设备运行状态检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种设备运行状态检测方法、装置、设备及存储介质，本申请预先配置有故障诊断模型，该故障诊断模型能够处理对设备采集的声音数据，并输出用于衡量声音数据偏离正常运行态程度的偏离误差，在此基础上，本申请可以获取对目标设备所采集的声音数据，进而利用故障诊断模型来处理该声音数据，得到衡量声音数据偏离正常运行态程度的偏离误差，进一步基于该偏离误差以及预置的偏离误差阈值，可以确定出目标设备的运行状态，也即确定目标设备是否发生故障。基于此，能够高效、及时的检测目标设备的运行状态，也即当目标设备故障时能够及时发现该故障，减少故障持续时间造成的损失。

【技术实现步骤摘要】
设备运行状态检测方法、装置、设备及存储介质
本申请涉及工业检测
，更具体的说，是涉及一种设备运行状态检测方法、装置、设备及存储介质。
技术介绍
设备运行状态检测主要是为了检测设备的运行状态，如检测设备是否正常运行或出现故障异常。以工业设备为例，若工业设备出现故障异常，需要及时进行决策和维护，从而提高工业企业的设备维护效率，减少生产线异常停工损失。在现有技术中，一般由经验丰富的设备运维人员对工业设备进行巡检，以确定工业设备是否出现故障异常。但是，由于物联网中的工业设备众多，且不同工业设备的运行情况各种各样，人工巡检不仅效率低，还存在故障异常发现不够及时的问题。
技术实现思路
鉴于上述问题，提出了本申请以便提供一种设备运行状态检测方法、装置、设备及存储介质，以解决现有人工巡检效率低、故障异常发现不及时的问题。具体方案如下：一种设备运行状态检测方法，包括：获取对目标设备所采集的声音数据；利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差；基于所述偏离误差以及预置的偏离误差阈值，确定所述目标设备的运行状态。优选地，所述故障诊断模型的训练过程，包括：获取所述目标设备处于正常运行态时的训练声音数据；利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差；以所述偏离误差趋近于零为训练目标，训练所述故障诊断模型，得到训练后的故障诊断模型。优选地，所述利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差，包括：提取所述训练声音数据的声学特征；利用故障诊断模型处理所述声学特征，以得到隐层重建特征，计算所述声学特征和所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述训练声音数据偏离正常运行态的程度。优选地，所述利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差，包括：利用故障诊断模型的输入层，接收所述声音数据的声学特征；利用故障诊断模型的特征处理层，处理所述声学特征并生成隐层重建特征；利用故障诊断模型的偏离误差计算层，计算所述声学特征与所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述声音数据偏离正常运行态的程度。优选地，所述偏离误差阈值的确定过程，包括：利用预置的故障诊断模型处理各条训练声音数据，得到每条训练声音数据对应的偏离误差，其中所述训练声音数据为采集的目标设备处于正常运行态时的声音；将各条训练声音数据的偏离误差按照大小进行升序或降序排列；按照用户设定的召回率或虚警率，在偏离误差序列中选定一个目标偏离误差作为偏离误差阈值。优选地，在确定所述目标设备的运行状态为故障时，该方法还包括：基于所述声音数据，识别所述目标设备的故障类型。优选地，所述获取对目标设备所采集的声音数据，包括：获取对目标设备采集的原始声音数据；按照所述目标设备发出声音所处的特定频段，对所述原始声音数据进行滤波，得到所述特定频段的声音数据。优选地，还包括：将所述原始声音数据中除所述特定频段外的其它频段的声音数据，作为环境声音数据；对所述环境声音数据进行声音类型识别，得到所述环境声音数据中所包含的目标类型环境声音。一种设备运行状态检测装置，包括：声音数据获取单元，用于获取对目标设备所采集的声音数据；偏离误差确定单元，用于利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差；状态确定单元，用于基于所述偏离误差以及预置的偏离误差阈值，确定所述目标设备的运行状态。优选地，还包括：偏离误差阈值确定单元，用于确定偏离误差阈值，该过程可以包括：利用预置的故障诊断模型处理各条训练声音数据，得到每条训练声音数据对应的偏离误差，其中所述训练声音数据为采集的目标设备处于正常运行态时的声音；将各条训练声音数据的偏离误差按照大小进行升序或降序排列；按照用户设定的召回率或虚警率，在偏离误差序列中选定一个目标偏离误差作为偏离误差阈值。优选地，还包括：故障类型确定单元，用于在确定所述目标设备的运行状态为故障时，基于所述声音数据，识别所述目标设备的故障类型。优选地，上述声音数据获取单元获取对目标设备所采集的声音数据的过程，可以包括：获取对目标设备采集的原始声音数据；按照所述目标设备发出声音所处的特定频段，对所述原始声音数据进行滤波，得到所述特定频段的声音数据。优选地，还包括：环境声音类型确定单元，用于：将所述原始声音数据中除所述特定频段外的其它频段的声音数据，作为环境声音数据；对所述环境声音数据进行声音类型识别，得到所述环境声音数据中所包含的目标类型环境声音。一种设备运行状态检测设备，包括：存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，实现如上的设备运行状态检测方法的各个步骤。一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上的设备运行状态检测方法的各个步骤。借由上述技术方案，本申请预先配置有故障诊断模型，该故障诊断模型能够处理对设备采集的声音数据，并输出用于衡量声音数据偏离正常运行态程度的偏离误差，在此基础上，本申请可以获取对目标设备所采集的声音数据，进而利用故障诊断模型来处理该声音数据，得到衡量声音数据偏离正常运行态程度的偏离误差，进一步基于该偏离误差以及预置的偏离误差阈值，可以确定出目标设备的运行状态，也即确定目标设备是否发生故障。基于此，能够高效、及时的检测目标设备的运行状态，也即当目标设备故障时能够及时发现该故障，减少故障持续时间造成的损失。进一步，由于工业设备大部分时间内都是处于正常态运行的，只有极少量时间会发生故障，因此本申请故障诊断模型通过输出衡量声音数据偏离正常运行态程度的偏离误差，来确定目标设备是否发生故障，也即以设备正常运行态为参考，其更符合设备的实际运行状态规律，最终得到的目标设备的运行状态也更加准确。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本申请实施例提供的设备运行状态检测方法的一流程示意图；图2示例了一种故障诊断模型的训练过程示意图；图3为本申请实施例提供的一种设备运行状态检测装置结构示意图；图4为本申请实施例提供的检测设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一本文档来自技高网...

【技术保护点】
1.一种设备运行状态检测方法，其特征在于，包括：/n获取对目标设备所采集的声音数据；/n利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差；/n基于所述偏离误差以及预置的偏离误差阈值，确定所述目标设备的运行状态。/n

【技术特征摘要】
1.一种设备运行状态检测方法，其特征在于，包括：
获取对目标设备所采集的声音数据；
利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差；
基于所述偏离误差以及预置的偏离误差阈值，确定所述目标设备的运行状态。


2.根据权利要求1所述的方法，其特征在于，所述故障诊断模型的训练过程，包括：
获取所述目标设备处于正常运行态时的训练声音数据；
利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差；
以所述偏离误差趋近于零为训练目标，训练所述故障诊断模型，得到训练后的故障诊断模型。


3.根据权利要求2所述的方法，其特征在于，所述利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差，包括：
提取所述训练声音数据的声学特征；
利用故障诊断模型处理所述声学特征，以得到隐层重建特征，计算所述声学特征和所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述训练声音数据偏离正常运行态的程度。


4.根据权利要求1所述的方法，其特征在于，所述利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差，包括：
利用故障诊断模型的输入层，接收所述声音数据的声学特征；
利用故障诊断模型的特征处理层，处理所述声学特征并生成隐层重建特征；
利用故障诊断模型的偏离误差计算层，计算所述声学特征与所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述声音数据偏离正常运行态的程度。


5.根据权利要求1所述的方法，其特征在于，所述偏离误差阈值的确定过程，包括：
利用预置的故障诊断模型处理各条训练声音数据，得到每条训练声音数据对应的偏离误差，其...

【专利技术属性】
技术研发人员：曹宏磊，李俊，李帅，
申请(专利权)人：浙江讯飞智能科技有限公司，
类型：发明
国别省市：浙江;33