[发明专利]车辆故障检测方法及系统

说明书

一种车辆故障检测方法及系统，该方法包括：获取待检车辆的待检车辆型号以及在所述待检车辆运行过程中采集到的待检声音数据；对待检声音数据进行时频转换处理，得到待检声音数据的频率功率谱向量；对所述待检声音数据的频率功率谱向量进行锐化处理，得到所述待检声音数据的特征数据；将所述待检声音数据的特征数据输入至预先训练好的所述待检车辆型号对应的车辆故障检测模型，获得模型输出的待检车辆的故障检测结果。本发明不需要高精度的声音采集设备即可实施，降低了故障检测的实施成本，使得其易于推广应用。本发明实施例还通过锐化处理和归一化处理等手段，使得检测处理更具针对性，降低了检测方案的计算量，提高了车辆故障检测的鲁棒性。

技术领域

本发明涉及车辆故障检测技术领域，具体涉及一种车辆故障检测方法及系统。

背景技术

车辆行驶过程中会产生特定的噪音(本文中称之为声音数据)，这些噪音可能与车辆自身的运行状态有关。例如，在车辆发生不同类型的故障(如发动机故障、传动带故障、车轮故障等)时车辆的噪音有所不同。通过对车辆运行过程中的声音进行分析，有助于帮助定位车辆故障类型，为车主和维修人员提供相关信息的参考。

现有技术中基于车辆运行过程中的噪声数据确定故障类型，通常是依靠专业维修人员在长期维修工作中所积累的个人经验，因此难以大范围的推广应用。现有技术提供的另一种相关车辆故障检测方法，如公布号CN111307939A的中国专利申请所公开的一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，该方法利用AI技术在大量的故障音频样本中找到共同的声纹特征，使得对一些轮对内部缺陷也十分敏感，能够解决现有铁路行业针对轮对缺陷检测方法存在的周期过长，不能满足时刻处于运行状况中的列车检修要求及其容易出现发生漏检的问题。具体的，该方法包括以下步骤：

1)选择经人工检测已经确定存在轮对缺陷的地铁车辆，作为声纹故障模型的AI训练输入源，在轨道立面位置，安装微型拾音器采集轮对经过时的声纹信息。

2)将采集到的声纹进行分帧处理，分帧的目的是将宏观上不平稳的音频信号，转换为微观上平稳的，可以进行数学处理的声纹帧信号。

3)对取得的声纹帧信号进行加窗操作，其目的在于让每帧信号的振幅在两端渐变到0，以此来提高分辨率。

4)对声纹帧进行预加重处理，其目的在于减少尖锐噪声影响，提升高频部分。

5)通过公式计算获取声纹数据的短时能量。

6)通过公式计算获取声纹数据的过零率，其目的在于提取一帧声纹中，信号波形穿过横轴(零电平)的次数。

7)给定GMM模型和目标故障训练音频的训练矢量集；计算第i个高斯分布的相似度。

8)利用高斯分布的相似度和混合加权值、平均值向量、方差进行从分统计，这些由训练数据产生的新的充分统计量用来更新UBM的第i个混合成员的充分统计量，得到目标车辆故障声纹模型。

9)运用以上算法编制成轮对声纹故障检测程序，将训练好的声纹故障模型生成为数据库，作为识别轮对缺陷的标样。

10)进行车辆轮对缺陷检测时，在轨道立面位置安装微型拾音器采集轮对经过时的声纹信息，并通过数-模采集模块将其转换成数字信号输入计算机，把经过轮对故障声纹检测程序处理后的权重，均值，方差向量，与标样进行比对。

11)测量值和标样的三个向量值拟合度均超过90％时，即可判定被测轮对发生了车辆故障声纹模型所示的相应轮对缺陷。

可以看出，现有技术的车辆故障定位方法，通常存在以下问题：

1)依靠维修人员的经验或尝试来进行故障定位，导致故障定位成本高，维修效率很低；

2)针对特定车辆类型的特定故障类型(如有轨车辆的轮对缺陷)提出的解决方案，不具有通用性；