本发明专利技术提供了一种故障检测方法及装置、家电，故障检测方法可包括如下步骤。获取来源于待检测设备的输入信号，即该信号由待检测设备发出。利用压缩后的深度残差收缩网络处理输入信号，以输出分类结果。其中，该压缩后的深度残差收缩网络包括但不限于第一残差单元和第二残差单元，第二残差单元为缺失软阈值单元的第一残差单元。根据分类结果确定待检测设备是否存在故障。本发明专利技术能够对来源于待检测设备的声音或图像信号进行分类处理，以在有轻微故障迹象时迅速发现故障，具有及时性好、智能化程度高、可靠性强等优点。可见本发明专利技术能够较佳地解决常规技术存在的故障检测滞后性问题，避免了故障蔓延或发展，提高了用户对家电的使用体验和满意度。和满意度。和满意度。
【技术实现步骤摘要】
一种故障检测方法及装置、家电、计算机存储介质
[0001]本专利技术涉及家电故障检测
，更为具体来说，本专利技术能够提供一种故障检测方法及装置、家电。
技术介绍
[0002]随着社会的进步和人们生产与生活品质的提高，用户对产品的质量要求越来越严格。产品的使用次数增多，产品的使用时间增长，往往会使产品发生损耗。例如，任何家电产品都是有合理使用寿命的；可见精准的故障检测系统直接决定了家电产品质量的优劣，以在故障蔓延或发展之前尽早地将其有效解决，进而提高用户对家电产品的使用体验和满意度。但是，传统的设备故障检测方案往往都是在故障现象较为明显的情况下才能发现问题，存在很大的滞后性。
技术实现思路
[0003]本专利技术的主要目的在于能够提供一种故障检测方法及装置、家电，以解决常规设备故障检测技术存在的至少一个问题。
[0004]为达到上述的技术目的，本专利技术具体能够提供一种故障检测方法；该方法包括但不限于如下至少一个步骤。
[0005]首先，获取来源于待检测设备的输入信号，即该信号由待检测设备发出。其次，利用压缩后的深度残差收缩网络处理输入信号，以输出分类结果。其中，该压缩后的深度残差收缩网络包括但不限于第一残差单元和第二残差单元，第二残差单元为缺失软阈值单元的第一残差单元。最后，根据分类结果确定待检测设备是否存在故障。
[0006]为达到上述的技术目的，本专利技术还能够提供一种故障检测装置。该装置可包括但不限于输入信号获取模块、输入信号处理模块以及设备故障判断模块。
[0007]输入信号获取模块用于获取来源于待检测设备的输入信号。
[0008]输入信号处理模块用于利用压缩后的深度残差收缩网络处理输入信号，以输出分类结果。其中，压缩后的深度残差收缩网络包括第一残差单元和第二残差单元，第二残差单元为缺失软阈值单元的第一残差单元；
[0009]设备故障判断模块用于根据分类结果确定待检测设备是否存在故障。
[0010]为达到上述的技术目的，本专利技术还可提供一种家电，该家电包括但不限于本专利技术所提供的故障检测装置。
[0011]为达到上述的技术目的，本专利技术可提供一种计算机存储介质，计算机存储介质上存储有故障检测程序；该故障检测程序被处理器执行时，实现本专利技术实施例中的故障检测方法。
[0012]本专利技术的有益效果为：
[0013]本专利技术能够对来源于待检测设备的声音或图像信号进行分类处理，从而根据分类结果在有轻微故障迹象时迅速地发现故障，具有及时性较好、智能化程度较高以及可靠性
强等优点。可见本专利技术能够较佳地解决常规技术存在的故障检测滞后性问题，避免了故障蔓延或发展，极大提高了用户对家电等设备的使用体验和满意度。
[0014]本专利技术通过压缩后的深度残差收缩网络对输入信号进行分类处理，可在提高检测效果的同时降低复杂深度学习技术的运用所产生的高额成本，进而能够降低家电产品的设计和加工成本，满足用户需求，提高用户的满意程度。
[0015]另外，本专利技术可根据软阈值化单元的输出阈值动态地简化深度残差收缩网络，具体通过剪枝操作去除网络中部分软阈值化单元，以能够有效降低深度残差收缩网络在注意力机制计算上的浪费。而且本专利技术在简化深度残差收缩网络(模型)的基础上，还能明显地提高整个深度残差收缩网络软阈值函数的非线性，使得本专利技术得到的深度残差收缩网络具有更高的准确性和精准率。
[0016]本专利技术简化了深度残差收缩网络的组成结构，有效解决了常规深度残差收缩网络存在的模型设计冗余的问题，从而降低了深度残差收缩网络的复杂度、参数量以及计算量。
[0017]通过本专利技术优化得到的深度残差收缩网络训练成本得到极大地降低，以能够部署在嵌入式设备和成本低廉的设备中，因而被技术人员选择的可能性更大，有利于深度残差收缩网络进一步优化和发展，可见本专利技术适用范围较广。
附图说明
[0018]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的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0019]图1示出了本专利技术实施例中故障检测方法的流程示意图。
[0020]图2示出了本专利技术实施例中深度残差收缩网络的整体结构示意图。
[0021]图3示出了本专利技术实施例中残差单元的整体结构示意图。
[0022]图4示出了本专利技术实施例中软阈值化函数输入与输出之间的关系示意图。
[0023]图5示出了本专利技术实施例中软阈值化函数导数的输入与输出之间的关系示意图。
[0024]图6示出了本专利技术实施例中ReLU函数及其导数的输入与输出之间的关系示意图。
[0025]图7示出了本专利技术实施例中深度残差收缩网络压缩方法的具体实施流程示意图。
[0026]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步地说明。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，本专利技术所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所能获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]如图1所示，本专利技术实施例能够提供一种故障检测方法，该方法可包括但不限于如下的一个或多个步骤。
[0029]首先，获取来源于待检测设备的输入信号。输入信号包括声音信号、图像信号中的至少一种。
[0030]其次，利用压缩后的深度残差收缩网络处理输入信号，以输出分类结果。其中，压缩后的深度残差收缩网络包括第一残差单元和第二残差单元，第二残差单元为缺失软阈值单元的第一残差单元。
[0031]具体地，本专利技术实施例利用压缩后的深度残差收缩网络处理输入信号包括：利用第一残差单元对输入信号进行批正则归一化(Batch Normalization)处理、整流线性(ReLU)处理、卷积(Con)处理以及软阈值化(Soft Threshlding)处理，利用第二残差单元对输入信号进行批正则归一化处理、整流线性处理以及卷积处理。
[0032]最后，根据分类结果确定待检测设备是否存在故障，以实现基于所获取的声音和/或图像信号完成设备故障识别工作。
[0033]以轴承磨损检测为例，轴承在旋转过程中一般都会夹杂着噪音和冗余的信号，所以能够通过声音信号判断轴承是否发生故障及其故障时损耗程度。该轴承例如是洗衣机或其他家电设备内部的轴承。
[0034]可选地，本专利技术实施例根据分类结果确定待检测设备是否存在故障包括：识别分类结果中包含的映射值，该映射值例如可以是通过逻辑回归(softmax)操作产生的映射值。判断映射值所处的数值区间，数值区间例如可以包括但不限于(0，0.5)和(0.5，1)。根据数值区间确定待检测设备是否存本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障检测方法，其特征在于，包括：获取来源于待检测设备的输入信号；利用压缩后的深度残差收缩网络处理所述输入信号，以输出分类结果；其中，所述压缩后的深度残差收缩网络包括第一残差单元和第二残差单元，所述第二残差单元为缺失软阈值单元的第一残差单元；根据所述分类结果确定所述待检测设备是否存在故障。2.根据权利要求1所述的故障检测方法，其特征在于，所述根据所述分类结果确定所述待检测设备是否存在故障包括：识别所述分类结果中包含的映射值；判断所述映射值所处的数值区间；根据所述数值区间确定所述待检测设备是否存在故障。3.根据权利要求1或2所述的故障检测方法，其特征在于，所述输入信号包括声音信号、图像信号中的至少一种。4.根据权利要求1所述的故障检测方法，其特征在于，所述利用压缩后的深度残差收缩网络处理所述输入信号包括：利用第一残差单元对输入信号进行批正则归一化处理、整流线性处理、卷积处理以及软阈值化处理；利用第二残差单元对输入信号进行批正则归一化处理、整流线性处理以及卷积处理。5.根据权利要求1所述的故障检测方法，其特征在于，所述获取来源于待检测设备的输入信号之前还包括：构建原始深度残差收缩网络，所述原始深度残差收缩网络包括多个依次连接的原始残差单元，每个原始残差单元分别具有原始软阈值化单元；训练所述原始深度残差收缩网络，以得到第一深度残差收缩网络；其中，通过所述原始残差单元得到第一残差单元，通过所述原始软阈值化单元得到第一软阈值化单元；获取各所述第一软阈值化单元的输出阈值；根据所述输出阈值的范围对所述第一深度残差收缩网络进行剪枝操作，以去除至少一个所述第一软阈值化单元；保存经所述剪枝操作后的第一深度残差收缩网络作为第二深度残差收缩网络，所述第二深度残差收缩网络为压缩后的深度残差收缩网络。6.根据权利要求5所述的故障检测方法，其特征在于，所述根据所述输出阈值的范围对所述第一深度残差收缩网络进行剪枝操作包括：将各所述第一软阈值化单元的输出阈值分别与当前指定阈值进行比较；根据比较结果确定待去除的第一软阈值化单元；通过剪枝操作去掉所述待去除的第一软阈值化单元。7.根据权利要求6所述的故障检测方法，其特征在于，所述根据比较结果确定待去除的第一软阈值化单元包括：根据比较结果统计出小于所述当前指定阈值的输出...
【专利技术属性】
技术研发人员：陈磊，张明扬，陈蔚，全永兵，
申请(专利权)人：佛山市顺德区美的洗涤电器制造有限公司，
类型：发明
国别省市：
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。