【技术实现步骤摘要】
本专利技术涉及故障检测，尤其是指一种泵站机组故障检测方法、装置、设备及计算机存储介质。
技术介绍
1、随着泵站工程平均运行时间延长，检修周期缩短，泵站机组的日常运维和检修工作愈发困难，基于声音信号的故障智能诊断方法是一种可行的选择。目前泵站的检修主要采用计划检修和事后检修模式，效率低下且易受到人为因素的影响，均存在一定弊端，机组的状态检修成为必然趋势。
2、传统的引调水泵站机组的故障识别多以人工巡查的形式进行，存在巡检范围有限、诊断效率低下、经验主观性强、过度依赖专家经验等不足。随着泵站工程的发展，人工巡检形式愈发无法满足泵站检修工作的要求。
3、对泵站的故障智能诊断研究以构建检测系统为核心内容，其中多为机器学习技术和监测系统的搭建。目前泵站的故障智能识别主要采用以下方法：(1)对运行声音数据进行特征提取，对声纹数据样本中的声纹特征与故障类别进行相关性分析，给出声音类别来判断是否出现故障。(2)通过采集声音和震动信号，给出声音和震动信号的故障相似度，相似度超出设定的阈值自动报警。
4、因此现有技术存在...
【技术保护点】
1.一种泵站机组故障检测方法，其特征在于，包括：
2.根据权利要求1所述的泵站机组故障检测方法，其特征在于，所述实时获取目标设备运行时的一维时间序列声纹数据包括：
3.根据权利要求2所述的泵站机组故障检测方法，其特征在于，所述利用小波变换方法进行降噪处理包括：
4.根据权利要求1所述的泵站机组故障检测方法，其特征在于，所述将所述一维时间序列声纹数据转换为频率-时间-幅值频谱图，得到二维声纹图谱包括：
5.根据权利要求4所述的泵站机组故障检测方法，其特征在于，所述将所述多个帧信号转换为多个频谱信号包括：
6.根...
【技术特征摘要】
1.一种泵站机组故障检测方法，其特征在于，包括：
2.根据权利要求1所述的泵站机组故障检测方法，其特征在于，所述实时获取目标设备运行时的一维时间序列声纹数据包括：
3.根据权利要求2所述的泵站机组故障检测方法，其特征在于，所述利用小波变换方法进行降噪处理包括：
4.根据权利要求1所述的泵站机组故障检测方法，其特征在于，所述将所述一维时间序列声纹数据转换为频率-时间-幅值频谱图，得到二维声纹图谱包括：
5.根据权利要求4所述的泵站机组故障检测方法，其特征在于，所述将所述多个帧信号转换为多个频谱信号包括：
【专利技术属性】
技术研发人员：赵志勇，张社荣，黄梓涵，王超，王枭华，张涵需，来亦姝，张辉，代红波，李常开，
申请(专利权)人：中国电建集团昆明勘测设计研究院有限公司，
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。