基于音频数据的供水系统的检测方法及其装置与流程

1.本技术涉及数据处理技术领域，尤其涉及一种基于音频数据的供水系统的检测方法及其装置。


背景技术：

2.水力发电站的供水系统主要为水轮发电机组关键设备提供冷却用水、润滑用水，有时必要的压控设备也需要技术供水系统的支持。
3.相关技术中，供水系统中的各种设备和组件可能会出现故障或损坏，如水泵、管道、阀门等。因此，如何及早发现供水系统的故障，延长设备的寿命和保持系统的高效运行，已经成为重要的研究方向之一。


技术实现要素：

4.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。本技术第一方面实施例提出了一种基于音频数据的供水系统的检测方法，包括：
5.获取供水系统对应的候选音频数据；
6.对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据；
7.将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态；
8.响应于工作状态为故障状态，生成告警信息。
9.本技术第二方面实施例提出了一种基于音频数据的供水系统的检测装置，包括：
10.包括声音采集单元、发送单元、处理单元，其中，发送单元分别和声音采集单元、处理单元连接，其中：
11.声音采集单元，用于获取供水系统对应的候选音频数据；
12.发送模块包括相连的微处理器芯片和网络中继模块，微处理器芯片用于对候选音频数据进行传输控制协议/网际协议打包，网络中继模块用于将打包后的候选音频数据发送给处理单元；
13.处理单元，用于对候选音频数据进行多个维度的特征提取，将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态，响应于工作状态为故障状态，生成告警信息。
14.本技术第三方面实施例提出了一种基于音频数据的供水系统的检测装置，包括：
15.第一获取模块，用于获取供水系统对应的候选音频数据；
16.第二获取模块，用于对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据；
17.确定模块，用于将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态；
18.告警模块，用于响应于工作状态为故障状态，生成告警信息。
19.本技术第四方面实施例提出了一种电子设备，包括：
20.至少一个处理器；以及
21.与至少一个处理器通信连接的存储器；其中，
22.存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本技术第一方面实施例中提供的基于音频数据的供水系统的检测方法。
23.本技术第五方面实施例提出了一种计算机可读存储介质，其上存储有计算机指令，其中，计算机指令用于使计算机执行根据本技术第一方面实施例中提供的基于音频数据的供水系统的检测方法。
24.本技术第六方面实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本技术第一方面实施例中提供的基于音频数据的供水系统的检测方法。
25.本技术可以及早发现供水系统的故障，延长设备的寿命和保持系统的高效运行。
附图说明
26.图1是本技术一个实施例的基于音频数据的供水系统的检测方法的流程图；
27.图2是本技术一个实施例的基于音频数据的供水系统的检测方法的流程图；
28.图3是本技术一个实施例的基于音频数据的供水系统的检测方法的示意图；
29.图4是根据本公开一个实施例的基于音频数据的供水系统的检测装置的结构图；
30.图5是根据本公开一个实施例的基于音频数据的供水系统的检测装置的结构图；
31.图6是本技术一个实施例的电子设备的结构示意图。
具体实施方式
32.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
33.下面结合附图来描述本技术实施例的音频数据的供水系统的检测方法及其装置。
34.图1是本技术一个实施例的基于音频数据的供水系统的检测方法的流程图，如图1所示，该方法包括以下步骤：
35.s101，获取供水系统对应的候选音频数据。
36.在一些实现中，供水系统包括供水泵，可以基于部署在供水泵上的拾音器采集候选音频数据。
37.在一些实现中，可以在供水泵和泵房空间内部署多个拾音器，在同一时刻下同步采集多个候选音频数据。
38.在一些实现中，基于信号处理电路对候选音频数据进行阻抗变换，阻抗变换可用于将电路中的不匹配阻抗转换为匹配阻抗，在信号传输和功率传递过程中非常重要，因为匹配阻抗可以最大程度地传输信号，减少信号的反射和损耗。
39.音频信号可能过于微弱或混杂在噪音中，音频数据中常常包含各种噪音，难以分
辨，因此，在一些实现中，可以基于信号处理电路对候选音频数据进行放大处理和滤波处理，通过放大处理，可以增强音频信号的振幅，使其更清晰、更易于辨别，滤波处理可以通过去除或抑制噪音频率成分，从而减少噪音对音频信号的干扰，提高音频质量和清晰度。
40.对候选音频数据进行模数转换和数字信号处理。其中，模数转换和数字信号处理可以将模拟音频信号转换为数字形式，并对数字形式的候选音频数据进行调整和优化(例如改善音频质量、增强特定频率范围、降低噪音、声道平衡、回音消除等)。从而使得候选音频数据适合于数字系统的处理和分析。
41.s102，对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据。
42.在一些实施方式中，可以提取候选音频数据的整流均值，作为目标特征数据中一个维度的特征；整流均值是对候选音频数据进行整流操作后的平均值，可以反映音频数据的总体能量水平，较高的整流均值通常表示音频数据具有较高的能量。
43.在一些实施方式中，可以提取候选音频数据的均方值，作为目标特征数据中一个维度的特征；均方值是候选音频数据的平方和的平均值的平方根，可以衡量音频数据的能量大小，较高的均方值表示音频数据具有较高的能量。
44.在一些实施方式中，可以提取候选音频数据的方差，作为目标特征数据中一个维度的特征；方差是音频数据与其均值之间差异的平方的平均值，可以描述音频数据的离散程度，较大的方差表示音频数据的波动性较大。
45.在一些实施方式中，可以提取候选音频数据的歪度，作为目标特征数据中一个维度的特征；歪度衡量了候选音频数据分布的不对称性。正偏态分布的音频数据具有右侧较长的尾部，而负偏态分布的音频数据具有左侧较长的尾部。
46.在一些实施方式中，可以提取候选音频数据的峭度，作为目标特征数据中一个维度的特征；峭度衡量了音频数据分布的尖锐程度。较高的峭度表示音频数据具有较尖锐的峰值，而较低的峭度表示音频数据分布相对平缓。
47.在一些实施方式中，可以提取候选音频数据的波形因子，作为目标特征数据中一个维度的特征；波形因子是音频数据的均方值与整流均值之比，可以反映音频数据的波形形状，较大的波形因子表示音频数据波形的峰值部分相对较高。
48.在一些实施方式中，可以提取候选音频数据的峰值因子，作为目标特征数据中一个维度的特征；峰值因子是音频数据的最大值与均方值之比，可以反映音频数据的峰值幅度，较大的峰值因子表示音频数据包含较强的峰值部分。
49.在一些实施方式中，可以提取候选音频数据的裕度因子，作为目标特征数据中一个维度的特征；裕度因子是音频数据的峰值值与整流均值之比，可以描述音频数据的峰谷比例，较大的裕度因子表示音频数据的峰谷幅度差异较大。
50.这些统计特征能够提供候选音频数据的不同特征，包括能量、离散程度、分布的对称性和尖锐度、波形形状以及峰值和谷值的幅度等。
51.在一些实施方式中，可以提取候选音频数据的多阶梅尔倒谱系数，作为目标特征数据中多个维度的特征，例如，可以分别提取候选音频数据的12阶梅尔倒谱系数，作为目标特征数据的12维特征。梅尔倒谱系数(mfcc)主要能够对频谱进行平滑化，并消除谐波的作用，突显候选音频数据的共振峰。
52.在一些实施方式中，可以提取候选音频数据的多阶梅尔倒谱差分系数，作为目标特征数据中多个维度的特征，例如，可以分别提取候选音频数据的12阶梅尔倒谱差分系数，作为目标特征数据的12维特征。梅尔倒谱差分系数(mfcc)能够表现出音频数据的频率信息、人耳感知特性和谱包络特征，可以提取出有效的音频特征，用于声音分析、语音识别。
53.可选地，本技术实施例中，目标特征数据共包含32维的特征，其中包括12维的梅尔倒谱系数、12维的梅尔倒谱差分系数，还有整流均值、均方值、方差、歪度、峭度、波形因子、峰值因子、裕度因子等8维特征。
54.s103，将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态。
55.目标svm模型可以通过最有超平面将不同类别的目标特征数据分隔开。本技术实施例中，供水设备的工作状态可以包括正常状态和故障状态，可以将这两个工作状态标记为不同的类别，进一步地，最优超平面被定义为使得两个类别特征数据之间的间隔最大化的决策边界，这个决策边界由支持向量组成，支持向量是离决策边界最近的样本点。也就是说，基于目标svm模型对目标特征数据进行二分类处理，确定目标特征数据的类别，进而基于该类别确定供水设备的工作状态。
56.s104，响应于工作状态为故障状态，生成告警信息。
57.在一些实现中，供水设备的工作状态为正常状态，在一些实现中，供水设备的工作状态为故障状态，此时，为了延长设备的寿命和保持系统的高效运行，需要生成告警信息，例如，告警信息可以是灯光提醒或声音提醒。
58.本技术实施例中，对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据；将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态；响应于工作状态为故障状态，生成告警信息。本技术可以及早发现供水系统的故障，延长设备的寿命和保持系统的高效运行。
59.图2是本技术一个实施例的基于音频数据的供水系统的检测方法的流程图，如图2所示，目标svm模型的训练过程，包括：
60.s201，获取供水设备不同状态下的样本音频数据，其中，样本音频数据对应的参考工作状态为故障状态或正常状态。
61.在一些实现中，获取供水站设备正常工作时的样本音频数据作为参考工作状态为正常状态的正样本。
62.供水系统的故障情况可能是水泵及其电机时，可能由于电流或转速过低、出口压力异常、振动增大或流量不足引发故障，其原因可能为水泵或电机不平衡、不对中、接触故障、空气吸入、异物吸入、机械变形、磨损、气蚀和压力脉动等；在一些实现中，供水系统的故障情况可能是气压或气量不符合工作要求的故障；在一些实现中，供水系统的故障情况可能是供水管道阻力增加的故障；在一些实现中，供水系统的故障情况可能是管路泄漏的故障；在一些实现中，供水系统的故障情况可能是触点失灵的故障等。可选地，本技术实施例中，获取供水站设备故障时的样本音频数据作为参考工作状态为故障状态的负样本。
63.s202，针对任一样本音频数据，对样本音频数据进行n个维度的信号处理，获取样本音频数据对应的样本特征数据。
64.关于步骤s202的介绍可以参见上述实施例中的相关内容，此处不再赘述。
65.s203，由候选svm模型对样本特征数据分别进行二分类处理，确定样本特征数据对应的预测工作状态。
66.本技术实施例中，构造拉格朗日函数求解最优超平面，将正常状态和故障状态分别标记为最优超平面的两侧的类别。获取样本特征数据在高维空间中的映射点，并根据映射点至最优超平面的距离，从两侧的类别中确定样本特征数据对应的目标类别。将目标类别判定为供水设备的预测工作状态。
67.需要说明的是，svm模型可将二分类问题转化为在样本空间求解超平面，当其距离各个样本点(样本特征数据)的最小值达到最大时即为最优超平面。
68.在解决线性可分的问题中，可定义一个超平面：
69.w
t
x+b＝0
70.该式表示定义的超平面，w是权重，决定了超平面的方向，x表示样本，该式展开就是w1x1+w2x2+...+wnxn+b＝0；wn是样本特征数据中第n个维度的特征对应的权重；xn表示样本特征数据中第n个维度的特征，n为大于2的正整数；b是偏置值，决定了超平面与原点间的距离，t表示转置。
71.将两类样本特征数据完全分开。对超平面进行归一化处理后可得到：
72.yi(w
t
x+b)≥1
73.该式是对超平面进行归一化处理的结果，其中yi表示第i个样本特征数据所对应的目标值。
74.利用高维空间中点到超平面的距离公式得到两类离分界面最近的样本点之间的距离为：
75.该式中，r表示两个分隔超平面最近的样本点(支持向量)之间的距离；其中，g(x)＝y(w
t
x+b)；
76.如图3所示，例如，本技术实施例中，两个分隔超平面两边分别是两类目标特征数据(“o”和
“×”
分别表示两类目标特征数据)，对应供水系统的正常状态和故障状态，可选地，可以将w
t
x+b＝1和w
t
x+b＝-1作为两个分隔超平面，w
t
x+b＝0为最优超平面。
77.所以最优超平面应满足：
78.该式是最优超平面参数需要满足的约束方程，需要使得最大化，等价于最小化||w||2，也就是使得该式满足yi(w
t
x+b)≥1。
79.联立两式构造拉格朗日函数可求得最优解其中ai为拉格朗日算子，即可推出最优权向量w
*
和最优偏置值b
*
，故最优超平面为：w
*t
x+b
*
＝0。
80.该式表示求得的最优超平面，w
*
和b
*
分别为最优权向量和最优偏置值。
81.解决线性不可分的问题时，我们可以构造非线性映射z＝φ(x)，(该式是解决线性不可分的问题时，构造的非线性映射，使高维空间中的映射点线性可分。)使高维空间中的
映射点线性可分并构造高维空间超平面w
t
φ(x)+b＝0(是构造的高维空间超平面。)再找到适当的核函数使其在高维空间线性可分。若无法构造合适的映射关系可引入松弛项和惩罚因子使超平面的分类误差最小。
82.如图3所示，本技术实施例中，可以用“o”类别对应供水系统的工作状态为正常状态，此时有w
*t
x+b
*
》0，可以用
“×”
类别对应供水系统的工作状态为故障状态，此时有w
*t
x+b
*
《0。
83.s204，基于任一样本音频数据的参考工作状态和预测工作状态对候选svm模型的模型参数进行反向调整，获取目标svm模型。
84.本技术实施例中，对于任一样本音频数据的参考工作状态和预测工作状态，基于损失函数对候选svm模型的模型参数进行反向调整，直至达到预设的迭代次数或损失函数的值收敛到预设阈值范围内，确定模型完成训练，得到目标svm模型。
85.本技术实施例中提出了供水系统的目标svm模型的训练过程。在供水泵房布置了声音传感器，通过获取声音传感器的样本音频数据来建立候选svm模型。训练候选svm模型的过程包括针对任一样本音频数据，对样本音频数据进行n个维度的信号处理，获取样本音频数据对应的样本特征数据，由候选svm模型对样本特征数据分别进行二分类处理，确定样本特征数据对应的预测工作状态，基于任一样本音频数据的参考工作状态和预测工作状态对候选svm模型的模型参数进行反向调整，获取目标svm模型。在n个维度的信号处理中，使用了时域特征和梅尔倒谱系数以及一阶差分系数等。在样本分类中，使用svm的分类方法能够达到较高准确率。机组运行过程中，该模型能够对出现的故障状态进行识别。
86.图4是根据本公开一个实施例的基于音频数据的供水系统的检测装置的结构图，如图4所示，基于音频数据的供水系统的检测装置400包括：声音采集单元410、发送单元420、处理单元430，其中，发送单元420分别和声音采集单元410、处理单元430连接，其中：
87.声音采集单元410，用于获取供水系统对应的候选音频数据；
88.发送模块420包括相连的微处理器芯片421和网络中继模块422，微处理器芯片421用于对候选音频数据进行传输控制协议/网际协议打包，网络中继模块422用于将打包后的候选音频数据发送给处理单元；也就是说，候选音频数据由微处理器arm芯片完成最终的传输控制协议/网际(tcp/ip)协议打包，网络中继完成打包数据的转发。
89.处理单元430可以是数据服务器，用于对候选音频数据进行多个维度的特征提取，将目标特征数据输入目标支持向量机svm模型，由目标svm模型对目标特征数据进行二分类处理，确定供水设备的工作状态，响应于工作状态为故障状态，生成告警信息。
90.在一些实施方式中，声音采集单元410包括相连的拾音器411和信号处理模块412，拾音器411部署在供水系统的供水泵或泵房中，用于采集候选音频数据；信号处理模块412用于对候选音频数据进行阻抗变换，放大处理和滤波处理，以及模数转换和数字信号处理。
91.图5是根据本公开一个实施例的基于音频数据的供水系统的检测装置的结构图，如图5所示，基于音频数据的供水系统的检测装置600包括：
92.第一获取模块510，用于获取供水系统对应的候选音频数据；
93.第二获取模块520，用于对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据；
94.确定模块530，用于将目标特征数据输入目标支持向量机svm模型，由目标svm模型
对目标特征数据进行二分类处理，确定供水设备的工作状态；
95.告警模块540，用于响应于工作状态为故障状态，生成告警信息。
96.在一些实施方式中，第二获取模块520，还用于：
97.提取候选音频数据的整流均值、均方值、方差、歪度、峭度、波形因子、峰值因子、裕度因子，作为目标特征数据中多个维度的特征；
98.提取候选音频数据的多阶梅尔倒谱系数，作为目标特征数据中多个维度的特征；
99.提取候选音频数据的多阶梅尔倒谱差分系数，作为目标特征数据中多个维度的特征。
100.在一些实施方式中，目标svm模型的训练过程，包括：
101.获取供水设备不同状态下的样本音频数据，其中，样本音频数据对应的参考工作状态为故障状态或正常状态；
102.针对任一样本音频数据，对样本音频数据进行n个维度的信号处理，获取样本音频数据对应的样本特征数据；
103.由候选svm模型对样本特征数据分别进行二分类处理，确定样本特征数据对应的预测工作状态；
104.基于任一样本音频数据的参考工作状态和预测工作状态对候选svm模型的模型参数进行反向调整，获取目标svm模型。
105.在一些实施方式中，确定模块530，还用于：
106.构造拉格朗日函数求解最优超平面，将正常状态和故障状态分别标记为最优超平面的两侧的类别；
107.获取样本特征数据在高维空间中的映射点，并根据映射点至最优超平面的距离，从两侧的类别中确定样本特征数据对应的目标类别；
108.将目标类别判定为供水设备的预测工作状态。
109.在一些实施方式中，第一获取模块510，还用于：
110.对候选音频数据进行阻抗变换，放大处理和滤波处理；和/或
111.对候选音频数据进行模数转换和数字信号处理。
112.本技术可以及早发现供水系统的故障，延长设备的寿命和保持系统的高效运行。
113.基于同一申请构思，本技术实施例还提供了一种电子设备。
114.图6为本技术实施例提供的电子设备的结构示意图。如图6所示，该电子设备600，包括存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序产品，处理器执行计算机程序时，实现前述的基于音频数据的供水系统的检测方法。
115.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
116.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
117.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
118.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
119.基于同一申请构思，本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令用于使计算机执行上述实施例中的基于音频数据的供水系统的检测方法。
120.基于同一申请构思，本技术实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时上述实施例中的基于音频数据的供水系统的检测方法。
121.应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本技术可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
122.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
123.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
124.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种基于音频数据的供水系统的检测方法，其特征在于，包括：获取供水系统对应的候选音频数据；对所述候选音频数据进行多个维度的特征提取，获取目标特征数据，所述目标特征数据包括多个维度的特征数据；将所述目标特征数据输入目标支持向量机svm模型，由所述目标svm模型对所述目标特征数据进行二分类处理，确定所述供水设备的工作状态；响应于所述工作状态为故障状态，生成告警信息。2.根据权利要求1所述的方法，其特征在于，所述对所述候选音频数据进行多个维度的特征提取，包括以下一种或几种：提取所述候选音频数据的整流均值、均方值、方差、歪度、峭度、波形因子、峰值因子、裕度因子，作为所述目标特征数据中多个维度的特征；提取所述候选音频数据的多阶梅尔倒谱系数，作为所述目标特征数据中多个维度的特征；提取所述候选音频数据的多阶梅尔倒谱差分系数，作为所述目标特征数据中多个维度的特征。3.根据权利要求1所述的方法，其特征在于，所述目标svm模型的训练过程，包括：获取所述供水设备不同状态下的样本音频数据，其中，所述样本音频数据对应的参考工作状态为故障状态或正常状态；针对任一样本音频数据，对所述样本音频数据进行n个维度的信号处理，获取所述样本音频数据对应的样本特征数据；由所述候选svm模型对所述样本特征数据分别进行二分类处理，确定所述样本特征数据对应的预测工作状态；基于任一所述样本音频数据的参考工作状态和预测工作状态对所述候选svm模型的模型参数进行反向调整，获取所述目标svm模型。4.根据权利要求1-3任一项所述的方法，其特征在于，所述由所述候选svm模型对所述样本特征数据分别进行二分类处理，确定所述样本特征数据对应的预测工作状态，包括：构造拉格朗日函数求解最优超平面，将正常状态和故障状态分别标记为所述最优超平面的两侧的类别；获取所述样本特征数据在高维空间中的映射点，并根据所述映射点至所述最优超平面的距离，从所述两侧的类别中确定所述样本特征数据对应的目标类别；将所述目标类别判定为所述供水设备的预测工作状态。5.根据权利要求4所述的方法，其特征在于，所述对所述候选音频数据进行多个维度的信号处理之前，还包括：对所述候选音频数据进行阻抗变换，放大处理和滤波处理；和/或对所述候选音频数据进行模数转换和数字信号处理。6.一种基于音频数据的供水系统的检测装置，其特征在于，包括声音采集单元、发送单元、处理单元，其中，所述发送单元分别和所述声音采集单元、所述处理单元连接，其中：所述声音采集单元，用于获取供水系统对应的候选音频数据；所述发送模块包括相连的微处理器芯片和网络中继模块，所述微处理器芯片用于对所
述候选音频数据进行传输控制协议/网际协议打包，所述网络中继模块用于将打包后的所述候选音频数据发送给所述处理单元；所述处理单元，用于对所述候选音频数据进行多个维度的特征提取，将所述目标特征数据输入目标支持向量机svm模型，由所述目标svm模型对所述目标特征数据进行二分类处理，确定所述供水设备的工作状态，响应于所述工作状态为故障状态，生成告警信息。7.根据权利要求6所述的装置，其特征在于，所述声音采集单元包括相连的拾音器和信号处理模块，其中：所述拾音器部署在供水系统的供水泵或泵房中，用于采集候选音频数据；所述信号处理模块用于对所述候选音频数据进行阻抗变换，放大处理和滤波处理，以及模数转换和数字信号处理。8.一种基于音频数据的供水系统的检测装置，其特征在于，包括：第一获取模块，用于获取供水系统对应的候选音频数据；第二获取模块，用于对所述候选音频数据进行多个维度的特征提取，获取目标特征数据，所述目标特征数据包括多个维度的特征数据；确定模块，用于将所述目标特征数据输入目标支持向量机svm模型，由所述目标svm模型对所述目标特征数据进行二分类处理，确定所述供水设备的工作状态；告警模块，用于响应于所述工作状态为故障状态，生成告警信息。9.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法的步骤。

技术总结
本申请提出了一种基于音频数据的供水系统的检测方法及其装置，涉及数据处理技术领域。该方法包括：获取供水系统对应的候选音频数据；对候选音频数据进行多个维度的特征提取，获取目标特征数据，目标特征数据包括多个维度的特征数据；将目标特征数据输入目标支持向量机SVM模型，由目标SVM模型对目标特征数据进行二分类处理，确定供水设备的工作状态；响应于工作状态为故障状态，生成告警信息。本申请可以及早发现供水系统的故障，延长设备的寿命和保持系统的高效运行。命和保持系统的高效运行。命和保持系统的高效运行。


技术研发人员：魏学锋 姬升阳 刘志辉 朱斌 王宏超 孙长江 卢回忆 刘豪睿 刘加 曹宏 刘德广
受保护的技术使用者：北京华控智加科技有限公司
技术研发日：2023.06.15
技术公布日：2023/9/13