一种基于云边协同的设备故障声纹监测系统的制作方法

技术特征：
1.一种基于云边协同的设备故障声纹监测系统，其特征在于，包括：云端库模块，建立设备声纹故障数据云端样本库、模板库；获取模块，获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；声纹异常监测模块，基于编码网络获取所述第一音频声纹特征对应的第一高维表示数据，并将所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据进行比较，得到两者的特异度得分；若所述特异度得分超过设定的异常监测阈值，则确定该音频数据为故障音频数据；边端故障识别分析模块，连接云端库模块和声纹异常监测模块；提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。2.根据权利要求1所提出的一种基于云边协同的设备故障声纹监测系统，其特征在于，所述云端库模块预先注册设备声纹特征故障模板形成模板库；从所述云端模板库中下发故障模型至所述边端故障识别分析模块；所述边端故障识别分析模块还包括：通过比较所述设备音频数据对应的声纹特征的特征向量与模板库中的每一种故障类型对应的声纹特征故障模板，得到每一种故障类型的相似度得分，则将相似度得分最高对应的故障类型作为所述设备故障类型，得到识别结果；所述边端故障识别分析模块将识别结果并上送故障信息和样本到云端样本库。3.根据权利要求1-2任一项所述的基于云边协同的设备故障声纹监测系统，其特征在于，所述声纹异常监测模块还包括网络训练子模块，所述网络训练子步骤包括：通过输入设备正常音频的声纹特征；编码网络将声纹特征通过神经网络编码为高维表示；解码网络将高维特征解码为音频的声纹特征，通过编码前的声纹特征和解码后的声纹特征进行比较来训练网络结构；保存训练后的网络结构。4.根据权利要求2所述的基于云边协同的设备故障声纹监测系统，其特征在于，所述边端故障识别分析模块还包括模型训练子模块，所述模型训练子模块包括：在训练阶段，输入数据为声纹数据的频率压缩之后k维关键频率向量集合v
input
；输出层e8输出数据为集合v
output
,训练梯度反向传递时使用的每一批数据的损失函数表示如下：,训练梯度反向传递时使用的每一批数据的损失函数表示如下：其中n为每一批数据的数量，v
input
∈v
input
,v
output
∈v
output
，其中α
k
为维度损失权重，β为损失敏感度系数，其中α
k
为一个有限非线性均衡函数，抑制低维权重，提高高维权重，使用基于对数的函数：α
k
＝a log(k) b其中a与b为补偿系数，根据具体精度与敏感度要求进行调整；输出层c输出预测差异度s，自监督状况下预期差异度为0，使用交叉熵损失函数进行训练；所述边端故障识别分析模块在验证阶段，输入数据为声纹数据频率压缩之后的k维关
键频率向量集合v
input
，输出为输出层c的差异度，作为声纹数据异常监测结果。5.根据权利要求1所述的基于云边协同的设备故障声纹监测系统，其特征在于，所述云端库模块还包括算法更新子模块；所述算法更新子模块，包括：通过将所述故障音频数据上传至所述云端的模板库、样本库，以扩充数据库；从所述云端模板库中下发故障模型至所述边端故障识别分析模块，通过更新模板进行算法迭代优化；将异常频率特征向量集合v
abn
划分为50hz倍频向量及其他频率向量集合，记为和人工对声纹数据定位出的异常进行标注，并整理为标准异常标注文件；将和及异常标准文件合并为异常声纹压缩频率特征标准数据集；在异常声纹注册阶段，将异常声纹压缩频率特征标准数据集根据两个不同的集合，分别注册为异常声纹本征频率特征字典及异常声纹非本征频率特征字典；所述边端故障识别分析模块在验证阶段，输入为验证频率特征向量，将其划分为50hz倍频特征向量与其他频率特征向量，并分别与异常声纹本征频率特征字典和异常声纹非本征频率特征字典进行模板匹配算法比较，获得与当前验证特征向量最相似的本征异常与非本征异常类别。

技术总结
本发明公开了一种基于云边协同的设备故障声纹监测系统，通过建立设备声纹故障数据云端样本库、模板库；获取设备音频数据，并进行预处理操作，提取第一音频声纹特征；通过比较所述第一音频声纹特征对应的第一高维表示数据与正常声纹的高维表示数据确定声纹的异常；通过提取所述故障音频数据对应的声纹特征；将所述设备音频数据对应的声纹特征的特征向量与模板库中的声纹特征故障模板进行比对，确定对应的故障类型。本发明可以在前期标记样本库稀少的情况下，部署设备故障声纹监测深度学习算法并持续优化算法准确度，从而解决了故障数据采集的难度也提高了识别准确度；且基于边端故障识别分析模块只需分析上传的异常声纹，大大减少服务器开销。减少服务器开销。减少服务器开销。


技术研发人员：王成龙 黄文礼 陈博文 葛绍妹 陆年生 童旸 温招阳
受保护的技术使用者：南瑞集团有限公司
技术研发日：2022.02.21
技术公布日：2022/5/17