本申请公开了一种基于DSP系统的故障检测方法、装置、设备及存储介质，所述基于DSP系统的故障检测方法包括：获取故障信号；将故障信号输入至预设的故障检测模型，基于故障检测模型，对故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息；其中，故障检测模型是基于故障信号样本、故障信号样本的类别权值信息和故障信号样本的故障信息标签对待训练模型进行迭代训练后得到的。本申请基于预训练的故障检测模型，对DSP处理器的信号处理系统中出现的故障信号进行分类以及故障信息诊断，快速准确地输出故障信息，无需开发人员或者使用人员对于大批量的问题定位进行手动调试，提高了DSP系统故障检测的效率。的效率。的效率。
【技术实现步骤摘要】
基于DSP系统的故障检测方法、装置、设备及存储介质
[0001]本申请涉及故障诊断的
，尤其涉及一种基于DSP系统的故障检测方法、装置、设备及存储介质。
技术介绍
[0002]在基于DSP处理器的信号处理系统中，开发人员或者使用人员遇到DSP硬件或者软件的故障问题时，通常都是通过仿真器加载源程序代码，根据代码进行调试确认故障问题。该方法在遇到软件驱动或者硬件故障排查场景时会显得耗时耗力，而且对于个人能力要求较高。另外对于同样问题点不同表现现象或者大批量同类产品的问题定位上，该方法会产生大量的重复性工作，导致DSP系统的故障检测效率低。
技术实现思路
[0003]本申请的主要目的在于提供一种基于DSP系统的故障检测方法、装置、设备及存储介质，旨在解决现有技术中DSP系统的故障检测效率低的技术问题。
[0004]为实现以上目的，本申请提供一种基于DSP系统的故障检测方法，所述基于DSP系统的故障检测方法包括：获取故障信号；将所述故障信号输入至预设的故障检测模型，基于所述故障检测模型，对所述故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息；其中，所述故障检测模型是基于故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签对待训练模型进行迭代训练后得到的。
[0005]可选地，所述基于所述故障检测模型，对所述故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息的步骤，包括：确定各所述故障信号的类别标签；基于所述故障检测模型和所述类别标签，对所述故障信号进行分类处理，得到分类后的故障信号；确定所述分类后的故障信号的极值分布；基于所述极值分布，对分类后的故障信号进行故障信息诊断处理，得到故障信息。
[0006]可选地，所述确定所述分类后的故障信号的极值分布的步骤，包括：提取所述分类后的故障信号的特征信息，得到特征数据；对所述特征数据进行最大池化操作和最小池化操作，得到所述特征数据的极值分布。
[0007]可选地，所述获取故障信号的步骤之前，所述方法包括以下步骤：获取故障信号样本、所述故障信号样本的类别标签和所述故障信号样本的故障信息标签；基于所述故障信号样本的类别标签，确定所述故障信号样本的类别权值信息；
基于所述故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签，对预设的待训练模型进行迭代训练，得到具有满足精度条件的故障检测模型。
[0008]可选地，所述基于所述故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签，对预设的待训练模型进行迭代训练，得到具有满足精度条件的故障检测模型的步骤，包括：将所述故障信号样本和所述故障信号样本的类别权值信息输入至预设的待训练模型，得到预测故障信息；将所述预测故障信息与所述故障信号样本的故障信息标签进行差异计算，得到误差结果；基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将所述故障信号样本和所述故障信号样本的类别权值信息输入至预设的待训练模型，得到预测故障信息的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的故障检测模型。
[0009]可选地，所述获取故障信号的步骤，包括：获取各模块的运行信号；对所述运行信号进行故障信号检测，得到故障信号。
[0010]可选地，所述对所述运行信号进行故障信号检测，得到故障信号的步骤，包括：每间隔预设时间检测所述运行信号是否存在异常波动；若存在异常波动，则将各模块中存在异常波动的运行信号确定为故障信号。
[0011]本申请还提供一种基于DSP系统的故障检测设备，所述基于DSP系统的故障检测设备包括：存储器、处理器以及存储在存储器上的用于实现所述基于DSP系统的故障检测方法的程序，所述存储器用于存储实现基于DSP系统的故障检测方法的程序；所述处理器用于执行实现所述基于DSP系统的故障检测方法的程序，以实现所述基于DSP系统的故障检测方法的步骤。
[0012]本申请还提供一种存储介质，所述存储介质上存储有实现基于DSP系统的故障检测方法的程序，所述实现基于DSP系统的故障检测方法的程序被处理器执行以实现所述基于DSP系统的故障检测方法的步骤。
[0013]本申请提供的一种基于DSP系统的故障检测方法、装置、设备及存储介质，与现有技术中DSP系统的故障检测效率低相比，在本申请中，获取故障信号；将所述故障信号输入至预设的故障检测模型，基于所述故障检测模型，对所述故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息；其中，所述故障检测模型是基于故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签对待训练模型进行迭代训练后得到的。即在本申请中，基于预训练的故障检测模型，对DSP处理器的信号处理系统中出现的故障信号进行分类以及故障信息诊断，快速准确地输出故障信息，无需开发人员或者使用人员对于大批量的问题定位进行手动调试，提高了DSP系统故障
检测的效率。
附图说明
[0014]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请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，对于本领域普通技术人员而言，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他的附图。
[0015]图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；图2为本申请基于DSP系统的故障检测方法第一实施例的流程示意图；图3为本申请基于DSP系统的故障检测装置的模块示意图；图4为本申请基于DSP系统的故障检测系统的硬件模块示意图；图5为本申请基于DSP系统的故障检测系统的软件模块示意图。
[0016]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]如图1所示，图1是本申请实施例方案涉及的硬件运行环境的终端结构示意图。
[0019]本申请实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3（Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3）播放器、MP4（Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4）播放器、便携计算机等具有显示功能的可移动式终端设备。
[0020]如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于DSP系统的故障检测方法，其特征在于，所述基于DSP系统的故障检测方法包括：获取故障信号；将所述故障信号输入至预设的故障检测模型，基于所述故障检测模型，对所述故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息；其中，所述故障检测模型是基于故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签对待训练模型进行迭代训练后得到的。2.如权利要求1所述的基于DSP系统的故障检测方法，其特征在于，所述基于所述故障检测模型，对所述故障信号进行分类处理，并对分类后的故障信号进行故障信息诊断处理，得到故障信息的步骤，包括：确定各所述故障信号的类别标签；基于所述故障检测模型和所述类别标签，对所述故障信号进行分类处理，得到分类后的故障信号；确定所述分类后的故障信号的极值分布；基于所述极值分布，对分类后的故障信号进行故障信息诊断处理，得到故障信息。3.如权利要求2所述的基于DSP系统的故障检测方法，其特征在于，所述确定所述分类后的故障信号的极值分布的步骤，包括：提取所述分类后的故障信号的特征信息，得到特征数据；对所述特征数据进行最大池化操作和最小池化操作，得到所述特征数据的极值分布。4.如权利要求1所述的基于DSP系统的故障检测方法，其特征在于，所述获取故障信号的步骤之前，所述方法包括以下步骤：获取故障信号样本、所述故障信号样本的类别标签和所述故障信号样本的故障信息标签；基于所述故障信号样本的类别标签，确定所述故障信号样本的类别权值信息；基于所述故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签，对预设的待训练模型进行迭代训练，得到具有满足精度条件的故障检测模型。5.如权利要求4所述的基于DSP系统的故障检测方法，其特征在于，所述基于所述故障信号样本、所述故障信号样本的类别权值信息和所述故障信号样本的故障信息标签，对预设的待训练模型进行迭代训练，得到具有满足精度条件的故障检测模型的步骤，包括：将所述故障信号样本和所述故障信号样本的类别权值信息输入至预设的待训练模型，得到预测故障信息；将所述预测故障信息与所述故障信...
【专利技术属性】
技术研发人员：林江，郭露露，
申请(专利权)人：北京东远润兴科技有限公司，
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。