CN117558295A - 一种基于slam和sonah融合的声纹监测方法及设备 - Google Patents
一种基于slam和sonah融合的声纹监测方法及设备 Download PDFInfo
- Publication number
- CN117558295A CN117558295A CN202410038333.7A CN202410038333A CN117558295A CN 117558295 A CN117558295 A CN 117558295A CN 202410038333 A CN202410038333 A CN 202410038333A CN 117558295 A CN117558295 A CN 117558295A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target
- grid
- monitoring area
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title abstract description 13
- 238000009826 distribution Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 61
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000012806 monitoring device Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 23
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 230000001351 cycling effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/08—Mouthpieces; Microphones; Attachments therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
- H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
- H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
- H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2410/00—Microphones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Otolaryngology (AREA)
- Automation & Control Theory (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请涉及一种基于SLAM和SONAH融合的声纹监测方法及设备，利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；并传输至所述中央处理模块；利用即时定位与地图构建SLAM技术，构建所述监测区域的三维地图以及所述监测区域内各设备的三维模型，将接收到的实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，实现对所述监测区域内各设备运行状态的实时监测。进而，基于构建的三维地图以及三维模型，精确定位异常设备及异常点。
Description
技术领域
本申请涉及工业设备监测的领域，尤其是涉及一种基于SLAM和SONAH融合的声纹监测方法及设备。
背景技术
由于工业设备在日常生产生活中扮演着越来越重要的角色，为确保工业设备运行的安全可靠，就需要对监测区域的各设备的运行状态进行实时有效的监测。目前，大部分监测区域采用离线监测的方法，需要专门的工作人员对监测区域内的设备进行定期的检修，其工作量较大、人力成本较高。
随着国内监测区域智能化建设的快速推进，部分监测区域开发了一些在线监测系统，通过对监测区域运行时产生的声学信号进行实时采集，实现对监测区域内各设备运行状态的实时监测。
而作为声源识别的一种有效工具，近场声全息技术在监测区域运行状态的监测、设备噪声声源定位等方面有着广泛的应用前景。
发明内容
为解决现有离线监测存在的问题，本申请的目的在于提供一种基于SLAM和SONAH融合的声纹监测方法及设备。
本发明提供了一种基于SLAM和SONAH融合的声纹监测设备，包括设置在可移动支架上的即时定位与地图构建SLAM模块、统计最优近场声全息SONAH模块和中央处理模块，所述中央处理模块分别和即时定位与地图构建SLAM模块、统计最优近场声全息SONAH模块之间建立数据连接；
所述即时定位与地图构建SLAM模块，用于利用即时定位与地图构建SLAM技术，构建监测区域的三维地图以及所述监测区域内各设备的三维模型，并传输至所述中央处理模块；
所述统计最优近场声全息SONAH模块，用于利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图，并传输至所述中央处理模块；
所述中央处理模块，用于将接收到的实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，对所述监测区域内各设备进行运行状态的实时监测：若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的目标设备所在位置；并将对比得到的差异之处对应的声源位置，与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，输出所述监测区域内出现运行异常的目标设备名称以及相应的声源位置。
作为本发明的进一步优化方案：所述声纹监测设备还包括设置在可移动支架上的栅格地图生成模块，所述栅格地图生成模块和所述中央处理模块之间建立数据连接；
所述栅格地图生成模块，用于为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区；
所述中央处理模块，还用于将二维栅格地图与所述三维地图进行配准；在确定所述监测区域内出现运行异常的目标设备后，控制所述声纹监测设备移动至距离所述目标设备的声源位置最近的空闲区，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测：将所述目标设备的实时声场分布云图与所述目标设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述目标设备正常运行状态下的声场分布云图存在差异，则判定所述目标设备出现运行异常，差异之处对应的声源位置即为所述目标设备上存在的异常点。
作为本发明的进一步优化方案：所述统计最优近场声全息SONAH模块包括设置在可移动支架上的第一阵列板、第二阵列板以及数据处理分析单元，所述第一阵列板上设置有第一电动推杆阵列，所述第二阵列板上设置有麦克风阵列，且所述第一电动推杆与所述麦克风一一对应连接；所述麦克风阵列与所述数据处理分析单元之间建立数据连接；
所述可移动支架包括底座以及竖直设置在底座上表面的第二电动推杆，所述第二电动推杆的顶端设置有固定座，所述第一阵列板和所述第二阵列板竖直固定在所述固定座的顶端，且所述第一阵列板和所述第二阵列板平行；所述底座的下表面设置有一组转向轮、一组驱动轮、转向装置和驱动装置；
所述转向装置分别与一组转向轮连接，用于在所述中央处理模块的控制下，驱动转向轮转向，进而带动所述监测设备转向；
所述驱动装置分别与一组驱动轮连接，用于在所述中央处理模块的控制下，驱动驱动轮行进，进而带动所述监测设备移动；
每个所述第一电动推杆，用于在所述中央处理模块的控制下，带动对应的麦克风沿水平方向移动；
所述第二电动推杆，用于在所述中央处理模块的控制下，通过所述固定座带动所述第一阵列板和所述第二阵列板沿竖直方向移动；
所述麦克风阵列，用于实时采集所述监测区域内各设备运行时所产生的多通道声音信号，并传输至所述数据处理分析单元；
所述数据处理分析单元，用于根据接收到的多通道声音信号，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；
所述中央处理模块，还用于控制转向装置和驱动装置，使得所述声纹监测设备移动至距离所述目标设备最近的空闲区，同时使得麦克风阵列正面朝向所述目标设备；之后，控制第二电动推杆使得麦克风阵列的中心点与所述目标设备上存在的异常点处于同一水平面；再后，控制第一电动推杆使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测。
作为本发明的进一步优化方案：所述第二阵列板上开设有通孔阵列，所述通孔与所述麦克风一一对应，且所述通孔的孔径与所述麦克风的最大外径相适应；每个所述麦克风的端部还分别设置有一个测距单元；
所述测距单元，用于获取对应麦克风与所述目标设备的侧壁之间的距离；
所述中央处理模块，还用于控制第一电动推杆带动对应的麦克风沿水平方向移动，使得每个所述麦克风与所述目标设备的侧壁之间的距离相等，进而使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形。
作为本发明的进一步优化方案：所述声纹监测设备还包括设置在可移动支架上的路径规划模块，所述路径规划模块和所述中央处理模块之间建立数据连接；
所述路径规划模块，用于采用改进的A*路径规划算法对所述声纹监测设备的移动
路径进行规划，在所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改进，
改进的代价函数为：
其中，为所述声纹监测设备从当前栅格移动到邻近栅格处的实际距离，为邻近栅格与目标栅格之间的欧氏距离，为邻近栅格与目标栅格之间直线路径的
危险系数，为所述声纹监测设备从邻近栅格移动到目标栅格的路径的转向代价；所述危
险系数，n为邻近栅格与目标栅格之间直线路径经过的属于设备区的栅格数量，N为
邻近栅格与目标栅格之间直线路径经过的栅格数量；所述转向代价，
为当前栅格到邻近栅格的向量与邻近栅格到目标栅格的向量之间的夹角；
所述中央处理模块，还用于根据所述路径规划模块输出的路径规划结果，控制所述声纹监测设备移动至距离该目标设备最近的空闲区。
本发明还提供一种基于如上所述的声纹监测设备的监测方法，所述监测方法包括：
利用即时定位与地图构建SLAM技术，构建所述监测区域的三维地图以及所述监测区域内各设备的三维模型；
利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；
将实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的目标设备所在位置；
将对比得到的差异之处对应的声源位置，与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，确定所述监测区域内出现运行异常的目标设备，并输出所述监测区域内出现运行异常的目标设备名称，实现对所述监测区域内各设备运行状态的实时监测。
作为本发明的进一步优化方案：所述监测方法还包括：
为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区；
在确定所述监测区域内出现运行异常的目标设备后，控制所述声纹监测设备移动至距离所述目标设备的声源位置最近的空闲区，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测：将所述目标设备的实时声场分布云图与所述目标设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述目标设备正常运行状态下的声场分布云图存在差异，则判定所述目标设备出现运行异常，差异之处对应的声源位置即为所述目标设备上存在的异常点。
作为本发明的进一步优化方案：确定所述目标设备上存在的异常点之后，所述监测方法还包括：
对与所述目标设备正常运行状态下的声场分布云图存在差异的实时声场分布云图进行特征提取后，利用预训练的支持向量机，对所述目标设备的故障类别进行判定。
作为本发明的进一步优化方案：所述监测方法还包括：
采用改进的A*路径规划算法对所述声纹监测设备的移动路径进行规划，得到路径
规划结果；其中，在所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改
进，改进的代价函数为：
其中，为所述声纹监测设备从当前栅格移动到邻近栅格处的实际距离，为邻近栅格与目标栅格之间的欧氏距离，为邻近栅格与目标栅格之间直线路径的
危险系数，为所述监测设备从邻近栅格移动到目标栅格的路径的转向代价；
基于所述路径规划结果，控制所述声纹监测设备移动。
作为本发明的进一步优化方案：所述危险系数，其中n为邻近栅格与目标栅
格之间直线路径经过的属于设备区的栅格数量，N为邻近栅格与目标栅格之间直线路径
经过的栅格数量；
所述转向代价，其中，为当前栅格到邻近栅格的向量与邻近
栅格到目标栅格的向量之间的夹角。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述监测方法所述的步骤。
本发明还提供一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述监测方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1. 采用统计最优近场声全息SONAH技术，实时获取监测区域内各设备运行时的声场分布云图，对监测区域内各设备的运行状态进行监测，有利于实现监测区域的全生命周期的健康管理，为保障电网安全可靠运行提供有效技术支撑；
2. 结合即时定位与地图构建SLAM技术，构建监测区域的三维地图以及监测区域内各设备的三维模型，对监测区域内出现异常的设备进行精准定位；
3. 设置可移动支架，使得监测设备能够在监测区域内自由移动，以实现对监测区域不同位置的声音采集，并且保证声音采集时装置的稳定性；
4. 设计一种新的统计最优近场声全息SONAH模块结构，通过电动推杆使得麦克风阵列可以在竖直方向移动，已实现对异常设备的异常点的近距离声音采集；同时，通过电动推杆使得麦克风阵列的测量面能够与异常设备的表面共形，确保声音采集的可靠性，提高异常设备声场重构的精准度；
5. 提出一种改进的路径规划方法，合理规划监测设备的移动路径。
附图说明
图1为本申请实施例中基于SLAM和SONAH融合的声纹监测设备的整体结构框图；
图2为本申请实施例中基于SLAM和SONAH融合的声纹监测设备的结构示意图；
图中，1为底座，2为第二电动推杆，3为固定座，4为第二阵列板，5为第一阵列板，6为转向轮，7为驱动轮，11为支撑座，12为支撑架，41为麦克风，51为第一电动推杆；
图3为本申请实施例中阵列板的结构示意图；
图4为本申请实施例中基于SLAM和SONAH融合的声纹监测方法的流程图。
具体实施方式
下面结合说明书附图以及具体实施例对本申请的技术方案做进一步阐述。
本申请实施例公开了一种基于SLAM和SONAH融合的声纹监测设备，如图1所示，所述声纹监测设备包括设置在可移动支架上的统计最优近场声全息SONAH模块、即时定位与地图构建SLAM模块和中央处理模块，所述中央处理模块分别和即时定位与地图构建SLAM模块、统计最优近场声全息SONAH模块之间建立数据连接。
所述统计最优近场声全息SONAH模块，用于利用统计最优近场声全息SONAH技术，实时获取所述监测区域内各设备运行时所产生声音的实时声场分布云图，并传输至所述中央处理模块。
其中，一般监测区域中包含多个需要利用声纹监测设备进行监测的工业设备，监测区域例如可以包括变电站、铁路轨道、电力机车等。
所述即时定位与地图构建SLAM模块，用于利用即时定位与地图构建SLAM技术，构建监测区域的三维地图以及所述监测区域内各设备的三维模型，并传输至所述中央处理模块。
所述中央处理模块，用于将接收到的实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，实现对所述监测区域内各设备运行状态的实时监测：
若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的目标设备所在位置；进而，将该位置与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，输出所述监测区域内出现运行异常的目标设备名称以及相应的声源位置。
监测区域内的各个设备在运行时产生的声学信号包含大量状态信息，且像指纹一样具有辨识特征。监测区域内设备产生缺陷或发生故障后，其声纹会随之改变。本申请通过统计最优近场声全息SONAH技术获取监测区域内各设备运行时的声场分布云图，将其与各设备正常运行状态是的声场分布云图进行对比，实时监测各设备的运行状态。
本申请中，在监测区域内某一设备出现异常时，通过可移动支架，将声纹监测设备移动至距离所述目标设备的声源位置最近的位置，重新利用所述声纹监测设备对该设备进行运行状态的实时监测：将该设备的实时声场分布云图与该设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与该设备正常运行状态下的声场分布云图存在差异，则判定该设备出现运行异常，差异之处对应的声源位置即为该设备上存在的异常点。
这里需要说明的是，由于差异之处对应的声源位置一般位于异常设备的内部，因此在移动声纹监测设备至异常设备处时，并不仅限于移动至一个位置进行重新监测，而是可以在该异常设备四周的各监测点分别进行监测，以确保获取更加准确的监测结果。具体地，这里的监测点是技术人员通过经验设置的。
在进一步确定异常设备对应的异常点之后，还可以将声纹监测设备移动至距离该异常点最近的监测点进行长时间的监测，以获取更加准确连续的声场数据。这里的长时间一般选取监测点常规检测时间的至少2倍。
进一步地，所述声纹监测设备还包括设置在可移动支架上的栅格地图生成模块，所述栅格地图生成模块和所述中央处理模块之间建立数据连接。
所述栅格地图生成模块，用于为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区。
所述设备区即为监测区域内各设备所占栅格，所述空闲区即为未被各设备所占的栅格。这里需要说明的是，设备所占栅格不仅包括设备本身所占栅格，还包括其外设其他附属装置以及根据规定其四周的禁止区域。
所述中央处理模块，还用于将二维栅格地图与所述三维地图进行配准；在确定所述监测区域内出现运行异常的目标设备后，控制所述声纹监测设备移动至距离所述目标设备的声源位置最近的空闲区。
进一步地，如图2和图3所示，所述统计最优近场声全息SONAH模块包括设置在可移动支架上的第一阵列板、第二阵列板以及数据处理分析单元，所述第一阵列板上设置有第一电动推杆阵列，所述第二阵列板上设置有麦克风阵列，且所述第一电动推杆与所述麦克风一一对应连接；所述麦克风阵列与所述数据处理分析单元之间建立数据连接。
所述可移动支架包括底座以及竖直设置在底座上表面的第二电动推杆，所述第二电动推杆的顶端设置有固定座，所述第一阵列板和所述第二阵列板竖直固定在所述固定座的顶端，且所述第一阵列板和所述第二阵列板平行；所述底座的下表面设置有一组转向轮、一组驱动轮、转向装置和驱动装置。
所述转向装置分别与一组转向轮连接，用于在所述中央处理模块的控制下，驱动转向轮转向，进而带动所述声纹监测设备转向。
所述驱动装置分别与一组驱动轮连接，用于在所述中央处理模块的控制下，驱动驱动轮行进，进而带动所述声纹监测设备移动。
每个所述第一电动推杆，用于在所述中央处理模块的控制下，带动对应的麦克风沿水平方向移动。
所述第二电动推杆，用于在所述中央处理模块的控制下，通过所述固定座带动所述第一阵列板和所述第二阵列板沿竖直方向移动。
所述麦克风阵列，用于实时采集所述监测区域内各设备运行时所产生的多通道声音信号，并传输至所述数据处理分析单元。
所述数据处理分析单元，用于根据接收到的多通道声音信号，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图。
所述中央处理模块，还用于控制转向装置和驱动装置，使得所述声纹监测设备移动至距离所述目标设备最近的空闲区，同时使得麦克风阵列正面朝向所述目标设备；之后，控制第二电动推杆使得麦克风阵列的中心点与所述目标设备上存在的异常点处于同一水平面；再后，控制第一电动推杆使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测。
这里需要说明的是，在实际实施时，所述第一阵列板和所述第二阵列板的尺寸、材质以及阵列板上第一电动推杆/麦克风的安装点的布设等完全相同。
本申请中，所述底座上表面还设置有用于支撑所述第二电动推杆的支撑座。所述支撑座为环形柱状，其内径与所述第二电动推杆的底部外径相适应，所述第二电动推杆嵌入所述支撑座的内部。具体实施时，还可以通过紧固螺钉对所述第二电动推杆作进一步固定；也可以在所述支撑座的周向设置三角形支撑架，以进一步提高稳固性。
进一步地，所述第二阵列板上开设有通孔阵列，所述通孔与所述麦克风一一对应，且所述通孔的孔径与所述麦克风的最大外径相适应，使得麦克风可以在第一电动推杆的作用下贯穿所述通孔移动。每个所述麦克风的端部还分别设置有一个测距单元，用于获取对应麦克风与所述目标设备的侧壁之间的距离。
所述中央处理模块，还用于控制第一电动推杆带动对应的麦克风沿水平方向移动，使得每个所述麦克风与所述目标设备的侧壁之间的距离相等，进而使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形。
进一步地，在确定异常设备之后，还需要为监测设备进行移动路径的规划，路径规划的目标是寻找最短路径。本申请中提出一种全局路径导航规划算法，以距离为代价场，建立改进的A*路径规划算法，计算最优移动路径，对监测设备的移动路径进行合理规划。
改进的A*路径规划算法作为启发式算法的思路是以声纹监测设备当前所在栅格为起始栅格，由代价函数决定监测设备下一时刻应到达的栅格，因此需要实时计算其邻近栅格的代价函数，选择最优的即代价函数值最小的栅格，再以该栅格作为起始栅格继续搜索，直到到达目标栅格时停止搜索、获得最优路径。一般来说，代价函数都是由实际大家和估计代价组成的，在所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改进，改进的代价函数为：
其中，为邻近栅格的代价函数，为所述声纹监测设备从当前栅格移动
到邻近栅格处的欧氏距离，为邻近栅格与目标栅格之间的欧氏距离，为邻近栅格与目标栅格之间直线路径的危险系数，为所述声纹监测设备从邻近栅格移动到目标
栅格的路径的转向代价
具体地，在本申请中，声纹监测设备的移动是由限制的，即不能进入设备区，因此，
定义一个危险系数，将其加入代价函数中。所述危险系数的表达式为，其中n为邻近栅
格与目标栅格之间直线路径经过的属于设备区的栅格数量，N为当前栅格p与目标栅格之
间直线路径经过的栅格数量。
具体地，在本申请中，还定义了一个转向代价，以实现路径的平滑化，实现更少的
路径转弯次数。所述转向代价的表达式为，其中，为当前栅格到邻近栅
格的向量与邻近栅格到目标栅格的向量之间的夹角。
具体地，改进的A*路径规划算法在具体实现时，就是在寻路过程中不断地更新两个集合——开启(Open)、关闭(Closed)两个集，前者用于保存待搜索的节点，即路径可能会通过的栅格；后者用于保存已访问过的节点，即已搜索过的栅格。初始状态下，开启集中仅含起点（即起始栅格）这一个元素，而关闭集为空。该路径规划算法具体流程如下：
步骤1.1，设定open列表和close列表，分别存储没有访问过的节点和已经访问过的节点；
步骤1.2，开始搜索时，close列表为空，访问过起始节点后，将起始节点从open列表中删除，将起始节点加入close列表中，利用改进后的A*路径规划算法反复搜索，寻找目的节点；
步骤1.3，在到达目的节点之前，继续搜索起始节点的相邻节点，判断搜索到的新节点是否在open列表中，如果不在open列表中，则将该新节点加入open列表中，采用代价函数计算该新节点的代价函数值f，将该新节点设置为当前搜索点的父节点并加入close列表中；如果在open列表中，则执行步骤1 .4；
步骤1.4，采用代价函数计算该新节点的代价函数值f，并与前一次计算出来的相同节点的代价值f进行对比，选取代价函数值f最小的节点作为下一次搜索点的父节点，并将代价函数值f最小的节点加入close列表中，然后继续更新open列表中的节点信息；
步骤1.5，循环步骤1 .1至步骤1 .4，直到达到目的节点，当遍历到目的节点，并且将目的节点添加到close列表中时，循环结束，得到路径规划结果。
在确定路径规划结果后，可以将该路径规划结果传输至中央处理模块，中央处理模块在接收到路径规划结果后，还用于根据该路径规划结果，控制声纹监测设备移动至距离该目标设备最近的空闲区，以使声纹监测设备继续对目标设备的运行状态进行实时监测。
本申请实施例还公开了一种基于SLAM和SONAH融合的声纹监测方法，如图4所示，具体流程如下：
利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；
利用即时定位与地图构建SLAM技术，构建所述监测区域的三维地图以及所述监测区域内各设备的三维模型；
将实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的设备所在位置；
将对比得到的差异之处对应的声源位置，与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，确定所述监测区域内出现运行异常的目标设备，并输出所述监测区域内出现运行异常的目标设备名称，实现对所述监测区域内各设备运行状态的实时监测。
进一步地，为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区；在确定所述监测区域内出现运行异常的设备后，将所述监测设备移动至距离所述目标设备的声源位置最近的空闲区，重新利用所述声纹监测设备对该设备进行运行状态的实时监测：将该目标设备的实时声场分布云图与该目标设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与该设备正常运行状态下的声场分布云图存在差异，则判定该设备出现运行异常，差异之处对应的声源位置即为该目标设备上存在的异常点。
进一步地，确定所述目标设备上存在的异常点之后，所述监测方法还包括：对与该目标设备正常运行状态下的声场分布云图存在差异的实时声场分布云图进行特征提取后，利用预训练完成的支持向量机，对该目标设备的故障类别进行判定。
这里需要说明的是，由于监测区域内各设备出现运行异常时的声场特征不尽相同，因此，在对异常设备的故障类别进行判定前，还需要预先根据专家知识为监测区域内各个设备分别训练用于故障类别判定的支持向量机。
进一步地，所述监测方法还包括：
采用改进的A*路径规划算法对所述声纹监测设备的移动路径进行规划，得到路径规划结果；基于所述路径规划结果，控制所述声纹监测设备移动；
其中，在所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改进，
改进的代价函数为：
其中，为所述声纹监测设备从当前栅格移动到邻近栅格处的实际距离，为邻近栅格与目标栅格之间的欧氏距离，为邻近栅格与目标栅格之间直线路径的
危险系数，为所述声纹监测设备从邻近栅格移动到目标栅格的路径的转向代价；所述危
险系数，其中n为邻近栅格与目标栅格之间直线路径经过的属于设备区的栅格数量，
N为邻近栅格与目标栅格之间直线路径经过的栅格数量；所述转向代价，其中，为当前栅格到邻近栅格的向量与邻近栅格到目标栅格的向
量之间的夹角。
上述基于SLAM和SONAH融合的声纹监测方法的具体实现方案与前述声纹监测设备类似，这里不再赘述。
基于相同的技术方案，本申请实施例还公开了一种存储一个或多个程序的计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述基于SLAM和SONAH融合的声纹监测方法。
基于相同的技术方案，本申请实施例还公开了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述基于SLAM和SONAH融合的声纹监测方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、只读光盘存储器（Compact disc read-onlymemory，CD-ROM）、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于SLAM和SONAH融合的声纹监测设备，其特征在于：包括设置在可移动支架上的即时定位与地图构建SLAM模块、统计最优近场声全息SONAH模块和中央处理模块，所述中央处理模块分别和即时定位与地图构建SLAM模块、统计最优近场声全息SONAH模块之间建立数据连接；
所述即时定位与地图构建SLAM模块，用于利用即时定位与地图构建SLAM技术，构建监测区域的三维地图以及所述监测区域内各设备的三维模型，并传输至所述中央处理模块；
所述统计最优近场声全息SONAH模块，用于利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图，并传输至所述中央处理模块；
所述中央处理模块，用于将接收到的实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，实现对所述监测区域内各设备进行运行状态的实时监测：若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的目标设备所在位置；并将对比得到的差异之处对应的声源位置，与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，输出所述监测区域内出现运行异常的目标设备名称以及相应的声源位置。
2.根据权利要求1所述的声纹监测设备，其特征在于：所述声纹监测设备还包括设置在可移动支架上的栅格地图生成模块，所述栅格地图生成模块和所述中央处理模块之间建立数据连接；
所述栅格地图生成模块，用于为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区；
所述中央处理模块，还用于将二维栅格地图与所述三维地图进行配准；在确定所述监测区域内出现运行异常的目标设备后，控制所述声纹监测设备移动至距离所述目标设备的声源位置最近的空闲区，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测：将所述目标设备的实时声场分布云图与所述目标设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述目标设备正常运行状态下的声场分布云图存在差异，则判定所述目标设备出现运行异常，差异之处对应的声源位置即为所述目标设备上存在的异常点。
3.根据权利要求2所述的声纹监测设备，其特征在于：所述统计最优近场声全息SONAH模块包括设置在可移动支架上的第一阵列板、第二阵列板以及数据处理分析单元，所述第一阵列板上设置有第一电动推杆阵列，所述第二阵列板上设置有麦克风阵列，且所述第一电动推杆与所述麦克风一一对应连接；所述麦克风阵列与所述数据处理分析单元之间建立数据连接；
所述可移动支架包括底座以及竖直设置在底座上表面的第二电动推杆，所述第二电动推杆的顶端设置有固定座，所述第一阵列板和所述第二阵列板竖直固定在所述固定座的顶端，且所述第一阵列板和所述第二阵列板平行；所述底座的下表面设置有一组转向轮、一组驱动轮、转向装置和驱动装置；
所述转向装置分别与一组转向轮连接，用于在所述中央处理模块的控制下，驱动转向轮转向，进而带动所述声纹监测设备转向；
所述驱动装置分别与一组驱动轮连接，用于在所述中央处理模块的控制下，驱动驱动轮行进，进而带动所述声纹监测设备移动；
每个所述第一电动推杆，用于在所述中央处理模块的控制下，带动对应的麦克风沿水平方向移动；
所述第二电动推杆，用于在所述中央处理模块的控制下，通过所述固定座带动所述第一阵列板和所述第二阵列板沿竖直方向移动；
所述麦克风阵列，用于实时采集所述监测区域内各设备运行时所产生的多通道声音信号，并传输至所述数据处理分析单元；
所述数据处理分析单元，用于根据接收到的多通道声音信号，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；
所述中央处理模块，还用于控制转向装置和驱动装置，使得所述声纹监测设备移动至距离所述目标设备最近的空闲区，同时使得麦克风阵列正面朝向所述目标设备；之后，控制第二电动推杆使得麦克风阵列的中心点与所述目标设备上存在的异常点处于同一水平面；再后，控制第一电动推杆使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测。
4.根据权利要求3所述的声纹监测设备，其特征在于：所述第二阵列板上开设有通孔阵列，所述通孔与所述麦克风一一对应，且所述通孔的孔径与所述麦克风的最大外径相适应；每个所述麦克风的端部还分别设置有一个测距单元；
所述测距单元，用于获取对应麦克风与所述目标设备的侧壁之间的距离；
所述中央处理模块，还用于控制第一电动推杆带动对应的麦克风沿水平方向移动，使得每个所述麦克风与所述目标设备的侧壁之间的距离相等，进而使得麦克风阵列的测量面与其正对的所述目标设备的侧壁共形。
5.根据权利要求2所述的声纹监测设备，其特征在于：所述声纹监测设备还包括设置在可移动支架上的路径规划模块，所述路径规划模块和所述中央处理模块之间建立数据连接；
所述路径规划模块，用于采用改进的A*路径规划算法对所述声纹监测设备的移动路径进行规划，在所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改进，改进的代价函数为：/>其中，/>为所述声纹监测设备从当前栅格移动到邻近栅格/>处的实际距离，/>为邻近栅格/>与目标栅格之间的欧氏距离，/>为邻近栅格/>与目标栅格之间直线路径的危险系数，/>为所述声纹监测设备从邻近栅格/>移动到目标栅格的路径的转向代价；所述危险系数/>，n为邻近栅格/>与目标栅格之间直线路径经过的属于设备区的栅格数量，N为邻近栅格/>与目标栅格之间直线路径经过的栅格数量；所述转向代价/>，/>为当前栅格到邻近栅格/>的向量与邻近栅格/>到目标栅格的向量之间的夹角；
所述中央处理模块，还用于根据所述路径规划模块输出的路径规划结果，控制所述声纹监测设备移动至距离该目标设备最近的空闲区。
6.一种基于如权利要求1所述的声纹监测设备的监测方法，其特征在于：所述监测方法包括：
利用即时定位与地图构建SLAM技术，构建所述监测区域的三维地图以及所述监测区域内各设备的三维模型；
利用统计最优近场声全息SONAH技术，获取所述监测区域内各设备运行时所产生声音的实时声场分布云图；
将实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述监测区域内各设备正常运行状态下的声场分布云图存在差异，则判定所述监测区域内存在出现运行异常的目标设备，差异之处对应的声源位置即为所述监测区域内出现运行异常的目标设备所在位置；
将对比得到的差异之处对应的声源位置，与所述监测区域的三维地图以及所述监测区域内各设备的三维模型进行配准，进而基于所述监测区域的设计资料，确定所述监测区域内出现运行异常的目标设备，并输出所述监测区域内出现运行异常的目标设备名称，实现对所述监测区域内各设备运行状态的实时监测。
7.根据权利要求6所述的监测方法，其特征在于：所述监测方法还包括：
为所述监测区域的场地建模，生成所述监测区域的场地的二维栅格地图，并将所述监测区域的场地划分为多个栅格类型的区域：设备区和空闲区；
在确定所述监测区域内出现运行异常的目标设备后，控制所述声纹监测设备移动至距离所述目标设备的声源位置最近的空闲区，重新利用所述声纹监测设备对所述目标设备进行运行状态的实时监测：将所述目标设备的实时声场分布云图与所述目标设备正常运行状态下的声场分布云图进行对比，若实时声场分布云图与所述目标设备正常运行状态下的声场分布云图存在差异，则判定所述目标设备出现运行异常，差异之处对应的声源位置即为所述目标设备上存在的异常点。
8.根据权利要求6所述的监测方法，其特征在于：确定所述目标设备上存在的异常点之后，所述监测方法还包括：
对与所述目标设备正常运行状态下的声场分布云图存在差异的实时声场分布云图进行特征提取后，利用预训练的支持向量机，对所述目标设备的故障类别进行判定。
9.根据权利要求7所述的监测方法，其特征在于：所述监测方法还包括：
采用改进的A*路径规划算法对所述声纹监测设备的移动路径进行规划，得到路径规划结果；其中，所述改进的A*路径规划算法中，对A*路径规划算法的代价函数进行改进，改进的代价函数为：/>其中，/>为所述声纹监测设备从当前栅格移动到邻近栅格/>处的实际距离，/>为邻近栅格/>与目标栅格之间的欧氏距离，/>为邻近栅格/>与目标栅格之间直线路径的危险系数，/>为所述声纹监测设备从邻近栅格/>移动到目标栅格的路径的转向代价；
基于所述路径规划结果，控制所述声纹监测设备移动。
10.根据权利要求9所述的监测方法，其特征在于：所述危险系数，其中n为邻近栅格/>与目标栅格之间直线路径经过的属于设备区的栅格数量，N为邻近栅格/>与目标栅格之间直线路径经过的栅格数量；
所述转向代价，其中，/>为当前栅格到邻近栅格/>的向量与邻近栅格到目标栅格的向量之间的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038333.7A CN117558295B (zh) | 2024-01-11 | 2024-01-11 | 一种基于slam和sonah融合的声纹监测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038333.7A CN117558295B (zh) | 2024-01-11 | 2024-01-11 | 一种基于slam和sonah融合的声纹监测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117558295A true CN117558295A (zh) | 2024-02-13 |
| CN117558295B CN117558295B (zh) | 2024-03-26 |
Family
ID=89813105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410038333.7A Active CN117558295B (zh) | 2024-01-11 | 2024-01-11 | 一种基于slam和sonah融合的声纹监测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117558295B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
| JP2015081831A (ja) * | 2013-10-22 | 2015-04-27 | 株式会社国際電気通信基礎技術研究所 | 音源位置推定装置、移動体および移動体の制御方法 |
| CN104698090A (zh) * | 2015-03-17 | 2015-06-10 | 芜湖凯博实业股份有限公司 | 一种冷却塔故障诊断方法 |
| US20190364358A1 (en) * | 2017-06-06 | 2019-11-28 | Goertek Inc. | Method and device for sound source positioning using microphone array |
| CN111536978A (zh) * | 2020-05-25 | 2020-08-14 | 深圳市城市公共安全技术研究院有限公司 | 室内定位导航系统及其在应急疏散中的应用方法 |
| CN111812425A (zh) * | 2020-05-28 | 2020-10-23 | 国网河北省电力有限公司电力科学研究院 | 一种基于近场声全息技术的高压并联电抗器故障检测方法 |
| CN113570721A (zh) * | 2021-09-27 | 2021-10-29 | 贝壳技术有限公司 | 三维空间模型的重建方法、装置和存储介质 |
| CN114821395A (zh) * | 2022-03-29 | 2022-07-29 | 联想(北京)有限公司 | 异常定位方法、装置、设备及可读存储介质 |
| CN115272560A (zh) * | 2021-12-06 | 2022-11-01 | 中国电力科学研究院有限公司 | 一种基于三维声场云图的变电设备隐患定位方法及系统 |
-
2024
- 2024-01-11 CN CN202410038333.7A patent/CN117558295B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
| JP2015081831A (ja) * | 2013-10-22 | 2015-04-27 | 株式会社国際電気通信基礎技術研究所 | 音源位置推定装置、移動体および移動体の制御方法 |
| CN104698090A (zh) * | 2015-03-17 | 2015-06-10 | 芜湖凯博实业股份有限公司 | 一种冷却塔故障诊断方法 |
| US20190364358A1 (en) * | 2017-06-06 | 2019-11-28 | Goertek Inc. | Method and device for sound source positioning using microphone array |
| CN111536978A (zh) * | 2020-05-25 | 2020-08-14 | 深圳市城市公共安全技术研究院有限公司 | 室内定位导航系统及其在应急疏散中的应用方法 |
| CN111812425A (zh) * | 2020-05-28 | 2020-10-23 | 国网河北省电力有限公司电力科学研究院 | 一种基于近场声全息技术的高压并联电抗器故障检测方法 |
| CN113570721A (zh) * | 2021-09-27 | 2021-10-29 | 贝壳技术有限公司 | 三维空间模型的重建方法、装置和存储介质 |
| CN115272560A (zh) * | 2021-12-06 | 2022-11-01 | 中国电力科学研究院有限公司 | 一种基于三维声场云图的变电设备隐患定位方法及系统 |
| CN114821395A (zh) * | 2022-03-29 | 2022-07-29 | 联想(北京)有限公司 | 异常定位方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 邱海宾;杨坤德;: "基于波叠加的高压输电线噪声场计算模型", 电声技术, no. 10, 17 October 2009 (2009-10-17), pages 81 - 85 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117558295B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103019135B (zh) | 风机部件的寿命预测方法及系统 | |
| CN106597136B (zh) | 一种基于变电站巡检机器人的异常设备智能巡检方法 | |
| CN102566576B (zh) | 一种用于变电站顺控系统的多巡检机器人协同运作方法 | |
| CN107491817A (zh) | 生产线设备和生产工况的巡检方法及终端设备和机器人 | |
| CN109583092A (zh) | 一种多层次多模式特征提取的智能机械系统故障诊断方法 | |
| CN110570012B (zh) | 一种基于Storm的电厂生产设备故障预警方法及系统 | |
| CN110362037A (zh) | 一种用于数控机床的综合维护系统平台 | |
| CN112632805B (zh) | 机组跨越振动区分析预警方法、系统、终端及介质 | |
| CN106156888A (zh) | 一种巡检机器人的巡检路径规划方法及装置 | |
| CN109409668A (zh) | 基于数据挖掘的抽水蓄能机组故障关联关系分析方法 | |
| CN110231156A (zh) | 基于时序特征的服务机器人运动系统故障诊断方法及装置 | |
| CN117558295B (zh) | 一种基于slam和sonah融合的声纹监测方法及设备 | |
| Eickmeyer et al. | Data Driven Modeling for System-Level Condition Monitoring on Wind Power Plants. | |
| CN112966630A (zh) | 一种超/特高压gis开关设备运行状态评估方法、系统及设备 | |
| CN115083171B (zh) | 一种基于渣土车监控的无人机定点巡检方法及系统 | |
| CN116488169A (zh) | 基于智慧开关的故障处理方法、装置、系统和介质 | |
| CN115204588A (zh) | 一种引入权重因子的水泵综合健康状态评估方法 | |
| CN113484693B (zh) | 基于图神经网络的变电站二次回路故障定位方法及系统 | |
| CN112698148A (zh) | 一种电压暂降源定位及故障处置方法 | |
| CN113237619A (zh) | 变转速旋转机械振动的故障预警方法、装置、设备以及存储介质 | |
| CN112486136B (zh) | 故障预警系统及方法 | |
| CN112000708A (zh) | 一种基于调控配用数据融合的异常数据处理方法及系统 | |
| CN117350377A (zh) | 一种基于知识图谱驱动的设备故障诊断方法及装置 | |
| Wang et al. | The Application Research of Deep Learning Based Method for Short-term Wind Speed Forecasting | |
| CN109038544B (zh) | 一种基于电压轨迹特征的暂态稳定识别方法 |
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 |