[发明专利]机器运行状态检测方法、装置及电子设备

权利要求书

1.一种机器运行状态检测方法，其特征在于，包括：

获取目标机器运行过程中的音频数据，基于所述音频数据确定所述目标机器的运行状态，得到第一结果；

获取所述目标机器的运行图像，基于所述运行图像识别所述目标机器的运行状态，得到第二结果；

对所述第一结果和所述第二结果进行数据融合，得到所述目标机器的状态检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一结果和所述第二结果进行数据融合，得到所述目标机器的状态检测结果的步骤，包括：

基于D-S证据理论算法对所述第一结果和所述第二结果进行融合计算，得到所述目标机器的状态检测结果。

3.根据权利要求2所述的方法，其特征在于，所述基于D-S证据理论算法对所述第一结果和所述第二结果进行融合计算，得到所述目标机器的状态检测结果的步骤，包括：

基于所述第一结果、所述第二结果及融合计算算式确定所述目标机器的状态检测结果。

4.根据权利要求3所述的方法，其特征在于，所述目标机器包括采煤机，所述运行状态包括正常运行状态、停机状态和非正常运行状态；所述融合计算算式为：

其中，m(A)为所述状态检测结果，m₁(A₁)为所述第一结果，m₂(A₂)为所述第二结果，所述第一结果和所述第二结果包括所述采煤机处于各所述运行状态下的概率值，A₁为基于所述音频数据确定所述目标机器的运行状态的事件，A₂为基于所述运行图像识别所述目标机器的运行状态的事件，k为冲突因子。

5.根据权利要求1所述的方法，其特征在于，所述获取目标机器运行过程中的音频数据，基于所述音频数据确定所述目标机器的运行状态，得到第一结果的步骤，包括：

采集目标机器运行过程中的音频数据，并基于所述音频数据确定所述目标机器运行产生的频谱图；

将所述频谱图输入预先训练得到的第一神经网络模型中，得到所述目标机器的第一结果；其中，所述第一神经网络模型是基于标注有运行状态的频谱图样本训练得到的。

6.根据权利要求5所述的方法，其特征在于，所述基于所述音频数据确定所述目标机器运行产生的频谱图的步骤，包括：

将所述音频数据分割为预设时长的音频片段；

对各所述音频片段进行去噪处理，并利用音频数据处理库将各所述音频片段转换为对应的频谱图。

7.根据权利要求1所述的方法，其特征在于，所述基于所述运行图像识别所述目标机器的运行状态，得到第二结果的步骤，包括：

将所述运行图像输入预先训练得到的第二神经网络模型中，得到所述目标机器的第二结果；其中，所述第二神经网络模型是基于标注有运行状态的运行图像样本训练得到的；

或者，

根据所述运行图像获取与所述目标机器运行状态相关的参数信息，基于所述参数信息确定所述目标机器的运行状态，得到第二结果。

8.一种机器运行状态检测装置，其特征在于，包括：

状态确定模块，用于获取目标机器的音频数据，基于所述音频数据确定所述目标机器的运行状态，得到第一结果；

状态识别模块，用于获取所述目标机器的运行图像，基于所述运行图像识别所述目标机器的运行状态，得到第二结果；

数据融合模块，用于对所述第一结果和所述第二结果进行数据融合，得到所述目标机器的状态检测结果。

9.一种电子设备，其特征在于，包括：声音采集装置、图像采集装置、处理器和存储装置；

所述图像采集装置用于获取目标机器运行过程中的音频数据；

所述声音采集装置用于获取目标机器的运行图像；

所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。