[发明专利]一种综合监控设备运行状态的方法及系统

说明书

本发明公开了一种综合监控设备运行状态的方法及系统，包括：对设备的声音原始数据进行转换处理，以获取频率数据；根据所述频率数据进行特征数据的提取，并对设备处于正常状态和处于故障状态下的特征数据进行比对，以确定关键特征；根据设备处于正常状态和故障状态下的所述关键特征的特征数据，基于支持向量机SVM算法进行训练，以确定运行状态分析模型；实时地对设备的声音数据进行采集，以获取声音实时数据，并依次对所述声音实时数据进行转换处理和关键特征数据提取，以获取与所述声音实时数据对应的实时关键特征数据，并利用所述运行状态分析模型对所述实时关键特征数据进行分析，以确定设备的运行状态。

技术领域

本发明涉及数据处理技术领域，并且更具体地，涉及一种监控综合管廊、以及建筑智能化中设备运行状态的方法及系统。

背景技术

地下综合管廊和建筑智能化是一个复杂的监控系统，拥有包括电缆，污水管等重要设备。为了进行有效的监控，监控系统采集包括温度，湿度，有害气体等大量数据对管廊的运行安全进行全面地监控。

目前采用的人工巡检方式不仅费用高，而且存在状态监控准确度低的问题。针对旋转类设备的实时监控与故障预测基本采用电流，电压与振动数据进行分析，在相对恶劣的环境下存在数据采集困难的问题；同时目前的数据分析与清洗算法在数据波动较小的情况下存在提取特征困难的问题，同时在故障预测过程中需要大量的非正常工况数据对模型进行训练。

因此，需要一种能够快速准确地确定设备运行状态的方法。

发明内容

本发明提出一种综合监控设备运行状态的方法及系统，以解决如何快速地确定设备运行状态的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种确定地下综合管廊、建筑智能化中设备运行状态的方法，所述方法包括：

对设备的声音原始数据进行转换处理，以获取与所述声音原始数据对应的频率数据；

根据所述频率数据进行特征数据的提取，并对设备处于正常状态和处于故障状态下的特征数据进行比对，以确定关键特征；

根据设备处于正常状态和故障状态下的所述关键特征的特征数据，基于支持向量机SVM算法进行训练，以确定运行状态分析模型；

实时地对设备的声音数据进行采集，以获取声音实时数据，并依次对所述声音实时数据进行转换处理和关键特征数据提取，以获取与所述声音实时数据对应的实时关键特征数据，并利用所述运行状态分析模型对所述实时关键特征数据进行分析，以确定设备的运行状态。

优选地，其中所述方法利用短时傅里叶变换SFTF算法将对声音原始数据进行转换处理，以获取频率数据，包括：

其中，x_m(ω)为在时间mR的短时傅里叶变换数据；x(n)为在时间n的输入信号数据；R为跳跃尺寸；T为周期；ω(n)为长度M窗口函数。

优选地，其中所述方法还包括：

利用时频变换算法CQT通过采用不同的窗口宽度，获得不同的频率解析度，以获取各个半音的频率分量，包括：

其中，X^CQT(k)为第n帧频率数据的第k个半音的频率分量；w(n)为长度为N_k的窗函数；Q为CQT变换中的常数因子；k是CQT谱的频率序号；N_k为随频率变换的窗口长度，N_k值与k值有关。

优选地，其中所述方法还包括：

在获取所述频率数据后，对获取的频域数据进行梅尔刻度讯号处理，包括：

将所述频域数据帧化为短帧数据；