聽音識故障，人工智慧“診斷”機器新形式

本文由人工智慧觀察編譯

譯者：Sandy

聲音無處不在，即使有時候你聽不到。也正是這種無聲的聲音，宣示著機器的工作狀態。

 

總部位於芬蘭赫爾辛基的Noiseless Acoustics和總部位於荷蘭阿姆斯特丹的OneWatt正在研究利用人工智慧識別聲音的技術來檢測故障機器，因為通過AI技術他們可以更容易發現問題。至於這兩家公司，是去年新能源挑戰賽（New Energy Challenge）的最終入圍者，這是一場旨在挑選可以在新能源轉型方面提出創新技術以及解決方案的比賽。

無聲噪音的價值

根據美國能源部的資料，工業用發電機用電量佔全國用電量的25%。儘管他們扮演著重要的作用，但由於種種原因，發電機是可能出故障的，進而導致生產率和盈利能力下降。但如果有可能將這種無聲噪音轉化為有價值的東西呢？

 

通過使用人工智慧，可以對聲音進行分析來檢測故障。換句話說，即使在人類聽不到某種聲音的情況下，也可以讓聲音變得清晰。在非侵入式感測器、機器學習演算法和預測維護解決方案的幫助下，出現故障的元件可以在它們變得更嚴重之前就被識別出來。

 

OneWatt便正在用AI聽音的方式來對發電機進行檢測。通過嵌入式聲學識別感測器裝置，再結合機器學習和頻率分析，該公司可以在事故發生前進行預測，包括問題出現的部位與時間。

16,000個出故障的發電機聲音片段

為了驗證人工智慧技術的有效性，OneWatt將其裝置對業內電機八大故障進行了測試，範圍從軸承故障到軟基斷層等均包括在內。在這種情況下，該公司收集到了近2TB的聲學資料，約達16,000個聲音片段。

“音訊是機械故障最明顯的標誌，”OneWatt技術長Paolo Samontañez再一次採訪中表示。“電機的部件會因為運動而產生摩擦，大部分的故障可以因此被識別出來。但其中的可見光並不是一個好的故障標誌，因為它無法透過電機被探測到，也無法判斷軸承是不是有所退化。”

 

超聲波是一種視覺化發動機內部結構的選項，但Samontañez表示，這是一種昂貴的技術。它還需要一個操作員監控發射器和接收器（有點類似於醫院中的超聲波機器）。音訊是理想的解決方案，即使它不是很引人注意。在處理工業裝置時，這也是一個主要的因素，因為工作人員需要在保證安裝裝置時不會對電機產生負面影響。

 

而Noiseless Acoustics則使用了硬體、軟體加分析的組合進行聲音識別。

 

利用NL Camera，該公司可以通過聲音進行定位。與熱成像類似，NL Camera可以拍攝到捕捉噪音訊號的熱影象，然後將資訊上載到雲端，利用演算法對問題進行評估。

 

NL Sense是Noiseless Acoustics使用的另一種工具，一個非侵入式系統，可以精確定位出問題所在的位置。通過使用集線器和感測器，可以將資訊放置在任何給定表面上，它將自動把資料傳送到雲端，並進行分析和處理。

 

“聲音描述事物，這是一個全新的世界，”Noiseless Acoustics執行長Kai Sakesla表示。他補充道，一旦從聲源中隔離出聲音訊號，AI就會檢查是否存在問題。

通過聲學分析可持續性

根據Elsevier發表的一份研究報告，工廠裡高達40％的能源成本可能是由於漏氣造成的。當故障開始出現時，電機的電效率就會降低，需要更多的能量來補償運作過程中由於故障所帶來的額外壓力。這就帶來了額外的能源消耗和更高的耗電費用。

 

“用於NL Camera的一個用例是能量優化，這對於找到工廠器械的故障部位非常有用，”Sakesla說。“通常情況下，氣動系統產生的空氣中有10%-15％被洩露。在全球範圍內，這是一個巨大的浪費能源。“

 

Sakesla表示，NL Sense的工作原理是通過非侵入式監控延長現有裝置的使用壽命，這也有助於可持續能源產業的發展。

 

OneWatt從他們的系統中發現，可以減少10％的電力消耗。根據Samontañez的說法，全球市場大概有5億臺電機在運作，這是一個巨大的數字。“到2022年，如果按計劃可以佔到市場的1%，以及我們可以幫助節省596711兆瓦的電力，這足以為貝里斯提供一年的電力。”

下一步是什麼？

隨著聲音變得更有價值，硬體和軟體的進步表明，基於音訊的預測分析領域正取得重大進展。無論是與電網，加油站，發動機，工廠還是水力學結合，兩家公司都發現任何行業都可能從聲音分析中獲益。

 

對OneWatt，Samontañez表示他們希望有朝一日成為“行業裡的Alexa”，可以用人工智慧技術來節省工業資產。

（文中圖片來自網路）

投稿、約訪、合作，聯絡郵箱aiobservation@qq.com

新增微信aixiaozhijun，更多交流或進AI觀察團