通过特征电气参数的判断为主,非特征电气参数的判断为辅,适用于第一电气参数可能匹配出多个故障参数模型的情况下,能够精确匹配出最可能的故障参数模型,从而提供更准确的故障反馈和处理建议。故障的原因及处理的意见和建议是静态输入的内容,是结合系统的说明书和故障处理手册,给出的知识库资料中的内容。
接下来结合语音服务器的实际参数模型,对上述方案进行举例说明,下述数据仅用于举例说明方案,不做具体限定
例如,经过S1~S5的综合学习后,得到了语音服务器的一个正常参数模型和两个故障参数模型,为了直观起见,用表1~表3进行描述:
表1:语音服务器的正常参数模型
表2:语音服务器的故障参数模型(故障A)
表3:语音服务器的故障参数模型(故障B)
某时刻第一次对语音服务器进行检测,获得电流值:1A;电压值:70V;功率值:70W;绝缘电阻:4.9MΩ,完全匹配正常参数模型;此时故障检测装置输出:语音服务器当前状态正常。
某时刻第二次对语音服务器进行检测,获得电流值:1A;电压值:50V;功率值:50W;绝缘电阻:5MΩ,匹配故障A的故障参数模型;因此故障检测装置输出:语音服务器出现故障A,故障原因为原因A,处理建议为措施A。
某时刻第三次对语音服务器进行检测,获得电流值:0.3A;电压值:30V;功率值:9W;绝缘电阻:0.1MΩ,匹配故障B的故障参数模型;因此故障检测装置输出:语音服务器出现故障B,故障原因为原因B,处理建议为措施B。
上述方案的判断过程如图2所示。
可选的,当故障检测装置检测出当前目标设备为正常状态时,可以根据电气实测值对当前目标设备进行综合性能评测,一种具体的评分方案如下:
若目标设备参数模型为正常参数模型,中央控制组件3获取第一电气参数对应的权重值;并根据第一电气参数和第一电气参数对应的权重值进行加权计算,获得目标设备的综合评分;
显示组件4用于显示目标设备的综合评分。
进一步的,根据第一电气参数和第一电气参数对应的权重值进行加权计算,获得目标设备的综合评分,具体包括:
确定每个第一电气参数的单项分值Si,具体如下:
其中,ci为第一电气参数的实测值,c0为第一电气参数对应的第一标准取值;
确定目标设备的综合评分S,具体如下:
具体的,综合性能评测是在设备状态检测的基础上进行的,若设备为故障状态,则该功能会直接提示“设备故障”。
在评分时,以设备正常状态下的电气参数值为输入,按照综合性能评测算法进行评测:
首先每个电气参数有一个权重值,所有电气参数的权重值相加为1;
接下来,具体某个电气参数的取值为:[1-(|测定值-标准值|/标准值)]×100;
接着根据电气参数对应的权重值进行加权求和,所有电气参数之和为综合性能评测的得分值,其取值范围为1到100之间的一个正整数,然后将综合得分在显示组件4上进行显示。
通过综合评分,能够判断当前目标设备的状态良好程度,若评分较高,说明当前设备状态很好,可以适当延长定期巡检的时间间隔;若评分较低,说明当前设备状态虽然正常,但是正在恶化,可能出现故障,需要提高定期巡检的频率或及时排查潜在故障因素。故而,设备检测人员可以通过综合评分,及时掌握语音通讯系统中各个设备的状况,尽早采取措施,对正在恶化的设备进行排查,消除潜在的故障隐患。
可选的,如图3所示,故障检测装置还包括语音通讯组件5,语音通讯组件5包括麦克风,用于进行语音信号的监听和测试。
可选的,故障检测装置还包括电源组件6,电源组件6用于为故障检测装置提供动力电源。电源组件6可以使用9V电池作为电力供应。
可选的,故障检测装置还包括输入输出组件7,输入输出组件7包括键盘、扬声器和LED指示灯;键盘用于接收用户的输入信息,扬声器和LED指示灯用于输出第一状态信息或第二状态信息。
可选的,故障检测装置还包括USB接口,USB接口电连接存储器2,通过USB接口可将存储器2中的各种数据信息导出至外部终端。
结合本实施例中的所有功能,一种可选的故障检测装置的控制面板如图4所示,其包括:
接线区:外接语音终端的连接线;
开机按钮:打开设备的电源;
音量调节按钮:调节本设备音量的大小;
液晶屏显示区:显示测试的结果和各种配置和控制信息;
拨号区:包括数字键、*号键和#号键,拨号键和挂断键等,此设备可作为一个终端语音设备存在。
控制区:主要包括菜单键,上、下、左、右方向控制键,取消和确定控制键;
通讯接口区:测试结果的导出端口,初步设定USB接口;
接口配置区:通过外置电脑,修改控制程序,配置本设备的各种信息,初步设定为RJ45网络接口;
一键功能检测区:一键完成各种功能的测试和结果的展示,包括:
一键学习:根据检测到的第二电气参数,进行参数模型的机器学习;
故障检测:根据检测到的第一电气参数,输入匹配指令,输出第一状态信息(设备正常)或第二状态信息(设备故障类型,故障原因,处理建议);
综合评测:在根据第一电气参数,确定目标设备正常后,接收用户的综合评测指令,输出目标设备的综合评分。
通过本发明的一个或者多个实施例,本发明具有以下有益效果或者优点:
本发明提供了一种语音通讯系统的故障检测装置,通过电气检测组件检测语音通讯系统中的目标设备的第一电气参数(如电压、电流、功率、绝缘电阻等),然后将实测的第一电气参数依次与故障检测装置中预存的目标设备的正常参数模型和故障参数模型进行匹配;当第一电气参数匹配正常参数模型时,说明当前目标设备状态正常;当第一电气参数匹配某个故障参数模型时,说明此时目标设备故障,故障检测装置会自动根据故障参数模型输出目标设备存在的的故障类型、故障原因和处理建议;一方面,上述故障检测装置具备多种电气参数的检测功能,不再需要携带多种检测工具;另一方面,上述故障检测装置可对语音通信系统中的通讯服务器、配线架和中间线路存在的问题进行综合检测,通过电气参数实测值能够快速、智能的识别出目标设备的故障类型,并对应给出故障原因和处理建议;从而显著的提高了作业人员对语音通讯系统的故障排查效率。
尽管已描述了本申请的优选实施例,但本领域内的普通技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种语音通讯系统的故障检测装置,其特征在于,所述故障检测装置包括:
电气检测组件,用于检测所述语音通讯系统中的目标设备的第一电气参数,所述第一电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
存储器,用于存储设备参数模型集;所述设备参数模型集包括所述语音通讯系统中,每个设备对应的一个正常参数模型和多个故障参数模型;
中央控制组件,用于根据所述第一电气参数,在所述设备参数模型集中进行匹配,确定所述目标设备对应的目标设备参数模型;
若所述目标设备参数模型为正常参数模型,将表示所述目标设备正常的第一状态信息发送至显示组件;
若所述目标设备参数模型为故障参数模型,将表示所述目标设备故障的第二状态信息发送至所述显示组件;所述第二状态信息包括所述目标设备的故障类型、故障原因和处理建议;
所述显示组件,用于显示所述第一状态信息或显示所述第二状态信息。
2.如权利要求1所述的故障检测装置,其特征在于,所述正常参数模型包括:模型类型,设备信息,电气参数的第一标准取值,电气参数的第一正常偏移范围,电气参数的第一可取偏移范围;所述故障参数模型包括:模型类型,设备信息,电气参数的第二标准取值,电气参数的第二正常偏移范围,电气参数的第二可取偏移范围,故障类型,与所述故障类型对应的故障原因和处理建议。
3.如权利要求2所述的故障检测装置,其特征在于,所述设备参数模型集根据如下方法获得:
建立所述设备参数模型集的预设参数模板,所述预设参数模板包括所述模型类型和设备信息;
当所述语音通讯系统接入新的目标设备或目标设备出现目标故障类型时,获取所述目标设备的第二电气参数;所述第二电气参数包括电压、电流、功率、绝缘电阻中的至少一种;
以所述第二电气参数为输入,通过机器学习获得与所述目标设备的正常状态对应的所述电气参数的第一标准取值、所述电气参数的第一正常偏移范围和所述电气参数的第一可取偏移范围,或与所述目标故障类型对应的所述电气参数的第二标准取值、所述电气参数的第二正常偏移范围和所述电气参数的第二可取偏移范围;
将所述电气参数的第一标准取值、所述电气参数的第一正常偏移范围和所述电气参数的第一可取偏移范围保存至所述预设参数模板,获得所述正常参数模型;
获取与所述目标故障类型对应的故障原因和处理建议,将所述电气参数的第二标准取值、所述电气参数的第二正常偏移范围和所述电气参数的第二可取偏移范围、所述目标故障类型、与所述目标故障类型对应的故障原因和处理建议保存至所述预设参数模板,获得所述故障参数模型。
4.如权利要求2所述的故障检测装置,其特征在于,所述中央控制组件具体用于:
将所述第一电气参数与所述目标设备对应的正常参数模型进行匹配,包括:
若所述第一电气参数全部位于第一数值范围内,确定所述正常参数模型为所述目标设备参数模型;其中,所述第一数值范围包括所述正常参数模型中的所述第一标准取值和所述第一正常偏移范围;
若所述第一电气参数没有全部位于所述第一数值范围内,将所述第一电气参数与所述目标设备对应的故障参数模型进行匹配,包括:
将所述第一电气参数位于第二数值范围内的所述故障参数模型确定为所述目标设备参数模型;所述第二数值范围包括所述目标故障参数模型中的第二标准取值、第二正常偏移范围和第二可取偏移范围。
5.如权利要求4所述的故障检测装置,其特征在于,所述将所述第一电气参数与所述目标设备对应的故障参数模型进行匹配,具体包括:
将所述第一电气参数中的特征电气参数为所述第二标准取值或位于所述第二正常偏移范围内,以及所述第一电气参数中的非特征电气参数位于所述第二数值范围内的所述故障参数模型确定为所述目标设备参数模型。
6.如权利要求2所述的故障检测装置,其特征在于,若所述目标设备参数模型为正常参数模型,所述中央控制组件获取第一电气参数对应的权重值;并根据所述第一电气参数和所述第一电气参数对应的权重值进行加权计算,获得所述目标设备的综合评分;
所述显示组件用于显示所述目标设备的综合评分。
8.如权利要求1所述的故障检测装置,其特征在于,还包括语音通讯组件,所述语音通讯组件用于进行语音信号的监听和测试。
9.如权利要求1所述的故障检测装置,其特征在于,还包括电源组件,所述电源组件用于为所述故障检测装置提供动力电源。
10.如权利要求1所述的故障检测装置,其特征在于,还包括输入输出组件,所述输入输出组件包括键盘、扬声器和LED指示灯;所述键盘用于接收用户的输入信息,所述扬声器和所述LED指示灯用于输出所述第一状态信息或所述第二状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110191600.0A CN112986734A (zh) | 2021-02-19 | 2021-02-19 | 一种语音通讯系统的故障检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110191600.0A CN112986734A (zh) | 2021-02-19 | 2021-02-19 | 一种语音通讯系统的故障检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112986734A true CN112986734A (zh) | 2021-06-18 |
Family
ID=76394316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110191600.0A Pending CN112986734A (zh) | 2021-02-19 | 2021-02-19 | 一种语音通讯系统的故障检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986734A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330599A (zh) * | 2022-03-14 | 2022-04-12 | 中汽信息科技(天津)有限公司 | 基于深度学习的发动机故障识别方法、设备和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015154476A1 (zh) * | 2014-07-11 | 2015-10-15 | 中兴通讯股份有限公司 | 一种功放故障检测方法及装置 |
CN107633354A (zh) * | 2017-09-08 | 2018-01-26 | 国家电网公司 | 一种站用直流系统运行状态健康程度的综合评价方法 |
CN107967520A (zh) * | 2017-09-27 | 2018-04-27 | 国网安徽省电力有限公司 | 一种面向新型智能站继电保护设备的综合状态评估理论方法 |
CN110782048A (zh) * | 2019-10-25 | 2020-02-11 | 贵州电网有限责任公司 | 一种配电设备状态评价及检修建议系统 |
CN110796361A (zh) * | 2019-10-24 | 2020-02-14 | 吉林吉大通信设计院股份有限公司 | 一种基于人工智能的idc设备故障风险评估方法 |
CN111144717A (zh) * | 2019-12-12 | 2020-05-12 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
CN111525694A (zh) * | 2020-05-08 | 2020-08-11 | 广东电网有限责任公司惠州供电局 | 一种基于物联网的开关柜智能标示装置及系统 |
CN111522308A (zh) * | 2020-04-17 | 2020-08-11 | 深圳市英维克信息技术有限公司 | 故障诊断方法、装置、存储介质及计算机设备 |
-
2021
- 2021-02-19 CN CN202110191600.0A patent/CN112986734A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015154476A1 (zh) * | 2014-07-11 | 2015-10-15 | 中兴通讯股份有限公司 | 一种功放故障检测方法及装置 |
CN107633354A (zh) * | 2017-09-08 | 2018-01-26 | 国家电网公司 | 一种站用直流系统运行状态健康程度的综合评价方法 |
CN107967520A (zh) * | 2017-09-27 | 2018-04-27 | 国网安徽省电力有限公司 | 一种面向新型智能站继电保护设备的综合状态评估理论方法 |
CN110796361A (zh) * | 2019-10-24 | 2020-02-14 | 吉林吉大通信设计院股份有限公司 | 一种基于人工智能的idc设备故障风险评估方法 |
CN110782048A (zh) * | 2019-10-25 | 2020-02-11 | 贵州电网有限责任公司 | 一种配电设备状态评价及检修建议系统 |
CN111144717A (zh) * | 2019-12-12 | 2020-05-12 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
CN111522308A (zh) * | 2020-04-17 | 2020-08-11 | 深圳市英维克信息技术有限公司 | 故障诊断方法、装置、存储介质及计算机设备 |
CN111525694A (zh) * | 2020-05-08 | 2020-08-11 | 广东电网有限责任公司惠州供电局 | 一种基于物联网的开关柜智能标示装置及系统 |
Non-Patent Citations (2)
Title |
---|
《机修手册》第3版编委会: "《机修手册 第2卷 修理技术基础 第2篇 设备诊断技术 第11章 设备诊断技术基础》", 北京:机械工业出版社, pages: 11 - 7 * |
吴金友: "智能故障预警、诊断数据库系统在发射台的应用", 《西部广播电视》, no. 14, 25 July 2020 (2020-07-25), pages 209 - 211 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330599A (zh) * | 2022-03-14 | 2022-04-12 | 中汽信息科技(天津)有限公司 | 基于深度学习的发动机故障识别方法、设备和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0681187A2 (en) | Instrument and method for testing local area network cables | |
CN109029582A (zh) | 一种基于多种参数采集的电力变压器故障在线检测系统 | |
CN109696628B (zh) | 用于空调压缩机的故障检测工装及故障检测方法 | |
KR101496169B1 (ko) | 랜 케이블 점검을 위한 시스템 및 방법 | |
CN106656654A (zh) | 一种网络故障诊断方法及故障诊断装置 | |
CN108490921A (zh) | 一种发动机测试系统 | |
CN112986734A (zh) | 一种语音通讯系统的故障检测装置 | |
CN212256404U (zh) | 一种门禁对讲一体机测试工具 | |
CN111239441A (zh) | 具有模式比对功能的线束检测装置 | |
CN107589568A (zh) | 一种led灯串自动学习检测装置及方法 | |
CN113503188A (zh) | 一种用于智能开关的安全分析系统 | |
CN115208807B (zh) | Poe交换机测试系统及方法 | |
CN108632109B (zh) | 网络通信质量获取方法、装置及系统 | |
CN115728695A (zh) | 一种变压器综合监测智能诊断仪器检验装置及方法 | |
CN109738850A (zh) | 一种基于多标准表切换的电能计量设备检定装置 | |
CN101520660A (zh) | 一种通用环境监控传感器信号的模拟装置和模拟方法 | |
CN212305362U (zh) | 一种汽车仪表以太网通信耐久自动测试系统 | |
CN113671348A (zh) | 一种电路板的测试方法、装置、设备、系统及存储介质 | |
CN113514752A (zh) | 电路板多性能参数同步测试系统及装置 | |
CN114518126B (zh) | 一种基于双轴转台的惯性传感器测试系统及测试方法 | |
CN211128010U (zh) | 一种可自动检测故障的楼宇对讲系统 | |
CN108810288A (zh) | 一种变电站电话系统的自动监测系统及监测方法 | |
CN220525940U (zh) | 一种电阻和二极管并联测试设备 | |
CN217085233U (zh) | 多功能电缆二次线校线仪 | |
CN210323879U (zh) | 一种可自动/手动模拟故障的信号转接箱 |
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 |
Application publication date: 20210618 |
|
RJ01 | Rejection of invention patent application after publication |