CN117409816B - 一种基于声音信号的设备故障检测方法及系统 - Google Patents

Abstract

本发明涉及故障检测技术领域，其公开了一种基于声音信号的设备故障检测方法及系统，该方法包括：实时采集设备声音信息，将声音信息输入至预先建立的故障检测模型；根据故障检测模型输出当前采集的设备声音信息是否具备故障特征；当具备故障特征时，划分为若干段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。本发明通过实时监听设备运行时的声音信息进行故障判定，事先建立故障检测模型，将实时采集的设备声音信息输入至故障检测模型进行故障判定，对经过故障检测模型输出为故障的设备声音信息进行分段详细检测，进而获取设备当前的故障类型，进而可以有针对性的对不同故障的设备进行后续的维护。

Description

一种基于声音信号的设备故障检测方法及系统

技术领域

本发明涉及故障检测技术领域，具体涉及一种基于声音信号的设备故障检测方法及系统。

背景技术

目前，电力设备是一种非常重要的能量传输和转换装置，数量非常庞大，在我国预计有上千万台之多，而且每年都会有几百万台设备需要更新维护，设备安全可靠稳定运行是供电网络安全可靠稳定运行的根本,所以对设备的运行状态进行准确评估，有效地保持电力设备的运行稳定性并提高维护水平具有重要的意义。由于在电力设备工作时，机械振动会发出声音，且具有一定的规律性，所以提出了一种根据设备声纹判断其运行状态的方法。近几年随着我国国民经济的快速发展，对供配电网络的质量和数量都提出了更高的要求。传统设备故障方法为通过人工数据采样和在线参数采样相结合，由维护人员根据这些采样数据判断设备的运行状态。然而由于人工判断一般只结合当前时刻的采样数据，缺乏预见性，不能有效地预测故障，可能造成不可估量的损失。

发明内容

针对所述缺陷，本发明实施例公开了一种基于声音信号的设备故障检测方法及系统，其可以通过实时采集设备的声音信号，自动化对设备的工作运行进行检测。

本发明实施例第一方面公开了一种基于声音信号的设备故障检测方法，包括：

实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型；

根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征：

当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，并按照预设的分段长度将所述声波特征划分为若干段声波特征段，并将每一段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。

作为一种可选的实施方式，在本发明实施例第一方面中， 还包括：

当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

作为一种可选的实施方式，在本发明实施例第一方面中，所述按照预设的分段长度将所述声波特征划分为若干段声波特征段，包括：

基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；

根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；

当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段。

作为一种可选的实施方式，在本发明实施例第一方面中，所述将每一段声音特征段与故障声音集进行比对，包括，

将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；

当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型。

作为一种可选的实施方式，在本发明实施例第一方面中，所述将该声波特征段与故障声音集进行匹配，获得故障类型，包括：

将声波特征段绘制成对应的时域波形图，将所述时域波形图与故障声音集信息匹配；

计算时域波形图与故障声音集中每一个子集的相似度，将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。

作为一种可选的实施方式，在本发明实施例第一方面中，建立故障检测模型的方式包括：

获取若干组历史故障声音信号，从所述历史故障声音信号中筛选出多组故障声音；

从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型，将另外二分之一的故障声音作为校正数据修正所述故障检测模型；

每隔预设时长检验故障检测模型的输出结果，当所述输出结果失误率大于阈值时，获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。

作为一种可选的实施方式，在本发明实施例第一方面中，从所述历史故障声音信号中筛选出多组故障声音，包括：

从每一组历史故障声音信号中提取多个信号特征；

判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在；

提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。

本发明实施例第二方面公开一种基于声音信号的设备故障检测系统，包括：

声音采集模块：用于实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型；

故障检测模块：用于根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征：

类型确定模块：用于当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，并按照预设的分段长度将所述声波特征划分为若干段声波特征段，并将每一段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。

作为一种可选的实施方式，在本发明实施例第二方面中， 还包括：

当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

作为一种可选的实施方式，在本发明实施例第二方面中，所述按照预设的分段长度将所述声波特征划分为若干段声波特征段，包括：

基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；

根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；

当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段。

作为一种可选的实施方式，在本发明实施例第二方面中，所述将每一段声音特征段与故障声音集进行比对，包括，

将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；

当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型。

作为一种可选的实施方式，在本发明实施例第二方面中，所述将该声波特征段与故障声音集进行匹配，获得故障类型，包括：

将声波特征段绘制成对应的时域波形图，将所述时域波形图与故障声音集信息匹配；

计算时域波形图与故障声音集中每一个子集的相似度，将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。

作为一种可选的实施方式，在本发明实施例第二方面中，建立故障检测模型的方式包括：

获取若干组历史故障声音信号，从所述历史故障声音信号中筛选出多组故障声音；

从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型，将另外二分之一的故障声音作为校正数据修正所述故障检测模型；

每隔预设时长检验故障检测模型的输出结果，当所述输出结果失误率大于阈值时，获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。

作为一种可选的实施方式，在本发明实施例第二方面中，从所述历史故障声音信号中筛选出多组故障声音，包括：

从每一组历史故障声音信号中提取多个信号特征；

判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在；

提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。

本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的基于声音信号的设备故障检测方法。

本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的基于声音信号的设备故障检测方法。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中通过实时监听设备的运行情况，通过监听设备运行时的声音信息进行故障判定，事先建立故障检测模型，将实时采集的设备声音信息输入至故障检测模型进行故障判定，对经过故障检测模型输出为故障的设备声音信息进行分段详细检测，进而获取设备当前的故障类型，进而可以有针对性的对不同故障的设备进行后续的维护。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种基于声音信号的设备故障检测方法的流程示意图；

图2是本发明实施例公开的建立故障检测模型的流程示意图。

图3是本发明实施例公开的另一种基于声音信号的设备故障检测方法的流程示意图；

图4是本发明实施例提供的一种基于声音信号的设备故障检测系统的结构示意图；

图5是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，示例性地，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开了一种基于声音信号的设备故障检测方法、装置、电子设备及存储介质，实施例中通过实时监听设备的运行情况，通过监听设备运行时的声音信息进行故障判定，事先建立故障检测模型，将实时采集的设备声音信息输入至故障检测模型进行故障判定，对经过故障检测模型输出为故障的设备声音信息进行分段详细检测，进而获取设备当前的故障类型，进而可以有针对性的对不同故障的设备进行后续的维护。

实施例一

请参阅图1，图1是本发明实施例公开的一种基于声音信号的设备故障检测方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。如图1所示，该一种基于声音信号的设备故障检测方法包括以下步骤：

101、实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型。

电力设备是一种静止的电气设备，是用来将某一数值的交流电压（电流）变成频率相同的另一种或几种数值不同的电压（电流）的设备。具有两个或多个绕组的静止设备，为了传输电能，在同一频率下，通过电磁感应将一个系统的交流电压和电流转换为另一系统的电压和电流，通常这些电流和电压的值是不同的。

当设备发生故障时，运行时所产生的声音信息与正常运行时有所不同，因此，通过实时监听设备运行时的工作信息可以对设备是否产生故障进行检测。

本步骤中，建立故障检测模型的方式如图2所示，包括：

1011、获取若干组历史故障声音信号，从所述历史故障声音信号中筛选出多组故障声音。

实施例构建故障检测模型需要足够数量的样本作为输入数据，选取多组历史故障声音信号。历史故障声音信号是过去设备发生故障时对应所采集的声音信号，对应于该声音信号已经有检测出的故障类型、故障原因、故障维修方式等等。

具体的，每一组历史故障声音信号中除了包含因为故障所产生的声音信息，还可能包含其他声音信息，从历史故障声音信号中筛选出包含故障特征的声音片段作为样本，可以避免将整组历史故障声音信号作为样品导致数据量太多冗余，进而降低数据运行速度等。

实施例中，从所述历史故障声音信号中筛选出多组故障声音，包括：从每一组历史故障声音信号中提取多个信号特征；判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在；提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。

当信号特征在其他组的历史故障声音信号中也存在时，极有可能就是故障发生时产生的声音。并且由于一组历史故障声音信号中可能有两种或以上的故障类型，而多组历史故障声音信息中则更有可能存在两种以上的故障类型，因此分别提取每一组历史故障声音信号中信号特征，也能够帮助提取更全面的故障特征，进而建立更加完善的故障检测模型。

1012、从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型，将另外二分之一的故障声音作为校正数据修正所述故障检测模型。

实施例对于所选取的故障声音进行分组，一部分用于作为训练的样本数据，一部分用于作为修正模型的样本数据，使得建立好的模型得到进一步的修炼和校正，使得输出结果更加的精准。

1013、每隔预设时长检验故障检测模型的输出结果，当所述输出结果失误率大于阈值时，获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。

实施例除了通过历史数据对故障检测模型进行建模和修正，并且每隔一段时间对该故障检测模型进行检验和自训练，以保证该故障检测模型的检验精准度。

102、根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征。

103、当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，并按照预设的分段长度将所述声波特征划分为若干段声波特征段，并将每一段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。

图3示出了本实施例另一种基于声音信号的设备故障检测方法的流程示意图，如图3所示，该设备故障检测方法包括：

301、实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型。

302、根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征。

303、当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，并按照预设的分段长度将所述声波特征划分为若干段声波特征段，并将每一段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。

本步骤中按照预设的分段长度将所述声波特征划分为若干段声波特征段，包括：基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段。

实施例中，根据预设的每一段声波特征度所能容纳的最大长度计算本次要划分的声音信息最多可以划分多少段。预设的分段长度是指每一段划分后的声波特征段的长度，划分后可以计算每一段声波特征段中最长可以包括多少声波特征。需要说明的是，预设的分段长度可以是一个具体数值，也可以是一个数据范围。例如，预设的分段长度可以为5个单位，也可以是设置为2-5个单位。声波特征为24个单位，按照5个单位划分后可以划分成5个声波特征段，但是前面四个声波特征段均包含5个单位，最后一个声波特征段包含4个单位，此时获得最大声波特征长度为5，此时则声波特征段最小数量也即是5（最少可以划分为5个声波特征段）。而假设预设的分段长度是2-5之间，此时同样声波特征为24个单位的情况下，按照2个单位划分后可以划分成12个声波特征段，每一个声波特征段的长度都是2，因此这时候的划分并不是实施例所限定的最大声波特征长度。实施例根据最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度，同样以前面描述的示例为例，声波特征为24个单位，预设分段长度为5个单位，声波特征段最小数量为5,此时最后一段声波特征段中所包含的声波特征长度为4个单位，假设预设值为5，也即是低于预设值，此时将24个声波特征段划分成5+1=6段声波特征段，则每一个声波特征段中包含4个单位，另一个示例中，假设预设值为3，也即是高于预设值，此时将24个声波特征段划分为5个声波特征段。实施例采用这是划分方式可以帮助更好的让每一段声波特征段所包含的声波特征数量更加平均。

上述中，将每一段声音特征段与故障声音集进行比对，包括，将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型。

进一步的实施例将该声波特征段与故障声音集进行匹配，获得故障类型，包括：将声波特征段绘制成对应的时域波形图，将所述时域波形图与故障声音集信息匹配；计算时域波形图与故障声音集中每一个子集的相似度，将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。本示例处理可以采用时域波形图的图像比对方式，还可以直接采用声音进行比对，计算相似度。实施例计算相似度是针对每一段声波特征段分别进行比对，由此可能整个采集的声音信号而言，可能对应多种故障类型，实施例采用将先划分声波特征段的方式，一是可以降低每一次比对的数据容量，更快速的完成比对，同时可以更准确的发现故障发生在哪个声波特征段，还可以分析出不同声波特征段所对应的故障类型。

304、当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

实施例对于本次采集的声音信号经过故障检测模型的检测之后判定为不具备故障特征，进一步进行故障预警检验，输入至预先建立的预警检测模型，判定是否符合预警标准。实施例的预警行为包括发出预警信号或者不发出预警信号，还可以包括预警措施，也即是例如检测到有故障风险时，生成对应的干预措施发送给用户。

实施例二

请参阅图4，图4是本发明实施例公开的基于声音信号的设备故障检测装置的结构示意图。如图4所示，该基于声音信号的设备故障检测装置可以包括：声音采集模块401、故障检测模块402、类型确定模块403，其中，声音采集模块401：用于实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型；故障检测模块402：用于根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征：类型确定模块403：用于当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，并按照预设的分段长度将所述声波特征划分为若干段声波特征段，并将每一段声音特征段与故障声音特征集进行比对，以获取设备声音信息所对应的至少一种故障类型。

实施例中，还可以包括预警模块：用于当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

实施例的类型确定模块403中，按照预设的分段长度将所述声波特征划分为若干段声波特征段，包括：基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段。

上述的将每一段声音特征段与故障声音集进行比对，具体包括，将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型。

进一步的，将该声波特征段与故障声音集进行匹配，获得故障类型，包括：将声波特征段绘制成对应的时域波形图，将所述时域波形图与故障声音集信息匹配；计算时域波形图与故障声音集中每一个子集的相似度，将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。

实施例的声音采集模块401中，建立故障检测模型的方式包括：获取若干组历史故障声音信号，从所述历史故障声音信号中筛选出多组故障声音；从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型，将另外二分之一的故障声音作为校正数据修正所述故障检测模型；每隔预设时长检验故障检测模型的输出结果，当所述输出结果失误率大于阈值时，获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。

上述中，从所述历史故障声音信号中筛选出多组故障声音，包括：从每一组历史故障声音信号中提取多个信号特征；判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在；提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。

实施例三

请参阅图5，图5是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等，当然，在一定情况下，还可以是手机、平板电脑以及监控终端等智能设备，以及具有处理功能的图像采集装置。如图5所示，该电子设备可以包括：

存储有可执行程序代码的存储器501；

与存储器501耦合的处理器502；

其中，处理器502调用存储器501中存储的可执行程序代码，执行实施例一中的基于声音信号的设备故障检测方法中的部分或全部步骤。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行实施例一中的基于声音信号的设备故障检测方法中的部分或全部步骤。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于声音信号的设备故障检测方法中的部分或全部步骤。

本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于声音信号的设备故障检测方法中的部分或全部步骤。

在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元若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获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备（可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器）执行本发明的各个实施例所述方法的部分或全部步骤。

在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read-Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的基于声音信号的设备故障检测方法、系统、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于声音信号的设备故障检测方法，其特征在于，包括：

实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型；

根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征；

当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段，并将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型；

当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

2.根据权利要求1所述的设备故障检测方法，其特征在于，所述将该声波特征段与故障声音集进行匹配，获得故障类型，包括：

将声波特征段绘制成对应的时域波形图，将所述时域波形图与故障声音集信息匹配；

计算时域波形图与故障声音集中每一个子集的相似度，将相似度最高的子集所对应的故障类型记为该声波特征段的故障类型。

3.根据权利要求1所述的设备故障检测方法，其特征在于，建立故障检测模型的方式包括：

获取若干组历史故障声音信号，从所述历史故障声音信号中筛选出多组故障声音；

从多组故障声音中任意选取二分之一作为输入数据训练故障检测模型，将另外二分之一的故障声音作为校正数据修正所述故障检测模型；

每隔预设时长检验故障检测模型的输出结果，当所述输出结果失误率大于阈值时，获取距离当前时间戳设定时间间隔内的设备故障声音信息对所述故障检测模型进行自训练。

4.根据权利要求3所述的设备故障检测方法，其特征在于，从所述历史故障声音信号中筛选出多组故障声音，包括：

从每一组历史故障声音信号中提取多个信号特征；

判断每一组历史故障声音信号中的每一个信号特征是否在其他组历史故障声音信号中存在；

提取出在其他组历史故障声音信号中存在的信号特征对应的声音片段。

5.一种基于声音信号的设备故障检测系统，其特征在于，包括：

声音采集模块：用于实时采集设备声音信息，将所述声音信息输入至预先建立的故障检测模型；

故障检测模块：用于根据所述故障检测模型输出当前采集的设备声音信息是否具备故障特征：

类型确定模块：用于当具备故障特征时，处理所述设备声音信息，获取设备声音信息的长度，过滤设备声音信息中的噪音信号；提取过滤后的设备声音信息中连续的声波特征，基于预设的分段长度计算每一段待划分的声波特征段能容纳的最大声波特征长度；根据所述最大声波特征长度和声波特征的总长度计算声波特征段最小数量，并获得最后一段声波特征段中所包含的声波特征长度；当最后一段声波特征长度低于预设值时，将声波特征段划分成声波特征段最小数量+1段声波特征段，当最后一段声波特征段长度高于预设值时，将声波特征段划分成声波特征段最小数量段声波特征段，并将每一段声波特征段与预存的比对基准进行比对，以判断当前的声波特征段是否存在故障特征；当存在故障特征时，将该声波特征段与故障声音集进行匹配，获得故障类型；

预警模块：用于当不具备故障特征时，将所述设备声音信息输入至预警检测模型，以输出预警信息，所述预警信息包括预警行为和故障预警类型。

6.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至4任一项所述的基于声音信号的设备故障检测方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至4任一项所述的基于声音信号的设备故障检测方法。