RU2494364C2 - Способ и устройство для распознавания состояния исследуемой создающей шумы машины - Google Patents
Способ и устройство для распознавания состояния исследуемой создающей шумы машины Download PDFInfo
- Publication number
- RU2494364C2 RU2494364C2 RU2010148369/28A RU2010148369A RU2494364C2 RU 2494364 C2 RU2494364 C2 RU 2494364C2 RU 2010148369/28 A RU2010148369/28 A RU 2010148369/28A RU 2010148369 A RU2010148369 A RU 2010148369A RU 2494364 C2 RU2494364 C2 RU 2494364C2
- Authority
- RU
- Russia
- Prior art keywords
- acoustic
- noise
- investigated
- classification model
- statistical
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
Использование: в способе и устройстве для распознавания состояния исследуемой создающей шумы машины. Сущность: в способе и устройстве распознавания состояния исследуемого создающего шумы объекта сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков на основе акустических признаков (m) генерируемого исследуемым объектом (2) шума с помощью блока (5) обработки данных автоматически индивидуально адаптируется, причем блок (5) обработки данных на основе индивидуально адаптированной статистической модели классификации классифицирует состояние исследуемого создающего шумы объекта (2). Технический результат: повышение точности при определении состояния шумящего объекта. 3 н. и 11 з.п. ф-лы, 5 ил.
Description
Изобретение относится к способу и устройству для распознавания состояния исследуемой создающей шумы машины, которая выдает корпусной или воздушный звук.
Машины совершают движения, в ходе которых генерируются сигналы колебаний, особенно акустические сигналы колебаний. Генерируемые машиной, установкой или электромеханическим прибором сигналы колебаний позволяют сделать вывод относительно их соответствующего текущего состояния, которое может изменяться, например, ввиду явлений износа. Например, машина или прибор, спустя несколько лет использования, генерируют, ввиду явлений износа, иные сигналы колебаний, чем непосредственно после изготовления. Наряду с машинами, также химические установки могут вызывать шумовые сигналы, например, ввиду наличия пузырьков газа в резервуарах или трубах. Ввиду старения или износа установок, машин или приборов, генерируемые сигналы колебаний, в особенности акустические излучения, изменяются. Наряду с износом, сигналы колебаний, генерируемые машиной, установкой или прибором, в особенности акустические шумовые сигналы, зависят от типа конструкции. Часто машины, установки или приборы имеют различные типы продукта или модели внутри одной группы продуктов. Например, предприятие может изготавливать водяные или обогревательные насосы в различных вариантах, у которых генерируемый шумовой сигнал различается. К тому же внутри групп продуктов или вариантов продукции изготовленные объекты имеют допуска на изготовление, так что различные продукты или объекты, ввиду допусков на изготовление, могут выдавать различные шумовые сигналы. Наряду с влияниями старения или нагрузки, а также допусками на изготовление, также свойства пространства окружающей среды, в которой находится прибор или установка, оказывают влияние на шумовые сигналы, выдаваемые прибором или установкой, или на акустические излучения.
В обычных способах распознавания состояния исследуемой создающей шумы машины на изготовленном опытном образце выполняется множество записей (регистраций), чтобы генерировать модель соответствующей создающей шумы машины или создающей шумы установки. В процессе обучения выполняется множество записей, в особенности регистраций тональных сигналов, которые учитывают различные параметры влияния. Например, различные акустические шумовые сигналы, которые выдаются опытным образцом, регистрируются при различных погодных условиях и при различных нагрузках в различные моменты времени. Чтобы учитывать различные параметры влияния, необходимо выполнять множество записей. Генерация модели на основе опытного образца является тем более затратной, чем больше вариантов продукции имеется. С помощью обучающих данных генерируется статистическая модель или физическая модель объекта или продукта, которая затем может применяться для классификации шумового сигнала, который выдается изготовленным продуктом после пуска в эксплуатацию в текущем режиме работы. На основе классификации шумового сигнала можно контролировать рабочее состояние продукта, так что распознаются возникающие состояния неисправностей и, тем самым, необходимость в работах по техническому обслуживанию.
Недостаток обычного способа состоит в том, что шумовые сигналы или акустические излучения, выдаваемые изготовленным продуктом, также в нормальном или бездефектном состоянии отличаются от шумовых сигналов опытного образца или отклоняются от них. Причина этого может состоять в том, что изготовленный продукт, который может представлять собой машину, установку или прибор, находится в иной окружающей среде, чем опытный образец при записи обучающих данных. Тем самым на полезный сигнал, то есть акустические излучения исследуемого объекта, накладываются шумы окружающей среды в качестве помехового сигнала. Например, запись обучающих данных опытного образца может осуществляться в помещении с низкой реверберацией, в то время как исследуемый объект, например, производственное оборудование, находится в цеху, который сильно отражает акустические сигналы. Кроме того, исследуемый продукт или исследуемая установка, ввиду допусков на изготовление или ввиду отличающейся конфигурации, может иметь другой акустический спектр, чем опытный образец.
Поэтому задачей настоящего изобретения является создание способа и устройства, в которых состояние исследуемого создающего шумы объекта может надежно распознаваться при незначительных затратах.
Эта задача решается в соответствии с изобретением способом с признаками, приведенными в пункте 1 формулы изобретения.
В изобретении создается способ распознавания состояния исследуемого создающего шумы объекта, причем сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков на основе акустических признаков генерируемого исследуемым объектом шума автоматически адаптируется и на основе адаптированной статистической модели классификации осуществляется классификация состояния исследуемого создающего шумы объекта.
Исследуемый создающий шумы объект может представлять собой любую машину, прибор или установку, например химическую установку.
В форме выполнения соответствующего изобретению способа эталонный объект образован опытным образцом исследуемого объекта.
В форме выполнения соответствующего изобретению способа исследуемый создающий шумы объект имеет по меньшей мере создающий шумы модуль с моторным приводом.
В форме выполнения соответствующего изобретению способа адаптация статистической модели классификации осуществляется при пуске в эксплуатацию исследуемого объекта, с регулярными временными интервалами технического обслуживания или при изменении акустической окружающей среды исследуемого объекта.
В форме выполнения соответствующего изобретению способа статистическая основная модель классификации акустических признаков генерируется на основе множества акустических записей тональных сигналов, которые выполняются над эталонным объектом при различных условиях или в различные моменты времени.
В форме выполнения соответствующего изобретению способа сгенерированная статистическая основная модель классификации сохраняется в запоминающем устройстве.
В форме выполнения соответствующего изобретению способа сохраненная основная статистическая модель классификации на основе множества акустических записей тональных сигналов, которые выполнялись над исследуемым создающим шумы объектом, автоматически адаптируется и промежуточным образом сохраняется как адаптированная статистическая модель классификации.
В форме выполнения соответствующего изобретению способа акустические записи тональных сигналов выполняются посредством акустических приемников тональных сигналов, которые принимают воздушный звук или корпусной звук.
В форме выполнения соответствующего изобретению способа статистическая основная модель классификации адаптируется для всего исследуемого создающего шумы объекта или для модуля исследуемого создающего шумы объекта.
В форме выполнения соответствующего изобретению способа акустические приемники тональных сигналов размещаются на исследуемом создающем шумы объекте или перемещаются около исследуемого создающего шумы объекта.
В форме выполнения соответствующего изобретению способа для различных устанавливаемых позиций акустического приемника тональных сигналов, перемещаемого около исследуемого создающего шумы объекта, вычисляется соответствующая адаптированная статистическая модель классификации.
В форме выполнения соответствующего изобретению способа для устанавливаемых позиций перемещаемого рядом акустического приемника тональных сигналов вычисляется соответствующая адаптированная статистическая модель классификации.
В форме выполнения соответствующего изобретению способа устанавливаемые позиции перемещаемого рядом акустического приемника тональных сигналов соответствуют пространственному расположению различных модулей исследуемого создающего шумы объекта.
В изобретении создается также устройство для распознавания состояния исследуемого создающего шумы объекта, причем сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков на основе акустических признаков генерируемого исследуемым объектом шума с помощью блока обработки данных автоматически адаптируется, причем блок обработки данных на основе адаптированной статистической модели классификации классифицирует состояние исследуемого создающего шумы объекта.
В форме выполнения соответствующего изобретению устройства оно содержит по меньшей мере один акустический приемник тональных сигналов для приема генерируемого исследуемым создающим шумы объектом корпусного или воздушного звука.
Далее предпочтительные формы выполнения соответствующего изобретению способа и соответствующего изобретению устройства для распознавания состояния исследуемого создающего шумы объекта описываются со ссылками на чертежи для пояснения существенных признаков изобретения.
На чертежах показано:
Фиг.1 - блок-схема последовательности операций для представления возможной формы выполнения соответствующего изобретению способа;
Фиг.2 - другая диаграмма для представления процедуры, выполняемой в соответствующем изобретению способе;
Фиг.3 - блок-схема возможной формы выполнения соответствующего изобретению устройства для распознавания состояния исследуемого создающего шумы объекта;
Фиг.4А, 4В - другие формы выполнения соответствующего изобретению устройства для распознавания состояния исследуемого создающего шумы объекта.
Как можно видеть из фиг.1, в соответствующем изобретению способе на этапе S1 сначала с помощью приемников тональных сигналов или сенсоров осуществляется прием тональных сигналов на эталонном объекте исследуемого создающего шумы объекта. Эталонный объект может представлять собой опытный образец объекта. Объект является машиной или прибором, который в текущем режиме работы генерирует шумы. Шумовой сигнал может быть сигналом воздушного звука или сигналом корпусного звука. Исследуемый объект может представлять собой установку, например химическую установку, которая во время химического производственного процесса вызывает шумы, например, в резервуарах или трубах. Шумовой сигнал или сигнал колебаний принимается или регистрируется приемниками тональных сигналов. Эти приемники тональных сигналов имеют микрофоны или иные датчики колебаний, в частности, датчики ускорений. Приемники тональных сигналов или датчики колебаний преобразуют шум или сигнал колебаний в электрический сигнал. Регистрации тональных сигналов на эталонном объекте или на опытном образце осуществляются предпочтительно в различные моменты времени при различных условиях окружающей среды.
Затем на этапе S2 на основе приема тональных сигналов извлекаются признаки m тонального сигнала или сигнала колебаний. Возможными признаками являются, например, амплитуда или сила звука (громкость) тонального или шумового сигнала. Другими возможными признаками являются спектральные признаки шумового сигнала, а также их временные модуляции. Кроме того, могут, например, использоваться признаки спектра модуляции. Для различных выполненных на эталонном объекте записей может соответственно определяться вектор М признаков. Обычно рассматривается 10-500 признаков m шумового сигнала. Число N записей на эталонном объекте устанавливается в зависимости от рассматриваемого объекта. Обычно оценивается N>100 записей тонального сигнала эталонного объекта. На основе векторов М признаков, которые соответственно охватывают, например, 10-500 признаков m записи, на этапе S3 с помощью алгоритма генерируется основная модель классификации. Генерирование модели может, например, осуществляться посредством максимизации ожидания (ЕМ) или GMM, посредством опорной векторной машины (SVM), посредством самоорганизующихся отображений (SOM) или посредством нейронных сетей.
На следующем этапе S3 записываются или принимаются (регистрируются) воздушные или корпусные звуковые сигналы посредством приемников тональных сигналов на исследуемом объекте. Сгенерированная на этапе S2 статистическая основная модель классификации акустических признаков m на этапе S3 на основе акустических признаков m принятого на этапе S3 шумового сигнала автоматически адаптируется. В возможной форме выполнения статистическая основная модель классификации для каждого признака m имеет по меньшей мере один статистический параметр Р. Этот статистический параметр Р включает, например, среднее значение µ или дисперсию σ2. В основу признаков m может быть положено гауссово распределение, причем для каждого признака m на основе записи тональных сигналов эталонного объекта указывается среднее значение µ и дисперсия σ2 распределения. Например, на этапе S1 выполняется запись тональных сигналов на различных эталонных объектах или опытных образцах и вычисляется среднее значение µ относительно каждого признака m. Если признаком m является, например, сила звука принятого тонального сигнала, то в качестве статистических параметров Р для признака силы звука в основной модели классификации указываются среднее значение µ силы звука и дисперсия σ2 силы звука.
На основе записи тональных сигналов, выполненной на этапе S3 на исследуемом объекте, затем осуществляется адаптация основной модели классификации на этапе S4, при этом статистические параметры Р для каждого признака m основной модели классификации соответственно согласовываются. Регистрация тональных сигналов на этапе S3 на исследуемом объекте и адаптация основной модели классификации на этапе S4 могут в возможной форме выполнения соответствующего изобретению способа выполняться при пуске в эксплуатацию исследуемого объекта. В альтернативной форме выполнения запись тональных сигналов на этапе S3 и адаптация на этапе S4 могут осуществляться с регулярными временными интервалами технического обслуживания, например, один раз в сутки. В другой возможной форме выполнения запись тональных сигналов на этапе S3 и адаптация основной модели классификации на этапе S4 могут осуществляться при изменении акустической окружающей среды исследуемого объекта, например, когда объект переносится в другое помещение. Кроме того, запись тональных сигналов и адаптация могут осуществляться при необходимости, например, после проведения работ по техническому обслуживанию на исследуемом объекте или когда пользователь считает исследование необходимым.
На следующем этапе S2 на основе адаптированной статистической модели классификации выполняется классификация состояния исследуемого создающего шумы объекта. Эта классификация состояния может осуществляться на основе всех или некоторых признаков m адаптированной основной модели классификации. Например, исследуемый создающий шумы объект может классифицироваться как дефектный, если признак силы звука превышает регулируемое пороговое значение.
На следующем этапе S6 классифицированное состояние исследуемого объекта выдается и, при необходимости, затем выполняются необходимые мероприятия.
Фиг.2 показывает диаграмму для пояснения возможной формы выполнения соответствующего изобретению способа распознавания состояния исследуемого создающего шумы объекта. Объект, показанный на фиг.2, представляет собой машину, которая выдает акустические данные. Сначала на n опытных образцах машины выполняются записи тональных сигналов и генерируется универсальная статистическая основная модель классификации на основе обучающих данных. Эта универсальная статистическая основная модель классификации сохраняется в запоминающем устройстве или банке данных. Эта обобщенная модель классификации содержит предпочтительным образом существенные свойства нормального состояния и/или возможные дефекты или состояния технического обслуживания объекта или машины. Затем осуществляется адаптация универсальной основной модели классификации для различных изготовленных машин. В показанном на фиг.2 примере различные машины исследуются в полевых условиях. Каждая машина создает акустический шумовой сигнал или акустические данные, которые используются для индивидуальной адаптации сохраненной универсальной модели классификации.
Таким способом для каждой машины возникает соответствующая адаптивная модель классификации, которая может промежуточным образом сохраняться в запоминающем устройстве. Посредством алгоритма классификации осуществляется затем на основе адаптированной статистической модели классификации классификация состояния соответствующей исследуемой создающей шумы машины, чтобы определить рабочее состояние или генерировать сообщение об ошибке. Как можно видеть из фиг.2, существенные затраты на генерирование модели классификации на основе по меньшей мере одного опытного образца задействуются лишь однократно. Последующая адаптация образованной статистической основной модели классификации может осуществляться лишь с относительно незначительными вычислительными затратами за короткое время или в реальном времени. В то время как генерирование статистической основной модели классификации требует множества полученных записей тональных сигналов и большой вычислительной мощности, адаптация сохраненной основной модели классификации для соответствующего исследуемого объекта при изменяющихся условиях окружающей среды может осуществляться автоматически в полевых условиях при незначительных вычислительных затратах, не требуя присутствия соответствующего эксперта или специалиста. Для адаптации статистической основной модели классификации требуется сравнительно мало дополнительных акустических данных или записей тональных сигналов на соответствующей машине или на соответствующем объекте. Соответствующий изобретению способ предусматривает двухступенчатый подход, а именно, сначала формирование универсальной статистической основной модели классификации и последующую адаптацию этой модели классификации для соответствующего объекта в полевых условиях.
Фиг.3 показывает пример выполнения для соответствующего изобретению устройства 1 для распознавания состояния исследуемого генерирующего шумы объекта. Этот исследуемый объект 2 является, например, прибором или машиной. Устройство 1 имеет по меньшей мере один приемник 3 для определения сигнала корпусного или воздушного сигнала, генерированного исследуемым создающим шумы объектом 2. Приемник 3 регистрирует выдаваемый объектом сигнал колебаний. Приемник 3 представляет собой, например, акустический приемник тонального сигнала для определения сигнала воздушного звука, то есть микрофон. В альтернативной форме выполнения приемник 3 размещается непосредственно на объекте 2 и определяет корпусной звук или вибрации объекта 2. Приемник 3 может представлять собой, например, датчик ускорений, Приемник 3 преобразует звуковой сигнал или сигнал вибрации в электрический сигнал и выдает его по линии 4 на блок 5 обработки данных. Блок 5 обработки данных является, например, микропроцессором, в котором выполняется программа. Блок 5 обработки данных соединен по линиям 6 с запоминающим устройством 7, в котором сохранена сгенерированная основная модель классификации. В альтернативной форме выполнения блок 5 обработки данных получает основную модель классификации через интерфейс. Блок 5 обработки данных адаптирует основную модель классификации акустических признаков на основе акустических признаков m шума, генерируемого исследуемым объектом 2. На основе адаптированной статистической модели классификации с помощью алгоритма классификации классифицируется состояние исследуемого создающего шумы объекта 2 посредством блока 5 обработки данных. Это состояние сообщается через выходные линии 8. В возможной форме выполнения приемник 3 и блок 5 обработки данных встроены в единый конструктивный элемент. Этот конструктивный элемент может размещаться на любом объекте 2.
Фиг.4А, 4В показывают другие варианты выполнения соответствующего изобретению устройства 1 для распознавания состояния исследуемого создающего шумы объекта 2. В примере выполнения исследуемый создающий шумы объект 2 является машиной или прибором, который имеет множество однотипных машинных модулей 2-1, 2-2… 2-k. Примером подобной машины 2 является установка сортировки писем, которая имеет множество сегментов или карманов сортировки одинакового конструктивного типа. Различные сегменты или модули установки 2 сортировки писем в определенных обстоятельствах подвергаются различным нагрузкам и поэтому имеют различный износ. Кроме того, подобные установки сортировки писем могут находиться в различных акустических средах. В показанном на фиг.1А примере выполнения на каждом модуле машины 2 размещен соответствующий приемник 3, который предусмотрен для контроля рабочего состояния соответствующего модуля на основе шумового сигнала, выдаваемого модулем. Блок 5 обработки данных выполняет затем для каждого модуля 2-1 машины 2 этапы S3-S6 диаграммы, представленной на фиг.1.
В показанной на фиг.4В альтернативной форме выполнения предусматривается не приемник 3 для каждого модуля 2-1 машины 2, а, например, приемник тонального сигнала, который линейно перемещается около машины 2 и выдает полученный шумовой сигнал, например, через интерфейс на блок 5 обработки данных. Так как пространственное расположение различных модулей 2-i внутри исследуемого объекта 2 известно, то для различных позиций акустического приемника 3 тонального сигнала, перемещаемого около исследуемого объекта 2, с помощью блока 5 обработки данных вычисляется адаптированная статистическая модель классификации. Например, в случае установки сортировки писем, расстояние Δ между различными сегментами или карманами сортировки известно. Различные устанавливаемые позиции перемещаемого рядом акустического приемника 3 тонального сигнала соответствуют пространственному положению различных модулей 2-i исследуемой создающей шумы установки 2 сортировки писем.
В возможной форме выполнения устанавливается адаптированная модель классификации для всей установки 2 сортировки писем в полевых условиях из универсальной модели классификации опытного образца. В альтернативной форме выполнения для каждого кармана или для каждого сегмента 2-i установки 2 сортировки писем генерируется адаптированная модель классификации.
Акустический контроль различных модулей 2-i может осуществляться посредством датчиков вибрации или микрофонов. Датчики вибрации размещаются непосредственно на корпусе и определяют корпусной звук. Микрофоны могут в возможной форме выполнения иметь специальную направленную характеристику. Расстояние от микрофона или приемника 3 до исследуемого объекта 2 может варьироваться от нескольких миллиметров до нескольких метров. В возможной форме выполнения акустический контроль осуществляется посредством только одного приемника 3 звука, который для локализации дефекта в установке 2 сортировки писем автоматически или вручную перемещается мимо нее. В альтернативной форме выполнения предусмотрено несколько приемников 3 звука, которые соответственно наблюдают часть установки или исследуемого объекта 2.
Если адаптированная модель классификации устанавливается для всей установки или соответственно всей установки 2 сортировки писем, то адаптация может выполняться таким образом, что приемник 3 звука перемещается в различные характерные позиции установки и там принимает акустические данные. Принятые акустические данные применяются для генерирования адаптированной статистической модели классификации.
Если для каждого кармана или каждого сегмента установки 2 сортировки писем выполнена адаптация, то приемник 3 звука может принимать данные и вычислять отдельную адаптированную модель. Эта адаптированная модель может в сенсоре или приемнике звука локально или, альтернативно, централизованно сохраняться. В качестве альтернативы, приемник 3 звука может перемещать различные позиции установки 2 сортировки писем и там локально принимать данные. Кроме того, приемник 3 звука для каждой соответствующей позиции приемника 3 звука может вычислять адаптированную модель классификации или из некоторого количества сопоставимых позиций, например, для машинных сегментов или модулей одинакового конструктивного типа, вычислять адаптивные модели классификации.
Когда адаптация модели классификации в возможной форме выполнения осуществляется однократно при пуске в эксплуатацию установки 2 сортировки писем, то приемник(и) 3 звука приводится(ятся) в рабочий режим «классификация», и активируется распознавание дефектов. Адаптация может, при необходимости, повторяться каждый раз, например, при смене компонента или всего модуля или при изменении акустики помещения. При этом вместо основной модели классификации или универсальной модели может использоваться уже адаптированная при пуске в эксплуатацию установки 2 сортировки писем модель, в зависимости от того, изменилась ли акустическая ситуация помещения или нет. Соответствующий изобретению способ распознавания состояния исследуемого создающего шумы объекта 2 пригоден для любых объектов, например, для контроля моторов, насосов, автоматизированных установок или химических установок.
Claims (14)
1. Способ распознавания состояния исследуемого создающего шумы объекта (2), в котором
сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков автоматически и индивидуально адаптируется на основе акустических признаков (m) шума, генерируемого исследуемым объектом (2), и
на основе индивидуально адаптированной статистической модели классификации осуществляется классификация состояния исследуемого создающего шумы объекта (2),
причем акустические признаки (m) извлекаются на основе множества акустических записей тональных сигналов, которые выполняются над исследуемым создающим шумы объектом (2) посредством по меньшей мере одного акустического приемника (3) тональных сигналов, размещенного на или перемещающегося около исследуемого создающего шумы объекта (2).
сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков автоматически и индивидуально адаптируется на основе акустических признаков (m) шума, генерируемого исследуемым объектом (2), и
на основе индивидуально адаптированной статистической модели классификации осуществляется классификация состояния исследуемого создающего шумы объекта (2),
причем акустические признаки (m) извлекаются на основе множества акустических записей тональных сигналов, которые выполняются над исследуемым создающим шумы объектом (2) посредством по меньшей мере одного акустического приемника (3) тональных сигналов, размещенного на или перемещающегося около исследуемого создающего шумы объекта (2).
2. Способ по п.1, причем эталонный объект образован опытным образцом исследуемого объекта (2).
3. Способ по п.1, причем исследуемый создающий шумы объект (2) имеет по меньшей мере один создающий шумы модуль.
4. Способ по п.1, причем адаптация статистической модели классификации осуществляется при пуске в эксплуатацию исследуемого объекта (2), или с регулярными временными интервалами технического обслуживания, или при изменении акустической окружающей среды исследуемого объекта (2).
5. Способ по п.1, причем статистическая основная модель классификации акустических признаков сгенерирована на основе множества акустических записей тональных сигналов, которые выполняются над эталонным объектом при различных условиях или в различные моменты времени.
6. Способ по п.5, причем сгенерированная статистическая основная модель классификации сохраняется в запоминающем устройстве (7).
7. Способ по п.6, причем сохраненная основная статистическая модель классификации автоматически адаптируется на основе множества акустических записей тональных сигналов, которые выполняются над исследуемым создающим шумы объектом (2), и промежуточным образом сохраняется как адаптированная статистическая модель классификации.
8. Способ по п.5 или 7, причем акустические записи тональных сигналов содержат воздушный звук или корпусной звук, принимаемый акустическими приемниками (3) тональных сигналов.
9. Способ по п.1, причем статистическая модель классификации адаптируется для всего исследуемого создающего шумы объекта (2) или для модулей исследуемого создающего шумы объекта.
10. Способ по п.1, причем соответствующая адаптированная статистическая модель классификации вычисляется для различных устанавливаемых позиций акустического приемника тональных сигналов, перемещаемого около исследуемого создающего шумы объекта (2).
11. Способ по п.10, причем устанавливаемые позиции перемещаемого рядом акустического приемника (3) тональных сигналов соответствуют пространственному расположению различных модулей исследуемого создающего шумы объекта (2).
12. Устройство для распознавания состояния исследуемого создающего шумы объекта, в котором
сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков автоматически и индивидуально адаптируется блоком (5) обработки данных на основе акустических признаков (m) шума, генерируемого исследуемым объектом (2), и
блок (5) обработки данных классифицирует состояние исследуемого создающего шумы объекта (2) на основе индивидуально адаптированной статистической модели классификации,
причем акустические признаки (m) извлекаются блоком (5) обработки данных на основе множества акустических записей тональных сигналов, которые выполняются над исследуемым создающим шумы объектом (2) посредством по меньшей мере одного акустического приемника (3) тональных сигналов, размещенного на или перемещающегося около исследуемого создающего шумы объекта (2).
сгенерированная для по меньшей мере одного эталонного объекта статистическая основная модель классификации акустических признаков автоматически и индивидуально адаптируется блоком (5) обработки данных на основе акустических признаков (m) шума, генерируемого исследуемым объектом (2), и
блок (5) обработки данных классифицирует состояние исследуемого создающего шумы объекта (2) на основе индивидуально адаптированной статистической модели классификации,
причем акустические признаки (m) извлекаются блоком (5) обработки данных на основе множества акустических записей тональных сигналов, которые выполняются над исследуемым создающим шумы объектом (2) посредством по меньшей мере одного акустического приемника (3) тональных сигналов, размещенного на или перемещающегося около исследуемого создающего шумы объекта (2).
13. Устройство по п.12, в котором по меньшей мере один акустический приемник (3) тональных сигналов выполнен с возможностью приема корпусного или воздушного звука, генерируемого исследуемым создающим шумы объектом (2).
14. Носитель данных, на котором сохранена компьютерная программа для распознавания состояния исследуемого создающего шумы объекта, содержащая команды для выполнения способа по любому из пп.1-11.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102008021362.4 | 2008-04-29 | ||
| DE102008021362A DE102008021362B3 (de) | 2008-04-29 | 2008-04-29 | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
| PCT/EP2009/055165 WO2009133123A1 (de) | 2008-04-29 | 2009-04-29 | Verfahren und vorrichtung zum erkennen eines zustandes einer zu untersuchenden geräuscherzeugenden maschine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2010148369A RU2010148369A (ru) | 2012-06-10 |
| RU2494364C2 true RU2494364C2 (ru) | 2013-09-27 |
Family
ID=40691029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2010148369/28A RU2494364C2 (ru) | 2008-04-29 | 2009-04-29 | Способ и устройство для распознавания состояния исследуемой создающей шумы машины |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US9714884B2 (ru) |
| EP (1) | EP2271908B1 (ru) |
| CN (1) | CN102016535B (ru) |
| AT (1) | ATE535794T1 (ru) |
| BR (1) | BRPI0911440A2 (ru) |
| DE (1) | DE102008021362B3 (ru) |
| MX (1) | MX2010011772A (ru) |
| RU (1) | RU2494364C2 (ru) |
| WO (1) | WO2009133123A1 (ru) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102008021362B3 (de) | 2008-04-29 | 2009-07-02 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
| DE102008046286B4 (de) | 2008-09-08 | 2010-04-29 | Siemens Aktiengesellschaft | Ortungseinheit zur Anbringung an einem bewegbaren Objekt |
| DE102008046285A1 (de) | 2008-09-08 | 2010-03-25 | Siemens Aktiengesellschaft | Vorrichtung zur Analyse von Atmungsgeräuschen |
| CN102811386B (zh) * | 2011-06-01 | 2017-05-24 | 中兴通讯股份有限公司 | 一种录音装置、媒体服务器及录音方法、系统 |
| DE102014207784A1 (de) * | 2014-04-25 | 2015-10-29 | Robert Bosch Gmbh | Verfahren zur Symptomerkennung von Fehlfunktionen eines Elektrowerkzeugs |
| CN104111109B (zh) * | 2014-07-21 | 2015-09-02 | 石家庄铁道大学 | 一种基于不同阶次统计量及支持向量机的机械振动状态识别方法 |
| CN108597057A (zh) * | 2018-04-28 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于噪音深度学习的无人机故障预测诊断系统及方法 |
| US10773665B2 (en) * | 2018-10-16 | 2020-09-15 | Cnh Industrial America Llc | System and method for detecting a damage condition associated with an agricultural machine |
| CN110686899B (zh) * | 2019-09-21 | 2021-01-29 | 天津大学 | 一种内燃机噪声源识别方法 |
| CN113489514B (zh) * | 2021-07-05 | 2022-07-26 | 国网湖南省电力有限公司 | 基于自组织映射神经网络的电力线通信噪声识别方法及装置 |
| CN113696839B (zh) * | 2021-10-29 | 2021-12-28 | 南京易砼科技有限公司 | 一种混凝土泵送车辆的泵送状态检测方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10100522A1 (de) * | 2001-01-08 | 2002-07-25 | Deere & Co | Überwachungseinrichtung zur Überwachung der Funktion einer Arbeitsmaschine |
| US6591226B1 (en) * | 1998-04-17 | 2003-07-08 | Siemens Aktiengesellschaft | Acoustic diagnostic system and associated method |
| DE102004012911A1 (de) * | 2004-03-17 | 2005-10-06 | Daimlerchrysler Ag | Verfahren zur Bewertung eines Betriebsgeräusches eines Kraftfahrzeugmotors |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE29611558U1 (de) | 1996-07-05 | 1997-08-07 | Siemens AG, 80333 München | Vorrichtung zur Erfassung von analogen Meßsignalen für die akustische Diagnose von Prüflingen |
| DE19914533A1 (de) * | 1999-03-31 | 2000-11-02 | Bayerische Motoren Werke Ag | Vibrationsakustisches Diagnosesystem |
| US20010044719A1 (en) * | 1999-07-02 | 2001-11-22 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for recognizing, indexing, and searching acoustic signals |
| DE102004006848A1 (de) * | 2004-02-12 | 2005-09-01 | Deere & Company, Moline | Verfahren und Überwachungssystem zur Überwachung des Zustands von Arbeitsmaschinen |
| CN1320372C (zh) * | 2004-11-25 | 2007-06-06 | 上海交通大学 | 基于小波域的水声噪声的检测与识别方法 |
| US8744844B2 (en) * | 2007-07-06 | 2014-06-03 | Audience, Inc. | System and method for adaptive intelligent noise suppression |
| DE102008021362B3 (de) | 2008-04-29 | 2009-07-02 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Erkennen eines Zustandes einer zu untersuchenden geräuscherzeugenden Maschine |
| EP2133866B1 (en) * | 2008-06-13 | 2016-02-17 | Harman Becker Automotive Systems GmbH | Adaptive noise control system |
-
2008
- 2008-04-29 DE DE102008021362A patent/DE102008021362B3/de not_active Expired - Fee Related
-
2009
- 2009-04-29 EP EP09738167A patent/EP2271908B1/de not_active Not-in-force
- 2009-04-29 US US12/736,675 patent/US9714884B2/en not_active Expired - Fee Related
- 2009-04-29 MX MX2010011772A patent/MX2010011772A/es active IP Right Grant
- 2009-04-29 AT AT09738167T patent/ATE535794T1/de active
- 2009-04-29 RU RU2010148369/28A patent/RU2494364C2/ru not_active IP Right Cessation
- 2009-04-29 WO PCT/EP2009/055165 patent/WO2009133123A1/de active Application Filing
- 2009-04-29 BR BRPI0911440A patent/BRPI0911440A2/pt not_active IP Right Cessation
- 2009-04-29 CN CN2009801147528A patent/CN102016535B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6591226B1 (en) * | 1998-04-17 | 2003-07-08 | Siemens Aktiengesellschaft | Acoustic diagnostic system and associated method |
| DE10100522A1 (de) * | 2001-01-08 | 2002-07-25 | Deere & Co | Überwachungseinrichtung zur Überwachung der Funktion einer Arbeitsmaschine |
| DE102004012911A1 (de) * | 2004-03-17 | 2005-10-06 | Daimlerchrysler Ag | Verfahren zur Bewertung eines Betriebsgeräusches eines Kraftfahrzeugmotors |
Non-Patent Citations (2)
| Title |
|---|
| Биргер И.А. Техническая диагностика. - М.: Изд-во "Машиностроение", 1978, с.161-168, 185-193. * |
| Павлов А.В. Акустическая диагностика механизмов. - М.: Издательство "Машиностроение", 1971, с.22-40, 169-179. * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2009133123A1 (de) | 2009-11-05 |
| US20110047107A1 (en) | 2011-02-24 |
| BRPI0911440A2 (pt) | 2015-10-06 |
| CN102016535B (zh) | 2012-10-03 |
| CN102016535A (zh) | 2011-04-13 |
| EP2271908A1 (de) | 2011-01-12 |
| DE102008021362B3 (de) | 2009-07-02 |
| EP2271908B1 (de) | 2011-11-30 |
| MX2010011772A (es) | 2010-12-21 |
| RU2010148369A (ru) | 2012-06-10 |
| ATE535794T1 (de) | 2011-12-15 |
| US9714884B2 (en) | 2017-07-25 |
| WO2009133123A4 (de) | 2009-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2494364C2 (ru) | Способ и устройство для распознавания состояния исследуемой создающей шумы машины | |
| US11188065B2 (en) | System and method for automated fault diagnosis and prognosis for rotating equipment | |
| Principi et al. | Unsupervised electric motor fault detection by using deep autoencoders | |
| Scanlon et al. | Residual life prediction of rotating machines using acoustic noise signals | |
| Natesha et al. | Fog-based intelligent machine malfunction monitoring system for industry 4.0 | |
| JP7407382B2 (ja) | 音データ処理方法、音データ処理装置及びプログラム | |
| KR101539896B1 (ko) | 유도전동기 오류 진단 방법 | |
| CN110044472A (zh) | 一种线上产品异音异响智能检测系统 | |
| WO2018136915A1 (en) | System and methods of novelty detection using non-parametric machine learning | |
| EP3759558B1 (en) | Intelligent audio analytic apparatus (iaaa) and method for space system | |
| JP2012018066A (ja) | 異常検査装置 | |
| Henze et al. | Audioforesight: A process model for audio predictive maintenance in industrial environments | |
| CN116012681A (zh) | 基于声振信号融合的管道机器人电机故障诊断方法及系统 | |
| CN109934136B (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
| Johnson et al. | Compressed air leakage detection using acoustic emissions with neural networks | |
| CN115620743A (zh) | 异音检测方法及装置 | |
| JP2017067929A (ja) | 学習装置、識別装置、その方法、およびプログラム | |
| del Val et al. | Comparison of methodologies for the detection of multiple failures using acoustic images in fan matrices | |
| Wißbrock et al. | Discussion of Features for Acoustic Anomaly Detection under Industrial Disturbing Noise in an End-of-Line Test of Geared Motors | |
| Fezari et al. | Noise emission analysis a way for early detection and classification faults in rotating machines | |
| CN115856628B (zh) | 一种基于pso-svm检测模型的微特电机声学质量检测方法 | |
| RU2783860C2 (ru) | Устройство и способ для виброакустического анализа промышленного оборудования, содержащего вращающиеся части | |
| WO2022167853A1 (ru) | Способ и устройство для виброакустического анализа промышленного оборудования | |
| Hu et al. | Prediction of Operational Noise Uncertainty in Automotive Micro-Motors Based on Multi-Branch Channel–Spatial Adaptive Weighting Strategy | |
| Zabin et al. | Machine Fault Diagnosis Using EMD-Gammatone Texture Representation and A Lightweight Self-Attention SqueezeNet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200430 |