現(xiàn)代化生產(chǎn)企業(yè)趨向大型化、自動化和連續(xù)化，人們對設(shè)備的要求越來越高。但是由于設(shè)備故障引發(fā)的重大災難性事故屢見不鮮，不僅經(jīng)濟損失慘重，還帶來嚴重的政治影響。國內(nèi)外化工、石化、電力、鋼鐵和航空等部門，從許多大型設(shè)備故障和事故中逐漸認識到開展設(shè)備故障診斷的重要性。管理好用好這些大型設(shè)備，使其安全、可靠地運行，成為設(shè)備管理中的突出任務(wù)。

設(shè)備故障診斷首先要獲取設(shè)備運行中各種狀態(tài)信息，如：振動、聲音、變形、位移、應力、裂紋、磨損、溫度、壓力、流量、電流、轉(zhuǎn)速、轉(zhuǎn)矩、功率等各種參數(shù)。聲音設(shè)備在線監(jiān)測診斷技術(shù)是設(shè)備狀態(tài)監(jiān)測與故障診斷的重要手段。現(xiàn)實中,設(shè)備正常運轉(zhuǎn)時間比發(fā)生故障的時間要多，在系統(tǒng)實施初期先從采集正常聲音進行分析，經(jīng)過特征提取及模型訓練，完成正常特征庫的建立。

當系統(tǒng)正式開始上線使用后，當新的聲音信號進入系統(tǒng)后，與訓練好的正常特征庫進行比對，符合正常特征則識別為設(shè)備正常。如果不合符正常特征，則識別為設(shè)備異常，提供異常報警。現(xiàn)場人員需要進行聲音標記，標記正常則進入正常模型庫進行再次訓練，標記故障則進入故障模型進行故障特征訓練。

后期隨著系統(tǒng)的不斷使用，系統(tǒng)會累積一定的故障模型，當有同類型故障發(fā)生時則系統(tǒng)自動識別為故障，并給予故障報警提示。

聲音設(shè)備狀態(tài)監(jiān)測系統(tǒng)創(chuàng)新點：

1.利用物聯(lián)網(wǎng)技術(shù)進行設(shè)備狀態(tài)監(jiān)測。基于物聯(lián)網(wǎng)傳感器的設(shè)備監(jiān)測系統(tǒng)實現(xiàn)對設(shè)備運行狀態(tài)的遠程監(jiān)測，提高設(shè)備運行的可靠性。

2、利用聲音對設(shè)備故障告警和診斷。到目前為止，發(fā)電行業(yè)的設(shè)備故障告警與診斷多數(shù)以振動監(jiān)測為主。本系統(tǒng)將設(shè)備聲音作為設(shè)備故障預警與診斷的主要依據(jù)，與振動監(jiān)測相比靈敏度更高，可遠程監(jiān)聽，適應性廣，作用更大。

3、使用機器學習和深度學習相結(jié)合技術(shù)作為分析工具。目前已有的設(shè)備故障告警與診斷系統(tǒng)大多采用傳統(tǒng)的機器學習模式，不能適應不斷變化的生產(chǎn)環(huán)境，適應性不強。本系統(tǒng)采用機器學習技術(shù)，具有模型自主學習，自完善的能力，異常識別更加精準，提高設(shè)備穩(wěn)定運行。