[发明专利]一种抽油机远程智能音频诊断系统、方法、设备及介质

说明书

本发明公开了一种抽油机远程智能音频诊断方法，应用于抽油机故障诊断领域，获取音频信号，提取语音特征并确定感兴趣区；根据所述语音特征判断是否存在故障，如存在故障，获取所述感兴趣区对应的故障语音特征；建立神经网络模型，使用样本训练神经网络；将待诊断的故障语音特征输入训练好的神经网络模型中，输出得到故障概率值；根据故障概率值确定权重，构建多目标函数，从而确定故障类型。本发明对音频信号进行远程处理，从而对抽油机进行远程诊断，不需要维修人员接近或停车检查，智能性和安全性更高；同时可以预测抽油机寿命，对设备进行提前检查，定期维护，减少抽油机停工造成的经济损失；利用神经网络进行识别故障类型使得识别结果更加准确。

技术领域

本发明涉及抽油机故障诊断技术领域，更具体的说是涉及一种抽油机智能音频诊断系统、方法、设备及介质。

背景技术

抽油机是采油生产中最主要的设备之一，抽油机长期在野外环境中运行，在受到各种自然因素的破坏和影响的同时，还会受到周期性交变载荷及惯性、振动、摩擦的作用，造成抽油机故障，影响生产。

抽油机在运转过程中，经常出现的故障有抽油机整机振动、减速器漏油、刹车不灵或自动溜车、中尾轴承螺丝松动、悬绳器毛辫子拉断、皮带松动打滑等现象，这些故障的判断与处理直接影响能否尽快恢复生产；

目前，针对故障的判断是通过石油工人巡检才能对故障进行诊断，所以对于快速恢复生产产生很大影响。

因此，如何提供一种能够快速确定故障并快速进行维修以保证快速恢复生产的抽油机故障诊断系统、方法、设备及介质是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种抽油机智能音频诊断系统、方法、设备及介质，本发明目的针对野外环境中抽油机设备上安装声音传感器，根据获取的音频信号诊断抽油机的工作状态是否存在故障，并进行确定故障类型，解决了现有技术中需要巡检才能判断故障并确定故障类型的问题。

为了达到上述目的，本发明采用如下技术方案：

一种抽油机智能音频诊断方法，具体步骤包括如下：

获取音频信号，提取语音特征并确定感兴趣区；

根据所述语音特征判断是否存在故障，如存在故障，获取所述感兴趣区对应的故障语音特征；

建立神经网络模型，使用样本训练神经网络；

将待诊断的故障语音特征输入训练好的神经网络模型中，输出得到故障概率值；

根据故障概率值确定权重，构建多目标函数，从而确定故障类型。

优选的，在上述的一种抽油机智能音频诊断方法中，所述音频信号为一个或多个零部件处获取的信号；所述音频信号为多个零部件处获取的信号为多个所述零部件处获取信号的叠加。

优选的，在上述的一种抽油机智能音频诊断方法中，提取语音特征的方法包括但不限于：声谱图法、梅尔倒谱法、短时能量法、功率谱密度法、频谱通量法。

优选的，在上述的一种抽油机智能音频诊断方法中，判断是否存在故障具体步骤如下：

确定所述语音特征中的特征点；

获取历史数据库中无故障时的音频信号对应的音频特征；

进行对比确定是否存在故障。

优选的，在上述的一种抽油机智能音频诊断方法中，建立神经网络模型具体步骤如下：

所述深度卷积神经网络模型，包括4个卷积层、4个池化层、2个全连接层，中间层激活函数使用ReLU，最后一层使用softmax，每个卷积层后使用批量归一化加速训练，优化器使用随机梯度下降，采用Dropout比例分别为0.5，损失函数使用交叉熵。

优选的，在上述的一种抽油机智能音频诊断方法中，使用样本训练深度卷积神经网络，识别故障：