[发明专利]一种吸油烟机声音品质诊断方法

权利要求书

1.一种吸油烟机声音品质诊断方法，其特征在于：在吸油烟机本体上设置声音检测开关、声音采集装置、声音数据处理模块和输出显示屏，其中声音检测开关、声音采集装置和输出显示屏均与声音数据处理模块电连接，当声音检测开关按下后，声音数据处理模块开启声音采集装置采集吸油烟机的在线声音数据，并传送给声音数据处理模块，声音数据处理模块对采集的在线声音数据进行分析处理，得到吸油烟机声音品质处理结果，并将吸油烟机声音品质处理结果通过输出显示屏进行显示。

2.根据权利要求1所述的吸油烟机声音品质诊断方法，其特征在于：声音数据处理模块通过如下方式对采集的声音数据进行分析处理，从而得到吸油烟机声音品质处理结果：

首先通过声音采集装置采集吸油烟机运行过程中的大量声音信号，通过这些声音信号，计算表征声音信号品质的特征参数：响度值，然后通过不断的深度学习，建立响度值与吸油烟机声音品质之间的深度学习模型，并预先保存在声音数据处理模块中；

然后，将声音数据处理模块将吸油烟机运行过程中由声音采集装置采集的在线声音数据，输入到深度学习模型中，对在线声音数据的状态做出诊断，深度学习模型的诊断结果即为吸油烟机声音品质处理结果。

3.根据权利要求2所述的吸油烟机声音品质诊断方法，其特征在于：声音采集装置采集的声音信号为时域信号，通过对声音信号进行傅里叶变换，将声音信号转变为频域信号，然后提取不同频率下的声压值，该声压值即代表声音信号的响度值，然后根据声音信号的响度值，建立深度学习模型，深度学习模型的输入参数为声音的响度值，输出参数为声音品质的评价结果，声音品质的评价结果分为三类：第一类用参数1表示，代表声音品质好；第二类用参数0表示，代表声音品质中；第三类用参数-1表述，代表声音品质差。

4.根据权利要求3所述的吸油烟机声音品质诊断方法，其特征在于：声音采集装置在时，采用Q—learning学习算法建立深度学习模型。

5.根据权利要求1所述的吸油烟机声音品质诊断方法，其特征在于：所述声音数据处理模块将采集的在线声音数据通过无线方式发送给云端服务器。