【技术实现步骤摘要】
本申请涉及煤矿设备故障检测领域，具体而言，涉及一种故障检测方法、装置、非易失性存储介质及电子设备。
技术介绍
1、目前煤矿企业在生产管理中，对于设备故障检测主要采用人工现场巡检形式进行，定期通过人工的现场观察和敲击，对其传输设备、链条等产品的情况进行检测，故障问题的发现主要依赖于现场人工的听觉经验和观察，由于人工巡检效率低，导致设备故障发现不及时、不准确。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种故障检测方法、装置、非易失性存储介质及电子设备，以至少解决由于人工巡检效率低，导致设备故障发现不及时、不准确的技术问题。
2、根据本申请实施例的一个方面，提供了一种故障检测方法，包括：获取音频采集设备采集的声源设备的第一音频数据和预测模型输出的第二音频数据，并确定第一音频数据和第二音频数据之间的差异值，其中，预测模型是基于历史音频数据训练得到的，用于预测声源设备在各个工作时间段的音频数据，声源设备在各个工作时间段的工作状态不完全相同；在差异值超过预设阈值的情况下，确定声源设备存在故障；在确定声源设备存在故障的情况下，确定第一音频数据与故障数据库中的历史故障音频数据的相似度；依据相似度从历史故障音频数据中确定目标故障数据，并依据目标故障数据对应的故障类型确定声源设备的故障类型，其中，历史故障音频数据对应的工作时间段与第一音频数据对应的工作时间段相同，目标故障数据为故障数据库中与第一音频数据相似度最高的历史故障音频数据。
3、可选地，依据目标故障数据对应的故障类型确定声源设备的故障类型包括：在目标故障数据的相似度大于预设阈值的情况下，确定声源设备的故障类型为目标故障数据对应的故障类型，在目标故障数据的相似度小于预设阈值的情况下，确定声源设备的故障类型为新增的故障类型。
4、可选地，获取预测模型输出的第二音频数据之前，方法还包括：获取历史音频数据，通过梅尔频率倒谱系数提取历史音频数据的特征数据；依据特征数据构建时间序列，其中，时间序列分为多组，多组时间序列分别对应不同的工作时间段；依据时间序列训练基础模型，得到预测模型，其中，基础模型为经过预训练的长短期记忆网络模型。
5、可选地，声源设备包括第一设备和第二设备，其中，预测模型训练采用的历史设备音频数据为第一设备的历史设备音频数据；获取预测模型输出的第二音频数据包括：在声源设备为第一设备的情况下，将预测模型输出的数据作为第二音频数据；在声源设备为第二设备的情况下，获取预测模型输出的数据，依据特征变化因子将数据转化为第二音频数据，其中，特征变化因子用于表示第一设备的音频数据和第二设备的音频数据间的映射关系。
6、可选地，特征变化因子通过以下方式确定：获取第一设备的第三音频数据，对第三音频数据进行分割处理，得到第三音频数据的第一数据帧，其中，第一数据帧依据时间序列排列；对第一数据帧进行特征提取，得到第一特征向量序列；对多组第一特征向量序列进行均值处理，得到标准化的第一特征向量序列；获取第二设备的第四音频数据，对第四音频数据进行分割处理，得到第四音频数据的第二数据帧，其中，第二数据帧依据时间序列排列；对第二数据帧进行特征提取，得到第二特征向量序列；对多组第二特征向量序列进行均值处理，得到标准化的第二特征向量序列；依据标准化的第一特征向量序列与标准化的第二特征向量序列间的离散关系，确定第一设备和第二设备的特征变化因子。
7、可选地，确定第一音频数据与故障数据库中的历史故障音频数据的相似度包括：获取第一音频数据的第一频谱图和历史故障音频数据的第二频谱图；在统一坐标系中提取所述第一频谱图中的特征点作为第一坐标点，并在统一坐标系中提取所述第二频谱图中的特征点作为第二坐标点，其中，所述特征点包括峰值点，谷值点，所述第一坐标点和所述第二坐标点一一对应；计算第一频谱图中的第一坐标点和第二频谱图中与第一坐标点对应的第二坐标点间的距离，依据第一频谱图的第一坐标点和第二频谱图中与第一坐标点对应的第二坐标点间的距离确定第一频谱图第二频谱图间的距离，其中，第一频谱图与第二频谱图间的距离的值为第一音频数据和各历史故障音频数据的相似度。
8、可选地，将预测模型设置于传感器中，其中，传感器用于采集数据，并用于依据预测模型输出的预测音频数据，在本地实时进行故障检测，传感器支持在脱机状态下进行检测。
9、可选地，在确定声源设备的故障类型为新增的故障类型之后，方法还包括：将第一音频数据发送至人工识别平台，人工识别平台用于向目标对象展示需要人工识别故障类型的第一音频数据；获取人工识别平台返回的故障类型，更新故障数据库。
10、可选地，音频采集设备包括麦克风阵列，获取音频采集设备采集的声源设备的第一音频数据包括：在设备的工作振幅小于或等于预设振幅阈值的情况下，获取通过近场模型排布的麦克风阵列采集的声源设备的第一音频数据；在设备的工作振幅大于预设振幅阈值的情况下，获取通过远场模型排布的麦克风阵列采集的获取声源设备的第一音频数据。
11、根据本申请实施例的另一方面，还提供了一种故障检测装置，包括：第一获取模块，用于获取音频采集设备采集的声源设备的第一音频数据和预测模型输出的第二音频数据，并确定第一音频数据和第二音频数据之间的差异值，其中，预测模型是基于历史音频数据训练得到的，用于预测声源设备在各个工作时间段的音频数据，声源设备在各个工作时间段的工作状态不完全相同；第一确定模块，用于在差异值超过预设阈值的情况下，确定声源设备存在故障；第二确定模块，用于在确定声源设备存在故障的情况下，确定第一音频数据与故障数据库中的历史故障音频数据的相似度；第三确定模块，用于依据相似度从历史故障音频数据中确定目标故障数据，并依据目标故障数据对应的故障类型确定声源设备的故障类型，其中，历史故障音频数据对应的工作时间段与第一音频数据对应的工作时间段相同，目标故障数据为故障数据库中与第一音频数据相似度最高的历史故障音频数据。
12、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质中存储有程序，其中，在程序运行时控制非易失性存储介质所在设备执行故障检测方法。
13、根据本申请实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行故障检测方法。
14、根据本申请实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现故障检测方法。
15、在本申请实施例中，采用获取音频采集设备采集的声源设备的第一音频数据和预测模型输出的第二音频数据，并确定第一音频数据和第二音频数据之间的差异值，其中，预测模型是基于历史音频数据训练得到的，用于预测声源设备在各个工作时间段的音频数据，声源设备在各个工作时间段的工作状态不完全相同；在差异值超过预设阈值的情况下，确定声源设备存在故障；在确定声源设备存在故障的情况下，确定第一音频数本文档来自技高网...
【技术保护点】
1.一种故障检测方法，其特征在于，包括：
2.根据权利要求1所述的故障检测方法，其特征在于，依据所述目标故障数据对应的故障类型确定所述声源设备的故障类型包括：
3.根据权利要求1所述的故障检测方法，其特征在于，获取预测模型输出的第二音频数据之前，所述方法还包括：
4.根据权利要求1所述的故障检测方法，其特征在于，所述声源设备包括第一设备和第二设备，其中，所述预测模型训练采用的历史设备音频数据为所述第一设备的历史设备音频数据；获取预测模型输出的第二音频数据包括：
5.根据权利要求4所述的故障检测方法，其特征在于，所述特征变化因子通过以下方式确定：
6.根据权利要求1所述的故障检测方法，其特征在于，确定所述第一音频数据与故障数据库中的历史故障音频数据的相似度包括：
7.根据权利要求1所述的故障检测方法，其特征在于，所述方法还包括：
8.根据权利要求2所述的故障检测方法，其特征在于，在确定所述声源设备的故障类型为新增的故障类型之后，所述方法还包括：
9.根据权利要求1所述的故障检测方法，其特
10.一种故障检测装置，其特征在于，包括：
11.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至9中任意一项所述的故障检测方法。
12.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的故障检测方法。
13.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任意一项所述故障检测方法的步骤。
...【技术特征摘要】
1.一种故障检测方法，其特征在于，包括：
2.根据权利要求1所述的故障检测方法，其特征在于，依据所述目标故障数据对应的故障类型确定所述声源设备的故障类型包括：
3.根据权利要求1所述的故障检测方法，其特征在于，获取预测模型输出的第二音频数据之前，所述方法还包括：
4.根据权利要求1所述的故障检测方法，其特征在于，所述声源设备包括第一设备和第二设备，其中，所述预测模型训练采用的历史设备音频数据为所述第一设备的历史设备音频数据；获取预测模型输出的第二音频数据包括：
5.根据权利要求4所述的故障检测方法，其特征在于，所述特征变化因子通过以下方式确定：
6.根据权利要求1所述的故障检测方法，其特征在于，确定所述第一音频数据与故障数据库中的历史故障音频数据的相似度包括：
7.根据权利要求1所述的故障检测方法，其特征在于，所述方法还包括：
8.根据...
【专利技术属性】
技术研发人员：吴珉杰，王惠仁，
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。