一种检测机器异常振动的方法与装置制造方法及图纸

本发明专利技术实施例公开了一种检测机器异常振动的方法及装置，解决了基于机器视觉的车辆故障检测系统，需要安插相当大量的摄像头对不同的部位进行捕捉，而且主要判别零件的丢失以及脱落问题，无法通过分析机器的振动异常来检测故障。而采用振动传感器提取声音，可能会存在周围大量的噪声干扰，大大降低检测的精准度。而且传感器只能安装在特定的敏感测量点，因为机器结构的原因，部分位置会存在无法安装传感器的问题。本发明专利技术实施例方法包括：S1、获取摄像机采集的机器表面的视频文件；S2、将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；S3、利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。

A method and device for detecting abnormal vibration of machine

The embodiment of the invention discloses a method and a device for detecting abnormal vibration of a machine, which solves a vehicle fault detection system based on machine vision, requires a considerable number of cameras to capture different parts, and mainly identifies the loss and shedding of parts, so it is impossible to analyze abnormal vibration of a machine. To detect faults. However, when the vibration sensor is used to extract the sound, there may be a lot of noise interference around, which greatly reduces the accuracy of the detection. And the sensor can only be installed at specific sensitive measuring points, because of the structure of the machine, part of the position will be unable to install the sensor problem. The embodiment method of the invention includes: S1, acquiring the video file of the machine surface captured by the camera; S2, converting the displacement signal of the machine surface in the video file on the time axis into the sound signal; S3, checking the sound signal with the trained decision rules to determine whether the sound signal is abnormal.

【技术实现步骤摘要】
一种检测机器异常振动的方法与装置
本专利技术涉及机器视觉
，尤其涉及一种检测机器异常振动的方法及装置。
技术介绍
随着科技的进步与经济的发展，现代生产装备日趋大型化、综合化、精密化、复杂化，工艺过程自动化，流水作业，连续生产，非计划停产损失巨大。生产过程对人的依赖程度越来越低，但对设备的依赖程度越来越高。设备故障监测与诊断是提高设备可靠性的基本技术手段，而设备的振动与噪声监测与诊断是其中的重要技术途径。目前，振动与噪声的检测已经涵盖多个学科领域，比如说，振动法、特征分析法、模态分析与参数识别等。涉及到数学、物理学、机械学科。而通过计算机视觉运用摄像头的方法检测振动声音故障少之又少，而且还要借助工作人员的肉眼识别。目前检测机器异常振动的方法主要有两种：a.基于机器视觉的车辆故障识别系统。该系统运用图像采集相机获取对车辆进行细致捕捉，采集的图像规格为780x582像素，然后通过数据中转站对图片进行压缩，上传到服务器保存，对图片进行分类，调用不同的机器学习检测算法，如果发现图片中存在故障，将故障信息保存至故障数据库。b.传感器提取声音信号及对声音分析进行异常检测。通过特定的传感采集仪器采集机器的振动信息采集，对特别异常的信号分类出来。现有技术中，基于机器视觉的车辆故障检测系统，需要安插相当大量的摄像头对不同的部位进行捕捉，而且主要判别零件的丢失以及脱落问题，无法通过分析机器的振动异常来检测故障。而采用振动传感器提取声音，可能会存在周围大量的噪声干扰，大大降低检测的精准度。而且传感器只能安装在特定的敏感测量点，因为机器结构的原因，部分位置会存在无法安装传感器的问题。
技术实现思路
本专利技术提供了一种检测机器异常振动的方法及装置，解决了基于机器视觉的车辆故障检测系统，需要安插相当大量的摄像头对不同的部位进行捕捉，而且主要判别零件的丢失以及脱落问题，无法通过分析机器的振动异常来检测故障。而采用振动传感器提取声音，可能会存在周围大量的噪声干扰，大大降低检测的精准度。而且传感器只能安装在特定的敏感测量点，因为机器结构的原因，部分位置会存在无法安装传感器的问题。本专利技术提供了一种检测机器异常振动的方法，包括：S1、获取摄像机采集的机器表面的视频文件；S2、将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；S3、利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。可选地，所述步骤S1之前还包括：获取第一预置数量的无异音样本和第二预置数量的异音样本；对所述无异音样本进行傅里叶变换，得到无异音幅频谱；对所述异音样本进行傅里叶变换，得到异音幅频谱；将所述无异音幅频谱和所述异音幅频谱进行比对，确定所述无异音样本中的差异部分；对所述无异音样本中的差异部分进行PCA降维，得到第一有效特征；将所述第一有效特征代入一类学习算法进行训练，得到已训练的判决规则。可选地，所述步骤S2具体包括：将所述视频文件中的机器表面在时间轴上的位移信号V＝(x,y,t)的每一帧分解成对应于不同方向θ和尺度r的空间子带；计算每一帧空间子带中的局部运动信号；计算所述局部运动信号的空间加权平均值，得到声音信号。可选地，所述步骤S2之后，所述步骤S3之前还包括：利用小波包法对所述声音信号进行去噪处理。可选地，所述步骤S3具体包括：对所述声音信号进行傅里叶变换，得到声音信号幅频谱；根据所述声音信号幅频谱，确定所述声音信号的异常部分；对所述声音信号中的异常部分进行PCA降维，得到第二有效特征；将所述第二有效特征输入至已训练的判决规则中，得到所述声音信号是否异常的结果。本专利技术提供了一种检测机器异常振动的装置，包括：第一获取单元，用于获取摄像机采集的机器表面的视频文件；转换单元，用于将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；判断单元，用于利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。可选地，本专利技术提供的一种检测机器异常振动的装置还包括：第二获取单元，用于获取第一预置数量的无异音样本和第二预置数量的异音样本；第一变换单元，用于对所述无异音样本进行傅里叶变换，得到无异音幅频谱；第二变换单元，用于对所述异音样本进行傅里叶变换，得到异音幅频谱；比对单元，用于将所述无异音幅频谱和所述异音幅频谱进行比对，确定所述无异音样本中的差异部分；降维单元，用于对所述无异音样本中的差异部分进行PCA降维，得到第一有效特征；训练单元，用于将所述第一有效特征代入一类学习算法进行训练，得到已训练的判决规则。可选地，所述转换单元具体包括：分解子单元，用于将所述视频文件中的机器表面在时间轴上的位移信号V＝(x,y,t)的每一帧分解成对应于不同方向θ和尺度r的空间子带；第一计算子单元，用于计算每一帧空间子带中的局部运动信号；第二计算子单元，用于计算所述局部运动信号的空间加权平均值，得到声音信号。可选地，本专利技术提供的一种检测机器异常振动的装置还包括：去噪单元，用于利用小波包法对所述声音信号进行去噪处理。可选地，所述判断单元具体包括：变换子单元，用于对所述声音信号进行傅里叶变换，得到声音信号幅频谱；异常确认子单元，用于根据所述声音信号幅频谱，确定所述声音信号的异常部分；降维子单元，用于对所述声音信号中的异常部分进行PCA降维，得到第二有效特征；判断子单元，用于将所述第二有效特征输入至已训练的判决规则中，得到所述声音信号是否异常的结果。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术提供了一种检测机器异常振动的方法，包括：S1、获取摄像机采集的机器表面的视频文件；S2、将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；S3、利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。本专利技术中，通过摄像头拍摄机器表面的视频文件，还原机器发出的声音信号，再利用已训练的判决规则对声音信号进行检验，判断声音信号是否异常，以机器视觉的方法从振动的角度来分析和解决机器故障的问题，解决了基于机器视觉的车辆故障检测系统，需要安插相当大量的摄像头对不同的部位进行捕捉，而且主要判别零件的丢失以及脱落问题，无法通过分析机器的振动异常来检测故障。而采用振动传感器提取声音，可能会存在周围大量的噪声干扰，大大降低检测的精准度。而且传感器只能安装在特定的敏感测量点，因为机器结构的原因，部分位置会存在无法安装传感器的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术提供的一种检测机器异常振动的方法的一个实施例的流程示意图；图2为本专利技术提供的一种检测机器异常振动的方法的另一个实施例的流程示意图；图3为本专利技术提供了一种检测机器异常振动的装置的一个实施例的结构示意图；图4为本专利技术提供了一种检测机器异常振动的装置的另一个实施例的结构示意图。具体实施方式本专利技术实施例提供了一种检测机器异常振动的方法及装置，解决了基于机器视觉的车辆故障检测系统，需要安插相当大量的摄像头对不同的部位进行捕捉，而且主要判别零件的丢失以及脱落问题本文档来自技高网...

【技术保护点】
1.一种检测机器异常振动的方法，其特征在于，包括：S1、获取摄像机采集的机器表面的视频文件；S2、将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；S3、利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。

【技术特征摘要】
1.一种检测机器异常振动的方法，其特征在于，包括：S1、获取摄像机采集的机器表面的视频文件；S2、将所述视频文件中的机器表面在时间轴上的位移信号转换为声音信号；S3、利用已训练的判决规则对所述声音信号进行检验，判断所述声音信号是否异常。2.根据权利要求1所述的检测机器异常振动的方法，其特征在于，所述步骤S1之前还包括：获取第一预置数量的无异音样本和第二预置数量的异音样本；对所述无异音样本进行傅里叶变换，得到无异音幅频谱；对所述异音样本进行傅里叶变换，得到异音幅频谱；将所述无异音幅频谱和所述异音幅频谱进行比对，确定所述无异音样本中的差异部分；对所述无异音样本中的差异部分进行PCA降维，得到第一有效特征；将所述第一有效特征代入一类学习算法进行训练，得到已训练的判决规则。3.根据权利要求1所述的检测机器异常振动的方法，其特征在于，所述步骤S2具体包括：将所述视频文件中的机器表面在时间轴上的位移信号V＝(x,y,t)的每一帧分解成对应于不同方向θ和尺度r的空间子带；计算每一帧空间子带中的局部运动信号；计算所述局部运动信号的空间加权平均值，得到声音信号。4.根据权利要求1所述的检测机器异常振动的方法，其特征在于，所述步骤S2之后，所述步骤S3之前还包括：利用小波包法对所述声音信号进行去噪处理。5.根据权利要求2所述的检测机器异常振动的方法，其特征在于，所述步骤S3具体包括：对所述声音信号进行傅里叶变换，得到声音信号幅频谱；根据所述声音信号幅频谱，确定所述声音信号的异常部分；对所述声音信号中的异常部分进行PCA降维，得到第二有效特征；将所述第二有效特征输入至已训练的判决规则中，得到所述声音信号是否异常的结果。6.一种检测机器异常振动的装置，其特征在于，包括：第一获取单元，用于获取摄像机采集的机器表面的视频文件；转...

【专利技术属性】
技术研发人员：冯忠伦，陈子韬，黄馨韵，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44