AI辨识设备运行声音进行健康监测
设备在运行时或多或少会发出振动与声音，这些声音通常可以表现出目前设备的运行状态，若能够通过人工智能来辨识设备运行的声音是否正常，便可提早发现设备出现的问题并进行维护，将可降低设备的维护成本与延长使用寿命。本文将为您介绍人工智能如何通过声音的解读，来协助进行设备的健康监测，以及由ADI所推出OtoSense智能监测解决方案的功能与特性。
藉由振动与声音进行设备健康监测
任何深谙设备维护必要性的人都知道，设备发出的声音和振动有多重要。通过声音和振动进行适当的设备健康监测，可以将维护成本降低一半，使用寿命延长一倍，实现实时声学数据和分析，是另一种重要的基于状态的系统监测（CbM）方法。
首先，我们应先了解设备发出的正常声音是什么样的，当声音出现变化时，便可以确认设备出现异常，并了解出现了什么问题，通过这样的方式把声音和特定的问题联系在一起。
识别异常可能需要进行几分钟的训练，但将声音、振动和原因结合起来实施诊断可能需要相当长的时间。经验丰富的技工人员和工程师可能具备这种知识，但这类的人才属于稀缺资源。单单通过声音本身来识别问题可能相当困难，即使使用录音、描述性框架或接受专家亲自培训，也很难具备如此专业的技能。
理解人类神经学以建立计算机听觉能力
为了解决这个问题，ADI公司团队在过去20年里一直致力于理解人类是如何解读声音和振动的。ADI的目标是建立一个系统，能够学习来自设备的声音和振动，破译它们的含义，以检测异常行为，并进行诊断。
ADI推出了OtoSense体系结构，它是一种设备健康监测系统，支持计算机听觉，让计算机能够理解设备行为的主要指标：声音和振动。该系统适用于任何设备，可以实时工作，无需网络连接。它已被应用于工业应用，支持实现一个可扩展的高效设备健康监测系统。
OtoSense的设计理念是从人类神经学中获得灵感，人类可以一种非常节能的方式学习和理解他们听到的任何声音，并能够学习静态声音和瞬态声音，这需要不断调整功能和持续实施监测。OtoSense在靠近传感器的终端进行识别，无需通过网络连接远程服务器来做出决策，并可与专家进行互动与学习。
人类听觉系统和OtoSense的对比与解析
听觉对人类来说是一种关乎生存的感觉，它是对遥远的、看不见的事件的整体感觉，并在出生前便已经成熟。人类感知声音的过程可以用四个熟悉的步骤来描述：声音的模拟获取、数字转换、特征提取和解读。在每个步骤中，我们都会将人耳与OtoSense系统进行比较。
人类听觉的模拟获取和数字化是个相当重要的过程，首先从中耳中的鼓膜和三块听小骨通过杠杆原理来捕捉声音，然后调整阻抗，将振动传输到充液腔道中，在那里，另一层鼓膜会根据信号中存在的频谱成分选择性地移位。这反过来弯曲了弹性单元，这些单元发出数字信号，反映出弯曲程度和强度。然后，这些单独的信号通过按频率排列的平行神经传递到初级听觉皮层。
在OtoSense中，这项工作由传感器、放大器和编解码器来完成。数字化过程使用固定的采样速率，可在250 Hz和196kHz之间调节，波形以16位编码，然后存储到大小在128到4096之间的缓冲区。
听觉的特性提取则发生在初级皮层，涵盖频率域特性，如主频率、谐波和频谱形状，以及时间域特性，如脉冲、强度变化和在大约3秒时间窗内的主要频率成分。
OtoSense则使用一个时间窗，ADI称之为块，它以固定的步长移动。这个块的大小和步长范围为23毫秒到3秒，具体由需要识别的事件和在终端提取特性的采样率决定。
听觉的解析则发生在联络皮层，它融合了所有的感知和记忆，并赋予声音以含义（比如通过语言），在塑造感知期间起着核心作用。解析过程会组织我们对事件的描述，远远不止是对它们进行命名这么简单。为一个项目、一个声音或一个事件命名可以让我们赋予它更大、更多层的含义。对于专家来说，名字和含义能让他们更好地理解周围的环境。
这就是为什么OtoSense与人的互动始于基于人类神经学的视觉、无监督的声音映射。OtoSense利用图形表示所有听到的声音或振动，它们按相似性排列，但不尝试创建固定分类。这让专家们能够组织屏幕上显示的组，并为它们命名，而无需尝试人为创建有界线的类别。他们可以根据自身的知识、感知和对OtoSense最终输出的期望构建语义地图。
对于同样的音景，汽车机械师、航空工程师，或者冷锻压力机专家，甚至是研究相同领域，但来自不同公司的人员，都可以按不同的方式进行划分、组织和标记。OtoSense则与塑造语言意义一样，使用相同的自下而上的方法来给定意义。
OtoSense的设计初衷是向多位专家学习，并且随着时间推移，进行越来越复杂的诊断。常见过程是OtoSense和专家之间的循环，异常模型和事件识别模型都是在终端运行，这些模型为潜在事件发生的概率，以及它们的异常值创建输出。
超出定义阈值的异常声音或振动会触发异常通知，使用OtoSense的技术人员和工程师可以检查该声音和其前后声音信息。然后，这些专家会对这个异常事件进行标记，对包含这些新信息的新识别模型和异常模型进行计算，并推送给终端设备。
协助电动机进行预测性维护的智能电机监测传感器
以ADI OtoSense智能电机监测传感器为例，这是一个基于人工智能的、完整的硬件和软件解决方案，用于基于电机状态的设备监测。这套系统无需专家进行人工分析，可支持检测九种机械和电气故障，并无线缆和专业网关的需求，可进行快速部署。
ADI OtoSense智能电机传感器通过结合一流的传感技术和领先的数据分析，可监测电动机运作的状况。ADI OtoSense智能电机传感器检测设备的异常和缺陷，使您能够预测维修周期，避免意外停机。
ADI OtoSense智能电机传感器涵盖最关键的诊断，将数据转化为具体的操作指令或操作建议。它可以对三相交流异步低压电动机进行24/7的状态监测。它可以清晰的方式呈现信息，告诉你问题是什么，以及如何解决它。
ADI OtoSense智能电机传感器提供监测仪表板，通过将每个电机状态的详细信息可视化，可协助全面了解机器的健康诊断和故障检测。ADI OtoSense智能电机监测传感器并支持移动应用，可通过个人电脑及手机应用程序，允许用户轻松设置智能电机监测传感器，了解部署数据，并在应用程序中对关键事件发出通知和警报。
ADI OtoSense智能电机监测传感器利用强大的基于状态的监测硬件和软件，可优化生产环境，减少故障的发生，实现诸如降低资产维护成本、延长设备寿命和增加正常运行时间等效益。
ADI OtoSense智能电机监测传感器支持实时监控，可更频繁地监测设备，以了解机械和电气故障何时开始发生，以及这些问题如何影响生产过程。ADI OtoSense智能电机监测传感器并可为每个电机创建一个独特的模型，以提供与流程一致的优化诊断。利用智能电机监测传感器提供的信息，可以用来诊断问题，还可以知道问题的严重性，以便维护团队可以采取具体的维护操作。通过持续监测电机性能和健康状况，将可对维护和备件需求有更好的可见性，以便知道该订购什么和何时订购，以减少库存成本。
ADI OtoSense智能电机传感器是市场上感应和解释机器数据最精确的解决方案，智能电机传感器可以检测到供电系统、定子绕组、转子、电机轴平衡、偏心率、轴承、轴对齐、冷却系统、固定螺栓等故障，并可提供综合性能指标，这个性能指标用于表明潜在的系统性问题，这些问题可能是由多种因素造成的，如负荷的变化，操作过程的变化等。
ADI OtoSense智能电机传感器的部署相当简单，可实现24/7的条件监测，首先进行设置，可使用iOS/Android应用程序配置ADI OtoSense智能电机传感器。通常，配置过程可在几分钟内完成，甚至电机仍在运行时亦可进行配置操作。接着进行学习，一旦传感器被安装在电机上并被调试好，学习过程就开始了。只需在正常的操作条件下，让传感器运行即可。若出现异常，便可实时接收警报，可在移动应用程序或网络仪表板上查看警报，能够防止任何电动马达故障。
结语
ADI公司提供的OtoSense技术旨在使声音和振动专业知识在任何设备上都持续可用，且无需连接网络来执行异常检测和事件识别。在航空航天、汽车和工业监测应用中，该技术被越来越多地用于设备健康监测，这表示在以往需要专业知识与涉及嵌入式应用的场景中，尤其是对于复杂设备而言，该技术都表现出了不错的性能，并已经受到行业专家的好评及信任，将是您进行设备健康监测的最佳帮手。