CN114399130A - 一种具有自主学习的空间设备群运行状况监测系统 - Google Patents

Abstract

本发明公开了一种具有自主学习的空间设备群运行状况监测系统，包括声音状况分析模块、温度状况分析模块，所述声音状况分析模块用于根据设备的运行声音对设备的运行状况进行判断，所述温度状况分析模块用于根据设备运行环境的温度对设备运行状况进行判断，所述声音状况分析模块包括信号采集模块、特征提取模块、声音特征库、故障检测模块、自主学习模块、声音解析模块，所述特征提取模块和故障检测模块与声音特征库电连接，所述所述信号采集模块与故障定位模块电连接，所述自主学习模块与声音特征库和故障检测模块电连接，所述声音解析模块与故障检测模块电连接；本发明，具有实用性强的特点。

Description

一种具有自主学习的空间设备群运行状况监测系统

技术领域

本发明涉及设备运行监测技术领域，具体为一种具有自主学习的空间设备群运行状况监测系统。

背景技术

现有的设备运行时通常在执行件上加装传感器检测其运行情况，此种检测方式需要耗费巨大的人力物力，并且传感器的安装结构涉及机器本身的改进，势必面临设备的更新换代，有些小厂无力承担大量传感器的安装成本，往往仅凭老师傅用耳朵聆听的方式来判断设备的运行是否存在故障，实用性差；

同时现有的检测系统中往往统一采用高解析度的声音识别模块为了能够检测最细微的声音，但并不是每个故障的声音都需要最高解析度的模块才能检测出来，如果统一采用低解析度则会导致检测效果差。因此，设计实用性强的一种具有自主学习的空间设备群运行状况监测系统是很有必要的。

发明内容

本发明的目的在于提供一种具有自主学习的空间设备群运行状况监测系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种具有自主学习的空间设备群运行状况监测系统，包括声音状况分析模块、温度状况分析模块，所述声音状况分析模块用于根据设备的运行声音对设备的运行状况进行判断，所述温度状况分析模块用于根据设备运行环境的温度对设备运行状况进行判断。

根据上述技术方案，所述声音状况分析模块包括信号采集模块、特征提取模块、声音特征库、故障检测模块、自主学习模块、声音解析模块，所述特征提取模块和故障检测模块与声音特征库电连接，所述所述信号采集模块与故障定位模块电连接，所述自主学习模块与声音特征库和故障检测模块电连接，所述声音解析模块与故障检测模块电连接；

所述信号采集模块用于采集设备运行时的声音信号，所述特征提取模块用于将声音信号中特定种类的声音提取出来，所述声音类型库用于储存各种故障运行状况的声音，所述故障检测模块用于将声音信号与声音特征库中的声音信号进行匹配，所述自主学习模块用于在发生未知的设备运行故障时，记录当前的声音到声音特征库中，所述声音解析模块用于对声音进行解析，判别其特征。

根据上述技术方案，该检测系统的工作步骤为：

S1、开启机器后，启动信号采集模块，对设备运行的声音信号进行采集；

S2、将采集到的声音与声音特征库中的声音做对比，如果声音中与设备运行故障的声音相匹配，则判断当前设备运行故障；

S3、如果故障检测模块检测到声音发生变化，但并非声音特征库中的故障声音，且人工检测到当前设备确实存在运行故障，则自主学习模块将变化后的声音收纳进声音特征库中；

S4、如果故障检测模块未能检测到故障变化，且人工检测到当前设备确实存在运行故障，则启动声音解析模块改变当前设备运行声音的解析度，使其能加清楚，直到能够检测出其故障。

根据上述技术方案，所述声音解析模块分为高解析度单元、低解析度单元、解析度分配模块、无线传输模块，所述解析度分配模块和无线传输模块均与高解析度单元和低解析度单元电连接，所述无线传输模块与信号采集模块电连接；

所述高解析度单元用于解析细微的设备运行声音信号，所述低解析度单元用于常规检测当前设备的运行情况，所述无线传输模块用于将声音信号在各个信号采集模块之间传输，所述解析度分配模块用于对各个检测点的解析度进行分配。

根据上述技术方案，上述步骤S4中，声音解析模块的工作过程为：

S4-1、当正常解析声音时，各个检测点启动低解析度单元正常工作，此时高解析度单元处于非工作状态；

S4-2、每间隔一段时间使得各个监测点的高解析度单元轮流开始工作，对设备当前的状况进行抽查，以查出当前设备的安全隐患，抽查时将该点的声音信号通过无线传输模块传输至其他检测点的高解析度单元中进行解析；

S4-3、当人工检测到当前设备确实存在运行故障且无法以当前的解析度识别出故障时，降低该检测点的高解析度单元承接其他检测点任务的比例，并且将声音信号传输给其他检测点，进行协同解析。

根据上述技术方案，上述步骤S4-3中，某一检测点高解析度单元承接其他检测点的分配方法为，当人工检测到该设备故障时，开始计时并且逐步增加该检测位置高解析度单元的解析力，直到达到最高解析力或检测出与声音特征库中的声音匹配，具体如下公式：

式中P为当前检测点的声音解析模块实时处理其他检测点图像任务的比例，P₀为总体解析力，P₁为低解析度单元处理解析任务占用的解析力，t₀为触发高解析度单元完全工作的时间，P₁为人工检测到设备故障持续的时间。

根据上述技术方案，所述温度状况分析模块包括红外感应单元、人体轮廓拟合单元、人体姿势判定单元，所述人体姿势判定单元与故障检测模块电连接，所述人体姿势判定单元与解析度分配模块电连接；

所述红外感应单元用于通过红外感应的方式探测工作人员的身体，所述人体轮廓拟合单元用于将红外感应出的人体图像，所述人体姿势判定单元用于判定当前工作人员的检测姿势。

根据上述技术方案，上述步骤S3中，人工检测设备故障的方法为：

当检测人员发现设备的故障进行人工检测时，启动红外感应单元对人体轮廓进行扫描，并且利用人体姿势判定单元判定当前的姿势处于何种位置和是否正在观察设备运行情况，如果发现正在进行观察，将当前人体位置附近的高解析度单元的解析度提升。

与现有技术相比，本发明所达到的有益效果是：本发明，可以根据设备运行的声音来判断当前设备运行中出现的故障种类，代替人工进行识别，并且能够根据是否检测出故障，来调整对当前设备声音的解析度，对能够直接检测出声音的采用低解析度，对较难检测出的故障采用高解析度，进一步节省声音传感器的成本。

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是本发明的整体原理示意图；

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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种具有自主学习的空间设备群运行状况监测系统，包括声音状况分析模块、温度状况分析模块，声音状况分析模块用于根据设备的运行声音对设备的运行状况进行判断，温度状况分析模块用于根据设备运行环境的温度对设备运行状况进行判断；

声音状况分析模块包括信号采集模块、特征提取模块、声音特征库、故障检测模块、自主学习模块、声音解析模块，特征提取模块和故障检测模块与声音特征库电连接，信号采集模块与故障定位模块电连接，自主学习模块与声音特征库和故障检测模块电连接，声音解析模块与故障检测模块电连接；

信号采集模块用于采集设备运行时的声音信号，特征提取模块用于将声音信号中特定种类的声音提取出来，声音类型库用于储存各种故障运行状况的声音，故障检测模块用于将声音信号与声音特征库中的声音信号进行匹配，自主学习模块用于在发生未知的设备运行故障时，记录当前的声音到声音特征库中，声音解析模块用于对声音进行解析，判别其特征；

该检测系统的工作步骤为：

S1、开启机器后，启动信号采集模块，对设备运行的声音信号进行采集；

S2、将采集到的声音与声音特征库中的声音做对比，如果声音中与设备运行故障的声音相匹配，则判断当前设备运行故障；

S3、如果故障检测模块检测到声音发生变化，但并非声音特征库中的故障声音，且人工检测到当前设备确实存在运行故障，则自主学习模块将变化后的声音收纳进声音特征库中；

S4、如果故障检测模块未能检测到故障变化，且人工检测到当前设备确实存在运行故障，则启动声音解析模块改变当前设备运行声音的解析度，使其能加清楚，直到能够检测出其故障；

声音解析模块分为高解析度单元、低解析度单元、解析度分配模块、无线传输模块，解析度分配模块和无线传输模块均与高解析度单元和低解析度单元电连接，无线传输模块与信号采集模块电连接；

高解析度单元用于解析细微的设备运行声音信号，低解析度单元用于常规检测当前设备的运行情况，无线传输模块用于将声音信号在各个信号采集模块之间传输，解析度分配模块用于对各个检测点的解析度进行分配；

上述步骤S4中，声音解析模块的工作过程为：

S4-1、当正常解析声音时，各个检测点启动低解析度单元正常工作，此时高解析度单元处于非工作状态；

S4-2、每间隔一段时间使得各个监测点的高解析度单元轮流开始工作，对设备当前的状况进行抽查，以查出当前设备的安全隐患，抽查时将该点的声音信号通过无线传输模块传输至其他检测点的高解析度单元中进行解析；

S4-3、当人工检测到当前设备确实存在运行故障且无法以当前的解析度识别出故障时，降低该检测点的高解析度单元承接其他检测点任务的比例，并且将声音信号传输给其他检测点，进行协同解析；

上述步骤S4-3中，某一检测点高解析度单元承接其他检测点的分配方法为，当人工检测到该设备故障时，开始计时并且逐步增加该检测位置高解析度单元的解析力，直到达到最高解析力或检测出与声音特征库中的声音匹配，具体如下公式：

式中P为当前检测点的声音解析模块实时处理其他检测点图像任务的比例，P₀为总体解析力，P₁为低解析度单元处理解析任务占用的解析力，t₀为触发高解析度单元完全工作的时间，O₁为人工检测到设备故障持续的时间，由于设备故障持续时间越长，代表当前逐步增加的解析力并不能检测出该故障，所以增大解析力才能发现故障，而对于普通的问题只需要低解析力就能发现故障，有利于节能减排，同时将多个高解析度单元协同作用，由于不可能所有的设备同时发生故障，此种分配方法可以在节省成本的同时达到工作效率最高的效果；

温度状况分析模块包括红外感应单元、人体轮廓拟合单元、人体姿势判定单元，人体姿势判定单元与故障检测模块电连接，人体姿势判定单元与解析度分配模块电连接；

红外感应单元用于通过红外感应的方式探测工作人员的身体，人体轮廓拟合单元用于将红外感应出的人体图像，人体姿势判定单元用于判定当前工作人员的检测姿势；

上述步骤S3中，人工检测设备故障的方法为：

当检测人员发现设备的故障进行人工检测时，启动红外感应单元对人体轮廓进行扫描，并且利用人体姿势判定单元判定当前的姿势处于何种位置和是否正在观察设备运行情况，如果发现正在进行观察，将当前人体位置附近的高解析度单元的解析度提升。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种具有自主学习的空间设备群运行状况监测系统，其特征在于：包括声音状况分析模块、温度状况分析模块，所述声音状况分析模块用于根据设备的运行声音对设备的运行状况进行判断，所述温度状况分析模块用于根据设备运行环境的温度对设备运行状况进行判断。

2.根据权利要求1所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：所述声音状况分析模块包括信号采集模块、特征提取模块、声音特征库、故障检测模块、自主学习模块、声音解析模块，所述特征提取模块和故障检测模块与声音特征库电连接，所述所述信号采集模块与故障定位模块电连接，所述自主学习模块与声音特征库和故障检测模块电连接，所述声音解析模块与故障检测模块电连接；

所述信号采集模块用于采集设备运行时的声音信号，所述特征提取模块用于将声音信号中特定种类的声音提取出来，所述声音类型库用于储存各种故障运行状况的声音，所述故障检测模块用于将声音信号与声音特征库中的声音信号进行匹配，所述自主学习模块用于在发生未知的设备运行故障时，记录当前的声音到声音特征库中，所述声音解析模块用于对声音进行解析，判别其特征。

3.根据权利要求2所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：该检测系统的工作步骤为：

S1、开启机器后，启动信号采集模块，对设备运行的声音信号进行采集；

S2、将采集到的声音与声音特征库中的声音做对比，如果声音中与设备运行故障的声音相匹配，则判断当前设备运行故障；

S3、如果故障检测模块检测到声音发生变化，但并非声音特征库中的故障声音，且人工检测到当前设备确实存在运行故障，则自主学习模块将变化后的声音收纳进声音特征库中；

S4、如果故障检测模块未能检测到故障变化，且人工检测到当前设备确实存在运行故障，则启动声音解析模块改变当前设备运行声音的解析度，使其能加清楚，直到能够检测出其故障。

4.根据权利要求3所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：所述声音解析模块分为高解析度单元、低解析度单元、解析度分配模块、无线传输模块，所述解析度分配模块和无线传输模块均与高解析度单元和低解析度单元电连接，所述无线传输模块与信号采集模块电连接；

所述高解析度单元用于解析细微的设备运行声音信号，所述低解析度单元用于常规检测当前设备的运行情况，所述无线传输模块用于将声音信号在各个信号采集模块之间传输，所述解析度分配模块用于对各个检测点的解析度进行分配。

5.根据权利要求4所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：上述步骤S4中，声音解析模块的工作过程为：

S4-1、当正常解析声音时，各个检测点启动低解析度单元正常工作，此时高解析度单元处于非工作状态；

S4-2、每间隔一段时间使得各个监测点的高解析度单元轮流开始工作，对设备当前的状况进行抽查，以查出当前设备的安全隐患，抽查时将该点的声音信号通过无线传输模块传输至其他检测点的高解析度单元中进行解析；

S4-3、当人工检测到当前设备确实存在运行故障且无法以当前的解析度识别出故障时，降低该检测点的高解析度单元承接其他检测点任务的比例，并且将声音信号传输给其他检测点，进行协同解析。

6.根据权利要求5所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：上述步骤S4-3中，某一检测点高解析度单元承接其他检测点的分配方法为，当人工检测到该设备故障时，开始计时并且逐步增加该检测位置高解析度单元的解析力，直到达到最高解析力或检测出与声音特征库中的声音匹配，具体如下公式：

式中P为当前检测点的声音解析模块实时处理其他检测点图像任务的比例，P₀为总体解析力，P₁为低解析度单元处理解析任务占用的解析力，t₀为触发高解析度单元完全工作的时间，P₁为人工检测到设备故障持续的时间。

7.根据权利要求6所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：所述温度状况分析模块包括红外感应单元、人体轮廓拟合单元、人体姿势判定单元，所述人体姿势判定单元与故障检测模块电连接，所述人体姿势判定单元与解析度分配模块电连接；

所述红外感应单元用于通过红外感应的方式探测工作人员的身体，所述人体轮廓拟合单元用于将红外感应出的人体图像，所述人体姿势判定单元用于判定当前工作人员的检测姿势。

8.根据权利要求7所述的一种具有自主学习的空间设备群运行状况监测系统，其特征在于：上述步骤S3中，人工检测设备故障的方法为：

当检测人员发现设备的故障进行人工检测时，启动红外感应单元对人体轮廓进行扫描，并且利用人体姿势判定单元判定当前的姿势处于何种位置和是否正在观察设备运行情况，如果发现正在进行观察，将当前人体位置附近的高解析度单元的解析度提升。

Images