The invention discloses a method, a device and a system for fault diagnosis of a device, which relates to the technical field of equipment detection, and solves the problem of low efficiency of the existing automobile fault diagnosis method. The method of the invention comprises: collecting the audio signal of the device to be diagnosed, the audio signal to sound signal to diagnostic equipment during operation; the extraction of fault source signal from the audio signal of the device to be diagnosed in the extraction of fault features; presupposition failure can be characterized by the device from the fault source signal will; the preset fault features are input into the preset fault diagnosis model, determine the type of fault. The invention is applied in the process of automobile fault diagnosis.
【技术实现步骤摘要】
本专利技术涉及设备检测
,尤其涉及一种设备故障诊断的方法、装置及系统。
技术介绍
目前,对于汽车故障的诊断方法常用的有两种:一种是人工诊断法,即直观诊断法,主要是凭借诊断人员的实践经验和知识,借助简单工具,用眼看、耳听、手模等感官手段,边检查、边试验、边分析,进而对汽车故障做出判断。另一种是仪器设备诊断法,这种方法采用专用的仪器设备检测汽车必要的技术参数,然后将检测到的技术参数与正常状况时的技术参数相比较,来进行故障的判断。专利技术人在实施上述方法时,发现现有技术中至少存在如下问题:对于第一种诊断方法,简便直观,但是诊断时需要人员逐一排除最终确定故障,其诊断效率不高,并且整个诊断需要依赖诊断人员的经验进行,使得诊断的准确性不高;而对于第二种诊断方法,诊断的速度较高,但是由于需要专用的仪器设备以及专业技术的支持,投资较大。
技术实现思路
鉴于上述问题,本专利技术提供一种设备故障诊断方法、装置及系统,主要目的在于,在较低成本下实现较高的效率和准确性的设备故障诊断。为解决上述技术问题,本专利技术提供了一种设备故障诊断的方法,所述方法应用于数据采集终端,所述方法包括:采集待诊断设备的音频信号,所述音频信号为设备在运行过程中产生的声音信号;从待诊断设备的音频信号中提取故障源信号;从所述故障源信号中提取能够表征所述设备故障的预设故障特征;将预设故障特征输入到由模型训练服务端生成的预设故障诊断模型中,确定故障的类型,所述预设故障诊断模型是根据训练样本生成的,所述训练样本包含历史收集的与所述待诊断设备同类的设备的预设故障特征以及对应故障的类型。可选的,所述从所述音频信 ...
【技术保护点】
一种设备故障诊断的方法,所述方法应用于数据采集终端,其特征在于,所述方法包括:采集待诊断设备的音频信号,所述音频信号为设备在运行过程中产生的声音信号;从待诊断设备的音频信号中提取故障源信号;从所述故障源信号中提取能够表征所述设备故障的预设故障特征;将预设故障特征输入到由模型训练服务端生成的预设故障诊断模型中,确定故障的类型,所述预设故障诊断模型是根据训练样本生成的,所述训练样本包含历史收集的与所述待诊断设备同类的设备的预设故障特征以及对应故障的类型。
【技术特征摘要】
1.一种设备故障诊断的方法,所述方法应用于数据采集终端,其特征在于,所述方法包括:采集待诊断设备的音频信号,所述音频信号为设备在运行过程中产生的声音信号;从待诊断设备的音频信号中提取故障源信号;从所述故障源信号中提取能够表征所述设备故障的预设故障特征;将预设故障特征输入到由模型训练服务端生成的预设故障诊断模型中,确定故障的类型,所述预设故障诊断模型是根据训练样本生成的,所述训练样本包含历史收集的与所述待诊断设备同类的设备的预设故障特征以及对应故障的类型。2.根据权利要求1所述的方法,其特征在于,所述从所述音频信号中提取故障源信号,包括:对所述音频信号进行去噪处理;将去噪后的音频信号按照信号的频率分割为不同频段的音频信号;根据主成分分析算法提取目标频段的音频信号,所述目标频段的音频信号为故障概率超过预设阈值的音频信号,所述故障概率与音频信号中数据点的波动程度成正比;根据独立成分分析算法从所述目标频段的音频信号中提取故障源信号。3.根据权利要求2所述的方法,其特征在于,所述从所述故障源信号中提取能够表征所述设备故障的预设故障特征,包括:从所述故障源信号中提取以下至少一种预设故障特征:声音响度方差值、声音响度均值、声音响度峰值、声音频段值。4.根据权利要求1-3中任一所述的方法,其特征在于,若所述设备为处于运行状态的设备,所述训练样本包含历史收集的与所述待诊断设备同类的设备的预设故障特征、预设故障特征对应的故障类型以及对应的环境特征,在将预设故障特征输入到预设故障诊断模型中之前,所述方法进一步包括:获取当前环境特征,所述当前环境特征包括天气特征、所述待诊断设备运行速度以及待诊断设备的类型;所述将预设故障特征输入到由模型训练服务端生成的预设故障诊断模型中,包括:将所述当前环境特征与所述预设故障特征输入到预设故障诊断模型中。5.根据权利要求4所述的方法,其特征在于,所述方法进一步包括:在确定故障的类型之后,生成故障预警信号。6.根据权利要求5所述的方法,其特...
【专利技术属性】
技术研发人员:徐丽丽,
申请(专利权)人:东软集团股份有限公司,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。