【技术实现步骤摘要】
设备异常识别方法、装置、设备及介质
[0001]本公开涉及声音识别
，尤其涉及一种设备异常识别方法、设备异常识别装置、电子设备及计算机可读存储介质。
技术介绍
[0002]许多设备，如发动机、螺旋桨、扬声器等，在内部部件出现故障时，视觉、触觉和嗅觉没有明显变化。然而，运行声音通常有明显变化。因此，工业设备工作时，运行声音是工业设备健康状况的最重要综合表征之一。
[0003]在相关技术中，通常基于人工经验判断设备故障，然而，上述方式存在主观性强、人工疲劳造成识别精度低、经验丰富人员稀缺的问题。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]本公开提供一种设备异常识别方法、装置、设备及介质，至少在一定程度上克服现有的人工识别设备故障存在主观性强、识别精度低的问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得...
【技术保护点】
【技术特征摘要】
1.一种设备异常识别方法，其特征在于，包括：获取待识别设备的运行声音信号；对所述运行声音信号进行特征提取，得到多个不同时刻的特征值；通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，以根据所述声音类别确定所述待识别设备的运行状态，其中，所述预设声音识别模型，根据历史运行声音信号以及对应的异常声音类别标签和异常置信度标签训练得到的。2.根据权利要求1所述的设备异常识别方法，其特征在于，所述对所述运行声音信号进行特征提取，得到多个不同时刻的特征值，包括：对所述运行声音信号按照预设规则进行分帧，得到不同时刻下的声音帧；对各个时刻下的所述声音帧进行信息提取，得到所述多个不同时刻的特征值。3.根据权利要求1所述的设备异常识别方法，其特征在于，所述声音识别模型包括第一网络单元、阈值预测层、分类层和至少一个第二网络单元，所述第一网络单元分别连接所述阈值预测层和所述分类层，所述至少一个第二网络单元连接在所述第一网络单元和所述分类层之间，当所述第二网络单元为多个时，多个所述第二网络单元依次连接，各个所述第二网络单元分别连接所述分类层，所述声音识别模型以交叉熵为损失函数。4.根据权利要求3所述的设备异常识别方法，其特征在于，所述通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，包括：根据所述第一网络单元对所述当前时刻的特征值进行处理，得到第一处理结果；通过所述分类层对所述第一处理结果进行分类，得到所述待识别设备当前时刻的声音类型；通过所述阈值预测层对所述第一处理结果进行处理，得到所述当前时刻的置信度，根据所述当前时刻的置信度，确定跳帧数目或确定下一时刻所述第二网络单元的激活数目。5.根据权利要求4所述的设备异常识别方法，其特征在于，所述方法还包括：若所述当前时刻的置信度满足第一置信度范围，则根据所述第一置信度范围确定跳帧数目，根据所述跳帧数目确定跳帧后对应时刻的特征值；通过所述预设声音识别模型对所述跳帧后对应时刻的特征值进行处理，得到所述待识别设备在对应时刻的声音类型；通过所述第一网络单元和所述阈值预测层对所述跳帧后对应时刻的特征值进行处理，得到所述跳帧后对应时刻的初始置信度，根据所述跳帧后对应时刻之前的预设数量的历史置信度和所述跳帧后对应时刻的初始置信度，得到所述跳帧后对应时刻的置信度，以根据所述跳帧后对应时刻的置信度，确定跳帧数目或所述第二网络单元的激活数目。6.根据权利要求5所述的设备异常识别方法，其特征在于，所述第一置信度范围包括多个第一置信度子范围，一个所述第一置信度子范围对应一个跳帧数目。7.根据权利要求4所述的设备异常识别方法，其特征在于，所述方法还包括：若无需跳帧且所述当前时刻的置信度满足第二置信度范围，则根据所述第二置信度范围确定下一时刻所述第二网络单元的激活数目；获取下一时刻的特征值，通过所述第一网络单元对所述下一时刻的特征值进行处理，得到第一处理结果；通过与所述第一网络单元连接的所述激活数目的第二网络单元依次对所述第一处理
结果进行处理，得到第二处理结果；通过所述分类层对所述第二处理结果进行分类，得到所述待识别设备的声音类型。8.根据权利要求7所述的设备异常识别方法，其特征在于，所述第二置信度范围包括多个第二置信度子范围，一个所述第二置信度子范围对应一个所述第二...
【专利技术属性】
技术研发人员：刘晴，
申请(专利权)人：中国电信股份有限公司，
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。