一种基于振动图像的设备故障检测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于振动图像的设备故障检测方法及装置，通过图像采集获取设备的振动图像，在对振动图像进行特征提取后，获得关于振动图像的振动频率与振幅值的频率振幅二维直方图；根据和预设的通过分类卷积神经网络模型，对获取的振动图像、频率振幅直方图进行分类计算，并获得针对振动图像和频率振幅直方图的分类结果，最后根据分类结果对设备进行异常故障判断；围绕改进的分类卷积神经网络模型分析设备振动图像特征，以不接触式的信息获取方法，分析设备振动，拓展了对于工业设备的振动信号检测手段。备的振动信号检测手段。备的振动信号检测手段。

【技术实现步骤摘要】
一种基于振动图像的设备故障检测方法及装置


[0001]本专利技术涉及机器视觉CV
，特别涉及一种基于振动图像的设备故障检测方法、装置、电子设备和可读存储介质。

技术介绍

[0002]工业设备作为不断丰富的生产资料，能够极大程度的提高劳动生产的工作效率，同时具有稳定可靠的优点；在设备运作时，由于内各种功能部件的机械活动，往往伴随着一定的振动噪音；通过采集并分析噪音中的声波特性，能够有效的分析出设备的运行状态，对于设备的检测维护具有重要意义。
[0003]相关技术中，通常采用布置振动传感器来捕获工业设备运行时产生的振动信号，之后通过对采集的振动信号进行分析处理来判断设备的运行状态，以及确定是否存在异常故障。
[0004]但现有方案中，需要将传感器世界连接在设备上，通过接触式的部署进行信号采集，整个检测环节步骤十分冗杂，应用方法过于局限。

技术实现思路

[0005]本专利技术实施例提供一种基于振动图像的设备故障检测方法、装置、电子设备和可读存储介质，以解决现有技术中对工业设备的检测手段过于局限问题。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动图像的设备故障检测方法，其特征在于，所述方法包括：获取设备的振动图像；对所述振动图像进行特征提取，获得所述振动图像的频率振幅直方图；根据所述振动图像、所述频率振幅直方图和预设的分类卷积神经网络模型，获得针对所述振动图像和所述频率振幅直方图的分类结果；根据所述分类结果确定设备是否存在故障。2.根据权利要求1所述的方法，其特征在于，所述根据所述振动图像、所述频率振幅直方图和预设的分类卷积神经网络模型，获得针对所述振动图像和所述频率振幅直方图的分类结果，包括：将所述振动图像的图像通道与所述频率振幅直方图的图像通道进行融合，获得目标融合图像；通过预设的分类卷积神经网络模型，对所述目标融合图像进行分类，获得分类结果。3.根据权利要求2所述的方法，其特征在于，所述振动图像与所述频率振幅直方图均为二维直方图；所述将所述振动图像的图像通道与所述频率振幅直方图的图像通道进行融合，获得目标融合图像，包括：根据所述振动图像的图像通道信息，获得包括至少一个振动图像矩阵的振动图像矩阵合集，单个振动图像矩阵包括一个所述振动图像的图像通道的所有内容信息；根据所述频率振幅直方图的图像通道信息，获得包括至少一个频率振幅直方图矩阵的频率振幅直方图矩阵合集，单个频率振幅直方图矩阵包括一个所述频率振幅直方图的图像通道的所有内容信息；将所述振动图像矩阵合集与所述频率振幅直方图矩阵合集中的图像通道进行融合，获得融合矩阵合集；其中，所述融合矩阵合集包括所述振动图像的图像通道和所述频率振幅直方图的图像通道的所有内容信息；根据所述融合矩阵合集生成所述目标融合图像。4.根据权利要求2所述的方法，其特征在于，分类卷积神经网络模型包括至少一个分类器；所述通过预设的分类卷积神经网络模型，对所述目标融合图像进行分类，获得分类结果，包括：通过分类卷积神经网络模型中的分类器，对所述目标融合图像进行评估打分；获得所述分类器的所有打分...

【专利技术属性】
技术研发人员：高大帅，李健，陈明，武卫东，
申请(专利权)人：北京捷通华声科技股份有限公司，
类型：发明
国别省市：