所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图11来描述根据本发明的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件（包括存储单元1120和处理单元1110）的总线1130。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1110可以执行如图2中所示的获取待识别设备的运行声音信号；对所述运行声音信号进行特征提取，得到多个不同时刻的特征值；通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，以根据所述声音类别确定所述待识别设备的运行状态，其中，所述预设声音识别模型，根据历史运行声音信号以及对应的异常声音类别标签和异常置信度标签训练得到的。存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（ram）11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元（rom）11203。存储单元1120还可以包括具有一组（至少一个）程序模块11205的程序/实用工具11204，这样的程序模块11205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备1100也可以与一个或多个外部设备1140（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该系统交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口1150进行。并且，系统还可以通过网络适配器1160与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图11所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。描述了根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
背景技术：
1、许多设备，如发动机、螺旋桨、扬声器等，在内部部件出现故障时，视觉、触觉和嗅觉没有明显变化。然而，运行声音通常有明显变化。因此，工业设备工作时，运行声音是工业设备健康状况的最重要综合表征之一。
2、在相关技术中，通常基于人工经验判断设备故障，然而，上述方式存在主观性强、人工疲劳造成识别精度低、经验丰富人员稀缺的问题。
3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开提供一种设备异常识别方法、装置、设备及介质，至少在一定程度上克服现有的人工识别设备故障存在主观性强、识别精度低的问题。
2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本公开的一个方面，提供一种设备异常识别方法，包括：获取待识别设备的运行声音信号；对所述运行声音信号进行特征提取，得到多个不同时刻的特征值；通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，以根据所述声音类别确定所述待识别设备的运行状态，其中，所述预设声音识别模型，根据历史运行声音信号以及对应的异常声音类别标签和异常置信度标签训练得到的。
4、在本公开的一个实施例中，所述对所述运行声音信号进行特征提取，得到多个不同时刻的特征值，包括：对所述运行声音信号按照预设规则进行分帧，得到不同时刻下的声音帧；对各个时刻下的所述声音帧进行信息提取，得到所述多个不同时刻的特征值。
5、在本公开的一个实施例中，所述声音识别模型包括第一网络单元、阈值预测层、分类层和至少一个第二网络单元，所述第一网络单元分别连接所述阈值预测层和所述分类层，所述至少一个第二网络单元连接在所述第一网络单元和所述分类层之间，当所述第二网络单元为多个时，多个所述第二网络单元依次连接，各个所述第二网络单元分别连接所述分类层，所述声音识别模型以交叉熵为损失函数。
6、在本公开的一个实施例中，所述通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，包括：根据所述第一网络单元对所述当前时刻的特征值进行处理，得到第一处理结果；通过所述分类层对所述第一处理结果进行分类，得到所述待识别设备当前时刻的声音类型；通过所述阈值预测层对所述第一处理结果进行处理，得到所述当前时刻的置信度，根据所述当前时刻的置信度，确定跳帧数目或确定下一时刻所述第二网络单元的激活数目。
7、在本公开的一个实施例中，所述方法还包括：若所述当前时刻的置信度满足第一置信度范围，则根据所述第一置信度范围确定跳帧数目，根据所述跳帧数目确定跳帧后对应时刻的特征值；通过所述预设声音识别模型对所述跳帧后对应时刻的特征值进行处理，得到所述待识别设备在对应时刻的声音类型；通过所述第一网络单元和所述阈值预测层对所述跳帧后对应时刻的特征值进行处理，得到所述跳帧后对应时刻的初始置信度，根据所述跳帧后对应时刻之前的预设数量的历史置信度和所述跳帧后对应时刻的初始置信度，得到所述跳帧后对应时刻的置信度，以根据所述跳帧后对应时刻的置信度，确定跳帧数目或所述第二网络单元的激活数目。
8、在本公开的一个实施例中，所述第一置信度范围包括多个第一置信度子范围，一个所述第一置信度子范围对应一个跳帧数目。
9、在本公开的一个实施例中，所述方法还包括：若无需跳帧且所述当前时刻的置信度满足第二置信度范围，则根据所述第二置信度范围确定下一时刻所述第二网络单元的激活数目；获取下一时刻的特征值，通过所述第一网络单元对所述下一时刻的特征值进行处理，得到第一处理结果；通过与所述第一网络单元连接的所述激活数目的第二网络单元依次对所述第一处理结果进行处理，得到第二处理结果；通过所述分类层对所述第二处理结果进行分类，得到所述待识别设备的声音类型。
10、在本公开的一个实施例中，所述第二置信度范围包括多个第二置信度子范围，一个所述第二置信度子范围对应一个所述第二网络单元的激活数目。
11、在本公开的一个实施例中，所述方法还包括：通过所述阈值预测层对所述第一处理结果进行处理，得到所述下一时刻的初始置信度；根据所述下一时刻之前的预设数量的历史置信度和所述下一时刻的初始置信度，得到所述下一时刻的置信度，以根据所述下一时刻的置信度，确定跳帧数目或确定所述第二网络单元的激活数目。
12、在本公开的一个实施例中，所述第一网络单元或所述第二网络单元包括循环神经网络rnn单元、长短期记忆网络lstm单元、时延神经网络tdnn单元、transformer单元中的一个或多个；所述阈值预测层包括全局平均池化层和softmax层。
13、在本公开的一个实施例中，所述预设声音识别模型，根据历史运行声音信号以及对应的异常声音类别标签和异常置信度标签训练得到的，包括：获取待识别设备的历史运行声音信号；对所述历史运行声音信号进行特征提取，得到多个不同历史时刻的特征值，以及异常声音类别标签和异常置信度标签；根据所述多个不同历史时刻的特征值以及对应时刻的异常声音类别标签，训练待训练分类模型，其中，所述待训练分类模型包括所述第一网络单元、所述分类层和所述至少一个第二网络单元；若满足第一训练停止条件，则根据所述多个不同历史时刻的特征值以及对应的异常置信度标签，训练待训练置信度预测模型，其中，所述待训练置信度预测模型包括所述第一网络单元和所述阈值预测层；若满足第二训练停止条件，则得到所述预设声音识别模型。
14、在本公开的一个实施例中，所述方法还包括：若不满足所述第一训练停止条件，则调整所述待训练分类模型的模型参数，重新训练直至满足所述第一训练停止条件；或者若不满足所述第二训练停止条件，则调整所述待训练置信度预测模型的模型参数，重新训练直至满足所述第二训练停止条件。
15、在本公开的一个实施例中，当不满足所述第一训练停止条件时，所述调整所述待训练分类模型的模型参数，包括：若所述阈值预测层输出的置信度在第一置信度范围内，则激活所述第一网络单元，更新所述第一网络单元的模型参数；若所述阈值预测层输出的置信度在第二置信度范围内，则激活所述第一网络单元和所述至少一个第二网络单元，更新所述第一网络单元和所述至少一个第二网络单元的模型参数。
16、根据本公开的另一个方面，还提供了一种设备异常识别装置，包括：声音获取模块，用于获取待识别设备的运行声音信号；特征提取模块，用于对所述运行声音信号进行特征提取，得到多个不同时刻的特征值；声音识别模块，用于通过预设声音识别模型对当前时刻的特征值进行处理，得到所述待识别设备的声音类别，以根据所述声音类别确定所述待识别设备的运行状态，其中，所述预设声音识别模型，根据历史运行声音信号以及对应的声音类别标签训练得到的。
17、根据本公开的另一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的设备异常识别方法。
18、根据本公开的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的设备异常识别方法。
19、根据本公开的另一个方面，提供了一种计算机程序产品，包括可执行指令，该可执行指令存储在计算机可读存储介质中，电子设备的处理器从计算机可读存储介质读取该可执行指令，处理器执行该可执行指令，使得该电子设备执行上述的设备异常识别方法。
20、本公开实施例所提供的一种设备异常识别方法、装置、设备及介质，获取待识别设备的运行声音信号；对运行声音信号进行特征提取，得到多个不同时刻的特征值；通过预设声音识别模型对当前时刻的特征值进行处理，得到待识别设备的声音类别，以根据声音类别确定待识别设备的运行状态，预设声音识别模型，根据历史运行声音信号以及对应的异常声音类别标签和异常置信度标签训练得到的，通过声音识别模型针对不同的设备机型的运行声音信号进行动态推理，解决了人工判断设备故障的主观性强、准确率低的问题，通过非接触式声音识别实现了工业设备故障识别，从而提高企业生产效率，降低生产风险和生产成本。
21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。