本发明属于设备故障检测，具体涉及一种可视化设备故障巡检方法。
背景技术：
1、现有的设备故障检测技术如下：
2、(一)使用麦克风阵列，藉由波束成形技术，最后对故障源进行定位。其技术特征在于：1.能利用采集的声音信号，从时域、频域两个不同的角度进行故障检测分析。2.利用模型、神经网络的方法对设备可能的故障类型进行判别。
3、(二)基于采集到的设备声音信号进行故障信号特征分析，评估设备运转状态。其技术特征在于：利用声学传感器阵列，对设备整体的声音特征信号进行波束成形可视化定位。
4、现有技术缺陷：
5、(一)基于声音信号特征分析的设备巡检局限性：
6、cn117409816a在分析声音特征时，在经过滤除噪音信号后，按照预设的分段长度将声波特征划分为若干段声波特征段，将每一段声波特征段与预存额定对比基准进行比对，以判断当前的声波特征段是否存在故障特征。将声波特征段绘制成对应的时域波形图，与故障声音集信息匹配。
7、cn117153188a在分析变功率设备的运行状态时，提取了声音的频域信息，并结合时空注意力网络提取频率时空特征，并将频率时空特征输入分类网络进行声音故障诊断，实现对故障类型的判别。
8、现有基于声音频率特性分析的方法，通过声音传感器实时监测设备状态，判断设备是否存在异常。然而现有声音信号特征分析不具备可视化的特性，无法在设备图像上，定位故障位置。即现有基于声音频率特性分析的方法存在技术限制：1.声音传感器采集位置固定，无法确定故障源位置。2.依赖模型库故障类型的种类。
9、(二)基于多传感器阵列和波束成形定位的设备巡检局限性：
10、cn202311136407/cn116989278a一种管道多维可视化巡检系统。多个声学传感器呈阵列分布管道上，用于对声样进行采集。根据声音达到不同声学传感器的时间差，确定声源的位置。在计算位置时依赖于传感器的位置。
11、cn202011348250/cn112557512a一种声成像方法、装置、设备及基于声成像设备的巡检机器人。通过获取多个声源的多个声信号互谱矩阵，并将其输出至声成像装置。声阵列模块由多个声传感器按照一定规律排列组成。根据各个声源的成像结果，获得目标范围内的全面声成像信息。
12、现有基于麦克风阵列的设备巡检方式通过在设备周围布设传感器阵列，虽然波束成形技术能够有效定位故障位置，该方法仍存在以下几个局限性：首先，需要在设备上铺设一定数量的声音传感器，这可能导致检测成本增加。其次，传感器的布设要求较高，操作相对复杂。即现有基于麦克风阵列的设备巡检方式存在技术限制：1.在设备上铺设多个声音传感器，设备成本随声音传感器数量增加而增加。2.对传感器阵列的可靠性要求高。
技术实现思路
1、本发明的目的在于克服由于设备异音无法直接在图像上可视化，现有技术通常采用多个传感器阵列和波束成形算法来定位故障位置的问题。本发明提供一种可视化设备故障巡检方法，选择单一声音传感器，并结合设备巡检视频分析每一帧图像。同时，通过侦测声音传感器位置，并运用声音信号特征分析技术，来判断当前传感器位置是否存在故障。最后，利用扩增实境(ar)技术将故障位置的声音信号特征可视化在设备巡检图像上，从而实现对设备故障位置的精确定位和可视化展示。
2、为实现上述目的，本发明的技术方案是：一种可视化设备故障巡检方法，选择单一声音传感器，并结合设备巡检视频分析每一帧图像，侦测声音传感器位置，并运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障；最后，利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示。
3、在本发明一实施例中，所述声音传感器为手机声音传感器。
4、在本发明一实施例中，所述设备巡检视频基于摄像头采集。
5、在本发明一实施例中，通过云端平台结合设备巡检视频分析每一帧图像，侦测声音传感器位置，并运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障。
6、在本发明一实施例中，通过云端平台利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示。
7、在本发明一实施例中，所述运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障的具体实现方式为：
8、1)建立设备正常运转和在不同故障工况的声音特征数据库；
9、2)收集设备正常工况和异常工况声频数据，并归一化频谱；
10、3)计算设备的每两种不同工况之间的归一化频率振幅差；
11、4)对于每对归一化频率振幅差差值，求出两种不同工况之间频率幅度分量的最大差值；
12、5)根据最大振幅差的50％，设置振幅差的阈值r；
13、6)选择大于阈值r的频率幅度分量作为特征频率候选者即候选频率；
14、7)对于每个候选频率，计算成为候选频率的出现次数；
15、8)从候选频率的候选列表中，找到每个频率分量的记录数量的中值，并设置为阈值m；
16、9)具有大于m的记录数的频率被确定为故障特征频率；
17、10)在巡检过程中，利用声音传感器采集设备声音信号，并上传云端平台，分析巡检音档的时频图，当声音信号出现故障特征频率时，记录发生时间和设备故障种类；
18、11)比对正常工况特征频率，当出现新的异音特征频率时，新增至设备故障工况的声音特征数据库中。
19、在本发明一实施例中，所述利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示的具体实现方式为：
20、1)设备巡检视频使用yolo目标检测网络模型，在每一帧设备巡检视频图像里，标记声音传感器所在位置；
21、2)记录每一帧图像中声音传感器当下位置的声音特征频率信号强度，再利用ar扩增实镜技术，将计算的声音特征可视化强度扩增/套叠在设备在实境图像；
22、3)巡检过程中，当声音传感器远离设备故障位置时，相应位置有较小的声音特征频率信号强度，当声音传感器接近设备故障位置时，相应位置有较大的声音特征频率信号强度；
23、4)对每一帧巡检得到的可视化声音特征强度图像进行关联，当声音特征频率信号的强度变大时，扩增/套叠在设备图像的可视化声音特征强度图像颜色也会变深，观察可视化声音特征强度颜色变深的区域，即是设备故障源的位置。
24、本发明还提供了一种可视化设备故障巡检系统，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上述所述的方法步骤。
25、本发明还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上述所述的方法步骤。
26、相较于现有技术，本发明具有以下有益效果：
27、(1)有别于使用多麦克风传感器阵列、波束成形定位算法，本方法仅用单通道麦克风传感器获取设备运转信息并定位设备异音位置。
28、(2)通过特征频率比对法，分析设备运转声音，提取故障声音特征频率。巡检时，即时比对故障特征数据库以判断设备可能的故障类型。如出现新的故障声音特征，系统将新出现故障特征类型自动更新到故障特征数据库。
29、(3)巡检过程中，结合机器视觉定位和ar扩增实境技术，将声音特征强度可视化图像扩增/套叠在设备实境图像上。可视化声音特征强度变深的区域，代表设备故障源的位置。
30、(4)本发明方法具有便携性和操作简便的特点，适合在不同环境设备巡检使用。
1.一种可视化设备故障巡检方法，其特征在于，选择单一声音传感器，并结合设备巡检视频分析每一帧图像，侦测声音传感器位置，并运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障；最后，利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示。
2.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，所述声音传感器为单通道声音传感器。
3.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，所述设备巡检视频基于摄像头采集。
4.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，通过云端平台结合目标检测方法分析巡检视频每一帧图像中声音传感器的位置，并运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障。
5.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，通过云端平台利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示。
6.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，所述运用声音信号特征分析技术，来判断当前声音传感器位置是否存在故障的具体实现方式为：
7.根据权利要求1所述的一种可视化设备故障巡检方法，其特征在于，所述利用扩增实境ar技术将故障位置的声音信号特征可视化在设备巡检图像上，实现对设备故障位置的精确定位和可视化展示的具体实现方式为：
8.一种可视化设备故障巡检系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-7任一所述的方法步骤。
9.一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-7任一所述的方法步骤。
