CN117476040B - 一种音频识别方法及识别系统 - Google Patents
一种音频识别方法及识别系统 Download PDFInfo
- Publication number
- CN117476040B CN117476040B CN202311788354.2A CN202311788354A CN117476040B CN 117476040 B CN117476040 B CN 117476040B CN 202311788354 A CN202311788354 A CN 202311788354A CN 117476040 B CN117476040 B CN 117476040B
- Authority
- CN
- China
- Prior art keywords
- audio
- value
- monitoring
- sound
- normal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 176
- 238000004458 analytical method Methods 0.000 claims description 107
- 230000005856 abnormality Effects 0.000 claims description 79
- 230000002159 abnormal effect Effects 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 26
- 230000030279 gene silencing Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013139 quantization Methods 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 11
- 230000005236 sound signal Effects 0.000 abstract description 3
- 239000000284 extract Substances 0.000 description 5
- 238000013145 classification model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L25/78—Detection of presence or absence of voice signals
-
- 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
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- 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
- G10L25/78—Detection of presence or absence of voice signals
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及音频识别与设备监测技术领域,具体涉及一种音频识别方法及识别系统,用于解决现有的基于声音信号的工业设备通用故障检测方法无法对设备各个零件进行实时监控,并不能消除正常声音的干扰,更未做进一步的监测分析,导致音频识别对设备故障的判断不够精确,易于出现误报的情况的问题;通过本发明的一种音频识别方法及识别系统,能够对设备运行过程中的音频数据进行处理和分析,实现了对设备故障的实时、准确识别,并在后续进行进一步监测,提高了故障监测的准确性,避免设备故障造成重大损失,本发明具有较低的误报率和较高的实时性等优点,能够适应不同的设备和应用场景。
Description
技术领域
本发明涉及音频识别与设备监测技术领域,具体涉及一种音频识别方法及识别系统。
背景技术
在工业生产、设备运行等场景中,设备故障检测和诊断对于保障生产安全和提高生产效率具有重要意义。传统的设备故障检测方法通常基于人工巡检和定期维护,但这些方法存在人力成本高、检测效率低下等问题。开发一种能够实时、准确地识别设备故障的方法及系统,具有重要的实用价值和现实意义,因此,申请号为CN202110443273.3的专利公开了一种基于声音信号的工业设备通用故障检测方法及系统,获取待识别的工业设备音频数据;将获取的音频数据输入到预设分类模型中,得到故障检测结果;其中,在基于Deep-SVDD构建的预设分类模型中,提取梅尔频率倒谱系数特征和短时过零率特征,将获取的特征通过BP神经网络编码并计算编码后的向量距离超球体圆心的距离,依照距离得到检测评分,根据评分与预设阈值的对比得到故障检测结果;该发明利用基于Deep-SVDD构建的预设分类模型,能够最大限度上模拟人的判断行为,实现了快速精准的故障检测,但仍然存在以下不足之处:无法对设备各个零件进行实时监控,并不能消除正常声音的干扰,更未做进一步的监测分析,导致音频识别对设备故障的判断不够精确,易于出现误报的情况。
发明内容
为了克服上述的技术问题,本发明的目的在于提供一种音频识别方法及识别系统,解决了现有的基于声音信号的工业设备通用故障检测方法无法对设备各个零件进行实时监控,并不能消除正常声音的干扰,更未做进一步的监测分析,导致音频识别对设备故障的判断不够精确,易于出现误报的情况的问题。
本发明的目的可以通过以下技术方案实现:
一种音频识别方法,包括以下步骤:
步骤a1:音频收集模块将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
步骤a2:音频识别平台接收到历史数据获取指令后获取监测零件i的声音正常信息,声音正常信息包括声强信息QX、声频信息PX,并将声音正常信息发送至音频分析模块;
步骤a3:音频分析模块根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
步骤a4:音频监控模块获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
步骤a5:音频识别平台根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;
步骤a6:零件分析模块接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
步骤a7:音频识别平台根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
步骤a8:异常处理模块接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
作为本发明进一步的方案:所述音频收集模块获得监测音频Yi的具体过程如下:
将需要异常监测的设备中的零部件依次标记为监测零件i,i=1、……、n,n为自然数;
收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台。
作为本发明进一步的方案:所述音频识别平台获取声音正常信息的具体过程如下:
接收到历史数据获取指令后根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音强度,并将其分别标记为第一强度值YQ、第二强度值EQ以及第三强度值SQ,将第一强度值YQ、第二强度值EQ以及第三强度值SQ进行量化处理,提取第一强度值YQ、第二强度值EQ以及第三强度值SQ的数值,并将其代入公式中计算,依据公式得到声强信息QX,其中,q1、q2以及q3分别为设定的第一强度值YQ、第二强度值EQ以及第三强度值SQ对应的预设比例系数,q1、q2以及q3满足q1+q2+q3=1,0<q3<q2<q1<1,取q1=0.45,q2=0.34,q3=0.21;
根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音频率,并将其分别标记为第一频率值YP、第二频率值EP以及第三频率值SP,将第一频率值YP、第二频率值EP以及第三频率值SP进行量化处理,提取第一频率值YP、第二频率值EP以及第三频率值SP的数值,并将其代入公式中计算,依据公式得到声频信息PX,其中,p1、p2以及p3分别为设定的第一频率值YP、第二频率值EP以及第三频率值SP对应的预设比例系数,p1、p2以及p3满足p1+p2+p3=1,0<p3<p2<p1<1,取p1=0.48,p2=0.34,p3=0.18;
将声强信息QX、声频信息PX发送至音频分析模块。
作为本发明进一步的方案:所述音频分析模块获得正常上限SX、正常下限XX的具体过程如下:
将声强信息QX、声频信息PX进行量化处理,提取声强信息QX、声频信息PX的数值,并将其代入公式中计算,依据公式得到声音正常值SZ,其中,e为数学常数,s1、s2分别为设定的声强信息QX、声频信息PX对应的预设权重因子,s1、s2满足s2>s1>1.381,取s1=1.64,s2=1.95;
将声音正常值SZ代入公式中计算,依据公式得到正常上限SX,依据公式/>得到正常下限XX,其中,δ为预设的调节因子,δ>0,取δ=0.24;
将正常上限SX、正常下限XX发送至音频监控模块。
作为本发明进一步的方案:所述音频监控模块获得消声音频Xi的具体过程如下:
实时获取监测音频Yi的声音强度和声音频率,并将其分别标记为音强值QD和音频值PL,将音强值QD、音频值PL进行量化处理,提取音强值QD、音频值PL的数值,并将其代入公式中计算,依据公式得到音频监测值YJ,其中,e为数学常数,j1、j2分别为设定的音强值QD、音频值PL对应的预设权重因子,j1、j2满足j1=s1,j2=s2;
将监测音频Yi进行消声,消除满足正常下限XX≤音频监测值YJ≤正常上限SX的声音,将消声后的监测音频Yi标记为消声音频Xi。
作为本发明进一步的方案:所述音频监控模块强频差值QP的具体过程如下:
获取单位时间内消声音频Xi中的最大声音强度和最小声音强度之间的差值,并将其标记为强差值QC,获取单位时间内消声音频Xi中的最大声音频率和最小声音频率之间的差值,并将其标记为频差值PC,获取强差值QC、频差值PC的乘积,并将其标记为强频差值QP,将强频差值QP发送至音频识别平台。
作为本发明进一步的方案:所述音频识别平台获得分析零件的具体过程如下:
将强频差值QP与预设的强频阈值QPy进行比较:
若强频差值QP≥强频阈值QPy,则生成零件分析指令,并将强频差值QP所对应的监测零件i标记为分析零件,并将零件分析指令发送至零件分析模块。
作为本发明进一步的方案:所述零件分析模块获得零件异常系数LY的具体过程如下:
接收到零件分析指令后获取分析零件的强频差值QP;
获取分析零件单位时间内的震动次数和震动路线总长度,并将其分别标记为震次值ZC和震路值ZL,将震次值ZC和震路值ZL进行量化处理,提取震次值ZC和震路值ZL的数值,并将其代入公式中计算,依据公式得到震动信息ZD,其中,d1、d2分别为设定的震次值ZC和震路值ZL对应的预设比例系数,d1、d2满足d1+d2=1,0<d1<d2<1,取d1=0.28,d2=0.72;
将强频差值QP、震动信息ZD进行量化处理,提取强频差值QP、震动信息ZD的数值,并将其代入公式中计算,依据公式得到零件异常系数LY,其中,e为数学常数,c1、c2分别为设定的强频差值QP、震动信息ZD对应的预设权重因子,c1、c2满足c2>c1>2.150,取c1=2.22,c2=2.67;
将零件异常系数LY发送至音频识别平台。
作为本发明进一步的方案:所述音频识别平台获得异常零件的具体过程如下:
将零件异常系数LY与预设的零件异常阈值LYy进行比较:
若零件异常系数LY≥零件异常阈值LYy,则将零件异常系数LY所对应的分析零件标记为异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块。
作为本发明进一步的方案:一种音频识别系统,包括:
音频收集模块,用于将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
音频识别平台,用于接收到历史数据获取指令后获取监测零件i的声音正常信息,并将声音正常信息发送至音频分析模块;其中,声音正常信息包括声强信息QX、声频信息PX;还用于根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;还用于根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
音频分析模块,用于根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
音频监控模块,用于获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
零件分析模块,用于接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
异常处理模块,用于接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
本发明的有益效果:
本发明的一种音频识别方法及识别系统,通过音频收集模块将需要异常监测的设备中的零部件标记为监测零件,并收集监测零件发出的声音,形成监测音频,通过音频识别平台获取监测零件的声音正常信息,通过音频分析模块根据声音正常信息获得声音正常值,并根据声音正常值获得正常上限、正常下限,通过音频监控模块获取监测音频的音频监测值,并根据音频监测值、正常上限以及正常下限将监测音频进行消声,获得消声音频,并获得消声音频的强频差值,通过音频识别平台根据强频差值获得分析零件,通过零件分析模块获取分析零件的零件异常信息,并根据零件异常信息获得零件异常系数,通过音频识别平台根据零件异常系数获得异常零件,通过异常处理模块响起异常警报,同时将异常零件的名称进行展示;该音频识别方法首先根据历史数据获取监测零件的声音正常信息,根据声音正常信息获得的声音正常值能够综合衡量监测零件处于正常状态下的参数情况,并根据声音正常值获得正常上限、正常下限,之后对监测零件进行实时监测,并对监测音频中的正常声音进行消除,避免正常声音对音频识别的干扰,之后对形成的消声音频进行监测,获得强频差值,强频差值用于综合衡量监测零件的音频异常情况,且强频差值越大表示音频异常程度越高,之后对其进行进一步的监测,获得震动信息,震动信息用于综合衡量监测零件的震动异常情况,且震动信息越大表示震动异常程度越高,通过两者获得零件异常系数能够衡量监测零件的异常情况,且零件异常系数越大表示异常程度越高,说明监测零件已经出现故障或者即将会出现故障,并对其进行预警处理;通过本发明的一种音频识别方法及识别系统,能够对设备运行过程中的音频数据进行处理和分析,实现了对设备故障的实时、准确识别,并在后续进行进一步监测,提高了故障监测的准确性,避免设备故障造成重大损失,本发明具有较低的误报率和较高的实时性等优点,能够适应不同的设备和应用场景。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中一种音频识别方法的工艺流程图;
图2是本发明中一种音频识别系统的原理框图。
具体实施方式
下面将结合本发明实施例,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
请参阅图1所示,本实施例为一种音频识别方法,包括以下步骤:
步骤a1:音频收集模块将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
步骤a2:音频识别平台接收到历史数据获取指令后获取监测零件i的声音正常信息,声音正常信息包括声强信息QX、声频信息PX,并将声音正常信息发送至音频分析模块;
步骤a3:音频分析模块根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
步骤a4:音频监控模块获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
步骤a5:音频识别平台根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;
步骤a6:零件分析模块接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
步骤a7:音频识别平台根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
步骤a8:异常处理模块接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
实施例2:
请参阅图2所示,本实施例为一种音频识别系统,包括以下模块:音频收集模块、音频识别平台、音频分析模块、音频监控模块、零件分析模块以及异常处理模块;
其中,所述音频收集模块用于将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
其中,所述音频识别平台用于接收到历史数据获取指令后获取监测零件i的声音正常信息,并将声音正常信息发送至音频分析模块;其中,声音正常信息包括声强信息QX、声频信息PX;还用于根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;还用于根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
其中,所述音频分析模块用于根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
其中,所述音频监控模块用于获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
其中,所述零件分析模块用于接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
其中,所述异常处理模块用于接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
实施例3:
基于上述任一实施例,本发明实施例3为音频收集模块,音频收集模块的作用是为了获得监测音频Yi,具体过程如下:
音频收集模块将需要异常监测的设备中的零部件依次标记为监测零件i,i=1、……、n,n为自然数;
音频收集模块收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台。
实施例4:
基于上述任一实施例,本发明实施例4为音频识别平台,音频识别平台具有三个作用;
其一的作用是为了获取声音正常信息,声音正常信息包括声强信息QX、声频信息PX,具体过程如下:
音频识别平台接收到历史数据获取指令后根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音强度,并将其分别标记为第一强度值YQ、第二强度值EQ以及第三强度值SQ,将第一强度值YQ、第二强度值EQ以及第三强度值SQ进行量化处理,提取第一强度值YQ、第二强度值EQ以及第三强度值SQ的数值,并将其代入公式中计算,依据公式得到声强信息QX,其中,q1、q2以及q3分别为设定的第一强度值YQ、第二强度值EQ以及第三强度值SQ对应的预设比例系数,q1、q2以及q3满足q1+q2+q3=1,0<q3<q2<q1<1,取q1=0.45,q2=0.34,q3=0.21;
音频识别平台根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音频率,并将其分别标记为第一频率值YP、第二频率值EP以及第三频率值SP,将第一频率值YP、第二频率值EP以及第三频率值SP进行量化处理,提取第一频率值YP、第二频率值EP以及第三频率值SP的数值,并将其代入公式中计算,依据公式得到声频信息PX,其中,p1、p2以及p3分别为设定的第一频率值YP、第二频率值EP以及第三频率值SP对应的预设比例系数,p1、p2以及p3满足p1+p2+p3=1,0<p3<p2<p1<1,取p1=0.48,p2=0.34,p3=0.18;
音频识别平台将声强信息QX、声频信息PX发送至音频分析模块;
其二的作用是为了获得分析零件,具体过程如下:
音频识别平台将强频差值QP与预设的强频阈值QPy进行比较:
若强频差值QP≥强频阈值QPy,则生成零件分析指令,并将强频差值QP所对应的监测零件i标记为分析零件,并将零件分析指令发送至零件分析模块;
其三的作用是为了获得异常零件,具体过程如下:
音频识别平台将零件异常系数LY与预设的零件异常阈值LYy进行比较:
若零件异常系数LY≥零件异常阈值LYy,则将零件异常系数LY所对应的分析零件标记为异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块。
实施例5:
基于上述任一实施例,本发明实施例5为音频分析模块,音频分析模块的作用是为了获得正常上限SX、正常下限XX,具体过程如下:
音频分析模块将声强信息QX、声频信息PX进行量化处理,提取声强信息QX、声频信息PX的数值,并将其代入公式中计算,依据公式得到声音正常值SZ,其中,e为数学常数,s1、s2分别为设定的声强信息QX、声频信息PX对应的预设权重因子,s1、s2满足s2>s1>1.381,取s1=1.64,s2=1.95;
音频分析模块将声音正常值SZ代入公式中计算,依据公式得到正常上限SX,依据公式/>得到正常下限XX,其中,δ为预设的调节因子,δ>0,取δ=0.24;
音频分析模块将正常上限SX、正常下限XX发送至音频监控模块。
实施例6:
基于上述任一实施例,本发明实施例6为音频监控模块,音频监控模块的作用是为了获得强频差值QP,具体过程如下:
音频监控模块实时获取监测音频Yi的声音强度和声音频率,并将其分别标记为音强值QD和音频值PL,将音强值QD、音频值PL进行量化处理,提取音强值QD、音频值PL的数值,并将其代入公式中计算,依据公式得到音频监测值YJ,其中,e为数学常数,j1、j2分别为设定的音强值QD、音频值PL对应的预设权重因子,j1、j2满足j1=s1,j2=s2;
音频监控模块将监测音频Yi进行消声,消除满足正常下限XX≤音频监测值YJ≤正常上限SX的声音,将消声后的监测音频Yi标记为消声音频Xi;
音频监控模块获取单位时间内消声音频Xi中的最大声音强度和最小声音强度之间的差值,并将其标记为强差值QC,获取单位时间内消声音频Xi中的最大声音频率和最小声音频率之间的差值,并将其标记为频差值PC,获取强差值QC、频差值PC的乘积,并将其标记为强频差值QP,将强频差值QP发送至音频识别平台。
实施例7:
基于上述任一实施例,本发明实施例7为零件分析模块,零件分析模块的作用是为了获得零件异常系数LY,具体过程如下:
零件分析模块接收到零件分析指令后获取分析零件的强频差值QP;
零件分析模块获取分析零件单位时间内的震动次数和震动路线总长度,并将其分别标记为震次值ZC和震路值ZL,将震次值ZC和震路值ZL进行量化处理,提取震次值ZC和震路值ZL的数值,并将其代入公式中计算,依据公式得到震动信息ZD,其中,d1、d2分别为设定的震次值ZC和震路值ZL对应的预设比例系数,d1、d2满足d1+d2=1,0<d1<d2<1,取d1=0.28,d2=0.72;
零件分析模块将强频差值QP、震动信息ZD进行量化处理,提取强频差值QP、震动信息ZD的数值,并将其代入公式中计算,依据公式得到零件异常系数LY,其中,e为数学常数,c1、c2分别为设定的强频差值QP、震动信息ZD对应的预设权重因子,c1、c2满足c2>c1>2.150,取c1=2.22,c2=2.67;
零件分析模块将零件异常系数LY发送至音频识别平台。
基于上述实施例1-7,本发明的工作原理如下:
该音频识别方法首先根据历史数据获取监测零件的声音正常信息,根据声音正常信息获得的声音正常值能够综合衡量监测零件处于正常状态下的参数情况,并根据声音正常值获得正常上限、正常下限,之后对监测零件进行实时监测,并对监测音频中的正常声音进行消除,避免正常声音对音频识别的干扰,之后对形成的消声音频进行监测,获得强频差值,强频差值用于综合衡量监测零件的音频异常情况,且强频差值越大表示音频异常程度越高,之后对其进行进一步的监测,获得震动信息,震动信息用于综合衡量监测零件的震动异常情况,且震动信息越大表示震动异常程度越高,通过两者获得零件异常系数能够衡量监测零件的异常情况,且零件异常系数越大表示异常程度越高,说明监测零件已经出现故障或者即将会出现故障,并对其进行预警处理;通过本发明的一种音频识别方法及识别系统,能够对设备运行过程中的音频数据进行处理和分析,实现了对设备故障的实时、准确识别,并在后续进行进一步监测,提高了故障监测的准确性,避免设备故障造成重大损失,本发明具有较低的误报率和较高的实时性等优点,能够适应不同的设备和应用场景。
需要进一步说明的是,上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本申请所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种音频识别方法,其特征在于,包括以下步骤:
步骤a1:音频收集模块将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
步骤a2:音频识别平台接收到历史数据获取指令后获取监测零件i的声音正常信息,声音正常信息包括声强信息QX、声频信息PX,并将声音正常信息发送至音频分析模块;
步骤a3:音频分析模块根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
步骤a4:音频监控模块获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
步骤a5:音频识别平台根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;
步骤a6:零件分析模块接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
步骤a7:音频识别平台根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
步骤a8:异常处理模块接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
2.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频收集模块获得监测音频Yi的具体过程如下:
将需要异常监测的设备中的零部件依次标记为监测零件i,i=1、……、n,n为自然数;
收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台。
3.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频识别平台获取声音正常信息的具体过程如下:
接收到历史数据获取指令后根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音强度,并将其分别标记为第一强度值YQ、第二强度值EQ以及第三强度值SQ,将第一强度值YQ、第二强度值EQ以及第三强度值SQ进行量化处理,依据公式得到声强信息QX,其中,q1、q2以及q3分别为设定的第一强度值YQ、第二强度值EQ以及第三强度值SQ对应的预设比例系数;
根据历史数据获取监测零件i首次使用时、使用30天时以及使用180天时的平均声音频率,并将其分别标记为第一频率值YP、第二频率值EP以及第三频率值SP,将第一频率值YP、第二频率值EP以及第三频率值SP进行量化处理,依据公式得到声频信息PX,其中,p1、p2以及p3分别为设定的第一频率值YP、第二频率值EP以及第三频率值SP对应的预设比例系数;
将声强信息QX、声频信息PX发送至音频分析模块。
4.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频分析模块获得正常上限SX、正常下限XX的具体过程如下:
将声强信息QX、声频信息PX进行量化处理,依据公式得到声音正常值SZ,其中,e为数学常数,s1、s2分别为设定的声强信息QX、声频信息PX对应的预设权重因子;
将声音正常值SZ代入公式中计算,依据公式得到正常上限SX,依据公式/>得到正常下限XX,其中,δ为预设的调节因子;
将正常上限SX、正常下限XX发送至音频监控模块。
5.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频监控模块获得消声音频Xi的具体过程如下:
实时获取监测音频Yi的声音强度和声音频率,并将其分别标记为音强值QD和音频值PL,将音强值QD、音频值PL进行量化处理,依据公式得到音频监测值YJ,其中,e为数学常数,j1、j2分别为设定的音强值QD、音频值PL对应的预设权重因子;
将监测音频Yi进行消声,消除满足正常下限XX≤音频监测值YJ≤正常上限SX的声音,将消声后的监测音频Yi标记为消声音频Xi。
6.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频监控模块强频差值QP的具体过程如下:
获取单位时间内消声音频Xi中的最大声音强度和最小声音强度之间的差值,并将其标记为强差值QC,获取单位时间内消声音频Xi中的最大声音频率和最小声音频率之间的差值,并将其标记为频差值PC,获取强差值QC、频差值PC的乘积,并将其标记为强频差值QP,将强频差值QP发送至音频识别平台。
7.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频识别平台获得分析零件的具体过程如下:
将强频差值QP与预设的强频阈值QPy进行比较:
若强频差值QP≥强频阈值QPy,则生成零件分析指令,并将强频差值QP所对应的监测零件i标记为分析零件,并将零件分析指令发送至零件分析模块。
8.根据权利要求1所述的一种音频识别方法,其特征在于,所述零件分析模块获得零件异常系数LY的具体过程如下:
接收到零件分析指令后获取分析零件的强频差值QP;
获取分析零件单位时间内的震动次数和震动路线总长度,并将其分别标记为震次值ZC和震路值ZL,将震次值ZC和震路值ZL进行量化处理,依据公式得到震动信息ZD,其中,d1、d2分别为设定的震次值ZC和震路值ZL对应的预设比例系数;
将强频差值QP、震动信息ZD进行量化处理,依据公式得到零件异常系数LY,其中,e为数学常数,c1、c2分别为设定的强频差值QP、震动信息ZD对应的预设权重因子;
将零件异常系数LY发送至音频识别平台。
9.根据权利要求1所述的一种音频识别方法,其特征在于,所述音频识别平台获得异常零件的具体过程如下:
将零件异常系数LY与预设的零件异常阈值LYy进行比较:
若零件异常系数LY≥零件异常阈值LYy,则将零件异常系数LY所对应的分析零件标记为异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块。
10.一种音频识别系统,其特征在于,包括:
音频收集模块,用于将需要异常监测的设备中的零部件标记为监测零件i,并收集监测零件i发出的声音,形成监测音频Yi,并将监测音频Yi发送至音频监控模块,同时生成历史数据获取指令,并将历史数据获取指令发送至音频识别平台;
音频识别平台,用于接收到历史数据获取指令后获取监测零件i的声音正常信息,并将声音正常信息发送至音频分析模块;其中,声音正常信息包括声强信息QX、声频信息PX;还用于根据强频差值QP生成零件分析指令,并将零件分析指令发送至零件分析模块,同时获得分析零件;还用于根据零件异常系数LY获得异常零件,同时生成零件异常指令,并将异常零件、零件异常指令发送至异常处理模块;
音频分析模块,用于根据声音正常信息获得声音正常值SZ,并根据声音正常值SZ获得正常上限SX、正常下限XX,并将正常上限SX、正常下限XX发送至音频监控模块;
音频监控模块,用于获取监测音频Yi的音频监测值YJ,并根据音频监测值YJ、正常上限SX以及正常下限XX将监测音频Yi进行消声,获得消声音频Xi,并获得消声音频Xi的强频差值QP,将强频差值QP发送至音频识别平台;
零件分析模块,用于接收到零件分析指令后获取分析零件的零件异常信息,其中,零件异常信息包括强频差值QP、震动信息ZD,并根据零件异常信息获得零件异常系数LY,并将零件异常系数LY发送至音频识别平台;
异常处理模块,用于接收到零件异常指令响起异常警报,同时将异常零件的名称进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311788354.2A CN117476040B (zh) | 2023-12-25 | 2023-12-25 | 一种音频识别方法及识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311788354.2A CN117476040B (zh) | 2023-12-25 | 2023-12-25 | 一种音频识别方法及识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117476040A CN117476040A (zh) | 2024-01-30 |
CN117476040B true CN117476040B (zh) | 2024-03-29 |
Family
ID=89625948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311788354.2A Active CN117476040B (zh) | 2023-12-25 | 2023-12-25 | 一种音频识别方法及识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117476040B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112483076A (zh) * | 2019-09-11 | 2021-03-12 | 中国石油化工股份有限公司 | 一种用于识别钻井施工复杂情况的系统 |
CN113593604A (zh) * | 2021-07-22 | 2021-11-02 | 腾讯音乐娱乐科技(深圳)有限公司 | 检测音频质量方法、装置及存储介质 |
CN115064183A (zh) * | 2022-05-11 | 2022-09-16 | 浙江运达风电股份有限公司 | 一种基于人工智能算法的风力发电机组运行状态监测方法和系统 |
CN116189103A (zh) * | 2023-05-04 | 2023-05-30 | 武汉沃德采科技发展有限公司 | 基于视觉图像分析的设备监控自动控制方法及控制系统 |
CN116973667A (zh) * | 2023-08-01 | 2023-10-31 | 淮北市华明工业变频设备有限公司 | 一种基于数据分析的变频设备运行故障诊断系统 |
CN117153365A (zh) * | 2023-10-30 | 2023-12-01 | 中国人民解放军总医院第二医学中心 | 一种基于音频识别的透析设备运行状态预警方法及系统 |
-
2023
- 2023-12-25 CN CN202311788354.2A patent/CN117476040B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112483076A (zh) * | 2019-09-11 | 2021-03-12 | 中国石油化工股份有限公司 | 一种用于识别钻井施工复杂情况的系统 |
CN113593604A (zh) * | 2021-07-22 | 2021-11-02 | 腾讯音乐娱乐科技(深圳)有限公司 | 检测音频质量方法、装置及存储介质 |
CN115064183A (zh) * | 2022-05-11 | 2022-09-16 | 浙江运达风电股份有限公司 | 一种基于人工智能算法的风力发电机组运行状态监测方法和系统 |
CN116189103A (zh) * | 2023-05-04 | 2023-05-30 | 武汉沃德采科技发展有限公司 | 基于视觉图像分析的设备监控自动控制方法及控制系统 |
CN116973667A (zh) * | 2023-08-01 | 2023-10-31 | 淮北市华明工业变频设备有限公司 | 一种基于数据分析的变频设备运行故障诊断系统 |
CN117153365A (zh) * | 2023-10-30 | 2023-12-01 | 中国人民解放军总医院第二医学中心 | 一种基于音频识别的透析设备运行状态预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117476040A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112304613B (zh) | 一种基于特征融合的风电机组发电机轴承预警方法 | |
CN110867196B (zh) | 一种基于深度学习及声音识别的机器设备状态监测系统 | |
CN111610407B (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
CN111354366A (zh) | 一种异常声音检测方法及异常声音检测装置 | |
TW201703028A (zh) | 設備異音的檢測方法及檢測裝置 | |
CN115409131B (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
CN112668105B (zh) | 一种基于sae与马氏距离的直升机传动轴异常判定方法 | |
CN110405537A (zh) | 一种基于深度学习的导轨精度预测模型的建立方法 | |
CN111508517A (zh) | 一种基于噪声特征的微电机智能品控方法 | |
CN107844067A (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
CN116885858B (zh) | 一种基于数字孪生技术的配电网故障处理方法及系统 | |
CN112879278A (zh) | 基于噪声信号a计权分析的泵站机组故障诊断方法 | |
CN117289745B (zh) | 一种数字化配电房运行监控方法 | |
CN110990978A (zh) | 一种螺栓状态监测方法和装置 | |
CN110987396B (zh) | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 | |
CN115165079A (zh) | 一种基于多种声音特征分析的设备报警方法 | |
CN117476040B (zh) | 一种音频识别方法及识别系统 | |
CN112666430B (zh) | 变压器声纹智能故障检测方法及系统 | |
CN117268455B (zh) | 一种工程建筑施工质量检测设备的监测系统 | |
CN117196315A (zh) | 洪灾后基于bim的建筑结构安全性评估监测系统 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN113670611A (zh) | 一种轴承早期退化评估方法、系统、介质及电子设备 | |
CN117193203A (zh) | 基于数据分析的合金材料加工产线监控系统 | |
CN116517862B (zh) | 一种矿井通风机异常诊断系统 | |
CN117309042A (zh) | 基于物联网技术的智能制造数据实时监测方法及系统 |
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 |