基于声学网络的监测方法、装置、终端及存储介质与流程

本发明涉及机器声学技术领域，尤其涉及一种基于声学网络的监测方法、装置、终端及存储介质。

背景技术：

在现代工业化生产过程中通常采用半自动化、自动化的流水线作业，涉及大量机器设备，在运作过程中，机器设备难免出现故障，例如一些轻微的故障会影响整体生产的产率，严重的故障则可能导致生产无法持续进行，传统的对于故障的问题解决都是在故障发生之后，通过人工进行实际检测，从而获取实际的故障情况，从而采取对应的应对措施；但是随着人工成本的持续增加，以及机器设备的结构越来越复杂，现有的人工检测方式无法及时有效地对机器设备出现的故障进行检测。

技术实现要素：

有鉴于此，本发明提供了一种基于声学网络的监测方法、装置、终端及存储介质，用于解决现有技术中无法对机器设备进行及时有效的检测的问题。

本发明的具体技术方案如下：

第一方面，本发明实施例一种基于声学网络的监测方法，应用于设备的故障检测，所述方法包括：

采集待监测设备运行过程中的目标声音信号，所述目标声音信号包括本征信号和噪音信号；

将所述本征信号以预定的时间基准换算至预设的时间坐标系；

采用预设的声学处理算法对所述本征信号进行分析处理，生成与所述本征信号对应的监测结果并输出，所述监测结果包括所述待监测设备是否存在故障的判定结果和/或存在故障的类型。

进一步地，所述采集待监测设备运行过程中的目标声音信号，包括：

对每一个所述待监测设备设置一个或一个以上用于采集所述目标声音信号的声学采集节点；

通过所述声学采集节点采集人耳听阈之内和听阈之外的所有所述目标声音信号。

进一步地，所述采集待监测设备运行过程中的目标声音信号，还包括：

对所述目标声音信号进行预处理，以去除所述目标声音信号存在的所述噪音信号，获取所述本征信号。

进一步地，所述将所述本征信号以预定的时间基准换算至预设的时间坐标系，包括：

对同一所述待监测设备中设置的所有所述声学采集节点进行统一授时；

根据所述授时建立所述时间坐标系，以及确定该时间坐标系的所述时间基准。

进一步地，所述对同一所述待监测设备中设置的所有所述声学采集节点进行统一授时，包括：

将所述授时自动匹配标准时间，判断所述授时是否与所述标准时间相匹配；

若所述授时与所述标准时间不匹配，调整所述授时与所述标准时间至相同。

进一步地，所述采用预设的声学处理算法对所述本征信号进行分析处理，包括：

采取预设的声学处理算法提取所述本征信号的声学特征；

根据所述声学特征确定所述待监测设备是否存在故障；

在所述监测设备存在故障时，根据所述声学特征确定所述故障的类型。

进一步地，所述根据所述声学特征确定所述待监测设备是否存在故障，在所述监测设备存在故障时，根据所述声学特征进一步确定所述故障的类型，包括：

将所述声学特征与预设的标准特征进行匹配，所述标准特征包括标准故障特征和标准运转特征；

若所述声学特征与所述标准运转特征不匹配，判定所述待监测设备存在故障，根据所述声学特征与所述标准故障特征的匹配结果确定所述故障的类型。

第二方面，本发明实施例提供一种基于声学网络的监测装置，包括：

声音采集模块，用于采集待监测设备运行过程中的目标声音信号，所述目标声音信号包括本征信号和噪音信号；

坐标换算模块，用于将所述本征信号以预定的时间基准换算至预设的时间坐标系；

声音分析模块，预设的声学处理算法对所述本征信号进行分析处理，生成与所述本征信号对应的监测结果并输出；

结果响应模块，用于根据所述监测结果作出响应以提醒用户。

第三方面，本发明实施例还提供一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述基于声学网络的监测方法。

第四方面，本发明实施例还提供一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如上所述基于声学网络的监测方法。

实施本发明实施例，将具有如下有益效果：

采用了上述基于声学网络的监测方法、装置、终端及存储介质之后，对于设备故障的监测操作，具体通过构建基于声学网络的监测系统，监测系统中设置若干个声学采集节点，并对于每一个待监测设备设置一个或一个以上的声学采集节点，基于不同的运行状态下待监测设备发出不同的目标声音信号，由声学采集节点采集待监测设备运行过程中的所有目标声音信号(包括人耳听阈之内和听阈之外)，并对所有目标声音信号以预设的时间基准进行统一换算，实现对同一时间点中待监测设备运行过程所有目标声音信号的处理，并根据预先设定不同目标声音信号对应设备可能存在的故障情况，以此实现对待监测设备的监测效果，并根据不同的故障发出不同的响应，以提醒用户进行维护或及时采取应对措施，以保证故障情况下产生最小的损失，乃至不产生损失。本发明实施例的监测方法可适用不同的设备运行状况，提升对设备运行状况的监测效果，有利于保证设备的安全运行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中所述监测系统的结构示意图；

图2为一个实施例中所述基于声学网络的监测方法的流程示意图；

图3为一个实施例中所述所述声学采集节点的设置实现流程示意图；

图4为一个实施例中所述时间基准的确定过程流程示意图；

图5为一个实施例中对待监测设备中本征信号的分析处理流程示意图；

图6为一个实施例中所述基于声学网络监测装置的结构示意图；

图7为一个实施例中运行上述基于声学网络的监测方法的计算机设备的内部结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了在机器设备结构越来越复杂的情况下，更加有效实现对机器设备的监测，防止因故障导致生产的效率降低或者更严重的停产等影响，在本实施例中，特提出了一种基于声学网络的监测方法，应用于设备的故障检测，该方法的实现可依赖于计算机程序，该计算机程序可运行于包括微处理器的计算机系统之上。本实施例基于声学网络的监测方法运用于机器设备运行的监测系统中，为了实现全面的监测操作，本实施例中监测系统至少设置有一个用于采集机器设备运行过程中目标声音信号数据的声学采集节点；具体的，对机器设备运行状况的监测系统可包括如图1所示的若干声学采集节点、传输网络以及处理器，在声学采集节点采集到对应待监测设备的目标声音信号数据后，通过传输网络传输至处理器，处理器对目标声音信号数据进行分析处理后，输出对应的监测结果(如设备有效开启、运行正常不存在故障、存在装置打滑等情况)，并且通过提醒用户(机器设备的使用者或者测试者等，具体可在处理器中进行设定)，若存在故障，则用户采用及时有效的应对措施，保证机器设备的正常运行。

其中，声学采集节点具体可通过如精密的传感器进行目标声音信号数据的采集操作，以及其他具备采集目标声音信号功能的设备/装置实现；传输网络可以是有线网络，如以太网，工业总线局域网等，也可以是无线网络等；处理器为可运行目标声音信号分析软件、声音逻辑判别软件以及用户提醒等功能的控制设备，如中央服务器等。

具体的，如图2所示，上述基于声学网络的监测方法包括步骤s102-s106：

步骤s102：采集待监测设备运行过程中的目标声音信号，所述目标声音信号包括本征信号和噪音信号；

在本实施例中，基于机器设备不同的运行状态下，其发出的声音是不同的，例如电机轴承旋转的声音，若轴承正常运转，其发出声音一般是有节奏的且连续的，而若轴承上附着异物(例如清洁用无尘布、无尘纸、塑料垃圾、没用的导线等)，则在轴承运转过程中，轴承上的异物会与设备中相邻部件摩擦产生杂音，例如传动装置存在打滑现象，则传动装置发出的声音与正常声音不同，例如若装置中存在螺丝掉落情况，则可能发出如“咵咵咵”的声音、如轴承缺少润滑油，则会存在明显的“呼哧呼哧”较大的摩擦声音等情况；此时，则可根据机器设备实际运转过程中存在的目标声音信号来判断是否存在故障情况，或者即将发生故障的现象；因此，本实施例通过采集待监测设备运行过程中的目标声音信号来判断是否机器设备存在故障，或者即将发生故障的现象。

此外，在机器设备运行过程中，可能存在除机器设备运转外的其他声音，本实施例为了保证监测的效果，同样采集机器设备运转产生的声音以外的其他噪音信号，因此本实施例对目标声音信号的采集包括对机器设备运转的本征信号采集和其他噪音信号采集，即采集机器设备运转过程中其所处环境的所有目标声音信号。当然，对于噪音信号需要进行去除，以保证通过目标声音信号判断机器设备运转是否存在故障的准确性。

本实施例通过目标声音信号可实现对机器设备更全面地的监测操作，目标声音信号包括人耳听阈之内和听阈之外的所有目标声音信号，例如超声波信号和次声波信号等。

步骤s104：将所述本征信号以预定的时间基准换算至预设的时间坐标系；

在本实施例中，在机器设备运行过程的某一时刻，由于机器设备可能有多个部件的运转操作，即在同一时刻可采集得到若干个的目标声音信号，同时，还包括机器设备所处周围环境的噪音信号。为了通过采集得到的目标声音信号能够还原待检测设备的实际运行状态，本实施例对得到的目标声音信号进行预处理，以去除不必要的噪音信号，获取得到只与待监测设备运转状态对应的本征信号。然后，对所有采集得到的目标声音信号按照预定的时间基准对所有本征信号(因为只有目标声音信号中本征信号与机器设备的运转状态相关)进行统一时序归集，具体的，通过将所有对应机器设备运行状态的本征信号换算至预设的时间坐标系中，以实现对采集得到本征信号的时序判断，进而更好的还原故障发生的时间线。

其中，时间基准的设定可以采用gps精准校时，具体通过gps校准服务器实现，或者以处理器为基准，通过计算网络延时进行设定时间基准。在实际操作中，由于采集得到的目标声音信号，不管是人耳听阈之内或者人耳听阈之外(如超声波信号等)，都属于低频信号，因此在设定时间基准时，其精度至少达到微秒级别，即10^-6。

本实施例将同一时刻的所有本征信号结合进行对机器设备的监测，可以提升监测的精度，更加有利于后续根据监测结果采取最快捷有效的应对措施。

步骤s106：采用预设的声学处理算法对所述本征信号进行分析处理，生成与所述本征信号对应的监测结果并输出，所述监测结果包括所述待监测设备是否存在故障的判定结果和/或存在故障的类型。

在本实施例中，在实现对机器设备运行过程中的监测过程中，因为不同的目标声音信号(在判断机器设备运行是否存在故障只运用到本征信号)对应不同的故障状态，为了将不同的故障状态通过本征信号体现出来，用预设的声学处理算法将实际采集的机器设备运行中的本征信号与预设的目标声音信号进行分析处理，根据分析处理的结果生成对应本征信号的监测结果并输出。

具体的，通过将机器设备对应不同运行情况下的不同声音信号对应的声学特征和运转类型预先保存至监测系统的存储单元，如数据库中。采集实际运行过程中的目标声音信号，并按照预设的时间基准换算至时间坐标系中后，将对目标声音信号预处理得到的本征信号与预存在数据库中对应不同运行状态的声音信号的声学特征进行遍历比对，匹配得到与本征信号对应的声学特征，并根据匹配的结果得到对待监测设备运行状态的判断结果，将判断结果作为监测结果输出，以此提醒用户机器设备是否存在故障以及存在的故障的具体类型是什么，并采取相应的措施进行应对。

本实施例的基于声学网络的监测方法，采用该方法，不仅可以实现对单一设备的状态监测操作；也可对由多个设备组成的系统也可以进行监测操作，基于上述将声学采集节点获取的目标声音信号中对应设备运行状态的本征信号换算至具有统一时间基准的时间坐标系中，可以对整个系统进行运行过程的还原；例如，若在生产过程中，发生由于一台风机停转造成可燃气体聚集进而引发爆炸的情况；在事故发生后可能不能直接分析推导出事故发生的具体原因。但是如果在风机等整个生产线上的所有设备上均设置本实施例的声学采集节点，则可通过处理器对实际采集得到的本征信号的分析处理，并结合本征信号对应的时间线数据，则可比较直观和容易判断事故发生原因，即判断出风机的转停时间、风机转停的原因等，可以找到故障事故发生进行根本性原因，据此进行维护，以防止再次发生类似的事故的发生。

本实施例通过采用预设的声学处理算法对目标声音信号进行分析处理，能够有效判定机器设备是否存在故障，并得到对应故障的具体类型，实现对机器设备的有效监测，以便于采取对应的应对措施，减少因为故障带来的损失，提升工业生产的安全性。

在本实施例中，如图3所示，上述采集待监测设备的目标声音信号，具体为采集对应待监测设备运行过程的目标声音信号，包括：

s1021：对每一个所述待监测设备设置一个或一个以上用于采集所述目标声音信号的声学采集节点；

一般地，在例如工业生产过程中至少设置有一个机器设备进行加工操作，因此为了实现对所有机器设备的监测操作，在本实施例中，为了实现对全部机器设备的监测操作，对应构建有采集待检测设备运行过程中目标声音信号的监测系统。为了进一步实现对多个监测设备的监测操作，在监测系统中设置有对应每个待检测设备的声学采集节点，用于采集机器设备的目标声音信号，实现监测操作。

本实施例对每一待监测设备设置一个或一个以上的声学采集节点，可以实现对机器设备的全面监测效果，保证监测的有效性。

s1022：通过所述声学采集节点采集人耳听阈之内和听阈之外的所有所述声音信号。

在本实施例中，因为每一个机器设备在运行过程中，可能存在不同部件的运作，而不同运作的操作的其产生的目标声音信号可能存在差异，为保证同一时刻同一机器设备不同部件的操作目标声音信号之间避免相互干扰，可对应不同的部件设置不同的声学采集节点，例如在一个部件设定的距离范围内设置一个声学采集节点，或者在一个部件多个方位上设置多个所述声学采集节点；同时可设置例如设定个数的声学采集节点用来采集人耳听阈范围内的目标声音信号，设定同样个数的声学采集节点采集人耳听阈范围外的目标声音信号；对于上述的设置的多个声学采集节点，其可采集的目标声音信号包括待检测设备一定范围内(声学采集节点设置的传感器可工作范围)的所有目标声音信号，以及人耳听阈之内或之外的目标声音信号，在此，仅仅表明可在不同位置设置多个声学采集节点，以实现对目标声音信号更加全面的采集操作，因为采集的目标声音信号包括多个方位，从而在一定程度上提升对机器设备的监测全面性，提升监测的效率。

在本实施例中，如图4所示，上述将本征信号按预定的时间基准换算至预设时间坐标系，包括：

s1041：对同一所述待监测设备中设置的所有所述声学采集节点进行统一授时；

在本实施例中，为了基于预定的时间基准对同一时刻的目标声音信号进行归集操作，以实现对机器设备指定故障发生的时间线进行还原，本实施例需要对整个监测系统进行统一授时，具体的，对每一待监测设备中设置的所有声学采集节点进行统一授时，以保证此待监测设备中同一时刻的所有通过声学采集节点采集得到的声学信号可统一进行分析处理，实现故障时间线的还原操作。

s1042：判断授时与标准时间是相匹配；

在实际操作过程中，为了保证授时的准确性，需要判断授时是否与标准时间相匹配，具体的，可通过上述gps精准校时或以处理器的时间为基准，通过网络传输延时实现所有声学信号按照预设的时间基准换算值预设的时间坐标系中，实现上述步骤s1041中的对故障时间线的还原操作功能。

具体的，若对声学采集节点的授时与标准时间不匹配，则执行图3所示的步骤s1043：调整授时与标准时间至相同；否则，执行步骤s1044：根据授时建立时间坐标系，以及确定该时间坐标系的时间基准，并将所有声学采集节点采集的目标声音信号按照确定的时间基准换算至该时间坐标系中。

本实施例对所有声学采集节点进行统一授时，保证所有对应待监测设备的本征信号可以按照预定的时间基准换算至预设的时间坐标系中，实现对待监测设备同一时刻的全面运行状态分析，更加有利于在机器设备出现故障的时候采取最佳的维护措施。

在本实施例中，如图5所示，上述采用预设的声学处理算法对本征信号进行分析处理，包括：

s1061：采取预设的声学处理算法获取对应所述本征信号的声学特征；

在实施例中，为了根据待监测设备运行过程中的目标声音信号监测其实际运转状态，即判断待监测设备是否存在故障，以及判定对应存在的故障类型，从而可以更加快捷的对故障进行维护，减少因故障而带来损失等不良效果，本实施例通过预设的声学处理算法对获取的不同本征信号进行处理获取对应的声学特征。

具体的，本实施例将本征信号通过预设的声学处理算法进行分析处理，通过对对应不同运行状态的本征信号的频域分析、时域分析实现分离操作，具体如通过如傅里叶变换、小波分析、脉冲识别等实现对不同运行状态下的本征信号分解，并得到对应的声学特征。

在具体实施例中，为了实现对本征信号的分析处理过程，即将每一次采集得到的待监测设备的本征信号与预设的目标声音信号进行分析比较，本实施例将每一次获取的本征信号存储至预设的存储单元中，如存储至监测系统的内存单元；这样，一方面，可实现对本征信号的分析对比操作；另一方面，如果获取的本征信号不能在监测系统的数据库中找到，可以将新获取得到的本征信号及对应的机器设备的故障状态数据添加至原有数据库，这样，在下一次若机器设备发生对应的故障情况，则可实现对其快速的监测操作。

因为在机器设备的实际运行过程中，不同的运转状态其发出声音信号不同，即本征信号不同，通过本实施例获取机器设备的不同本征信号对应的声学特征，可以根据声学特征实现对机器设备是否存在故障进行判定，同时，判定声学特征所对应的具体故障类型。实现对待监测设备的监测操作。

s1062：根据所述声学特征确定所述待监测设备是否存在故障及故障的类型。

具体的，基于机器设备不同的运转状态，机器设备运行过程中产生的本征信号是不同的，而不同的本征信号对应有不同的声学特征，在通过上述步骤s1062获取得到对应不同本征信号的不同声学特征后，为了实现判定待监测设备是否存在故障以及存在的是什么类型的故障，本实施例将获取对应不同本征信号的不同声学特征与预存在数据库中的标准特征进行匹配。

为了实现对故障是否存在和故障类型的判断，本实施例预存在数据库中的标准特征包括标准故障特征和标准运转特征；其中，将对应不同本征信号的不同声学特征与标准运转特征进行比较，即判断声学特征是否与标准运转特征相匹配，若匹配，则判定待监测设备正常运行；否则，则可判定待监测设备存在故障，此时，将声学特征进一步与标准故障特征进行比较，即判断声学特征与哪一种标准故障特征相匹配，从而实现对故障的类型判定。例如当工厂生产系统日常开启或关闭时，对应的支持系统，如空调风机等也应当按程序开机或停机，中央服务器根据对应声音节点采集到的声学特征，能轻易识别其的运行状况，从而判断作业程序是否已按规定执行；而且通过对机器设备运行中目标声音信号的监测，可以更加直观反映设备运行状况，比起电流电压这些指标，声学监测在如对电机运转的特定情况下的监测效率更好；以及传动装置打滑，电机过载或润滑失效等故障产生的具有明显声学信号特征的目标声音信号，可以更加精准有效地对待监测设备的故障情况进行监测等等。

这样，就可以根据特征识别的结果判断是否存在故障情况，并输出对应的监测结果，从而提醒用户机器设备是否存在故障，并在存在故障的情况下，及时采取有效的维护措施。

本实施例中，对于声学采集节点的目标声音信号采集具体可通过精密传感器实现，对目标声音信号的分析处理具体可通过如中央服务器等处理器实现，将各个声学采集节点采集得到的目标声音信号传输至处理器可通过如无线网络、有线网络等传输网络实现；在其他优选实施例中，对应传输网络中每个声学采集节点也可以设置对应的控制处理器和网络接口，具体通过设置如目标声音信号处理软件等在控制处理器中，直接对声学采集节点采集得到的目标声音信号进行分析，其分析和通过处理器的分析处理实现方式相同，这样即可加快对目标声音信号的处理速度(不需要通过传输网络传输至处理器)，提升监测的效率。

此外，基于同一构思基础，如图6所示，本发明实施例提供一种基于声学网络的监测装置。

具体的，上述基于声学网络的监测装置包括：

声音采集模块100，用于采集待监测设备运行过程中的目标声音信号，目标声音信号包括本征信号和噪音信号；

坐标换算模块110，用于将本征信号以预定的时间基准换算至预设的时间坐标系；

声音分析模块120，预设的声学处理算法对本征信号进行分析处理，生成与本征信号对应的监测结果并输出；

结果响应模块130，用于根据声音分析模块120的监测结果作出响应，以实现对用户的提醒；具体的响应可通过产生声音以产生警示，或发送短信通知，或直接触发控制信号等；直接触发控制信号比如对故障的机器设备切断电源；若机器设备故障并产生警示后，由声学采集节点区域的负责人进行及时的故障处理。此外，若在警示后的一定的预设时长后，再次检测到存在与之前相同的故障类型，这时候有可能是声学采集节点区域的负责人未处理好之前的故障，也可能是持续的发生同样的故障；此时，为了更有效地实现对故障的处理，本实施例通过短信的方式通知上一级的管理人员，由上一级管理人员对故障进行更有效的处理管理和指挥，如此滚动直至总经理接受到对应故障的短信通知为止，以此确保机器设备及工作环境的安全生产。

此外，本实施例的基于声学网络的监测装置还设置有显示装置，用于显示声音采集模块100采集得到目标声音信号对应的波形图(通过频域分析或时域分析得到)进行可视化管理，以便于用户根据声音信号直观地了解机器设备的运行过程的状态变化情况，提升监测效果。

对应上述基于声学网络的监测方法，本实施例的基于声学网络的监测装置首先通过声音采集模块100获取不同场景下的目标声音信号，目标声音信号的获取可通过如高精度传感器采集得到；然后将目标声音信号传送至坐标换算模块110，具体的，对目标声音信号进行换算至预设的时间坐标系中，因为在实际操作中，可能获取得到的目标声音信号数据可能存在一定的时间差异，对此本实施例中通过设置时间基准，将目标声音信号换算至预先设置的统一的时间坐标系中；最后，通过传输网络将目标声音信号传输至声音分析模块120进行分析处理，得到对应不同目标声音信号的监测结果，声音分析模块120输出监测结果至结果响应模块130，结果响应模块130根据不同的监测结果作出不同的响应操作，如上所述的通过产生声音以产生警示，或发送短信通知，或直接触发控制信号等，比如对故障的机器设备切断电源等等，从而实现良好的监测效果，提升监测的效率和精确度，有利于生产效率的提高。

需要说明的是，本实施例中基于声学网络监测装置的实现与上述基于声学网络的监测方法的实现思想一致，其具体实现原理在此不再进行赘述，可参阅上述方法中对应内容。

采用了上述基于声学网络的监测方法和装置之后，对于设备故障的监测操作，具体通过构建基于声学网络的监测系统，监测系统中设置若干个声学采集节点，并对于每一个待监测设备设置一个或一个以上的声学采集节点，基于不同的运行状态下待监测设备发出不同的目标声音信号，由声学采集节点采集待监测设备运行过程中的所有目标声音信号(包括人耳听阈之内和听阈之外)，并对所有目标声音信号以预设的时间基准进行统一换算，实现对同一时间点中待监测设备运行过程所有目标声音信号的处理，并根据预先设定不同目标声音信号对应设备可能存在的故障情况，以此实现对待监测设备的监测效果，并根据不同的故障发出不同的响应，以提醒用户进行维护或及时采取应对措施，以保证故障情况下产生最小的损失，乃至不产生损失。本发明实施例的监测方法可适用不同的设备运行状况，提升对设备运行状况的监测效果，有利于保证设备的安全运行。

图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，也可以是终端。如图7所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现基于声学网络的监测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行基于声学网络的监测方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图7中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的基于声学网络的监测方法法可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该基于声学网络监测装置的各个程序模块。比如，声音采集模块100等。

在一个实施例中，提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：采集待监测设备运行过程中的目标声音信号，所述目标声音信号包括待监测设备运行产生的本征信号和噪音信号；将本征信号以预定的时间基准换算至预设的时间坐标系；以及采用预设的声学处理算法对所述本征信号进行分析处理，生成与所述本征信号对应的监测结果并输出，根据所述监测结果对用户进行提醒。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。