[发明专利]机器运行状态检测方法、装置及电子设备

说明书

本发明提供了一种机器运行状态检测方法、装置及电子设备，涉及故障检测技术领域。上述机器运行状态检测方法包括以下步骤：获取目标机器运行过程中的音频数据，基于音频数据确定目标机器的运行状态，得到第一结果；获取目标机器的运行图像，基于运行图像识别目标机器的运行状态，得到第二结果；对第一结果和第二结果进行数据融合，得到目标机器的状态检测结果。本发明能够节省人力成本，同时提升目标机器状态检测的准确率。

技术领域

本发明涉及故障检测技术领域，尤其是涉及一种机器运行状态检测方法、装置及电子设备。

背景技术

随着科技的发展，机器的应用场景越来越广泛，为了保证机器的正常运行，对于机器运行状态的监测十分必要，以便在机器出现故障时及时维修，保证生产效率的同时，避免重大事故的发生。以煤矿开采现场的采煤机为例，采煤机在采煤过程中，可能会出现非正常采煤的状态，诸如采煤机处于空转状态或空跑状态，目前的采煤机运行状态检测方式，主要采用人工监督采煤机运行状态，或者采集采煤机图像，根据图像判断采煤机的运行状态。然而，人工监督采煤机运行状态的方式耗费人力成本，仅仅依靠采煤机图像判断采煤机状态可能存在准确率较低的问题。因此，现有的机器故障检测方式还存在耗费人力成本或状态检测准确率较低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种机器运行状态检测方法、装置及电子设备，能够节省人力成本，同时提升目标机器状态检测的准确率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种机器运行状态检测方法，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。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，其中，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。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，其中，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。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，其中，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。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，其中，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。