终端马达的检测方法、装置、终端及存储介质与流程

本公开涉及计算机技术领域，具体涉及一种终端马达的检测方法、装置、终端及存储介质。

背景技术：

目前对马达的测试大多依赖人为通过测试程序判断待测马达的实际振动参数是否与正常的振动参数匹配，以确定马达是否存在振动异常。此种马达测试方法在马达的大规模批量生产中容易产生误判和漏判，最终导致马达器件异常或错误装配。

技术实现要素：

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供了一种终端马达的检测方法，包括：

控制待测马达以预设方式振动；

获取所述待测马达振动时产生的振动信息；

获取所述振动信息的特征数据；

使用检测模型对所述特征数据进行处理，得到处理结果。

第二方面，本公开提供了一种终端马达的检测装置，包括：

控制单元，用于控制待测马达以预设方式振动；

信息获取单元，用于获取所述待测马达振动时产生的振动信息；

特征获取单元，用于获取所述振动信息的特征数据；

检测单元，使用检测模型对所述特征数据进行处理，得到处理结果。

第三方面，本公开提供了一种终端，所述终端包括：

至少一个存储器和至少一个处理器；

其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行根据本公开的一个或多个实施提供的终端马达的检测方法。

第四方面，一种非暂态计算机存储介质，所述非暂态计算机存储介质存储有程序代码，所述程序代码用于执行根据本公开的一个或多个实施提供的终端马达的检测方法。

根据本公开实施例提供终端马达的检测方法，通过控制待测马达以预设方式进行振动以获取振动信息，并将获取的振动信息的特征数据输入至检测模型，可以准确、高效地检测待测马达的振动状态。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开一实施例提供的终端马达的检测方法的流程图；

图2为本公开另一实施例提供的终端马达的检测方法的流程图；

图3为本公开又一实施例提供的终端马达的检测方法的流程图；

图4为本公开一实施例提供的马达检测模型的训练方法的流程图；

图5为本公开另一实施例提供的马达检测模型的训练方法的流程图；

图6为本公开又一实施例提供的马达检测模型的训练方法的流程图；

图7为本公开一实施例提供的终端马达的检测装置的结构示意图；

图8为本公开一实施例提供的检测模型的训练装置的结构示意图；

图9为用来实现本公开实施例的终端的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的装置实施方式中记载的步骤可以按照不同的顺序执行，和/或并行执行。此外，装置实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

为了本公开的目的，短语“a和/或b”意为(a)、(b)或(a和b)。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

参考图1，图1示出了本公开实施例提供的终端马达的检测方法的流程图，该方法100包括步骤s101-步骤s104：

步骤s101：控制待测马达以预设方式振动。例如，可以控制待测马达以预设的节奏、频率和振动时长进行振动。

步骤s102：获取待测马达振动时产生的振动信息。

其中，振动信息包括因振动产生的音频信息或者因振动引起待测马达或者待测马达所在的终端运动而产生的运动信息。在一些实施例中，可以通过麦克风搜集待测马达振动时产生的音频信息，也可以通过终端上的传感器检测待测马达振动产生的运动信息，例如加速度、振动频率、加速度变化频率、振动幅值等。

步骤s103：获取振动信息的特征数据。

示例性地，可以将获取到的振动信息输入预先设置的向量转化模型获取振动信息的特征向量。进一步地，在一些实施例中，如果振动信息为音频信息，可以从音频信息中提取mfcc(melfrequencycepstrumcoefficient，梅尔频率倒谱系数)特征向量。在步骤s102中获取到的原始音频信息为模拟信息，通常为音频的时域波形，其不能很好的反映音频特征，因此本公开实施例从获取的音频信息中提取mfcc特征向量，可以提高马达检测模型的准确性。

步骤s104：使用检测模型对所述特征数据进行处理，得到处理结果。

其中，检测模型为训练好的人工智能模型，例如逻辑回归模型或神经网络模型，可以用来检测待测马达的振动状态。所述检测模型可以存储于待测马达所在的终端中，也可以存储于其他智能终端中。

这样，根据本公开实施例提供终端马达的检测方法，通过控制待测马达以预设方式进行振动以获取振动信息，并将获取的振动信息的特征数据输入至检测模型，可以准确、高效地检测待测马达的振动状态。

在一些实施例中，步骤s103进一步包括：

步骤a1：获取待测马达振动时产生的运动信息；或者

步骤b1：获取待测马达振动时产生的音频信息。

其中，运动信息为马达振动引发的马达或马达所在的终端运动的相关参数，包括加速度、振动频率、加速度变化频率、振动幅度等。在一些实施例中，运动信息可以由马达所在终端中的运动传感器检测得到，例如加速度传感器、角速度传感器、重力传感器等。音频信息为马达振动引发的马达或马达所在的终端发出的声音的信息。在一些实施例中，音频信息可由外置的麦克风或马达所在的终端中的麦克风检测得到。

在一些实施例中，步骤b1进一步包括：

步骤b11：获取待测马达所处环境中的环境噪音音频信息；

步骤b12：获取待测马达在环境中振动时产生的马达振动音频信息；

步骤b13：根据环境噪音音频信息和马达振动音频信息得到音频信息。

在实际操作中，获取到的马达振动音频信息通常包括马达所在环境中的环境噪音信息，因而本公开实施例通过额外获取环境噪音音频信息可以对获取到的马达振动音频信息进行降噪处理，从而得到的音频信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，待测马达为待测终端内置的马达，待测终端具有第一声音采集装置和第二声音采集装置；步骤b1进一步包括：

步骤b21：获取所述待测马达振动时所述第一声音采集装置检测到的第一音频信息；

步骤b22：获取所述待测马达振动时所述第二声音采集装置检测到的第二音频信息；和

步骤b23：根据所述第一音频信息和所述第二音频信息得到所述音频信息。

其中，第一声音采集装置和第二声音采集装置为终端内置的麦克风，第一音频信息为第一声音采集装置检测到的音频信息，第二音频信息为第二声音采集装置检测到的音频信息。在训练环境或测试环境的噪音较大的情况下，采用外置的麦克风搜集到的音频信息即使进行降噪处理，其受到的环境噪音干扰依然较大。当马达为终端内置马达时，采用终端内置的麦克风可以进一步减少噪音干扰，特别是目前的移动终端通常具备双麦克风且其中一个麦克风专门用来获取环境噪音，因而本公开实施例可以直接利用终端内置的双麦克风分别获得到的音频信息进行降噪处理，从而使得到的马达的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，所述待测终端为移动终端，所述检测模型存储于所述移动终端中。一方面，训练好的检测模型较一般测试程序运行时消耗的计算资源较小，可以运行于移动终端中，从而可以实现在移动终端出厂后仍可以对马达的运行状态进行有效的检测。另一方面，电子设备出厂前通常会在老化房内进行测试，老化房可以提供不适合电子设备长期运行的严苛的测试环境，根据本实施例提供的终端马达测试方法，因待测终端本身可以运行检测模型，无需在老化房内运行其他智能电子设备，从而可以降低测试成本。

在一些实施例中，初始检测模型为支持向量机模型，支持向量机模型存储于待测终端中。支持向量机模型(supportvectormachine,svm)是一类按监督学习方式对数据进行二元分类的广义线性分类器，其具有消耗内存少、预测速度快以及对于高维数据学习效果好的特点。因而在本公开实施例中，通过采用支持向量机模型，可以使的马达检测模型对高维的声音特征向量具有更好的学些和检测效果，且支持向量机模型消耗内存小，对移动终端具有较佳的适配效果。

参考图2，图2示出了本公开另一实施例提供的终端马达的检测方法的流程图，该方法200适用于内置待测马达的待测移动终端，待测移动终端具有第一麦克风和麦克风，方法200包括步骤s201-步骤s206：

步骤s201：在老化房内控制移动终端的待测马达以预设方式振动。

步骤s202：获取待测马达振动时第一麦克风检测到的第一音频信息。

步骤s203：获取待测马达振动时第二麦克风检测到的第二音频信息。

步骤s204：根据第一音频信息和第二音频信息得到马达的振动信息，即马达振动时产生的音频信息。

步骤s205：从获取的振动信息中提取mfcc特征向量。

步骤s206：使用预先训练好的内置于所述移动终端内的检测模型对所述特征数据进行处理，得到处理结果。

在本实施例中，根据本公开实施例提供的终端马达的检测方法用于老化房测试。其中，老化房测试是指在老化房内对电子设备进行测试，老化房是针对电子产品仿真的一种高温、恶劣环境的测试的设备。在本公开实施例中，老化房中的环境噪音较大，因而本公开实施例可以通过直接利用终端内置的双麦克风分别获得到的音频信息进行降噪处理，从而使得到的马达的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。此外，因老化房具有不适合电子设备长期运行的严苛的测试环境，但是根据本实施例提供的终端马达测试方法，因待测试的移动终端本身可以运行检测模型，从而无需在老化房内运行其他智能电子设备，从而本实施例提供的终端马达的检测方法可以更好地适用于在老化房内进行测试，并且可以降低测试成本。

参考图3，图3示出了本公开另一实施例提供的终端马达的检测方法的流程图，该方法300包括步骤s301-步骤s305：

步骤s301：将内置待测马达的待测移动终端和标准麦克风放置于aud工位密封箱内。

步骤s302：通过wifiadb连接待测移动终端控制待测马达以预设方式振动。其中，预设训练方式包括正常振动方案和异常振动方案。adb(androiddebugbridge，安卓调试桥)是一个命令行窗口，可以用于通过电脑端与移动终端进行交互。

步骤s303：通过标准麦克风获取待测马达振动时产生的音频信息。

步骤s304：从获取的音频信息中提取mfcc特征向量。

步骤s305：使用检测模型对所述特征数据进行处理，得到处理结果。

参考图4，图4示出了本公开实施例提供的检测模型的训练方法的流程图，该方法400包括步骤s401-步骤s404：

步骤s401：控制马达以预设训练方式进行振动。

其中，预设训练方式包括正常振动方式和异常振动方式。正常振动方式可以包括马达在正确的工作位置以正常的振动频率或振动节奏进行振动；异常振动方式可以包括马达不在工作位置时以正常或异常的振动频率或振动节奏进行振动，以及马达在工作位置时以异常的振动频率或振动节奏进行振动。在本公开实施例中，所述马达可以为训练检测模型的专用马达，其可以独立设置的方式进行测试或内置于终端中进行测试，本实施例在此不做限制。

步骤s402：获取马达振动时产生的振动信息。

其中，振动信息包括因振动产生的音频信息或者因振动引起待测马达或者待测马达所在的终端运动而产生的运动信息。在一些实施例中，可以通过麦克风搜集马达振动时产生的音频信息，也可以通过传感器检测马达振动时产生的运动信息，例如加速度、振动频率、加速度变化频率、振动幅值等。

步骤s403：获取振动信息的特征数据。

在一些实施例中，可以将获取到的振动信息输入预先设置的向量转化模型获取振动信息的特征向量。进一步地，在一些实施例中，如果振动信息为音频信息，可以从音频信息中提取mfcc(melfrequencycepstrumcoefficient，梅尔频率倒谱系数)特征向量。在步骤s402中获取到的原始音频信息为模拟信息，通常为音频的时域波形，其不能很好的反映音频特征，因此本公开实施例从获取的音频信息中提取mfcc特征向量，可以提高马达检测模型的准确性。

步骤s404：根据特征数据对初始检测模型进行训练以获得目标马达检测模型。

其中，初始检测模型为人工智能模型，例如逻辑回归模型或神经网络模型。在本实施例中，对应马达以正常振动方案进行振动的特征数据可以作为正例数据训练初始检测模型，对应马达以异常振动方案进行振动的特征数据可以作为负例数据训练初始检测模型，最终得到训练好的目标马达检测模型。

这样，根据本公开实施例提供的马达检测模型的训练方法，通过控制马达以预设的振动方案进行振动获取振动信息，并根据获取的振动信息的特征数据对初始马达加测模型进行训练，获得的目标马达检测模型用于检测马达状态可以具备更高的准确率和效率。

在一些实施例中，步骤s403进一步还包括：

步骤c1：获取马达振动时产生的运动信息；或者

步骤d1：获取马达振动时产生的音频信息。

其中，运动信息为马达振动引发马达或马达所在的终端运动的相关参数，包括加速度、振动频率、加速度变化频率、振动幅度等。在一些实施例中，运动信息可以由马达所在终端中的运动传感器检测得到，例如加速度传感器、角速度传感器、重力传感器等。音频信息为马达振动引发马达或马达所在的终端发出的声音的信息。在一些实施例中，音频信息可由外置的麦克风或马达所在的终端中的麦克风检测得到。

在一些实施例中，步骤d1进一步包括：

步骤d11：获取马达所处环境中的环境噪音音频信息；

步骤d12：获取马达在环境中振动时产生的马达振动音频信息；

步骤d13：根据环境噪音音频信息和马达振动音频信息得到音频信息。

在实际操作中，获取到的马达振动音频信息通常包括马达所在环境中的环境噪音信息，因而本公开实施例通过额外获取环境噪音音频信息可以对获取到的马达振动音频信息进行降噪处理，从而得到的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，待测马达为待测终端内置的马达，待测终端具有第一声音采集装置和第二声音采集装置；步骤d1进一步包括：

步骤d21：获取所述待测马达振动时所述第一声音采集装置检测到的第一音频信息；

步骤d22：获取所述待测马达振动时所述第二声音采集装置检测到的第二音频信息；和

步骤d23：根据所述第一音频信息和所述第二音频信息得到所述音频信息。

其中，第一声音采集装置和第二声音采集装置为终端内置的麦克风，第一音频信息为第一声音采集装置检测到的音频信息，第二音频信息为第二声音采集装置检测到的音频信息。在训练环境或测试环境的噪音较大的情况下，采用外置的麦克风搜集到的音频信息即使进行降噪处理，其受到的环境噪音干扰依然较大。当马达为终端内置马达时，采用终端内置的麦克风可以进一步减少噪音干扰，特别是目前的移动终端通常具备双麦克风且其中一个麦克风专门用来获取环境噪音，因而本公开实施例可以直接利用终端内置的双麦克风分别获得到的音频信息进行降噪处理，从而使得到的马达的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，异常振动方案包括马达不在工作位置时振动的方案，从而训练得到的目标马达检测模型可以检测马达是否在工作位置。

在一些实施例中，初始检测模型为支持向量机模型。支持向量机模型(supportvectormachine,svm)是一类按监督学习方式对数据进行二元分类的广义线性分类器，其具有消耗内存少、预测速度快以及对于高维数据学习效果好的特点，因而在本公开实施例中，通过采用支持向量机模型，可以使的马达检测模型对高维的声音特征向量具有更好的学些和检测效果，且训练后的目标马达检测模型消耗内存小，可装配于手机使用，具有较高的检测效率。

参考图5，图5示出了本公开另一实施例提供的马达检测模型的训练方法的流程图，该方法500包括步骤s501-步骤s505：

步骤s501：将内置马达的移动终端和标准麦克风放置于aud工位密封箱内。

步骤s502：通过wifiadb连接移动终端控制马达以预设的预设训练方式进行振动。其中，预设训练方式包括正常振动方案和异常振动方案。adb(androiddebugbridge，安卓调试桥)是一个命令行窗口，可以用于通过电脑端与移动终端进行交互。

步骤s503：通过标准麦克风获取马达振动时产生的音频信息。

步骤s504：从获取的音频信息中提取mfcc特征向量。

步骤s505：根据提取的mfcc特征向量对初始svm模型进行训练以获得目标svm模型。

参考图6，图6示出了本公开又一实施例提供的马达检测模型的训练方法的流程图，该方法600适用于内置马达的移动终端，移动终端具有第一麦克风和麦克风，方法600包括步骤s601-步骤s606：

步骤s601：在老化房内控制移动终端的马达以预设训练方式振动。其中，预设训练方式包括正常振动方案和异常振动方案。

步骤s602：获取马达振动时第一麦克风检测到的第一音频信息。

步骤s603：获取马达振动时第二麦克风检测到的第二音频信息。

步骤s604：根据第一音频信息和第二音频信息得到马达的振动信息，即马达振动时产生的音频信息。

步骤s605：从获取的振动信息中提取mfcc特征向量。

步骤s606：根据提取的mfcc特征向量对初始svm模型进行训练以获得目标svm模型。

在本实施例中，根据本公开实施例提供的检测模型的训练方法用于老化房测试。其中，老化房测试是指在老化房内对电子设备进行测试，老化房是针对电子产品仿真的一种高温、恶劣环境的测试的设备。在本公开实施例中，老化房中的环境噪音较大，因而本公开实施例可以直接利用终端内置的双麦克风分别获得到的音频信息进行降噪处理，从而使得到的马达的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。此外，因老化房具有不适合电子设备长期运行的严苛的测试环境，但是根据本实施例提供的终端马达测试方法，因待测试的移动终端本身可以运行检测模型，从而无需在老化房内运行其他智能电子设备，从而本实施例提供的检测模型的训练方法可以更好地适用于在老化房内进行测试，并且可以降低测试成本。

如图7所示，本公开一实施例提供了一种终端马达的检测装置700，包括：控制单元701、信息获取单元702、特征获取单元703和检测单元704，其中：

控制单元701，用于控制待测马达以预设方式振动；

信息获取单元702，用于获取待测马达振动时产生的振动信息；

特征获取单元703，用于获取振动信息的特征数据；

检测单元704，用于使用检测模型对所述特征数据进行处理，得到处理结果。

根据本公开实施例提供终端马达的检测装置，通过控制待测马达以预设方式进行振动以获取振动信息，并将获取的振动信息的特征数据输入至检测模型，可以准确、高效地检测待测马达的振动状态。

对于装置的实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离模块说明的模块可以是或者也可以不是分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在一些实施例中，特征获取单元703进一步包括：

运动信息获取单元：获取待测马达振动时产生的运动信息；或者

音频获取单元，用于获取待测马达振动时产生的音频信息。

其中，运动信息为马达振动引发的马达或马达所在的终端运动的相关参数，包括加速度、振动频率、加速度变化频率、振动幅度等。在一些实施例中，运动信息可以由马达所在终端中的运动传感器检测得到，例如加速度传感器、角速度传感器、重力传感器等。音频信息为马达振动引发的马达或马达所在的终端发出的声音的信息。在一些实施例中，音频信息可由外置的麦克风或马达所在的终端中的麦克风检测得到。

在一些实施例中，音频获取单元进一步包括：

噪音音频获取子单元，用于获取待测马达所处环境中的环境噪音音频信息；

振动音频获取子单元，用于获取待测马达在环境中振动时产生的马达振动音频信息；

第一降噪子单元，用于根据环境噪音音频信息和马达振动音频信息得到音频信息。

在实际操作中，获取到的马达振动音频信息通常包括马达所在环境中的环境噪音信息，因而本公开实施例通过额外获取环境噪音音频信息可以对获取到的马达振动音频信息进行降噪处理，从而得到的音频信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，待测马达为待测终端内置的马达，待测终端具有第一声音采集装置和第二声音采集装置；音频获取单元进一步包括：

第一音频获取子单元，用于获取所述待测马达振动时所述第一声音采集装置检测到的第一音频信息；

第二音频获取子单元，用于获取所述待测马达振动时所述第二声音采集装置检测到的第二音频信息；和

第二降噪子单元，用于根据所述第一音频信息和所述第二音频信息得到所述音频信息。

其中，第一声音采集装置和第二声音采集装置为终端内置的麦克风，第一音频信息为第一声音采集装置检测到的音频信息，第二音频信息为第二声音采集装置检测到的音频信息。在训练环境或测试环境的噪音较大的情况下，采用外置的麦克风搜集到的音频信息即使进行降噪处理，其受到的环境噪音干扰依然较大。当马达为终端内置马达时，采用终端内置的麦克风可以进一步减少噪音干扰，特别是目前的移动终端通常具备双麦克风且其中一个麦克风专门用来获取环境噪音，因而本公开实施例可以直接利用终端内置的双麦克风分别获得到的音频信息进行降噪处理，从而使得到的马达的振动信息可以准确的反映马达本身的振动情况，排除环境噪音干扰。

在一些实施例中，所述待测终端为移动终端，所述检测模型存储于所述移动终端中。一方面，训练好的检测模型较一般测试程序运行时消耗的计算资源较小，可以运行于移动终端中，从而可以实现在移动终端出厂后仍可以对马达的运行状态进行有效的检测。另一方面，电子设备出厂前通常会在老化房内进行测试，老化房可以提供不适合电子设备长期运行的严苛的测试环境，根据本实施例提供的终端马达测试方法，因待测终端本身可以运行检测模型，无需在老化房内运行其他智能电子设备，从而可以降低测试成本。

在一些实施例中，初始检测模型为支持向量机模型，支持向量机模型存储于待测终端中。支持向量机模型(supportvectormachine,svm)是一类按监督学习方式对数据进行二元分类的广义线性分类器，其具有消耗内存少、预测速度快以及对于高维数据学习效果好的特点。因而在本公开实施例中，通过采用支持向量机模型，可以使的马达检测模型对高维的声音特征向量具有更好的学些和检测效果，且支持向量机模型消耗内存小，对移动终端具有较佳的适配效果。

在一些实施例中，检测装置700用于老化房测试。

如图8所示，本公开一实施例提供了一种马达检测模型的训练装置800，包括：第一振动控制单元801、第一信息获取单元802、第一特征获取单元803和模型训练单元804，其中：

训练控制单元801，用于控制马达以预设的预设训练方式进行振动；

训练信息获取单元802，用于获取马达振动时产生的振动信息；

训练特征获取单元803，用于获取振动信息的特征数据；

模型训练单元804，用于根据特征数据对初始检测模型进行训练以获得检测模型；

其中，预设训练方式包括正常振动方式和异常振动方式。

下面参考图9，其示出了适于用来实现本公开实施例的电子设备900的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，终端设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(rom)902中的程序或者从存储装置908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。在ram903中，还存储有终端设备900操作所需的各种程序和数据。处理装置901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。

通常，以下装置可以连接至i/o接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许终端设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的终端设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从rom902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信息介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信息介质可以包括在基带中或者作为载波一部分传播的数据信息，其中承载了计算机可读的程序代码。这种传播的数据信息可以采用多种形式，包括但不限于电磁信息、光信息或上述的任意合适的组合。计算机可读信息介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信息介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该终端设备：控制待测马达以预设方式振动；获取所述待测马达振动时产生的振动信息；获取所述振动信息的特征数据；使用检测模型对所述特征数据进行处理，得到处理结果。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该终端设备：控制待测马达以预设方式振动；获取所述待测马达振动时产生的振动信息；获取所述振动信息的特征数据；使用检测模型对所述特征数据进行处理，得到处理结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，控制单元还可以被描述为“用于控制待测马达以预设方式振动的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信息介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，提供了一种终端马达的检测方法，包括：控制待测马达以预设方式振动；获取所述待测马达振动时产生的振动信息；获取所述振动信息的特征数据；使用检测模型对所述特征数据进行处理，得到处理结果。

根据本公开的一个或多个实施例，所述获取所述待测马达振动时产生的振动信息，包括：获取所述待测马达振动时产生的运动信息；或，获取所述待测马达振动时产生的音频信息。

根据本公开的一个或多个实施例，所述获取所述待测马达振动时产生的音频信息，包括：获取所述待测马达所处环境中的环境噪音音频信息；获取所述待测马达在所述环境中振动时产生的马达振动音频信息；根据所述环境噪音音频信息和所述马达振动音频信息得到所述音频信息。

根据本公开的一个或多个实施例，所述待测马达为待测终端内置的马达，所述待测终端具有第一声音采集装置和第二声音采集装置；所述获取所述待测马达振动时产生的音频信息，包括：获取所述待测马达振动时所述第一声音采集装置检测到的第一音频信息；获取所述待测马达振动时所述第二声音采集装置检测到的第二音频信息；根据所述第一音频信息和所述第二音频信息得到所述音频信息。

根据本公开的一个或多个实施例，所述待测终端为移动终端，所述检测模型存储于所述移动终端中。

根据本公开的一个或多个实施例，所述检测模型为支持向量机模型。

根据本公开的一个或多个实施例，所述检测方法用于老化房测试。

根据本公开的一个或多个实施例，所述检测模型的训练方法包括：控制马达以预设训练方式进行振动；获取所述马达振动时产生的振动信息；获取所述振动信息的特征数据；根据所述特征数据对初始检测模型进行训练以获得检测模型；其中，所述预设训练方式包括正常振动方式和异常振动方式。

根据本公开的一个或多个实施例，所述异常振动方式包括所述马达不在工作位置时振动的方式。

根据本公开的一个或多个实施例，提供了一种终端马达的检测装置，包括：控制单元，用于控制待测马达以预设方式振动；信息获取单元，用于获取所述待测马达振动时产生的振动信息；特征获取单元，用于获取所述振动信息的特征数据；检测单元，用于使用检测模型对所述特征数据进行处理，得到处理结果。

根据本公开的一个或多个实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行根据本公开的一个或多个实施例提供的检测方法。

根据本公开的一个或多个实施例，提供了一种非暂态计算机存储介质，所述非暂态计算机存储介质存储有程序代码，所述程序代码用于执行根据本公开的一个或多个实施例提供的检测方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

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