一种设备异常声音检测的设备的制作方法

本实用新型属于声音检测技术领域，具体是一种设备异常声音检测的设备。

背景技术：

当前，仍存在较多设备检测方法主要依赖于人工定期进行设备检测、维护。这种检测方式主要存在以下几个问题：一、依赖人力，检测设备运营成本高；二、存在故障漏查风险，面对重复的设备检测工作，检测人员容易产生疲倦心理，降低设备检测的效果和质量，由于设备发生故障具有突发性，检测人员无法满足设备检测的及时性。

一些检测设备已经实现设备在线状态检测，但仍然存在以下几个问题：一、传感器的安装位置固定，缺乏灵活性，大多需要紧贴设备；二、每个设备监测点需要配备独立的传感器，致使较多的传感器设备布置困难，获取数据量大，格式复杂，设备运营成本较高。

技术实现要素：

本实用新型的目的在于克服现有技术的缺陷，提供了一种检测灵活、检测灵敏的基于边缘计算技术的设备主体，设备主体使用设备异常声音检测方法，充分利用边缘计算的特点，利用声音信号处理以及模式识别技术，实时准确检测出设备内部异常原因，维护设备的正常运行。

为实现上述目的，本实用新型采用了如下技术方案：

一种设备异常声音检测的设备，包括设备主体，所述设备主体包括前端数据采集器和边缘计算容器；

所述前端数采集器是一个能采集音频特征并将数据信号压缩、传输和存储的设备，该设备包含音频采集模块、音频服务模块以及音频存储模块；

所述边缘计算容器是一个能获取数据并具有计算分析能力的设备，该设备包含arm开发板、网络通讯模块、报警模块以及电源模块。

优选的，所述音频采集模块采用拾音器设备，拾音器设备可实现户外、远距离环境的高保真录音操作，采用金属外壳，并在其表面电镀处理。

优选的，所述音频服务模块与音频采集模块通过设置导线连接，且音频服务模块用于接受拾音器的音频数据，完成数字信号压缩和传输作业。

优选的，所述音频存储模块与边缘计算容器通过设置导线连接，且音频存储模块用于存储异常状态下音频特征库、音频识别后的结果，以及操作系统内核和文件系统。

优选的，所述arm开发板采用arm中央处理器，且arm开发板内置音频数据特征转化和对音频数据分析的运算程序，实时接收并分析音频数据；

所述运算程序为，通过改进的mfcc算法对音频数据特征进行提取并转化，通过基于粒子群优化的自组织特征映射神经网络算法训练模型，利用训练好的模型识别设备主体运行声音，若存在设备异常运行声音，将结果进行储存、传输到上位机并进行报警。

优选的，所述网络通讯模块用于与外置的上位机进行连接和数据传输，且网络通讯模块采用有线或无线的方式与外置的上位机远程连接。

优选的，所述报警模块与arm开发板通过设置导线连接，若是数据分析结果发现设备主体存在异常状态时，所述报警模块进行报警。

与现有技术相比，本实用新型提供了一种设备异常声音检测的设备，具有如下有益效果：

本实用新型利用边缘计算容器直接对获取到的数据进行处理，无需将数据传输到后台并进行分析设备运行状态，大大减少了数据传送的时间；

检测人员可以通过使用手机、平板以及电脑等方式登陆可视化控制平台界面，便于检测人员进行监测设备运行状态。

附图说明

图1是本实用新型的整体结构示意图；

图2是本实用新型的内部结构示意图；

图3是本实用新型的原理框图；

图4是本实用新型的检测方法流程图。

附图标记：1、设备主体；2、音频采集模块；3、音频服务模块；4、音频存储模块；5、arm开发板；6、网络通讯模块；7、报警模块；8、电源模块。

具体实施方式

以下结合附图1，进一步说明本实用新型一种设备异常声音检测的设备的具体实施方式。本实用新型一种设备异常声音检测的设备不限于以下实施例的描述。

实施例1：

本实施例给出一种设备异常声音检测的设备的具体结构，如图1－3所示，一种设备异常声音检测的设备，包括设备主体1，设备主体1包括前端数据采集器和边缘计算容器；

前端数采集器是一个能采集音频特征并将数据信号压缩、传输和存储的设备，该设备包含音频采集模块2、音频服务模块3以及音频存储模块4；

边缘计算容器是一个能获取数据并具有计算分析能力的设备，该设备包含arm开发板5、网络通讯模块6、报警模块7以及电源模块8。

如图2和3所示，音频采集模块2采用拾音器设备，拾音器设备可实现户外、远距离环境的高保真录音操作，采用金属外壳，并在其表面电镀处理；具有防水防潮、高保真、低噪声的特点，为后续的音频信号处理提供可靠的音频数据。

如图2和3所示，音频服务模块3与音频采集模块2通过设置导线连接，且音频服务模块3用于接受拾音器的音频数据，完成数字信号压缩和传输作业；压缩格式采用a律pcm音频格式，传输方式采用tcp/ip协议传输标准。

如图2和3所示，音频存储模块4与边缘计算容器通过设置导线连接，且音频存储模块4用于存储异常状态下音频特征库、音频识别后的结果，以及操作系统内核和文件系统。

如图2和3所示，arm开发板5采用arm中央处理器，该处理器具有低功耗高运算性能处理的特点。且arm开发板5内置音频数据特征转化和对音频数据分析的运算程序，实时接收并分析音频数据；

运算程序为，通过改进的mfcc算法对音频数据特征进行提取并转化，通过基于粒子群优化的自组织特征映射神经网络pso－som算法训练模型，利用训练好的模型识别设备主体1运行声音，若存在设备异常运行声音，将结果进行储存、传输到上位机并进行报警。

如图2和3所示，网络通讯模块6用于与外置的上位机进行连接和数据传输，考虑到存在设备运行环境封闭，信号传输能力较弱的情形，该网络通讯模块6采用有线或无线的方式与外置的上位机远程连接。网线和4g网络相结合的方式，当网线传输中断时，启用4g网络传输，从而实现边缘计算容器与上位机的远程连接。

如图2和3所示，报警模块7与arm开发板5通过设置导线连接，若是数据分析结果发现设备主体1存在异常状态时，报警模块7进行报警。

实施例2：

本实施例给出一种设备异常声音检测的设备的具体使用方法，如图4所示，按照下述步骤进行：

(1)启动异常声音检测设备；

(2)异常声音检测设备无需紧贴被检测设备，放在靠近被检测设备的一端，触发音频采集模块2的启动端，音频采集模块2实时采集被检测设备的音频数据；

(3)采用音频服务模块3接收音频采集模块2的音频数据，进行数字信号压缩和传输；

(4)将压缩后的数字信号传至边缘计算容器里arm开发板5；针对应用场景的模型化及噪声识别，进入训练程序，arm开发板5对正常的设备运行数据进行训练，自适应提取数据特征，生成机器噪声基础特征集，通过pso－som神经网络算法学习计算权重和配比，所得模型和数据特征存储于arm开发板5的计算程序中；

当训练好模型后，进入识别程序，先提取当前采集的音频数据特征，用训练好的模型对音频数据特征进行测试；

(5)当测试结果显示设备存在异常状态时，报警模块7发出警告，音频存储模块4存储异常状态时的数据特征等信息；

(6)通过网络通讯模块6上传数据分析结果至外置的上位机，该处的上位机使用电脑或手机登陆控制平台可视化边缘计算容器处理分析后的结果并进行相关的操作处理。

以上内容是结合具体的优选实施方式对本实用新型所作的进一步详细说明，不能认定本实用新型的具体实施只局限于这些说明。对于本实用新型所属技术领域的普通技术人员来说，在不脱离本实用新型构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本实用新型的保护范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除