【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及设备故障检测方法、装置、计算机设备及存储介质。
技术介绍
1、随着工业的发展，故障检测在工业发展中提高了至关重要的作用，对于提高设备可靠性、生产效率和产品质量至关重要。相关技术中采用深度学习方法能够自动从原始数据中学习特征表示，避免了繁琐的手动特征设计过程。卷积神经网络(cnn)、循环神经网络(rnn)、自编码器(ae)等模型被广泛用于故障检测任务。但是现有技术中对于设备故障检测时，由于设备运行中声音频率低，设备类型多等原因，会导致故障检测不准确的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种设备故障检测方法、装置、计算机设备及存储介质，以解决机器异常声音检测中频率低、种类多以及变化大的问题。
2、第一方面，本专利技术提供了一种设备故障检测方法，方法包括：
3、获取待检测对象在运行的声音数据；
4、计算声音数据的第一梅尔频谱图；
5、提取第一梅尔频谱图中的第一声学特征；
6、将第一声学特征输...
【技术保护点】
1.一种设备故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，计算所述声音数据的梅尔频谱图，具体包括：
3.根据权利要求1或2所述的方法，其特征在于，所述提取所述梅尔频谱图中的第一声学特征，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述自编码器包括编码器和解码器，所述将所述第一声学特征输入至自编码器，计算得到异常信息，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述根据预设伽玛分布和所述异常信息，确定所述待检测对象是否异常，具体包括：
6.一种设备故障检...
【技术特征摘要】
1.一种设备故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，计算所述声音数据的梅尔频谱图，具体包括：
3.根据权利要求1或2所述的方法，其特征在于，所述提取所述梅尔频谱图中的第一声学特征，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述自编码器包括编码器和解码器，所述将所述第一声学特征输入至自编码器，计算得到异常信息，具体包括：
【专利技术属性】
技术研发人员：韦屹，李喆，潘剑，陈智斌，农英雄，杨振宇，梁冬，
申请(专利权)人：广西中烟工业有限责任公司，
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。