CN115295016A - 一种设备运行状态监控方法、装置、设备及存储介质 - Google Patents
一种设备运行状态监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115295016A CN115295016A CN202210905156.9A CN202210905156A CN115295016A CN 115295016 A CN115295016 A CN 115295016A CN 202210905156 A CN202210905156 A CN 202210905156A CN 115295016 A CN115295016 A CN 115295016A
- Authority
- CN
- China
- Prior art keywords
- generate
- histogram
- data set
- reference data
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 22
- 230000036541 health Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种设备运行状态监控方法、装置、设备及存储介质,包括:获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对音频数据进行处理,生成待判断分频特征量;获取待监测设备的参考数据集,并对参考数据集进行计算,生成参考阈值;采用转化边缘算法对待判断分频特征量和参考数据集进行计算,生成最大相似度值,最大相似度值由经过归一化处理的欧氏距离计算得到,欧氏距离用于度量待判断分频特征量与参考数据集之间的相似度;将最大相似度值与预先保存的参考阈值进行比较,生成与待判断分频特征量对应的设备状态曲线。旨在解决现有状态识别方案存在判断结果不精确、对缺乏历史数据的设备具有局限性的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种设备运行状态监控方法、装置、设备及存储介质。
背景技术
在工业生产领域,需要对工业设备的运行状态进行监控;其中,工业设备的运行状态监控是工业界需要的关键技术,是判读工业设备是否处在正常运行状态以及实现预测性维护的前提。当前市面上对工业设备运行状态进行监控的方法通常有两种:一种是基于阈值的状态识别方法,另一种是基于模型的状态识别方法。
基于阈值进行状态识别的方法需要从监测的原始数据中提取出特征,将特征值与预先设定的运行状态阈值比较进行状态判断,由于阈值设定的单一性,基于阈值的状态判断的方法对于运行过程中特征值波动较大的工业设备、以及时常存在特征值偏移的工业设备是很难对其做出精确的运行状态判断的;而将阈值设定为较低值,以达到精确的状态判断结果,则容易导致设备异常运行漏报。
基于模型的状态识别的方法虽然可以利用大量工业设备的历史运行数据构建模型,并从设备中提取运行的关键信息,以实现准确的状态识别,但是,该方法对缺乏历史运行数据的工业设备具有一定的应用局限性。
有鉴于此,提出本申请。
发明内容
有鉴于此,本发明的目的在于提供一种设备运行状态监控方法、装置、设备及存储介质,能够有效解决现有技术中的设备运行状态识别方案存在状态判断结果不精确、以及对缺乏历史运行数据的工业设备具有局限性的问题。
本发明提供了一种设备运行状态监控方法,包括:
获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
优选地,在获取所述待监测设备的参考数据集之前,还包括:
获取由声音采集器采集到的所述待监测设备的历史生产音频数据;
采用转化边缘算法将所述历史生产音频数据进行处理,生成历史分频特征量;
采用高斯多包络拟合算法对所述历史分频特征量进行标记处理,生成多个不同运行状态的子参考数据集;
从每一所述子参考数据集内随机选取出预设个数的数据点,生成参考数据集。
优选地,对所述参考数据集进行计算,生成参考阈值,具体为:
对所述直方图进行处理,生成与所述直方图对应的参考阈值。
优选地,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中从右到左第一个满足其相邻左侧区间所含数量大于该区间所含数据数量且其相邻右侧区间所含数据数量大于该区间所含数据数量的区间;
提取所述区间在所述直方图内对应的相似度值,生成第一参考阈值。
优选地,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中包含最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第一分数计算结果;
对所述第一分数计算结果进行筛选,生成位于2.5%的分数值;
提取所述分数值在所述直方图对应区域内的相似度值,生成第二参考阈值。
优选地,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第二分数计算结果;
采用四分位距法对所述第二分数计算结果进行处理,生成最低边界分数;
提取所述最低边界分数在所述直方图对应区域内的相似度值,生成第三参考阈值。
优选地,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
采用四分位距法对所述相似度值进行处理,生成最低边界相似度值;
提取所述最低边界相似度值在所述直方图对应区域内的相似度值,生成第四参考阈值。
本发明还提供了一种设备运行状态监控装置,包括:
数据获取单元,用于获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
参考阈值生成单元,用于获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
相似度获取单元,用于采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
状态曲线生成单元,用于将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
本发明还提供了一种设备运行状态监控设备,包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上任意一项所述的一种设备运行状态监控方法。
本发明还提供了一种可读存储介质,存储有计算机程序,所述计算机程序能够被该存储介质所在设备的处理器执行,以实现如上任意一项所述的一种设备运行状态监控方法。
综上所述,本实施例提供的一种设备运行状态监控方法、装置、设备及存储介质,所述设备运行状态监控方法通过采用转化边缘算法对所述待判断分频特征量和所述参考阈值进行欧氏距离计算和比较处理,可以确定工业设备当前的运行状态,并生成一个对应的设备状态曲线;其中,所述设备运行状态监控方法在使用的过程中,不需要进行调参,只需要累计小数量的待检测的工业设备的不同运行状态数据,就能得到该工业设备当前的运行状态。从而解决现有技术中的设备运行状态识别方案存在状态判断结果不精确、以及对缺乏历史运行数据的工业设备具有局限性的问题。
附图说明
图1是本发明实施例提供的设备运行状态监控方法的流程示意图。
图2是本发明实施例提供的设备运行状态监控方法的相似度示意图。
图3是本发明实施例提供的设备运行状态监控方法的效果示意图。
图4是本发明实施例提供的在工业设备声学监控的应用场景下的设备运行状态监控方法的流程示意图。
图5是本发明实施例提供的设备运行状态监控装置的模块示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,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他实施方式,都属于本发明保护的范围。
以下结合附图对本发明的具体实施例做详细说明。
请参阅图1,本发明的第一实施例提供了一种设备运行状态监控方法,包括:
S101,获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
具体地,在本实施例中,所述待监测设备可以为任何一台工业设备,在生产过程中所述待监测设备会发出声音,通过所述声音采集器收集所述待监测设备在生产过程中产生的音频数据;其中,所述声音采集器可以为麦克风录音机等采集设备。需要说明的是,在其他实施例中,还可以采用其他类型的声音采集器,这里不做具体限定,但这些方案均在本发明的保护范围内。
S102,获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
具体地,步骤S102包括:根据公式和公式对所述参考数据集的两个停机状态的参考数据进行欧氏距离计算,生成标准值,其中,X为所述参考数据集的任意运行状态的参考数据,t为待判断分频特征量,0为所述参考数据集的停机状态的参考数据;
对所述直方图进行处理,生成与所述直方图对应的参考阈值。
具体地,在本实施例中,通过计算所述分频特征量与所述参考数据集中不同状态下的参考数据的欧氏距离,计算参考阈值与进行状态判断。欧氏距离在这里度量的是两个分频特征量之间的相似度,由于工业设备运行时其分频特征量的波动性,属于同一状态的分频特征量之间的欧式距离值具有一定偏差且无法确定固定偏差值,但是不属于同一运行状态分频特征量之间的欧氏距离值会远远大于属于同一运行状态分频特征值之间的欧氏距离值。因此,为了确保计算相似度值的稳定性,将根据设备停机状态的参考数据集计算的欧氏距离作为基准值,将分别根据设备其他运行状态的参考数据集计算的欧氏距离值与基准值进行比较,获取相似度值。由于工业设备运行过程中获取的分频特征量数量级较大,特征量之间的欧氏距离数量级也较大;因此,为统一计算所得欧氏距离量纲,将获取到的所述参考数据集,对每个子数据集内的分频特征量间计算欧氏距离,根据计算结果训练Min-MaxScaler用于归一化;经归一化处理后的数据将用于计算相似度。
在本实施例中,提供了四种参考阈值的计算方法,根据从所述直方图中获取到的信息根据这四种方法,即可计算得到所需参考阈值。
其中,第一种计算方法,具体为:
确定所述直方图中从右到左第一个满足其相邻左侧区间所含数量大于该区间所含数据数量且其相邻右侧区间所含数据数量大于该区间所含数据数量的区间;
提取所述区间在所述直方图内对应的相似度值,生成第一参考阈值。
其中,第二种计算方法,具体为:
确定所述直方图中包含最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第一分数计算结果;
对所述第一分数计算结果进行筛选,生成位于2.5%的分数值;
提取所述分数值在所述直方图对应区域内的相似度值,生成第二参考阈值。
其中,第三种计算方法,具体为:
确定所述直方图中最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第二分数计算结果;
采用四分位距法对所述第二分数计算结果进行处理,生成最低边界分数;
提取所述最低边界分数在所述直方图对应区域内的相似度值,生成第三参考阈值。
其中,第四种计算方法,具体为:
采用四分位距法对所述相似度值进行处理,生成最低边界相似度值;
提取所述最低边界相似度值在所述直方图对应区域内的相似度值,生成第四参考阈值。
在本实施例中,所述模拟健康度分数计算是一种对该区间及位于该区间右侧的区间赋值100,对位于该区间左侧的区间每往左移动一个区间,由99分逐一向下递减,最低分数为0的计算方法。其中,上述四种参考阈值的计算方法均为从运行分频特征中筛选出离散点的方法,在对待监测设备的运行状态进行检测判断的过程中,可以从所述第一参考阈值、所述第二参考阈值、所述第三参考阈值、所述第四参考阈值中筛选出最小的参考阈值作为最终的参考阈值。
S103,采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
S104,将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
请参阅图2至图4,具体地,在本实施例中,将所述待判断分频特征量根据公式和公式分别与所述参考数据集中的各状态的参考数据计算相似度,并取计算所得最大相似度值进行状态判断。为减少算法运行计算量与运行时间,因所述参考数据集对各状态数据有较强的代表性,每次计算相似度只需从各子数据集中随机抽取200个数据进行计算即可。相比其他运行状态,所述待判断分频特征量与所述最大相似度值所对应运行状态更相似,根据公式和公式以及上述的欧氏距离计算方法,可以知道,属于停机状态的待判断分频特征量与所述参考数据集计算所得的最大相似度值将小于0,而属于运行状态的待判断分频特征量与所述参考数据集计算所得的最大相似度值将大于等于0。因此,0为区分停机状态与运行状态的参考值。
在本实施例中,通过将所述最大相似度值与0进行比较确定所述待判断分频特征量为运行状态或停机状态;如果为运行状态,接下来通过计算的参考阈值用于判断过渡状态:如果有某一所述待判断分频特征量计算所得的相似度值小于所述参考阈值,则该所述待判断分频特征量应属于过渡状态。发明人发现:工业设备在运行过程中,工业设备可能随着时间的推移产生声音会有很大的变化,则获取到的该工业设备在运行过程中的特征值波动是较大的,因此若是一直使用由一开始的历史运行数据得到的参考阈值和参考数据集是远远不够的,需要不断的对参考阈值和参考数据集进行更新。所述设备运行状态监控方法采取不断更新所述参考数据集的方式以处理监测设备运行过程中可能出现的分频特征量飘移情况。根据以上描述的相似度计算方法,将判断为非过渡状态的停机状态与运行状态分别加入到对应的参考子数据集;其中,更新完成后的子数据集应保持大小为2000个数据点。且所述设备运行状态监控方法采取不断更新所述参考阈值的方式以处理监测设备运行过程中可能出现的分频特征量飘逸导致参考阈值变化的情况。根据上述的参考阈值计算方法,利用状态判断过程中所计算的相似度值,每隔一段设定时间重新计算参考阈值并更新参考阈值;其中,若该设定时间内未捕捉到足够数量的运行状态或停机状态,则不重新计算参考阈值。
在本发明一个可能的实施例中,在获取所述待监测设备的参考数据集之前,还包括:
获取由声音采集器采集到的所述待监测设备的历史生产音频数据;
采用转化边缘算法将所述历史生产音频数据进行处理,生成历史分频特征量;
采用高斯多包络拟合算法对所述历史分频特征量进行标记处理,生成多个不同运行状态的子参考数据集;
从每一所述子参考数据集内随机选取出预设个数的数据点,生成参考数据集。
具体地,在本实施例中,通过高斯拟合多个包络的方式,将未标注的历史分频特征量根据设备的不同运行状态,划分为对应设备不同运行状态的子参考数据集;分别从每个子参考数据集中随机抽选2000个点作为该运行状态的参考数据集进行保存。其中,在划分不同运行状态的子参考数据集时,如果有某一运行状态未被高斯多包络拟合算法捕捉到,则对该状态所对应的分频特征量进行人工标注,从标注后的分频特征量中随机抽选2000个点作为该运行状态的参考数据集进行保存。其中,所述历史分频特征量中的大部分数据均属于工业设备的主要运行状态,过渡状态因只发生在停机状态与运行状态转换中,在运行数据中仅占极少量部分。
在本实施例中,仅需对设备主要运行状态生成保存参考数据集,如停机状态、运行状态1、运行状态2等。停机状态与运行状态之间切换产生的过渡状态不需要生成保存参考数据集,且为保证后续设备进行运行健康度监测不受过渡状态的影响,所述设备运行状态监控方法将单独识别设备运行中的所有非主要运行状态并统一识别成新的状态。
综上,本实施例提供的一种设备运行状态监控方法、装置、设备及存储介质,所述设备运行状态监控方法通过采用转化边缘算法对所述待判断分频特征量和所述参考阈值进行欧氏距离计算和比较处理,可以确定工业设备当前的运行状态,并生成一个对应的设备状态曲线;其中,所述设备运行状态监控方法在使用的过程中,不需要进行调参,只需要累计小数量的待检测的工业设备的不同运行状态数据,就能得到该工业设备当前的运行状态。该方法监控过程自动化程度高,节约了大量的时间和人工成本,同时,做到了适应不同工业设备以及相同工业设备不同运行形态需求,并在少量历史运行数据存在的前提下,提供了准确的状态判断。
请参阅图5,本发明的第二实施例提供了一种设备运行状态监控装置,包括:
数据获取单元201,用于获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
参考阈值生成单元202,用于获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
相似度获取单元203,用于采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
状态曲线生成单元204,用于将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
本发明的第三实施例提供了一种设备运行状态监控设备,包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上任意一项所述的一种设备运行状态监控方法。
本发明的第四实施例提供了一种可读存储介质,存储有计算机程序,所述计算机程序能够被该存储介质所在设备的处理器执行,以实现如上任意一项所述的一种设备运行状态监控方法。
示例性地,本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述实现一种设备运行状态监控设备中的执行过程。例如,本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(Central Pr0cessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Pr0cess0r,DSP)、专用集成电路(Applicati0n Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Pr0grammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种设备运行状态监控方法的控制中心,利用各种接口和线路连接整个所述实现对一种设备运行状态监控方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现一种设备运行状态监控方法的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外,存储器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,例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述实现的模块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存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一个计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(R0M,Read-0nly Mem0ry)、随机存取存储器(RAM,Rand0mAccess Mem0ry)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。
Claims (10)
1.一种设备运行状态监控方法,其特征在于,包括:
获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
2.根据权利要求1所述的设备运行状态监控方法,其特征在于,在获取所述待监测设备的参考数据集之前,还包括:
获取由声音采集器采集到的所述待监测设备的历史生产音频数据;
采用转化边缘算法将所述历史生产音频数据进行处理,生成历史分频特征量;
采用高斯多包络拟合算法对所述历史分频特征量进行标记处理,生成多个不同运行状态的子参考数据集;
从每一所述子参考数据集内随机选取出预设个数的数据点,生成参考数据集。
4.根据权利要求3所述的设备运行状态监控方法,其特征在于,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中从右到左第一个满足其相邻左侧区间所含数量大于该区间所含数据数量且其相邻右侧区间所含数据数量大于该区间所含数据数量的区间;
提取所述区间在所述直方图内对应的相似度值,生成第一参考阈值。
5.根据权利要求3所述的设备运行状态监控方法,其特征在于,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中包含最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第一分数计算结果;
对所述第一分数计算结果进行筛选,生成位于2.5%的分数值;
提取所述分数值在所述直方图对应区域内的相似度值,生成第二参考阈值。
6.根据权利要求3所述的设备运行状态监控方法,其特征在于,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
确定所述直方图中最多数据的区间,并以该区间为基准对所述直方图进行模拟健康度分数计算,生成第二分数计算结果;
采用四分位距法对所述第二分数计算结果进行处理,生成最低边界分数;
提取所述最低边界分数在所述直方图对应区域内的相似度值,生成第三参考阈值。
7.根据权利要求3所述的设备运行状态监控方法,其特征在于,对所述直方图进行计算,生成与所述直方图对应的参考阈值,具体为:
采用四分位距法对所述相似度值进行处理,生成最低边界相似度值;
提取所述最低边界相似度值在所述直方图对应区域内的相似度值,生成第四参考阈值。
8.一种设备运行状态监控装置,其特征在于,包括:
数据获取单元,用于获取由声音采集器采集到的待监测设备在预设时长内的音频数据,并调用边缘转化算法对所述音频数据进行处理,生成待判断分频特征量;
参考阈值生成单元,用于获取所述待监测设备的参考数据集,并对所述参考数据集进行计算,生成参考阈值;
相似度获取单元,用于采用转化边缘算法对所述待判断分频特征量和所述参考数据集进行计算,生成最大相似度值,其中,所述最大相似度值由经过归一化处理的欧氏距离计算得到,所述欧氏距离用于度量所述待判断分频特征量与所述参考数据集之间的相似度;
状态曲线生成单元,用于将所述最大相似度值与预先保存的参考阈值进行比较,生成与所述待判断分频特征量对应的设备状态曲线。
9.一种设备运行状态监控设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的一种设备运行状态监控方法。
10.一种可读存储介质,其特征在于,存储有计算机程序,所述计算机程序能够被该存储介质所在设备的处理器执行,以实现如权利要求1至7任意一项所述的一种设备运行状态监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905156.9A CN115295016A (zh) | 2022-07-29 | 2022-07-29 | 一种设备运行状态监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905156.9A CN115295016A (zh) | 2022-07-29 | 2022-07-29 | 一种设备运行状态监控方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115295016A true CN115295016A (zh) | 2022-11-04 |
Family
ID=83826924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210905156.9A Pending CN115295016A (zh) | 2022-07-29 | 2022-07-29 | 一种设备运行状态监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115295016A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982622A (zh) * | 2022-12-30 | 2023-04-18 | 中国核动力研究设计院 | 核反应堆冷却剂系统运行瞬态快速识别方法、装置及系统 |
-
2022
- 2022-07-29 CN CN202210905156.9A patent/CN115295016A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982622A (zh) * | 2022-12-30 | 2023-04-18 | 中国核动力研究设计院 | 核反应堆冷却剂系统运行瞬态快速识别方法、装置及系统 |
CN115982622B (zh) * | 2022-12-30 | 2024-01-23 | 中国核动力研究设计院 | 核反应堆冷却剂系统运行瞬态快速识别方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11531688B2 (en) | Time-series data processing device, time-series data processing system, and time-series data processing method | |
CN111126824B (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
CN109583680B (zh) | 一种基于支持向量机的窃电辨识方法 | |
CN111898443B (zh) | 一种fdm型3d打印机送丝机构流量监测方法 | |
WO2019019749A1 (zh) | 一种内存异常检测方法及设备 | |
CN112565422B (zh) | 一种对电力物联网故障数据的识别方法、系统和存储介质 | |
CN113535454A (zh) | 一种日志数据异常检测的方法及设备 | |
CN115295016A (zh) | 一种设备运行状态监控方法、装置、设备及存储介质 | |
WO2018122890A1 (ja) | ログ分析方法、システムおよびプログラム | |
WO2018069950A1 (ja) | ログ分析方法、システムおよびプログラム | |
CN115876258A (zh) | 基于多源数据的畜禽养殖环境异常监测及报警系统 | |
CN110647913A (zh) | 基于聚类算法的异常数据检测方法及装置 | |
CN114356900A (zh) | 一种电力数据异常检测方法、装置、设备及介质 | |
CN108446739B (zh) | 一种数据录入监测方法及装置 | |
WO2018122889A1 (ja) | 異常検出方法、システムおよびプログラム | |
CN111065106A (zh) | 移动通信网络中基于异常检测和核密度估计(kde)的指标突变小区检测方法 | |
CN110909813B (zh) | 一种基于边缘算法的商业体异常用电检测方法 | |
CN110929800B (zh) | 一种基于sax算法的商业体异常用电检测方法 | |
CN114564469A (zh) | 采集数据的处理方法及系统 | |
CN112685473B (zh) | 一种基于时序分析技术的网络异常流量检测方法及其系统 | |
CN113627885A (zh) | 一种电网供电异常监测系统及其监测方法 | |
CN114331688A (zh) | 一种银行柜面系统业务批量运行状态检测方法及装置 | |
CN111310697B (zh) | 设备运转周期检测及健康度分析方法、装置及存储介质 | |
CN117370898B (zh) | 一种电子数据安全管控系统 | |
CN114510965A (zh) | 一种异常声音检测方法、装置、设备及介质 |
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 |