一种工业声学智能感知系统的制作方法

1.本发明涉及声学检测技术领域，具体涉及一种工业声学智能感知系统。


背景技术：

2.我国发展成为制造强国过程中存在智能化技术体系不健全、核心技术亟待突破，以及智能化技术产业应用水平不高等问题，新一代人工智能与制造领域技术的融合，可快速提升制造业的智能化水平，加速我国从制造大国走向制造强国的进程。目前，大数据、芯片、gpu等技术迅猛发展，人工智能ai发展所处的条件和环境已经发生了巨大变化，人工智能正从学术牵引转化为需求牵引，并向着云、边、端相融合的智能系统发展。
3.声学检测是对蕴含待测物体状态、工艺、尺寸、缺陷等信息的声音信号进行采集分析，实现故障辨识的无损检测方法；因此，声学检测在工业故障诊断中具有广阔的发展前景。制冷产品、五轴数控刀具磨床装备零部件、自动装配线等的部分故障，主要依靠人听来检测和排查。而人听检测的准确性、效率、结果一致性和可靠性都较低。本发明拟依靠声像智能感知技术解决上述问题。


技术实现要素：

4.有鉴于此，为了解决现有技术中的上述问题，本发明提出一种工业声学智能感知系统。
5.本发明通过以下技术手段解决上述问题：
6.一种工业声学智能感知系统，包括产品载体、智能终端、边端采集设备和服务器；
7.所述产品载体为主动发声或被动发声的产品载体；
8.所述智能终端用于发送设备的指令给边端采集设备，设备的指令包含采集开始、结束、传送数据规定时间长度t1、采样频率、ad的放大倍数、当前声音对象数据标签q、规定时间间隔t2和数据处理指定要求格式；
9.所述边端采集设备用于对主动发声或被动发声的产品载体，进行声学信息采集、数据处理和分析，然后获得对产品的品质、故障、差异化、缺陷或分类的分析结果，并实时输出分析结果；
10.所述服务器用于接收产品的品质、故障、差异化、缺陷或分类的分析结果，可视化的呈现给相关人员，并将产品的品质、故障、差异化、缺陷或分类的分析结果进行存储；
11.所述边端采集设备包括至少一个传感器、采集部分、采集控制器、数据处理器和边端ai处理器；所述采集部分包括至少一个ad采集芯片；
12.每个传感器连接一个ad采集芯片；
13.所述传感器用于收集声学信号；
14.所述采集部分采样由传感器获得的声学信号；
15.所述采集控制器控制各个ad采样芯片按同一个采样频率同步采样，按采样频率连续不间断把采样后数据送到数据处理器；
16.所述数据处理器收到ad采样数据后，对ad采样数据进行预处理后送到边端ai处理器；
17.所述边端ai处理器把预处理后的ad采样数据输入各种数学模型、己经训练好的ai模型或数学公式，进行分析得出结果。
18.进一步地，所述采集部分还包括数字输入口、io输出口和总线接口。
19.进一步地，所述采集控制器还通过总线接口获取信息，并送到数据处理器中进行处理，边端ai处理器处理后得出结果；所述采用控制器还按采样频率连续不间断采样数字输入口的数字输入信号送到数据处理器，边端ai处理器处理后得出结果。
20.进一步地，所述边端ai处理器的结果信息通过服务器的显示器显示，或通过以太网输出给其它系统,或传给采集控制器，通过采集控制器从io输出口或总线接口输出给其它系统。
21.进一步地，所述总线接口和边端ai处理器用于设备与其它系统通讯，总线接口接受对设备的指令，边端ai处理器传送设备处理的结果。
22.进一步地，所述采集控制器对每个ad采集芯片进行控制，控制ad采样芯片的放大倍数，从而实现各个ad采样芯片的增益独立可调。
23.进一步地，所述数据处理器按数字输入口的数字输入触发时间点开始，发送规定时间长度t1的数据到边端ai处理器；按总线接口接收到命令中的时间点开始，发送规定时间长度t1的数据到边端ai处理器。
24.进一步地，数据处理器预处理中，根据数字输入口的数字输入信号或总线接口接收到命令信息为ad数据打标签，从而实现ai模型数据自动打标，该数字输入信号或命令信息为当前声音对象数据标签q。
25.进一步地，所述采集控制器收到数字输入口的数字输入触发时,按规定时间间隔t2向数字模拟io口输出信号，如果规定时间间隔t2内收到边端ai处理器的分析结果是不输出信号，则取消数字模拟io口输出，从而实现精准数字模拟io输出控制。
26.进一步地，所述边端采集设备还包括基准源，采集控制器关闭传感器输入，开启基准源，基准源向各个ad采集芯片输入基准电压，再由数据处理器从采集控制器得到的电压值与基准电压值相计较，获得各个ad采集芯片的偏差值；后面数据预处理时用偏差值对ad采集芯片采集的数据进行修正，从而实现采集设备的自动校准功能。
27.与现有技术相比，本发明的有益效果至少包括：
28.本发明工业声学智能感知系统可以对主动发声或被动发声的产品载体，进行声学信息采集、数据处理和分析，然后获得对产品的品质、故障、差异化、缺陷、分类等的分析结果，并实时输出分析结果，检测结果准确，安全可靠。
附图说明
29.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中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。
30.图1是本发明工业声学智能感知系统的结构示意图；
31.图2是本发明边端采集设备的结构示意图。
具体实施方式
32.为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.如图1所示，本发明提供一种工业声学智能感知系统，包括产品载体、智能终端、边端采集设备和服务器；
34.所述产品载体为主动发声或被动发声的产品载体；
35.所述智能终端用于发送设备的指令给边端采集设备，设备的指令包含采集开始、结束、传送数据规定时间长度t1、采样频率、ad的放大倍数、当前声音对象数据标签q、规定时间间隔t2和数据处理指定要求格式；
36.所述边端采集设备用于对主动发声或被动发声的产品载体，进行声学信息采集、数据处理和分析，然后获得对产品的品质、故障、差异化、缺陷或分类的分析结果，并实时输出分析结果；
37.所述服务器用于接收产品的品质、故障、差异化、缺陷或分类的分析结果，可视化的呈现给相关人员，并将产品的品质、故障、差异化、缺陷或分类的分析结果进行存储；
38.如图2所示，所述边端采集设备包括至少一个传感器、采集部分、采集控制器、数据处理器和边端ai处理器；采集部分包括至少一个ad采集芯片和数字输入口，可以有io输出口，可以有总线接口。
39.传感器用于收集声学信号，ad采集芯片采样由传感器获得的声学信号，由采集控制器送入数据处理器，数据处理器对数据进行处理后送入边端ai处理器，边端ai处理器对数据进行分析后得出结果；此外，采集控制器还会通过数字输入口或总线接口获取信息，并送到数据处理器中进行处理；边端ai处理器处理后得出结果。
40.边端ai处理器的结果信息可以是通过服务器的显示器显示，可以是通过以太网输出给其它系统，或传给采集控制器，通过采集控制器从io输出口或总线接口输出给其它系统。
41.总线接口和边端ai处理器可用于设备与其它系统通讯，总线接口可以接受对设备的指令，边端ai处理器可以传送设备处理的结果；对设备的指令可以包含采集开始、结束、传送数据规定时间长度t1、采样频率、ad的放大倍数、当前声音对象数据标签q、规定时间间隔t2、数据处理指定要求格式等。
42.采集设备具有自动校准功能；由采集控制器关闭传感器输入，开启基准源，基准源向各个ad采样芯片输入基准电压，再由数据处理器从采集控制器得到的电压值与基准电压值相计较，获得各个ad采样芯片的偏差值；后面数据预处理时用偏差值对ad芯片采集的数据进行修正。
43.各个ad采样增益独立可调：每个传感器连接一个ad芯片；采集控制器可以对每个ad采样芯片进行控制，控制ad的放大倍数(增益)。
44.采集控制器控制各个ad采样芯片按同一个采样频率同步采样，按采样频率连续不
间断把采样后数据送到数据处理器；按采样频率连续不间断采样数字输入口的数字输入信号送到数据处理器。
45.数据处理器收到数据后，对数据进行预处理后送到边端ai处理器；可以不间断把各个ad采样数据送到边端ai处理器；可以按数字输入口的数字输入触发时间点开始，发送规定时间长度t1的数据到边端ai处理器；可以按总线接口接收到命令中的时间点开始，发送规定时间长度t1的数据到边端ai处理器。
46.数据处理器收到数据后，对数据进行预处理后送到边端ai处理器；预处理中，可根据数字输入口的数字输入信号或总线接口接收到命令信息(当前声音对象数据标签q)为ad数据打标签，为从而实现ai模型数据自动打标。
47.可实现精准io输出控制，由采集控制器收到数字输入口的数字输入触发时,按规定时间间隔t2向数字模拟io口输出信号，如果规定时间间隔t2内收到边端ai处理器的分析结果是不输出信号，则取消数字模拟io口输出。
48.边端ai处理器对数据进行分析得出结果，可以是把数据输入各种数学模型、己经训练好的ai模型或数学公式；ai模型可以是svm、cnn、mlp、rnn、dnn等机器学习模型。
49.传感器可以是一组麦克风n>6个组成，麦克风可以按阵列、矩阵、队列排布，或者按空间或平面上以某种几何图案部署。
50.所述采集控制器可以是fpga、arm、单片机等。
51.所述数据处理器可以是fpga、arm、单片机、pc等。
52.所述边端ai处理器可以是fpga、arm、asic、gpu、pc等。
53.所述总线接口可以是rs232、rs485、以太网等。
54.所述数据处理器与边端ai处理器的连接可以是总线、usb、以太网。
55.所述采集控制器与数据处理器的连接可以是总线、usb、以太网。
56.所述边端ai处理器与其它系统的通讯可以是总线、usb、以太网、wifi等。
57.所述采样频率可以是40
‑
192k。
58.所述数据处理器对数据进行预处理,是指把所收数据处理成指定要求的格式。
59.所述采集控制器和数据处理器由2个处理器处理，可以保障数据实时性。
60.本发明工业声学智能感知系统在包括制冷产品品质检测、机械电子零部件品质检测、装备运行状态检测与健康预警、精密加工过程在线监测与故障辨识等工业场景开展示范与成果转化。
61.1、容器气密性测试
62.在高速(30罐/秒)生产线上，要实现非接触的产品气密性全检是所有罐装、瓶装食品行业的最大检测难题。以往依靠人工，将产品浸泡在水中观察气泡，只能进行抽检，但是食品安全无法保障。新传感原理，物理量转换，把气密性测试变成了“工业声学 人工智能”检测。结合非接触声学激励设备，使得罐装瓶装容器标准发声，实现高速非接触无损检测。本发明可广泛应用于各种瓶装罐装容器无损气密性检测。
63.2、电机产品成品检验
64.目前要使用电机、压缩机的所有家电、电器行业电机检测、总装后的整机检测最后一道工序都是靠人工听声判断，也是目前唯一无法自动化的工序。技术工人需经过培训考试方可上岗，同一台电机在出厂、客户入厂、装配出厂要听3轮，数据无法溯源、传递。该环节
成为国内大厂自动化智能化的最大痛点。
65.本发明通过声学空间和矩阵传感器设计，从听声到声场分析的关键转变，实现自动化的电机出厂质量检测与故障种类识别。
66.3、刀具加工实时监测
67.大规模超精密加工(如手机外壳磨削)，由于自动化程度高，加工过程出现断刃、偏移，无法实现监测。目前只能通过人工巡查发现及时换刀。本发明通过在复杂场景中采用ai 声学检测弱信号，排除强干扰，实现加工过程的实时感知。
68.4、水泵机组实时监测
69.在水厂、电厂、化工厂、钢铁厂等工业场景中，广泛使用着电机组、泵组、大型轴承等大型电子电力设备。这些电子电力设备存在着长期维护检修需求，当前主要采用人工定期检修维护的方式，通过耳听手触来诊断。本发明拟采用智能声学技术，同时结合电涡流传感、振动传感，通过多模态多维度传感数据融合，实现大型复杂设备的运行状况监测与健康预警。例如，在智慧水厂中，实现水泵机组的水泵停启异常、主轴位移超限、振幅超限、水泵老化、电机故障等故障与隐患的诊断与预警。
70.本发明工业声学智能感知系统可以对主动发声或被动发声的产品载体，进行声学信息采集、数据处理和分析，然后获得对产品的品质、故障、差异化、缺陷、分类等的分析结果，并实时输出分析结果，检测结果准确，安全可靠。
71.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。