【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于人工智能的消防设备故障排检方法及系统。
技术介绍
1、随着城市化进程的加速和建筑物数量的增多，火灾风险也日益加大，因此保障消防设备的正常运行显得尤为重要。一旦发生火灾，消防设备的正常运行将直接关系到人们的生命安全，通过定期的故障排检，可以确保消防设备在紧急情况下能够正常启动和运行，最大程度地减少火灾对人员造成的伤害。
2、随着消防设备技术的不断更新与发展，设备本身的复杂性也在增加，维修人员需要花费更多时间来理解新型设备的工作原理和结构，这可能会导致排查故障的时效率降低，同时，维护人员的操作技能、经验水平和专业知识直接影响排查故障的时效率。
技术实现思路
1、本专利技术提供一种基于人工智能的消防设备故障排检方法及系统，其主要目的在于解决消防设备故障排检时效率较低的问题。
2、为实现上述目的，本专利技术提供的一种基于人工智能的消防设备故障排检方法，包括：
3、采集消防设备的声音信号；
4、利用预设的离散算法对所述声音信号进行离散变换，得到所述声音信号的信号频谱，其中，所述预设的离散算法为：
5、
6、其中，x(k)是在频率索引为k时得到的频谱值，n是傅里叶变换点数，n是在时域上的离散采样点，x(n)是在时域上第n个离散采样点的信号值，k是频率索引，j是虚数单位；
7、对所述信号频谱进行三角滤波，得到所述信号频谱的滤波信号，对所述滤波信号进行离散余弦变换，得到所述滤
8、根据所述信号特征生成所述消防设备的声谱图；
9、对所述声谱图进行可视化渲染，得到所述声谱图的渲染图；
10、根据所述渲染图生成所述消防设备的设备故障点。
11、可选地，所述对所述信号频谱进行三角滤波，得到所述信号频谱的滤波信号，包括：
12、利用预设的滤波器对所述信号频谱进行中心转换，得到所述信号频谱的转换频谱；
13、根据所述转换频谱生成所述滤波器的频率响应；
14、根据所述频率响应生成所述信号频谱的滤波信号。
15、可选地，所述利用预设的滤波器对所述信号频谱进行中心转换，得到所述信号频谱的转换频谱，包括：
16、利用预设的滤波器中的频率转换算法对所述信号频谱进行中心转换，得到所述信号频谱的转换频谱，其中，所述频率转换算法为：
17、
18、其中，fm是所述转换频谱中的频率值，f是所述信号频谱中的频率值，lg(*)是对数函数。
19、可选地，所述根据所述频率响应生成所述信号频谱的滤波信号，包括：
20、利用预设的滤波信号生成算法和所述频率响应生成所述信号频谱的滤波信号，其中，所述预设的滤波信号生成算法为：
21、
22、其中，s(m)是在时域上第m个离散采样点的滤波信号值，m表示在时域上的离散采样点，x(k)是在频率索引为k时得到的频谱值，k是频率索引，hm(k)是频率响应在第m个离散采样点的处的响应值，m是时域上的离散采样点的总数目,k是频率索引总数。
23、可选地，所述对所述滤波信号进行离散余弦变换，得到所述滤波信号的信号特征，包括：
24、利用预设的离散余弦变换算法对所述滤波信号进行离散余弦变换，得到所述滤波信号的信号特征，其中，所述预设的离散余弦变换算法为：
25、
26、其中，c(a)是在余弦变换系数索引为a时得到的变换系数，a是进行离散余弦变换时采样的离散点数，s(m)是在时域上第m个离散采样点的滤波信号值，a是在频域上的离散余弦变换系数索引，m表示在时域上的离散采样点，m是时域上的离散采样点的总数目，l是输出的变换系数的长度。
27、可选地，所述根据所述信号特征生成所述消防设备的声谱图，包括：
28、将所述信号特征进行特征分类，得到所述信号特征的分类特征；
29、建立所述分类特征的关联关系；
30、根据所述关联关系和所述分类特征生成所述消防设备的声谱图。
31、可选地，所述根据所述关联关系和所述分类特征生成所述消防设备的声谱图，包括：
32、对所述分类特征进行归一化处理，得到所述分类特征的归一化特征；
33、根据所述关联关系将所述归一化特征在预设的坐标系上进行标示，得到所述归一化特征的特征图谱；
34、确定所述特征图谱为所述消防设备的声谱图。
35、可选地，所述对所述声谱图进行可视化渲染，得到所述声谱图的渲染图，包括：
36、对所述声谱图进行颜色编码，得到所述声谱图的编码谱图；
37、对所述编码谱图进行对比度增强处理，得到所述编码谱图的增强谱图；
38、对所述增强谱图进行二次降噪，得到所述增强谱图的降噪谱图，确定所述降噪谱图为所述声谱图的渲染图。
39、可选地，所述根据所述渲染图生成所述消防设备的设备故障点，包括：
40、根据所述渲染图和所述消防设备中的噪声阈值生成所述消防设备的噪声等级；
41、根据所述噪声等级生成所述消防设备的设备故障点。
42、为了解决上述问题，本专利技术还提供一种基于人工智能的消防设备故障排检系统，所述系统包括：
43、信号采集模块，用于采集消防设备的声音信号；
44、离散变换模块，用于利用预设的离散算法对所述声音信号进行离散变换，得到所述声音信号的信号频谱，其中，所述预设的离散算法为：
45、
46、其中，x(k)是在频率索引为k时得到的频谱值，n是傅里叶变换点数，n是在时域上的离散采样点，x(n)是在时域上第n个离散采样点的信号值，k是频率索引，j是虚数单位；
47、三角滤波模块，用于对所述信号频谱进行三角滤波，得到所述信号频谱的滤波信号，对所述滤波信号进行离散余弦变换，得到所述滤波信号的信号特征；
48、声谱图生成模块，用于根据所述信号特征生成所述消防设备的声谱图；
49、可视化渲染模块，用于对所述声谱图进行可视化渲染，得到所述声谱图的渲染图；
50、故障点生成模块，用于根据所述渲染图生成所述消防设备的设备故障点。
51、本专利技术利用人工智能算法自动对声音信号进行处理和分析，无需人工干预，可以快速、准确地提取出设备的声谱特征，节省了人力成本和时间，通过离散变换、三角滤波和离散余弦变换等算法处理声音信号，提取出设备的信号特征，有助于快速准确地定位设备故障点，从而加快排查故障的速度，将声谱图进行可视化渲染，使得故障点更直观可见，有利于维护人员快速定位问题所在，减少排查故障的时间，通过声谱图生成设备故障点，可以提高排查故障的准确性，避免漏检和误判，从而节约了排查故障的时间和成本，因此本专利技术提出基于人工智能的消防设备故障排检方法及系统，可以解决消防设备故障排检效率较低的问本文档来自技高网...
【技术保护点】
1.一种基于人工智能的消防设备故障排检方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于人工智能的消防设备故障排检方法，其特征在于，所述对所述信号频谱进行三角滤波，得到所述信号频谱的滤波信号，包括：
3.如权利要求2所述的基于人工智能的消防设备故障排检方法，其特征在于，所述利用预设的滤波器对所述信号频谱进行中心转换，得到所述信号频谱的转换频谱，包括：
4.如权利要求2所述的基于人工智能的消防设备故障排检方法，其特征在于，所述根据所述频率响应生成所述信号频谱的滤波信号，包括：
5.如权利要求1所述的基于人工智能的消防设备故障排检方法，其特征在于，所述对所述滤波信号进行离散余弦变换，得到所述滤波信号的信号特征，包括：
6.如权利要求1所述的基于人工智能的消防设备故障排检方法，其特征在于，所述根据所述信号特征生成所述消防设备的声谱图，包括：
7.如权利要求6所述的基于人工智能的消防设备故障排检方法，其特征在于，所述根据所述关联关系和所述分类特征生成所述消防设备的声谱图，包括：
8.如权利要求1
9.如权利要求1至8中任一项所述的基于人工智能的消防设备故障排检方法，其特征在于，所述根据所述渲染图生成所述消防设备的设备故障点，包括：
10.一种基于人工智能的消防设备故障排检系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于人工智能的消防设备故障排检方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于人工智能的消防设备故障排检方法，其特征在于，所述对所述信号频谱进行三角滤波，得到所述信号频谱的滤波信号，包括：
3.如权利要求2所述的基于人工智能的消防设备故障排检方法，其特征在于，所述利用预设的滤波器对所述信号频谱进行中心转换，得到所述信号频谱的转换频谱，包括：
4.如权利要求2所述的基于人工智能的消防设备故障排检方法，其特征在于，所述根据所述频率响应生成所述信号频谱的滤波信号，包括：
5.如权利要求1所述的基于人工智能的消防设备故障排检方法，其特征在于，所述对所述滤波信号进行离散余弦变换，得到所述滤波信号的信号特征，包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。