一种工业巡检机器人声纹-振动融合故障诊断方法及系统与流程

摘要: 本发明涉及工业巡检机器人故障诊断,具体涉及一种工业巡检机器人声纹-振动融合故障诊断方法及系统。背景技术:1、主要用于电力、石化、冶金、矿山等领域的工业设备状态监...
一种工业巡检机器人声纹-振动融合故障诊断方法及系统与流程

本发明涉及工业巡检机器人故障诊断,具体涉及一种工业巡检机器人声纹-振动融合故障诊断方法及系统。

背景技术:

1、主要用于电力、石化、冶金、矿山等领域的工业设备状态监测与巡检诊断。传统的设备故障诊断方法通常采用单一传感器进行数据采集和分析,如单独使用振动传感器监测设备的机械动态特性,或单独使用声纹传感器采集设备运行声音进行异常识别。部分先进方案开始尝试多传感器融合,但大多停留在特征拼接或决策投票的简单融合层面。这些传统方法在常规工况下能够实现一定的故障识别功能,为设备维护提供基础参考依据。

2、然而,在工业巡检机器人的实际应用场景中,传统诊断方式单一模态数据难以全面表征设备的健康状态,声纹信号对早期微弱故障灵敏度高但易受环境噪声干扰,振动信号能直接反映机械动态特性但对传感器安装位置依赖性强且无法覆盖所有故障模式,单一模态诊断的漏报率和误报率普遍较高,难以满足工业现场对诊断可靠性的要求,同时现有融合方案未充分考虑声纹与振动信号物理特性差异带来的时空对齐问题,两种传感器的采样频率不同且安装位置存在物理间距,信号时延偏差会导致融合特征错位;简单的特征拼接无法挖掘不同模态间的深层互补关联,难以实现真正意义上的信息互补与协同决策。因此,亟需一种能够实现声纹与振动高质量同步采集、智能时空对齐与深层融合的故障诊断方法及系统。

技术实现思路

1、为此,本发明提供一种工业巡检机器人声纹-振动融合故障诊断方法及系统,以解决现有技术中的上述问题。

2、为了实现上述目的,本发明提供如下技术方案:

3、根据本发明的第一方面,一种工业巡检机器人声纹-振动融合故障诊断方法及系统,包括以下步骤:

4、s1、通过工业巡检机器人搭载的声纹传感器阵列和振动传感器同步采集目标设备的运行声信号与振动信号;

5、s2、对采集的声信号和振动信号进行预处理,包括滤波降噪、信号增强和多源数据时空对齐;

6、s3、分别提取声纹信号的声学特征和振动信号的振动特征,构建多模态特征向量;

7、s4、采用注意力机制对声学特征与振动特征进行跨模态特征融合,生成融合特征表示;

8、s5、基于所述融合特征表示,利用深度神经网络故障分类器进行故障识别,输出设备故障类型及置信度;

9、s6、将诊断结果通过无线通信模块传输至远程监控平台,并在巡检机器人本地触控屏显示。

10、进一步地,所述步骤s1中,声纹传感器阵列为四麦克风环形阵列,用于采集设备运行时辐射的宽频声信号,振动传感器为三轴加速度计,通过磁吸式或胶粘式安装于设备外壳表面,用于采集设备运行时的振动加速度信号。

11、进一步地,所述步骤s2中,多源数据时空对齐具体包括:采用gps同步授时或ieee1588精确时间协议对声纹传感器与振动传感器进行时间同步;利用互相关分析法计算声信号与振动信号之间的时间延迟,消除因传感器物理位置差异导致的信号时延偏差。

12、进一步地,所述步骤s3中,提取声纹信号的声学特征包括:对预处理后的声信号进行分帧、加窗处理,提取梅尔频率倒谱系数、线性预测倒谱系数、伽马通频率倒谱系数中的至少一种,以及音色特征和频谱质心特征,构成声纹特征向量,所述提取振动信号的振动特征包括:对预处理后的振动信号进行时域分析和频域分析,提取时域统计特征、频域功率谱特征、小波包能量特征以及基于经验模态分解的本征模态函数特征中的至少一种,构成振动特征向量。

13、进一步地,所述步骤s4中,跨模态特征融合具体包括:将声学特征与振动特征分别输入第一注意力编码器和第二注意力编码器,生成带注意力权重的声纹模态特征和振动模态特征;通过跨模态特征对齐策略将两个模态的特征映射至公共特征空间;将公共特征空间中的特征进行拼接或加权融合,生成所述融合特征表示。

14、进一步地,所述步骤s5中,深度神经网络故障分类器为多分支融合分类网络,包括特征输入层、多尺度卷积层、全局池化层和全连接分类层;所述故障类型包括机械故障和电气故障,机械故障包括轴承故障、齿轮故障、转子不平衡、轴不对中,电气故障包括绕组短路、绕组断路、绝缘老化;所述置信度用于表示诊断结果的可靠性概率。

15、进一步地,所述步骤s2中,信号增强采用自适应谱减法去除环境背景噪声,采用维纳滤波法提升信号信噪比,并通过短时能量与过零率双门限法进行端点检测,去除无效静音段。

16、进一步地,包括:

17、多模态信号采集模块,设置于工业巡检机器人上,包括声纹传感器阵列和振动传感器,用于同步采集目标设备的声信号与振动信号;

18、信号预处理模块,用于对采集的声信号和振动信号进行滤波降噪、信号增强和时空对齐处理;

19、特征提取模块,用于分别提取声纹信号的声学特征和振动信号的振动特征;

20、跨模态特征融合模块,采用注意力机制与跨模态特征对齐策略对声学特征与振动特征进行融合,生成融合特征表示;

21、故障诊断模块,基于深度神经网络对所述融合特征表示进行分类识别,输出故障类型及置信度;

22、结果输出与通信模块,用于在巡检机器人本地显示诊断结果并通过无线网络上传至远程监控平台。

23、进一步地,所述跨模态特征融合模块包括第一注意力编码器、第二注意力编码器、跨模态对齐单元和融合单元;所述第一注意力编码器用于对声纹特征施加注意力权重,所述第二注意力编码器用于对振动特征施加注意力权重;所述跨模态对齐单元用于将两个模态的特征映射至公共特征空间;所述融合单元用于对公共特征空间中的特征进行融合。

24、进一步地,所述系统还包括模型更新模块,所述模型更新模块用于在巡检机器人返回基站后将采集的标注数据回传至云端服务器,对故障诊断模型进行增量学习和迭代更新,所述声纹传感器阵列为环形四麦克风阵列,各麦克风等距布置于环形支架上,所述环形支架通过减震装置安装于巡检机器人本体,用于降低机器人自身运动噪声对声纹采集的干扰。

25、本发明具有如下优点:通过工业巡检机器人搭载声纹传感器阵列和振动传感器同步采集多模态信号,声纹对早期微弱故障高度灵敏,振动直接反映机械动态特性,两者互补可实现设备健康状态的全面表征,有效克服单一模态诊断的信息缺失问题,大幅降低漏报率和误报率。通过gps同步授时结合互相关时延补偿算法,实现声信号与振动信号的精确时间同步,消除因采样频率差异和传感器安装位置不同导致的信号错位,为融合诊断提供可靠的时空对齐数据基础。采用注意力机制分别对声纹特征和振动特征进行自适应加权,突出各模态中对故障判别贡献更大的关键信息,再通过跨模态特征对齐策略将两种模态的特征映射至公共特征空间进行深度融合,相比简单特征拼接能够充分挖掘模态间的深层互补关联,实现真正意义上的信息互补与协同决策,将高质量同步采集、智能时空对齐与深层特征融合有机结合,显著提高了工业巡检机器人故障诊断的准确性和鲁棒性,满足了工业现场对诊断可靠性的要求。

1.一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s1中,声纹传感器阵列为四麦克风环形阵列,用于采集设备运行时辐射的宽频声信号,振动传感器为三轴加速度计,通过磁吸式或胶粘式安装于设备外壳表面,用于采集设备运行时的振动加速度信号。

3.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s2中,多源数据时空对齐具体包括:采用gps同步授时或ieee1588精确时间协议对声纹传感器与振动传感器进行时间同步;利用互相关分析法计算声信号与振动信号之间的时间延迟,消除因传感器物理位置差异导致的信号时延偏差。

4.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s3中,提取声纹信号的声学特征包括:对预处理后的声信号进行分帧、加窗处理,提取梅尔频率倒谱系数、线性预测倒谱系数、伽马通频率倒谱系数中的至少一种,以及音色特征和频谱质心特征,构成声纹特征向量,所述提取振动信号的振动特征包括:对预处理后的振动信号进行时域分析和频域分析,提取时域统计特征、频域功率谱特征、小波包能量特征以及基于经验模态分解的本征模态函数特征中的至少一种,构成振动特征向量。

5.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s4中,跨模态特征融合具体包括:将声学特征与振动特征分别输入第一注意力编码器和第二注意力编码器,生成带注意力权重的声纹模态特征和振动模态特征;通过跨模态特征对齐策略将两个模态的特征映射至公共特征空间;将公共特征空间中的特征进行拼接或加权融合,生成所述融合特征表示。

6.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s5中,深度神经网络故障分类器为多分支融合分类网络,包括特征输入层、多尺度卷积层、全局池化层和全连接分类层;所述故障类型包括机械故障和电气故障,机械故障包括轴承故障、齿轮故障、转子不平衡、轴不对中,电气故障包括绕组短路、绕组断路、绝缘老化;所述置信度用于表示诊断结果的可靠性概率。

7.根据权利要求1所述的一种工业巡检机器人声纹-振动融合故障诊断方法,其特征在于,所述步骤s2中,信号增强采用自适应谱减法去除环境背景噪声,采用维纳滤波法提升信号信噪比,并通过短时能量与过零率双门限法进行端点检测,去除无效静音段。

8.应用权利要求1-7任意一项所述的一种工业巡检机器人声纹-振动融合故障诊断方法的系统,其特征在于,包括:

9.根据权利要求8所述的一种工业巡检机器人声纹-振动融合故障诊断方法的系统,其特征在于,所述跨模态特征融合模块包括第一注意力编码器、第二注意力编码器、跨模态对齐单元和融合单元;所述第一注意力编码器用于对声纹特征施加注意力权重,所述第二注意力编码器用于对振动特征施加注意力权重;所述跨模态对齐单元用于将两个模态的特征映射至公共特征空间;所述融合单元用于对公共特征空间中的特征进行融合。

10.根据权利要求9所述的一种工业巡检机器人声纹-振动融合故障诊断方法的系统,其特征在于,所述系统还包括模型更新模块,所述模型更新模块用于在巡检机器人返回基站后将采集的标注数据回传至云端服务器,对故障诊断模型进行增量学习和迭代更新,所述声纹传感器阵列为环形四麦克风阵列,各麦克风等距布置于环形支架上,所述环形支架通过减震装置安装于巡检机器人本体,用于降低机器人自身运动噪声对声纹采集的干扰。