本发明属于机器故障分析技术领域，特别是涉及一种基于声音与图像分析的机械故障检测系统及方法。
背景技术：
现有的工业上产更多的采用智能化器械代替人工完成一些重复的生产工作，以提高上产效率。随着人工智能应用到越来越多的领域，智能化器械在各行各业应运而生。智能化器械能够提高生产效率的同时，也给机械操控工程师以及器械维修师带来了极大的挑战。
往往智能化越高的机械设备，在产生问题时，进行维修越困难；往往器械维修师提前预估器械的问题以及不能确定问题所在，给维修带来了困难。
为解决上述问题，本发明提供一种基于声音与图像分析的机械故障检测系统及方法。
技术实现要素：
本发明的目的在于提供基于声音与图像分析的机械故障检测系统及方法，用以解决背景技术中提出的技术问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为基于声音与图像分析的机械故障检测系统，包括：声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块；
所述声音采集模块，用于采集机器混音并传递至杂音滤除模块；所述杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；所述声音对比分析模块对比故障声波模型获取声音故障分析结果；所述声音对比分析模块传递声音故障分析结果至故障分析模块；
所述高清摄像头用于采集机器运行图像并传递至图像识别模块；所述图像识别模块对比故障图像特征模型获取图像故障分析结果；所述图像识别模块传递图像故障分析结果至故障分析模块；
所述存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型；所述故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
作为一种优选的技术方案，所述故障声波模型获取如下：
在机器启动且没有外界杂音情况下，对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本；对故障声波样本进行训练获取当前故障对应的故障声波模型。
作为一种优选的技术方案，所述杂音模型获取如下：
在机器启动且有工作人员工作时的外界杂音情况下，对同一故障获取海量机器故障混音作为故障混音样本；通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本；对外界杂音样本训练获取杂音模型。
作为一种优选的技术方案，所述故障图像特征模型获取如下：
在同一机器故障下，对不同机器采集若干故障图像作为故障图像样本；对故障图像样本特征提取获取故障图像特征，对海量故障图像特征训练获取故障图像特征模型。
基于声音与图像分析的机械故障检测方法，包括如下过程：
a00：通过声音采集模块实时采集故障混音并传递至杂音滤除模块；
a01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；
a02：声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块；
a03：高清摄像头实时采集机器运行图像并传递至图像识别模块；
a04：图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块；
a05：故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度q。
作为一种优选的技术方案，a02中声音故障分析结果包括故障声音相似度a。
作为一种优选的技术方案，a04中图像故障分析结果包括故障图像相似度b。
作为一种优选的技术方案，所述故障分析模块根据故障声音相似度a以及故障图像相似度b计算机器故障风险度q，其计算公式如下：
q＝a*a b*b；
其中，a为声音故障可信系数，b为图像故障可信系数；所述存储模块中预存储a和b。
作为一种优选的技术方案，所述故障分析模块判断当前机器故障风险度q是否大于故障风险阈值h，若是，则发出故障警报；若否，则记录当前机器故障风险度q。
本发明具有以下有益效果：
1、本发明声音对比分析模块对比故障声波模型获取声音故障分析结果，再图像识别模块对比故障图像特征模型获取图像故障分析结果；故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度，提高机器故障的预估，避免导致机器重大故障减少损失；同时能够确定故障类型，提高维修效率。
2、本发明通过声音对比分析模块计算故障声音相似度a同时图像识别模块计算故障图像相似度b；通过故障分析模块根据故障声音相似度a以及故障图像相似度b计算机器故障风险度q；提高器械的风险预估以及故障的诊断定位，便捷高效。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于声音与图像分析的机械故障检测系统结构示意图；
图2为本发明的基于声音与图像分析的机械故障检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于声音与图像分析的机械故障检测系统包括：声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块；
声音采集模块，用于采集机器混音并传递至杂音滤除模块；杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；声音对比分析模块对比故障声波模型获取声音故障分析结果；声音对比分析模块传递声音故障分析结果至故障分析模块；
具体的，故障声波模型获取如下：
在机器启动且没有外界杂音情况下，对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本；对故障声波样本进行训练获取当前故障对应的故障声波模型。
另外，杂音模型获取如下：
在机器启动且有工作人员工作时的外界杂音情况下，对同一故障获取海量机器故障混音作为故障混音样本；通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本；对外界杂音样本训练获取杂音模型。
高清摄像头用于采集机器运行图像并传递至图像识别模块；图像识别模块对比故障图像特征模型获取图像故障分析结果；图像识别模块传递图像故障分析结果至故障分析模块；
实际上，故障图像特征模型获取如下：
在同一机器故障下，对不同机器采集若干故障图像作为故障图像样本；对故障图像样本特征提取获取故障图像特征，对海量故障图像特征训练获取故障图像特征模型。
存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型；故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
本发明实际使用时，声音对比分析模块对比故障声波模型获取声音故障分析结果，再图像识别模块对比故障图像特征模型获取图像故障分析结果；故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度，提高机器故障的预估，避免导致机器重大故障减少损失；同时能够确定故障类型，提高维修效率。
请参阅图2所示，基于声音与图像分析的机械故障检测方法，包括如下过程：
a00：通过声音采集模块实时采集故障混音并传递至杂音滤除模块；
a01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；
a02：声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块；其中，声音故障分析结果包括故障声音相似度a；
a03：高清摄像头实时采集机器运行图像并传递至图像识别模块；
a04：图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块；其中，图像故障分析结果包括故障图像相似度b；
a05：故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度q；具体的，故障分析模块根据故障声音相似度a以及故障图像相似度b计算机器故障风险度q，其计算公式如下：
q＝a*a b*b；
其中，a为声音故障可信系数，b为图像故障可信系数，a和b均为实际经验获取的结果；存储模块中预存储a和b。
实际上，故障分析模块判断当前机器故障风险度q是否大于故障风险阈值h，若是，则发出故障警报；若否，则记录当前机器故障风险度q。
本发明实际使用时，通过声音对比分析模块计算故障声音相似度a同时图像识别模块计算故障图像相似度b；通过故障分析模块根据故障声音相似度a以及故障图像相似度b计算机器故障风险度q；提高器械的风险预估以及故障的诊断定位，便捷高效。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
1.基于声音与图像分析的机械故障检测系统，其特征在于，包括：声音采集模块、杂音滤除模块、声音对比分析模块、存储模块、高清摄像头、图像识别模块以及故障分析模块；
所述声音采集模块，用于采集机器混音并传递至杂音滤除模块；所述杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；所述声音对比分析模块对比故障声波模型获取声音故障分析结果；所述声音对比分析模块传递声音故障分析结果至故障分析模块；
所述高清摄像头用于采集机器运行图像并传递至图像识别模块；所述图像识别模块对比故障图像特征模型获取图像故障分析结果；所述图像识别模块传递图像故障分析结果至故障分析模块；
所述存储模块内预存储杂音模型、故障声波模型以及故障图像特征模型；所述故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度。
2.根据权利要求1所述的基于声音与图像分析的机械故障检测系统，其特征在于，所述故障声波模型获取如下：
在机器启动且没有外界杂音情况下，对同一故障分别对不同机器单独采集海量故障声波作为故障声波样本；对故障声波样本进行训练获取当前故障对应的故障声波模型。
3.根据权利要求2所述的基于声音与图像分析的机械故障检测系统，其特征在于，所述杂音模型获取如下：
在机器启动且有工作人员工作时的外界杂音情况下，对同一故障获取海量机器故障混音作为故障混音样本；通过将故障混音样本中机器故障混音逐一滤除故障声波模型获取海量外界杂音作为外界杂音样本；对外界杂音样本训练获取杂音模型。
4.根据权利要求1或3所述的基于声音与图像分析的机械故障检测系统，其特征在于，所述故障图像特征模型获取如下：
在同一机器故障下，对不同机器采集若干故障图像作为故障图像样本；对故障图像样本特征提取获取故障图像特征，对海量故障图像特征训练获取故障图像特征模型。
5.基于声音与图像分析的机械故障检测方法，其特征在于，包括如下过程：
a00：通过声音采集模块实时采集故障混音并传递至杂音滤除模块；
a01:杂音滤除模块根据杂音模型对机器混音进行杂音滤除获取机器声波；
a02：声音对比分析模块对比故障声波模型获取声音故障分析结果并传递至故障分析模块；
a03：高清摄像头实时采集机器运行图像并传递至图像识别模块；
a04：图像识别模块对比故障图像特征模型获取图像故障分析结果并传递至故障分析模块；
a05：故障分析模块根据声音故障分析结果以及图像故障分析结果判定机器故障风险度q。
6.根据权利要求5所述的基于声音与图像分析的机械故障检测方法，其特征在于，a02中声音故障分析结果包括故障声音相似度a。
7.根据权利要求6所述的基于声音与图像分析的机械故障检测方法，其特征在于，a04中图像故障分析结果包括故障图像相似度b。
8.根据权利要求7所述的基于声音与图像分析的机械故障检测方法，其特征在于，所述故障分析模块根据故障声音相似度a以及故障图像相似度b计算机器故障风险度q，其计算公式如下：
q＝a*a b*b；
其中，a为声音故障可信系数，b为图像故障可信系数；所述存储模块中预存储a和b。
9.根据权利要求8所述的基于声音与图像分析的机械故障检测方法，其特征在于，所述故障分析模块判断当前机器故障风险度q是否大于故障风险阈值h，若是，则发出故障警报；若否，则记录当前机器故障风险度q。
技术总结