[发明专利]声振检测方法、系统、终端及介质

说明书

本申请提供一种声振检测方法、系统、终端及介质，包括：以人耳听检结果数据为输入数据，来训练机器听觉模型；其中，训练后的机器听觉模型用于检测来自声振检测设备所采集的电机声振信号。解决了现有技术中评估电机的声品质依赖听检人员的主观判断，其检测的一致性和稳定性都无法得到保证，且检测速度受到听检员数量的制约，然而通过测量电机运转时产生的振动信号方式来判断电机的声音品质却不能等效的反映出用户实际听到的声音情况，因无法替代听检员完成声品质评价工作的问题。本申请利用深度学习算法，通过学习听检人员的判定结论，建立机器听觉模型，代替人工听检，使评估电机声品质的效率及准确度大大提升。

技术领域

本申请涉及一种智能制造领域，特别是涉及一种声振检测方法、系统、终端及介质。

背景技术

传统的对于产品噪音水平的衡量往往通过测量少量的物理量来表征。比如，通过测量电机运转时产生的声压级(dB)来衡量电机的噪声水平是否达标。这一类方法往往无法使检测结果与人的主观感受相一致。换言之，即便各单一量均达标的产品仍然会呈现主观感受差的情况。究其原因，这是由于人对于声音的主观感受是由多个声音和振动指标共同作用的结果，单一的指标无法表达出人类对声音的主观感受。因此，为了能更好的获得与人类主观感受相一致的声品质评价，我们需要测量采集更多的物理量来进行评估。

因此，目前常见的做法是电机制造商在电机装配完成后安排人工听检工序对电机运转时的噪音水平进行检查和评估。为了能更好的评估电机的声品质，电机制造商利用各种参考样本(典型的合格品以及各类典型故障件)对听检员进行培训，强化他们对于各种参考样本声音特征的记忆。随后由听检员对下线的电机进行听检。经过长期的训练，听检员可以满足产线下线听检的要求。但是，这种方法高度依赖听检人员的主观判断，其检测的一致性和稳定性都无法得到保证，且检测速度受到听检员数量的制约。

另一种常见的做法是通过测量电机运转时产生的振动信号来判断电机的装配质量和声音品质。由于收到振动采集点数量的限制，这种做法不能等效的反映出用户实际听到的声音情况，因此无法替代听检员完成声品质评价工作。

申请内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种声振检测方法、系统、终端及介质，用于解决现有技术中评估电机的声品质依赖听检人员的主观判断，其检测的一致性和稳定性都无法得到保证，且检测速度受到听检员数量的制约，然而通过测量电机运转时产生的振动信号方式来判断电机的声音品质却不能等效的反映出用户实际听到的声音情况，因无法替代听检员完成声品质评价工作的问题。

为实现上述目的及其他相关目的，本申请提供一种声振检测方法，包括：以人耳听检结果数据为输入数据，来训练机器听觉模型；其中，训练后的机器听觉模型用于检测来自声振检测设备所采集的电机声振信号。

于本申请的一实施例中，耳听检结果数据包括声振样品信号数据以及对应的人耳听检噪音类型数据。

于本申请的一实施例中，所述人耳听检噪音类型数据包括：经过迁移学习的噪声类型分类样本数据。

于本申请的一实施例中，所述方法还包括：将所述电机声振信号与所述人耳听检结果数据中的标杆样本数据进行相似性计算，并调节所述电机声振信号与所述标杆样本数据的相似度阈值。

于本申请的一实施例中，人耳听检噪音类型包括电磁噪声、风道噪声以及机械噪音。

于本申请的一实施例中，所述主机柜设有操控面板；其中，所述操控面板设有：总开关、充电口、通信接口中的一种或多种组合。

于本申请的一实施例中，所述声振样品信号数据与滤波检测特征相关联；其中，所述滤波检测特征包括：毛刺特征、本底特征、滤波特征以及时间特征中的一种或多种；其中，所述毛刺特征与滤波毛刺和标准差的倍率有关；所述本底特征与滤波频带范围有关、所述滤波特征与各周期内滤波毛刺出现的频率有关；所述时间特征与各周期内毛刺出现的时间有关。