一种综合监控设备运行状态的方法及系统
本发明公开了一种综合监控设备运行状态的方法及系统，包括：对设备的声音原始数据进行转换处理，以获取频率数据；根据所述频率数据进行特征数据的提取，并对设备处于正常状态和处于故障状态下的特征数据进行比对，以确定关键特征；根据设备处于正常状态和故障状态下的所述关键特征的特征数据，基于支持向量机SVM算法进行训练，以确定运行状态分析模型；实时地对设备的声音数据进行采集，以获取声音实时数据，并依次对所述声音实时数据进行转换处理和关键特征数据提取，以获取与所述声音实时数据对应的实时关键特征数据，并利用所述运行状态分析模型对所述实时关键特征数据进行分析，以确定设备的运行状态。
发明专利
CN202110474655.2
2021-04-29
CN113205829A
2021-08-03
G10L25/48(2013.01)
上海智大电子有限公司
李恩东;宋赛中;潘丽;许成;吴忠辉;王展英;胡伟;张宗卫;江文清;张婷;金辽东
201900 上海市宝山区友谊路1135号
北京工信联合知识产权代理有限公司
芦玲玲
上海;31
1.一种综合监控设备运行状态的方法，其特征在于，所述方法包括： 对地设备的声音原始数据进行转换处理，以获取与所述声音原始数据对应的频率数据； 根据所述频率数据进行特征数据的提取，并对设备处于正常状态和处于故障状态下的特征数据进行比对，以确定关键特征； 根据设备处于正常状态和故障状态下的所述关键特征的特征数据，基于支持向量机SVM算法进行训练，以确定运行状态分析模型； 实时地对设备的声音数据进行采集，以获取声音实时数据，并依次对所述声音实时数据进行转换处理和关键特征数据提取，以获取与所述声音实时数据对应的实时关键特征数据，并利用所述运行状态分析模型对所述实时关键特征数据进行分析，以确定设备的运行状态。 2.根据权利要求1所述的方法，其特征在于，所述方法利用短时傅里叶变换SFTF算法将对声音原始数据进行转换处理，以获取频率数据，包括： 其中，xm(ω)为在时间mR的短时傅里叶变换数据；x(n)为在时间n的输入信号数据；R为跳跃尺寸；T为周期；ω(n)为长度M窗口函数。 3.根据权利要求1所述的方法，其特征在于，所述方法还包括： 利用时频变换算法CQT通过采用不同的窗口宽度，获得不同的频率解析度，以获取各个半音的频率分量，包括： 其中，XCQT(k)为第n帧频率数据的第k个半音的频率分量；w(n)为长度为Nk的窗函数；Q为CQT变换中的常数因子；k是CQT谱的频率序号；Nk为随频率变换的窗口长度，Nk值与k值有关。 4.根据权利要求1所述的方法，其特征在于，所述方法还包括： 在获取所述频率数据后，对获取的频域数据进行梅尔刻度讯号处理，包括： 将所述频域数据帧化为短帧数据； 计算每帧的功率谱周期图； 将梅尔滤波器组应用于每帧的功率谱周期图，以计算滤波器总能量； 计算所有滤波器组能量的对数，并对获取的对数求离散余弦变换。 5.根据权利要求1所述的方法，其特征在于，所述特征数据，包括：小波系数、平均幅度、过零率、最好基和分贝。 6.一种确定设备运行状态的系统，其特征在于，所述系统包括： 数据转换单元，用于对设备的声音原始数据进行转换处理，以获取与所述声音原始数据对应的频率数据； 关键特征确定单元，用于根据所述频率数据进行特征数据的提取，并对设备处于正常状态和处于故障状态下的特征数据进行比对，以确定关键特征； 运行状态分析模型确定单元，用于根据设备处于正常状态和故障状态下的所述关键特征的特征数据，基于支持向量机SVM算法进行训练，以确定运行状态分析模型； 运行状态确定单元，用于实时地对设备的声音数据进行采集，以获取声音实时数据，并依次对所述声音实时数据进行转换处理和关键特征数据提取，以获取与所述声音实时数据对应的实时关键特征数据，并利用所述运行状态分析模型对所述实时关键特征数据进行分析，以确定设备的运行状态。 7.根据权利要求6所述的系统，其特征在于，所述数据转换单元，利用短时傅里叶变换SFTF算法将对声音原始数据进行转换处理，以获取频率数据，包括： 其中，xm(ω)为在时间mR的短时傅里叶变换数据；x(n)为在时间n的输入信号数据；R为跳跃尺寸；T为周期；ω(n)为长度M窗口函数。 8.根据权利要求6所述的系统，其特征在于，所述系统还包括： CQT处理单元，用于利用时频变换算法CQT通过采用不同的窗口宽度，获得不同的频率解析度，以获取各个半音的频率分量，包括： 其中，XCQT(k)为第n帧频率数据的第k个半音的频率分量；w(n)为长度为Nk的窗函数；Q为CQT变换中的常数因子；k是CQT谱的频率序号；Nk为随频率变换的窗口长度，Nk值与k值有关。 9.根据权利要求6所述的系统，其特征在于，所述系统还包括： 梅尔刻度讯号处理单元，用于在获取所述频率数据后，对获取的频域数据进行梅尔刻度讯号处理，包括： 将所述频域数据帧化为短帧数据； 计算每帧的功率谱周期图； 将梅尔滤波器组应用于每帧的功率谱周期图，以计算滤波器总能量； 计算所有滤波器组能量的对数，并对获取的对数求离散余弦变换。 10.根据权利要求6所述的系统，其特征在于，所述特征数据，包括：小波系数、平均幅度、过零率、最好基和分贝。