TW202217259A - 基於聲音的機械監測系統及方法 - Google Patents
基於聲音的機械監測系統及方法 Download PDFInfo
- Publication number
- TW202217259A TW202217259A TW109137390A TW109137390A TW202217259A TW 202217259 A TW202217259 A TW 202217259A TW 109137390 A TW109137390 A TW 109137390A TW 109137390 A TW109137390 A TW 109137390A TW 202217259 A TW202217259 A TW 202217259A
- Authority
- TW
- Taiwan
- Prior art keywords
- sound
- time
- measured
- machine
- frequency
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H15/00—Measuring mechanical or acoustic impedance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Acoustics & Sound (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一種基於聲音的機械監測系統,適用於監測一待監測機械,包含一收音器及一運算單元。該收音器設置於該待監測機械,用以擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料。該運算單元連接該收音器,用以將該待測聲音資料進行時頻分析並產生一待測時頻圖,且將該待測時頻圖輸入一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型,以產生一有關於該待監測機械是否正常的檢測結果,當該檢測結果有關於該待監測機械異常時,輸出一異常訊息。此外,本發明還提供一種基於聲音的機械監測方法。
Description
本發明是有關於一種監測系統,特別是指一種基於聲音的機械監測系統及方法。
高度自動化的機械越來越普及,不論是工廠或是家庭都對機械有高度的依賴,然而每台機械運行一段時間後,都可能會出現故障,如果故障不能及時被發現和排除,往往會影響生產良率,以及機械的使用壽命。
由於現有的機械檢測方式皆須將機械進行拆卸,以檢測機械內部元件是否故障,因此現有一般工廠機器或者家用電器設備都是採定期檢修或是等到機械無法運轉時,才進行通知相關人員進行維修。
然而,定期檢修有可能會發生機械內部元件在異常狀況下運轉一陣子後才發現問題,此舉會影響到其他未損壞元件,需要付出更多的維修成本,而等到機械無法運轉時,更是需要付出極大的維修成本。
因此,本發明的目的,即在提供一種自動監測機械是否異常的基於聲音的機械監測系統。
於是,本發明基於聲音的機械監測系統,適用於監測一待監測機械,包含一收音器及一運算單元。
該收音器設置於該待監測機械,用以擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料。
該運算單元連接該收音器,用以將該待測聲音資料進行時頻分析並產生一待測時頻圖,且將該待測時頻圖輸入一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型,以產生一有關於該待監測機械是否正常的檢測結果,當該檢測結果有關於該待監測機械異常時,輸出一異常訊息。
因此,本發明的另一目的,即在提供一種自動監測機械是否異常的基於聲音的機械監測方法。
於是,本發明基於聲音的機械監測方法,適用於監測一待監測機械,由一監測系統來實施,該監測系統包括一收音器及一連接該收音器的運算單元,該方法包含一步驟(A)、一步驟(B)、一步驟(C),及一步驟(D)。
在該步驟(A)中,該收音器擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料。
在該步驟(B)中,該運算單元將該待測聲音資料進行時頻分析並產生一待測時頻圖。
在該步驟(C)中,該運算單元將該待測時頻圖輸入一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型,以產生一有關於該待監測機械是否正常的檢測結果。
在該步驟(D)中,當該檢測結果有關於該待監測機械異常時,該運算單元輸出一異常訊息。
本發明的功效在於:藉由該收音器擷取該待監測機械運轉時所發出的聲音,以產生該待測聲音資料,再藉由該運算單元將該待測聲音資料進行時頻分析後將該待測時頻圖輸入該判斷模型,不需要拆卸該待監測機械,即能產生該檢測結果,並當該檢測結果有關於該待監測機械異常時,輸出該異常訊息。
在本發明被詳細描述之前,應當注意在以下的說明內容中,類似的元件是以相同的編號來表示。
參閱圖1,本發明基於聲音的機械監測系統1的一實施例,適用於監測一待監測機械(圖未示),該實施例包含一收音器11、一儲存單元12,及一運算單元13。
該收音器11設置於該待監測機械,用以擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料。值得注意的是,在本實施例中,該收音器11可擷取頻率48千赫茲(kHz)以上之聲音,且由於是長期監控,為了盡可能不耗電,該收音器11每一分鐘擷取10秒鐘的聲音,但不以此為限。
該儲存單元12儲存多筆訓練聲音資料,該等訓練聲音資料係有關於至少一經判定為正常的機械之運轉聲。值得注意的是,在本實施例中,該等訓練聲音資料包括頻率為48千赫茲以上之聲音,且該等訓練聲音資料為該待監測機械經判定為正常時,由該收音器11在不同時間擷取該待監測機械運轉時所發出的聲音而產生的,在其他實施方式中,該等訓練聲音資料亦可為由該收音器11在不同時間擷取多個與該待監測機械同型號且經判定為正常的機械運轉時所發出的聲音而產生的,不以此為限。
該運算單元13經由一通訊網路100連接該收音器11,且電連接該儲存單元12。值得注意的是,在本實施例中,該儲存單元12與該運算單元13共同構成一伺服器,在其他實施方式中,該運算單元13經由一通訊網路100連接該收音器11及該儲存單元12,該儲存單元12為一資料庫伺服器,該運算單元13為一運算伺服器,或是該運算單元13電連接該收音器11及該儲存單元12,且該儲存單元12與該運算單元13共同構成一電腦設備,但不以此為限。
參閱圖2、圖3,及圖4,說明本發明基於聲音的機械監測系統如何執行本發明基於聲音的機械監測方法之一實施例,該實施例包含一訓練程序2、一門檻值決定程序3,及一監測程序4。
參閱圖1及圖2,該訓練程序2包括步驟21、22,以下說明該訓練程序2的步驟。
在步驟21中,該運算單元13將該等訓練聲音資料分別進行時頻分析,並分別產生多張對應的訓練時頻圖。
在步驟22中,該運算單元13將該等訓練時頻圖輸入一卷積神經網路(Convolutional Neural Network, CNN),並訓練該卷積神經網路以建立一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型。值得注意的是,在本實施例中,該運算單元13係利用Autoencoder、Densenet、Xception,及Resnet之其中一種預訓練模型進行訓練,但不以此為限。
參閱圖1及圖3,該門檻值決定程序3包括步驟31~33,以下說明該門檻值決定程序3的步驟。
在步驟31中,該運算單元13將該等訓練時頻圖分別輸入該判斷模型,而分別得到多個對應的參考檢測值。
在步驟32中,該運算單元13根據該等參考檢測值計算相關於該等參考檢測值的一平均值及一標準差值。
在步驟33中,該運算單元13根據該平均值與該標準差值,獲得一門檻值。
值得注意的是,在本實施例中,該門檻值為該平均值減去該標準差值,但不以此為限。
參閱圖1及圖4,該監測程序4包括步驟41~45,以下說明該監測程序4的步驟。
在步驟41中,該收音器11擷取該待監測機械運轉時所發出的聲音,以產生該待測聲音資料。
在步驟42中,該運算單元13將該待測聲音資料進行時頻分析並產生一待測時頻圖。
要特注意的是,該運算單元13會先將該待測聲音資料進行指數函數運算,將較大音量(大於等於音量平均值)之聲音放大,並將較小音量(小於音量平均值)之聲音抑制,以抑制周圍雜訊,再將運算後的該待測聲音資料進行時頻分析,以產生該待測時頻圖。
在步驟43中,該運算單元13將該待測時頻圖輸入該判斷模型,以產生一有關於該待監測機械是否正常的檢測結果。
值得注意的是,在本實施例中,該運算單元13先將該待測時頻圖輸入該判斷模型後,獲得一對應該待測時頻圖且相關於與該正常機械相似度的待測相似值,該待測相似值大於等於該門檻值,表示該待測時頻圖與該等訓練時頻圖相似,該待監測機械為正常。若該待測相似值低於該門檻值,該運算單元13產生有關於該待監測機械異常的檢測結果;而該待測相似值大於等於該門檻值,則該運算單元13產生有關於該待監測機械正常的檢測結果。
在步驟44中,該運算單元13判斷該檢測結果是否有關於該待監測機械異常。當該運算單元13判斷出該檢測結果有關於該待監測機械異常時,流程進行步驟45;而當該運算單元13判斷出該檢測結果不關於該待監測機械異常時,則重複步驟41。
在步驟45中,該運算單元13輸出一異常訊息。
值得注意的是,在本實施例中,該運算單元13將該異常訊息輸出至一經由該通訊網路100與該運算單元13連接的行動裝置(圖未示),在其他實施方式中,該運算單元13亦可將該異常訊息輸出至一與該運算單元13電連接的顯示螢幕(圖未示),不以此為限。
綜上所述,本發明基於聲音的機械監測系統及方法,藉由該收音器11擷取該待監測機械運轉時所發出的聲音,以產生該待測聲音資料,再藉由該運算單元13將該待測聲音資料進行時頻分析後將該待測時頻圖輸入該判斷模型,不需要拆卸該待監測機械,即能產生該檢測結果,並當該檢測結果有關於該待監測機械異常時,輸出該異常訊息。此外,由於該收音器11可擷取48千赫茲以上之聲音,該判斷模型可進行高頻聲音之分析,使得該檢測結果更為準確,故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
1:機械監測系統
11:收音器
12:儲存單元
13:運算單元
2:訓練程序
21、22:步驟
3:門檻值決定程序
31~33:步驟
4:監測程序
41~45:步驟
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:
圖1是一方塊圖,說明本發明基於聲音的機械監測系統的一實施例;
圖2是一流程圖,說明本發明基於聲音的機械監測方法的一實施例之一訓練程序;
圖3是一流程圖,說明本發明基於聲音的機械監測方法的該實施例之一門檻值決定程序;及
圖4是一流程圖,說明本發明基於聲音的機械監測方法的該實施例之一監測程序。
4:監測程序
41~45:步驟
Claims (10)
- 一種基於聲音的機械監測系統,適用於監測一待監測機械,包含: 一收音器,設置於該待監測機械,用以擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料; 一運算單元,連接該收音器,用以將該待測聲音資料進行時頻分析並產生一待測時頻圖,且將該待測時頻圖輸入一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型,以產生一有關於該待監測機械是否正常的檢測結果,當該檢測結果有關於該待監測機械異常時,輸出一異常訊息。
- 如請求項1所述的基於聲音的機械監測系統,其中,該待測聲音資料包括頻率48千赫以上的聲音。
- 如請求項1所述的基於聲音的機械監測系統,其中,該運算單元先將該待測聲音資料進行指數函數運算,再將運算後的該待測聲音資料進行時頻分析,以產生該待測時頻圖。
- 如請求項1所述的基於聲音的機械監測系統,還包含一連接該運算單元的儲存單元,該儲存單元儲存多筆訓練聲音資料,該等訓練聲音資料係有關於至少一經判定為正常的機械之運轉聲,其中,該運算單元將該等訓練聲音資料分別進行時頻分析,並分別產生多張對應的訓練時頻圖,再將該等訓練時頻圖輸入一卷積神經網路,並訓練該卷積神經網路以建立該判斷模型。
- 如請求項4所述的基於聲音的機械監測系統,其中,該運算單元將該等訓練時頻圖分別輸入該判斷模型,而分別得到多個對應的參考檢測值,並根據該等參考檢測值計算相關於該等參考檢測值的一平均值及一標準差值,且根據該平均值與該標準差值,獲得一門檻值,該運算單元將該待測時頻圖輸入該判斷模型後,獲得一對應該待測時頻圖且相關於與該正常機械相似度的待測相似值,當該待測相似值低於該門檻值時,則產生有關於該待監測機械異常的該檢測結果。
- 一種基於聲音的機械監測方法,適用於監測一待監測機械,由一監測系統來實施,該監測系統包括一收音器及一連接該收音器的運算單元,包含以下步驟: (A)藉由該收音器,擷取該待監測機械運轉時所發出的聲音,以產生一待測聲音資料; (B)藉由該運算單元,將該待測聲音資料進行時頻分析並產生一待測時頻圖; (C)藉由該運算單元,將該待測時頻圖輸入一用於根據與一機械運轉發出聲音相關的時頻圖判斷該機械是否正常的判斷模型,以產生一有關於該待監測機械是否正常的檢測結果;及 (D)藉由該運算單元,當該檢測結果有關於該待監測機械異常時,輸出一異常訊息。
- 如請求項6所述的基於聲音的機械監測方法,其中,在步驟(A)中,該待測聲音資料包括頻率48千赫以上的聲音。
- 如請求項6所述的基於聲音的機械監測方法,其中,步驟(B)包括以下以步驟: (B-1)藉由該運算單元,將該待測聲音資料進行指數函數運算;及 (B-2)藉由該運算單元,將運算後的該待測聲音資料進行時頻分析,以產生該待測時頻圖。
- 如請求項6所述的基於聲音的機械監測方法,該監測系統包括還包括一連接該運算單元的儲存單元,該儲存單元儲存多筆訓練聲音資料,該等訓練聲音資料係有關於至少一經判定為正常的機械之運轉聲,其中在步驟(A)之前還包含以下步驟: (E)藉由該運算單元,將該等訓練聲音資料分別進行時頻分析,並分別產生多張對應的訓練時頻圖;及 (F)藉由該運算單元,將該等訓練時頻圖輸入一卷積神經網路,並訓練該卷積神經網路以建立該判斷模型。
- 如請求項9所述的基於聲音的機械監測方法,在步驟(F)之後還包含以下步驟: (G)藉由該運算單元,將該等訓練時頻圖分別輸入該判斷模型,而分別得到多個對應的參考檢測值; (H)藉由該運算單元,根據該等參考檢測值計算相關於該等參考檢測值的一平均值及一標準差值; (I)藉由該運算單元,根據該平均值與該標準差值,獲得一門檻值; 其中,步驟(C)包括以下子步驟: (C-1)藉由該運算單元,將該待測時頻圖輸入該判斷模型後,獲得一對應該待測時頻圖且相關於與該正常機械相似度的待測相似值;及 (C-2)藉由該運算單元,當該待測相似值低於該門檻值時,則產生有關於該待監測機械異常的該檢測結果。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137390A TWI760904B (zh) | 2020-10-28 | 2020-10-28 | 基於聲音的機械監測系統及方法 |
US17/158,541 US20220129748A1 (en) | 2020-10-28 | 2021-01-26 | System and method for monitoring a machine |
KR1020210078376A KR20220056782A (ko) | 2020-10-28 | 2021-06-17 | 기계 모니터링을 위한 시스템과 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137390A TWI760904B (zh) | 2020-10-28 | 2020-10-28 | 基於聲音的機械監測系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI760904B TWI760904B (zh) | 2022-04-11 |
TW202217259A true TW202217259A (zh) | 2022-05-01 |
Family
ID=81257067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109137390A TWI760904B (zh) | 2020-10-28 | 2020-10-28 | 基於聲音的機械監測系統及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220129748A1 (zh) |
KR (1) | KR20220056782A (zh) |
TW (1) | TWI760904B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11443758B2 (en) * | 2021-02-09 | 2022-09-13 | International Business Machines Corporation | Anomalous sound detection with timbre separation |
CN115096375B (zh) * | 2022-08-22 | 2022-11-04 | 启东亦大通自动化设备有限公司 | 基于托辊搬运小车检测的托辊运行状态监测方法和装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8567777B2 (en) * | 2011-12-06 | 2013-10-29 | Eastman Kodak Company | Combined ultrasonic-based multifeed detection method and sound-based damage detection method |
EP4113076A3 (en) * | 2016-04-01 | 2023-01-18 | Nippon Telegraph And Telephone Corporation | Anomalous sound detection training apparatus, and methods and program for the same |
US11703845B2 (en) * | 2018-07-06 | 2023-07-18 | Panasonic Intellectual Property Management Co., Ltd. | Abnormality predicting system and abnormality predicting method |
JP6882248B2 (ja) * | 2018-11-14 | 2021-06-02 | ファナック株式会社 | 工具取付異常検出装置 |
WO2020153934A1 (en) * | 2019-01-21 | 2020-07-30 | Hewlett-Packard Development Company, L.P. | Fault prediction model training with audio data |
EP3832303A1 (en) * | 2019-12-05 | 2021-06-09 | Sensirion AG | Self-tuning processing of environmental sensor data |
CN111306008B (zh) * | 2019-12-31 | 2022-03-11 | 远景智能国际私人投资有限公司 | 风机叶片的检测方法、装置、设备及存储介质 |
CN110988137A (zh) * | 2019-12-31 | 2020-04-10 | 四川长虹电器股份有限公司 | 一种基于时频域特征的异音检测系统及方法 |
EP3885974B1 (en) * | 2020-03-28 | 2024-01-03 | Tata Consultancy Services Limited | Methods and systems for identifying presence of abnormal heart sounds of a subject |
-
2020
- 2020-10-28 TW TW109137390A patent/TWI760904B/zh active
-
2021
- 2021-01-26 US US17/158,541 patent/US20220129748A1/en not_active Abandoned
- 2021-06-17 KR KR1020210078376A patent/KR20220056782A/ko not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
TWI760904B (zh) | 2022-04-11 |
US20220129748A1 (en) | 2022-04-28 |
KR20220056782A (ko) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200233397A1 (en) | System, method and computer-accessible medium for machine condition monitoring | |
TWI760904B (zh) | 基於聲音的機械監測系統及方法 | |
CN106104496B (zh) | 用于任意时序的不受监督的异常检测 | |
JP5743996B2 (ja) | 自動変速機の異常判定装置および異常判定方法 | |
CN107124289B (zh) | 网络日志时间对齐方法、装置及主机 | |
KR101607047B1 (ko) | 결함 검출을 위한 신호 분석 방법 및 장치 | |
WO2018014502A1 (zh) | 电梯的预诊断方法及装置 | |
KR101843365B1 (ko) | 규칙 및 사례 기반 통합 진단 시스템 및 데이터베이스 | |
WO2019024450A1 (zh) | 一种设备故障检测方法及装置 | |
JP6281273B2 (ja) | 音響装置の検査装置及び音響装置の検査方法並びに音響装置の検査プログラム | |
KR20210064619A (ko) | 딥러닝 앙상블 모델을 이용한 이상 상황 탐지 장치 및 그 방법 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
JPWO2020026829A1 (ja) | 音データ処理方法、音データ処理装置及びプログラム | |
CN108306997B (zh) | 域名解析监控方法及装置 | |
KR101290928B1 (ko) | 음질인자를 이용한 고장 진단 장치 및 방법 | |
KR20190081691A (ko) | 머신러닝 알고리즘을 이용한 공정 이상 감지 시스템 및 그 방법 | |
JP2014203332A (ja) | 予測誤差評価装置及び方法 | |
CN113382348B (zh) | 耳机的检测方法、装置、系统及计算机可读存储介质 | |
JP2011203146A (ja) | 音の監視方法及びシステム | |
Olsson et al. | Case-based reasoning combined with statistics for diagnostics and prognosis | |
CN202818604U (zh) | 一种用于会议系统的音频测试系统 | |
CN113376457B (zh) | 一种设备运行状态检测方法、系统、装置、设备和介质 | |
TWI472892B (zh) | 不良品超標之自動警報方法 | |
CN108257248A (zh) | 用于监测生产设备的方法和装置以及分析设备 | |
TW202303588A (zh) | 異音檢測方法及裝置 |