CN113030863A - 故障声源检测方法和系统 - Google Patents
故障声源检测方法和系统 Download PDFInfo
- Publication number
- CN113030863A CN113030863A CN202110229618.5A CN202110229618A CN113030863A CN 113030863 A CN113030863 A CN 113030863A CN 202110229618 A CN202110229618 A CN 202110229618A CN 113030863 A CN113030863 A CN 113030863A
- Authority
- CN
- China
- Prior art keywords
- sound source
- target
- array
- fault
- time
- 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
Images
Classifications
-
- 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
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种故障声源检测方法和系统。其中,该方法包括:信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置,与上述信号采集装置连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。本发明解决了现有技术中采用人工方式对空调进行故障检测的准确性较低,无法保障产品质量的一致性和可靠性的技术问题。
Description
技术领域
本发明涉及声源检测领域,具体而言,涉及一种故障声源检测方法和系统。
背景技术
目前空调行业的在线噪音检测,主要是依靠检验员采用耳听的方式进行质量的控制,上述人工耳感方式存在如下弊端:人工耳感的方式对员工的技能要求较高,需要经验十分丰富的检验人员才能做到有效识别;受员工的责任心影响较大,责任心强的就会认真执行,责任心差的存在失控风险;并且由于人工检测的技术手段低下,导致员工劳动强度较大,即现有技术中采用人工方式对空调进行检测无法有效保障产品质量的一致性和可靠性。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种故障声源检测方法和系统,以至少解决现有技术中采用人工方式对空调进行故障检测的准确性较低,无法保障产品质量的一致性和可靠性的技术问题。
根据本发明实施例的一个方面,提供了一种故障声源检测系统,包括:信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置,与上述信号采集装置连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
可选的,上述目标设备为空调外机,上述故障声源检测系统用于检测由于上述空调外机故障所产生的噪音。
可选的,上述故障声源检测系统还用于基于控制变量法确定每个上述麦克风阵列的阵列性能参数信息,其中,上述阵列性能参数信息包括以下至少之一:阵列孔径、阵元数量、阵元空间分布。
可选的,上述故障声源检测系统还用于对上述目标设备进行机理性分析,以确定上述目标设备在线运转测试的过程中的上述检测对象声源和上述环境噪音,并依据上述检测对象声源和上述环境噪音确定上述麦克风阵列的布置安装信息。
可选的,上述麦克风阵列还用于基于同步采集方式采集上述时频混合声源,其中,上述同步采集方式用于消除每个上述麦克风阵列中的多个声学传感器之间的采样积累误差。
可选的,上述麦克风阵列还用于采用基于深度卷积的单通道声源分离方式,对上述时频混合声源中的完全重叠的各个声源时频域进行声源分离处理。
可选的,上述麦克风阵列还用于采用基于半非负矩阵分解的单通道声源分离方式,对上述时频混合声源中的部分重叠的各个声源时频域进行声源分离处理。
可选的,每个上述麦克风阵列的阵列直径是基于上述目标设备的设备信息确定的,其中,上述设备信息包括以下至少之一:厚度信息、高度信息和长度信息;不同的上述麦克风阵列之间的连接杆长度是基于上述长度信息确定的。
可选的,上述故障声源检测系统为在线检测系统。
根据本发明实施例的另一方面,还提供了一种空调设备,包括任意一项的上述故障声源检测系统,上述空调设备的空调外机上设置有上述故障声源检测系统的信号采集装置。
根据本发明实施例的另一方面,还提供了一种故障声源检测方法,包括:采用信号采集装置从目标设备的时频混合声源中提取目标声源信号,其中,上述时频混合声源基于检测对象声源与环境噪音混合得到,上述信号采集装置设置包括多个麦克风阵列,每个上述麦克风阵列用于提取上述目标声源信号;将上述目标声源信号发送至声源定位装置,其中,上述声源定位装置用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,上述非易失性存储介质存储有多条指令,上述指令适于由处理器加载并执行任意一项上述的故障声源检测方法。
根据本发明实施例的另一方面,还提供了一种处理器,上述处理器用于运行程序,其中,上述程序被设置为运行时执行任意一项上述故障声源检测方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行任意一项上述的故障声源检测方法。
在本发明实施例中,通过信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置,与上述信号采集装置连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置,达到了提升对空调进行故障检测的准确性的目的,从而实现了有效保障产品质量的一致性和可靠性的技术效果,进而解决了现有技术中采用人工方式对空调进行故障检测的准确性较低,无法保障产品质量的一致性和可靠性的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种故障声源检测系统的结构示意图;
图2是根据本发明实施例的一种可选的信号采集装置的安装结构示意图;
图3是根据本发明实施例的一种故障声源检测方法的流程图;
图4是根据本发明实施例的一种故障声源检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,还提供了一种故障声源检测系统实施例,图1是根据本发明实施例的一种故障声源检测系统的结构示意图,如图1所示,上述故障声源检测系统,包括:信号采集装置10和声源定位装置12,其中:
信号采集装置10,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置12,与上述信号采集装置10连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
在本发明实施例中,通过信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置,与上述信号采集装置连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置,达到了提升对空调进行故障检测的准确性的目的,从而实现了有效保障产品质量的一致性和可靠性的技术效果,进而解决了现有技术中采用人工方式对空调进行故障检测的准确性较低,无法保障产品质量的一致性和可靠性的技术问题。
在一种可选的实施例中,上述故障声源检测系统为在线检测系统。
在一种可选的实施例中,上述目标设备为空调外机,上述故障声源检测系统用于检测由于上述空调外机故障所产生的噪音。
需要说明的是,针对复杂背景噪音下进行产品在线测试噪音定位和故障诊断识别率低、误报率高的问题,本申请实施例进行高创新性发明设计得到一种故障声源检测系统,具体涉及该故障声源检测系统中的麦克风阵列,如图2所示,每个信号采集装置中可以但不限于包括4个麦克风阵列,每个麦克风阵列可以但不限于包括多颗(例如,6颗)独立麦克风。
在一种可选的实施例中,每个上述麦克风阵列的阵列直径是基于上述目标设备的设备信息确定的,其中,上述设备信息包括以下至少之一:厚度信息、高度信息和长度信息;不同的上述麦克风阵列之间的连接杆长度是基于上述长度信息确定的。
如图2所示,上述麦克风阵列包括:麦克风阵列1、麦克风阵列2、麦克风阵列3和麦克风阵列4,在上述麦克风阵列的安装数量为4个时,上述4个麦克风阵列的安装位置可以但不限于如图2所示,其中,麦克风阵列1和麦克风阵列2设置在空调外机的上方位置,麦克风阵列3和麦克风阵列4设置在空调外机的下方位置,上方位置设置的麦克风阵列和下方设置的麦克风阵列之间还可以留出人听检测区域。
并且,麦克风阵列3和麦克风阵列4的阵列直径与空调高度H相关,即基于上述空调高度H确定上述麦克风阵列3和麦克风阵列4的阵列直径;上述麦克风阵列1和麦克风阵列2的阵列直径与空调厚度W相关,即基于上述空调厚度W确定上述麦克风阵列1和麦克风阵列2的阵列直径。
此外,仍如图2所示,上述麦克风阵列1和麦克风阵列2之间的连接杆上设置有机械手,上述麦克风阵列3和麦克风阵列4之间的连接杆上设置有机械手。
作为一种可选的实施例,上述故障声源检测系统可以理解为结合机器人与运动控制结构所搭建的一种专用的空调在线噪音诊断系统,结合声源分离、定位、成像技术对声源定位装置中定位模型进行训练,达到故障声源定位精度判断时间小于1s且故障检出率大于99.99%、识别准确率大于95%。
可选的,本发明实施例具体所提供的是一种基于声学智能感知的空调在线噪音检测系统,在声学智能感知领域,主要针对声源分离算法、声成像算法及基于多维信息融合的声学故障辨识方法等方面,主要通过解决多声源耦合问题及多维信息融合提升声学故障辨识的精度;为实现从检测对象声源与环境噪声的时频混合声中提取目标声源信号,项目研究声学阵列技术,拟采用24个声学传感器构成声学阵列,以实现声像智能感知系统可分离故障声源6个以上。
在一种可选的实施例中,上述故障声源检测系统还用于基于控制变量法确定每个上述麦克风阵列的阵列性能参数信息,其中,上述阵列性能参数信息包括以下至少之一:阵列孔径、阵元数量、阵元空间分布。
可选的,本申请实施例中,基于控制变量法研究阵列孔径、阵元数量、阵元空间分布、声学传感器性能等参数对阵列性能的影响特性,以获得声学阵列的优化设计模型,从而研制频率响应、空间分辨率、混叠抑制、阵列结构等最优的声学阵列,满足声源分离、声源定位、阵列安装等条件。
在一种可选的实施例中,上述故障声源检测系统还用于对上述目标设备进行机理性分析,以确定上述目标设备在线运转测试的过程中的上述检测对象声源和上述环境噪音,并依据上述检测对象声源和上述环境噪音确定上述麦克风阵列的布置安装信息。
可选的,在本申请实施例中,可以对空调外机进行机理性研究,分析空调在线运转测试过程的发生声源,环境背景噪音的发声声源等多种因素进行麦克风阵列的布置与安装,搭建在线检测系统;采用ABB机器人和伺服控制机构,实现不同产品切换时,麦克风阵列都能够处于最佳检测位置的柔性切换。
可选的,本申请实施例中的故障声源检测系统搭建所使用的6轴ABB机器人,还可以采用协作机器人、多轴辅助机器人等效代替。
作为一种可选的实施例,上述麦克风阵列还用于基于同步采集方式采集上述时频混合声源,其中,上述同步采集方式用于消除每个上述麦克风阵列中的多个声学传感器之间的采样积累误差。
在本申请实施例中,由于不同的声学采集单元之间的时钟频率差异,会造成采样间隔存在误差,且此误差会随时间累积,因此,若不及时消除积累误差,易导致声音数据失去时间同步性,从而影响数据处理结果,因此本申请实施例通过研究声学阵列同步采集技术,使得麦克风阵列基于同步采集方式采集上述时频混合声源,可以消除每个上述麦克风阵列中的多个声学传感器之间的采样积累误差,确保声音数据的时间同步性小于25us。
在一种可选的实施例中,上述麦克风阵列还用于采用基于深度卷积的单通道声源分离方式,对上述时频混合声源中的完全重叠的各个声源时频域进行声源分离处理。
在一种可选的实施例中,上述麦克风阵列还用于采用基于半非负矩阵分解的单通道声源分离方式,对上述时频混合声源中的部分重叠的各个声源时频域进行声源分离处理。
需要说明的是,通过对声源分离、定位、成像技术进行研究,发明人发现声学阵列拾取的是检测对象正常声、故障声及环境声等形成额混合声,不便目标声源提取和定位。为此,本申请实施例通过研究声源分离技术,以实现从单通道混合声中提取目标声源,从而利用多个通道提取的目标声源对其进行定位。例如,针对混合声信号中各声源时频域基本完全重叠的情况,本发明实施例采用基于深度卷积去噪的单通道声源分离技术进行声源分离处理;针对混合声信号中各声源频域仅部分重叠的情况,本发明实施例采用基于Semi-NMF(半非负矩阵分解)的单通道声源分离技术进行声源分离处理。
可选的,针对混合声信号中各声源频域仅部分重叠的情况,还可以采用小波分析技术等效代替。
通过本申请实施例所提供的上述故障声源检测系统,可以解决工业现场强背景噪声干扰下无法准确进行特定故障信息提取与诊断的技术难题,还可以解决现有成熟产品被国外品牌垄断成本较高无法大批量产业化的卡脖子问题;还可以通过运用基于声学时序、空间、时频多维信息融合及深度学习的故障辨识与定位技术,解决行业无法实现工业现场声源分离的技术问题。
并且,通过本申请实施例还可以实现如下有益效果:可以实现在线工业声像的故障、定位感知认知模型10种以上,本申请实施例所提供的故障声源检测系统可以实现分离故障声源达6个以上,故障识别准确率大于99%,并且可以实现在工业现场的产业化布局,自动检测代替人工检测;并且本申请实施例中所提供的麦克风阵列可以打破国外品牌的技术垄断,实现成本节约90%,解决声学传感领域的卡脖子问题。本申请实施例通过将信号采集装置搭建在线声源定位装置,可以实现有效、准确的对环境背景噪音的剔除与分离,降低背景噪声的干扰,降低误报率。
根据本发明实施例,还提供了一种空调设备的实施例,包括任意一项的上述故障声源检测系统,上述空调设备的空调外机上设置有上述故障声源检测系统的信号采集装置。
实施例2
根据本发明实施例,提供了一种故障声源检测方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图3是根据本发明实施例的一种故障声源检测方法的流程图,如图3所示,该方法包括如下步骤:
步骤S102,采用信号采集装置从目标设备的时频混合声源中提取目标声源信号,其中,上述时频混合声源基于检测对象声源与环境噪音混合得到,上述信号采集装置设置包括多个麦克风阵列,每个上述麦克风阵列用于提取上述目标声源信号;
步骤S104,将上述目标声源信号发送至声源定位装置,其中,上述声源定位装置用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
在本发明实施例中,通过信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个上述麦克风阵列用于从时频混合声源中提取目标声源信号,上述时频混合声源基于检测对象声源与环境噪音混合得到;声源定位装置,与上述信号采集装置连接,用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置,达到了提升对空调进行故障检测的准确性的目的,从而实现了有效保障产品质量的一致性和可靠性的技术效果,进而解决了现有技术中采用人工方式对空调进行故障检测的准确性较低,无法保障产品质量的一致性和可靠性的技术问题。
需要说明的是,本实施例2中的任意一种可选的或优选的故障声源检测方法,均可以在上述实施例1所提供的故障声源检测系统中执行或实现。
此外,仍需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
实施例3
根据本发明实施例,还提供了一种用于实施上述故障声源检测方法的装置实施例,图4是根据本发明实施例的一种故障声源检测装置的结构示意图,如图4所示,上述故障声源检测装置,包括:提取模块40和发送模块42,其中:
提取模块40,用于采用信号采集装置从目标设备的时频混合声源中提取目标声源信号,其中,上述时频混合声源基于检测对象声源与环境噪音混合得到,上述信号采集装置设置包括多个麦克风阵列,每个上述麦克风阵列用于提取上述目标声源信号;发送模块42,用于将上述目标声源信号发送至声源定位装置,其中,上述声源定位装置用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述提取模块40和发送模块42对应于实施例2中的步骤S102至步骤S104,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例4所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例1和2中的相关描述,此处不再赘述。
上述的故障声源检测装置还可以包括处理器和存储器,上述提取模块40和发送模块42等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元,上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本申请实施例,还提供了一种非易失性存储介质的实施例。可选地,在本实施例中,上述非易失性存储介质包括存储的程序,其中,在上述程序运行时控制上述非易失性存储介质所在设备执行上述任意一种故障声源检测方法。
可选地,在本实施例中,上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中,上述非易失性存储介质包括存储的程序。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:采用信号采集装置从目标设备的时频混合声源中提取目标声源信号,其中,上述时频混合声源基于检测对象声源与环境噪音混合得到,上述信号采集装置设置包括多个麦克风阵列,每个上述麦克风阵列用于提取上述目标声源信号;将上述目标声源信号发送至声源定位装置,其中,上述声源定位装置用于基于上述目标声源信号定位上述检测对象声源中的故障声源,其中,上述故障声源用于指示上述目标设备的故障位置。
根据本申请实施例,还提供了一种处理器的实施例。可选地,在本实施例中,上述处理器用于运行程序,其中,上述程序运行时执行上述任意一种故障声源检测方法。
根据本申请实施例,还提供了一种电子设备的实施例,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行上述任意一种的故障声源检测方法。
根据本申请实施例,还提供了一种计算机程序产品的实施例,当在数据处理设备上执行时,适于执行初始化有上述任意一种的故障声源检测方法步骤的程序。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取非易失性存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个非易失性存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的非易失性存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种故障声源检测系统,其特征在于,包括:
信号采集装置,设置在目标设备上,包括多个麦克风阵列,每个所述麦克风阵列用于从时频混合声源中提取目标声源信号,所述时频混合声源基于检测对象声源与环境噪音混合得到;
声源定位装置,与所述信号采集装置连接,用于基于所述目标声源信号定位所述检测对象声源中的故障声源,其中,所述故障声源用于指示所述目标设备的故障位置。
2.根据权利要求1所述的故障声源检测系统,其特征在于,所述目标设备为空调外机,所述故障声源检测系统用于检测由于所述空调外机故障所产生的噪音。
3.根据权利要求1所述的故障声源检测系统,其特征在于,所述故障声源检测系统还用于基于控制变量法确定每个所述麦克风阵列的阵列性能参数信息,其中,所述阵列性能参数信息包括以下至少之一:阵列孔径、阵元数量、阵元空间分布。
4.根据权利要求1所述的故障声源检测系统,其特征在于,所述故障声源检测系统还用于对所述目标设备进行机理性分析,以确定所述目标设备在线运转测试的过程中的所述检测对象声源和所述环境噪音,并依据所述检测对象声源和所述环境噪音确定所述麦克风阵列的布置安装信息。
5.根据权利要求1所述的故障声源检测系统,其特征在于,所述麦克风阵列还用于基于同步采集方式采集所述时频混合声源,其中,所述同步采集方式用于消除每个所述麦克风阵列中的多个声学传感器之间的采样积累误差。
6.根据权利要求1所述的故障声源检测系统,其特征在于,所述麦克风阵列还用于采用基于深度卷积的单通道声源分离方式,对所述时频混合声源中的完全重叠的各个声源时频域进行声源分离处理。
7.根据权利要求1所述的故障声源检测系统,其特征在于,所述麦克风阵列还用于采用基于半非负矩阵分解的单通道声源分离方式,对所述时频混合声源中的部分重叠的各个声源时频域进行声源分离处理。
8.根据权利要求1所述的故障声源检测系统,其特征在于,每个所述麦克风阵列的阵列直径是基于所述目标设备的设备信息确定的,其中,所述设备信息包括以下至少之一:厚度信息、高度信息和长度信息;不同的所述麦克风阵列之间的连接杆长度是基于所述长度信息确定的。
9.根据权利要求1所述的故障声源检测系统,其特征在于,所述故障声源检测系统为在线检测系统。
10.一种故障声源检测方法,其特征在于,包括:
采用信号采集装置从目标设备的时频混合声源中提取目标声源信号,其中,所述时频混合声源基于检测对象声源与环境噪音混合得到,所述信号采集装置设置包括多个麦克风阵列,每个所述麦克风阵列用于提取所述目标声源信号;
将所述目标声源信号发送至声源定位装置,其中,所述声源定位装置用于基于所述目标声源信号定位所述检测对象声源中的故障声源,其中,所述故障声源用于指示所述目标设备的故障位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110229618.5A CN113030863B (zh) | 2021-03-02 | 2021-03-02 | 故障声源检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110229618.5A CN113030863B (zh) | 2021-03-02 | 2021-03-02 | 故障声源检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030863A true CN113030863A (zh) | 2021-06-25 |
CN113030863B CN113030863B (zh) | 2023-08-25 |
Family
ID=76466376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110229618.5A Active CN113030863B (zh) | 2021-03-02 | 2021-03-02 | 故障声源检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030863B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008042884A1 (en) * | 2006-10-02 | 2008-04-10 | Wayne State University | Locating arbitrary noise sources |
CN106769154A (zh) * | 2017-02-14 | 2017-05-31 | 安徽工程大学 | 一种用于机械设备工作噪音监控的方法 |
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 |
CN110031088A (zh) * | 2019-04-17 | 2019-07-19 | 珠海格力电器股份有限公司 | 电子设备故障检测方法、装置、设备和吸油烟机 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN110501673A (zh) * | 2019-08-29 | 2019-11-26 | 北京大学深圳研究生院 | 一种基于多任务时频卷积神经网络的双耳听觉声源空间方向估计方法和系统 |
CN111352073A (zh) * | 2018-12-24 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种声源定位方法及系统 |
CN111537822A (zh) * | 2020-05-22 | 2020-08-14 | 国网上海市电力公司 | 一种基于声学成像的变压器故障诊断系统 |
CN111837119A (zh) * | 2019-05-09 | 2020-10-27 | 广东省智能制造研究所 | 一种基于半非负矩阵分解的声音信号分离方法 |
CN112185411A (zh) * | 2019-07-03 | 2021-01-05 | 南京人工智能高等研究院有限公司 | 语音分离方法、装置、介质和电子设备 |
CN112305501A (zh) * | 2020-10-21 | 2021-02-02 | 珠海格力电器股份有限公司 | 噪声源的确定方法和装置、存储介质、电子装置 |
-
2021
- 2021-03-02 CN CN202110229618.5A patent/CN113030863B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008042884A1 (en) * | 2006-10-02 | 2008-04-10 | Wayne State University | Locating arbitrary noise sources |
CN106769154A (zh) * | 2017-02-14 | 2017-05-31 | 安徽工程大学 | 一种用于机械设备工作噪音监控的方法 |
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 |
CN111352073A (zh) * | 2018-12-24 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种声源定位方法及系统 |
CN110031088A (zh) * | 2019-04-17 | 2019-07-19 | 珠海格力电器股份有限公司 | 电子设备故障检测方法、装置、设备和吸油烟机 |
CN111837119A (zh) * | 2019-05-09 | 2020-10-27 | 广东省智能制造研究所 | 一种基于半非负矩阵分解的声音信号分离方法 |
CN112185411A (zh) * | 2019-07-03 | 2021-01-05 | 南京人工智能高等研究院有限公司 | 语音分离方法、装置、介质和电子设备 |
CN110488223A (zh) * | 2019-07-05 | 2019-11-22 | 东北电力大学 | 一种声源定位方法 |
CN110501673A (zh) * | 2019-08-29 | 2019-11-26 | 北京大学深圳研究生院 | 一种基于多任务时频卷积神经网络的双耳听觉声源空间方向估计方法和系统 |
CN111537822A (zh) * | 2020-05-22 | 2020-08-14 | 国网上海市电力公司 | 一种基于声学成像的变压器故障诊断系统 |
CN112305501A (zh) * | 2020-10-21 | 2021-02-02 | 珠海格力电器股份有限公司 | 噪声源的确定方法和装置、存储介质、电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113030863B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110850244B (zh) | 基于深度学习的局放缺陷时域图谱诊断方法、系统及介质 | |
EP2990706A1 (en) | Device and method for valve signature testing | |
CN114414963A (zh) | 一种变电站域故障智能监测的声学成像定位系统及方法 | |
CN112305386A (zh) | 一种基于数字孪生技术的高压电缆带电检测系统及方法 | |
CN110737201B (zh) | 一种监护方法、装置、存储介质及空调 | |
CN113838480B (zh) | 一种洗衣机异音检测方法、装置及电子设备 | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN1802613B (zh) | 用于确定工业过程中干扰原因的方法和装置 | |
KR20210129942A (ko) | 이음 검사 장치 및 그 검사 방법 | |
JP4443247B2 (ja) | 状態監視システムおよび状態監視方法 | |
CN113064374A (zh) | 机房监控方法、装置、电子设备及介质 | |
CN112985867B (zh) | 舵机测试方法、装置、设备及存储介质 | |
CN113030863A (zh) | 故障声源检测方法和系统 | |
KR102392951B1 (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
CN117368616A (zh) | 一种智能化的配电网接地故障监测方法及系统 | |
CN106500831B (zh) | 振动传感器的检测方法和装置 | |
CN212624076U (zh) | 基于姿态识别的家电装配防差错系统 | |
CN115861554A (zh) | 模型展示方法、装置、非易失性存储介质和计算机设备 | |
CN115474108A (zh) | 一种基于边缘计算的事件监控系统及监控方法 | |
CN114898174A (zh) | 基于不同识别模型的电缆故障识别系统 | |
CN114397543A (zh) | 电气设备局部放电定位方法、装置、设备及计算机介质 | |
CN110769358B (zh) | 麦克风监控方法及装置 | |
KR101659989B1 (ko) | 다차원 특징을 이용한 이상신호 분석장치 및 방법 | |
CN110926784A (zh) | 一种基于声音的gis断路器故障在线监测装置 | |
CN209283521U (zh) | 一种麦克风阵列自动化测试系统 |
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 |