本发明属于声纹识别，特别是涉及一种基于小样本声纹分析的设备检测系统。
背景技术：
1、各类机械设备在运行过程中，会持续产生振动及对应的声纹信息。当设备内部出现机械结构的不平衡、磨损、松动等故障时，所产生的振动这些振动信号包含了丰富的设备状态信息，如运行状态、故障类型、故障位置等，通过采集和分析这些振动信号，可以评估设备的健康状况，及时发现潜在问题，并采取相应措施。
2、现有的通过振动进行设备运行检测存在一定的缺陷：一是无法提前进行异常运行的检测，当检测到较明显的异常振动时已经处于设备故障的工况；二是各设备之间单独检测，数据库单一且需要花费大量时间收集数据。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够基于小样本识别设备故障的基于小样本声纹分析的设备检测系统。
2、本申请提供了一种基于小样本声纹分析的设备检测系统，包括：声纹采集模块和边缘计算模块；
3、声纹采集模块与待检测故障的目标设备连接，用于采集目标设备的目标声纹信息，并向边缘计算模块发送目标声纹信息；
4、边缘计算模块连接声纹采集模块，用于：
5、对目标声纹信息进行特征提取，得到目标声纹信息对应的目标声纹特征；
6、将目标声纹特征输入训练好的机器声纹识别模型，得到目标声纹特征对应的识别结果；识别结果包括正常声纹、已知缺陷声纹和未知声纹；
7、当识别结果为已知缺陷声纹，根据已知缺陷声纹对应的故障类型，生成对应的告警提示。
8、在其中一个实施例中，还包括云管理模块；
9、边缘计算模块还用于：
10、当识别结果为未知声纹时，向云管理模块发送目标声纹特征和目标声纹信息；
11、云管理模块用于：
12、获取目标声纹信息和目标声纹特征，并在获取目标声纹信息对应的目标故障结果后，根据目标声纹特征和对应的目标故障结果，更新机器声纹识别模型，以将目标故障结果加入识别结果的已知缺陷声纹。
13、在其中一个实施例中，机器声纹识别模型是通过以下方法训练得到的：
14、获取目标设备在正常运行状态下的标准声纹信息；
15、对标准声纹信息进行降噪处理，得到对应的标准降噪声纹；
16、将标准降噪声纹作为初始样本，基于小样本学习技术，训练机器声纹识别模型，得到训练好的机器声纹识别模型；
17、在目标设备运行过程中，每获得一次故障声纹信息，使用故障声纹信息对应的标准故障声纹训练机器声纹识别模型，得到更新的机器声纹识别模型；机器声纹识别模型用于对各故障声纹和标准声纹信息进行分类识别。
18、在其中一个实施例中，机器声纹识别模型为svm模型；
19、svm模型的可行的表达式为：
20、
21、式中，lmax(α)为支持向量机的目标优化函数项，α为拉格朗日乘子且有αi∈[0,c]以及其中c为正则化参数，为特征向量，yi,yj为特征向量对应的类别标签，为核函数，为超平面的法向量，b为超平面的偏置项，为特征向量到超平面的距离。
22、在其中一个实施例中，svm模型的核函数的可行的表达式为：
23、
24、式中，为高斯核函数，为sigmoid核函数，u为斜率系数，v为截距系数。
25、在其中一个实施例中，标准降噪声纹是通过以下方法得到的：
26、声纹采集模块在目标设备正常运行状态下采集预设时长的标准声纹信息，并向边缘计算模块发送标准声纹信息；
27、边缘计算模块对标准声纹信息进行滤波和降噪处理，得到标准降噪声纹。
28、在其中一个实施例中，对目标声纹信息进行特征提取，得到目标声纹信息对应的目标声纹特征，包括：
29、对目标声纹信息进行特征抽取，得到目标声纹信息对应的初始特征；
30、对初始特征进行转换，分别得到目标声纹信息对应的时域特征、频域特征和小波特征；
31、将时域特征、频域特征和小波特征进行特征融合，得到目标声纹信息对应的目标声纹特征。
32、在其中一个实施例中，云管理模块还用于：
33、根据各目标设备的各历史声纹信息，构建目标设备对应的设备劣化趋势模型；设备劣化趋势模型用于预测目标设备劣化至预设的第一劣化阈值时对应的时间；
34、在目标设备劣化至第二劣化阈值时，生成对应的劣化预警信息。
35、在其中一个实施例中，声纹采集模块为骨传导声纹传感器，且骨传导声纹传感器设置于目标设备的声源处。
36、上述基于小样本声纹分析的设备检测系统，包括声纹采集模块和边缘计算模块，通过设置在目标设备处的声纹采集模块采集目标声纹信息，向所述边缘计算模块发送所述目标声纹信息；边缘计算模块对所述目标声纹信息进行特征提取，得到所述目标声纹信息对应的目标声纹特征；将所述目标声纹特征输入训练好的机器声纹识别模型，得到所述目标声纹对应的识别结果；所述识别结果包括正常声纹、已知缺陷声纹和未知声纹；当所述识别结果为已知缺陷声纹，根据所述已知缺陷声纹对应的故障类型，生成对应的告警提示。通过使用该设备检测系统，能够在故障发生前及时发现目标设备的故障信息，提高故障诊断的效率。
1.一种基于小样本声纹分析的设备检测系统，其特征在于，包括：声纹采集模块和边缘计算模块；
2.根据权利要求1所述的系统，其特征在于，还包括云管理模块；
3.根据权利要求1所述的系统，其特征在于，所述机器声纹识别模型是通过以下方法训练得到的：
4.根据权利要求3所述的系统，其特征在于，所述机器声纹识别模型为svm模型；
5.根据权利要求4所述的系统，其特征在于，所述svm模型的核函数的可行的表达式为：
6.根据权利要求3所述的系统，其特征在于，所述标准降噪声纹是通过以下方法得到的：
7.根据权利要求1至6任意一项所述的系统，其特征在于，所述对所述目标声纹信息进行特征提取，得到所述目标声纹信息对应的目标声纹特征，包括：
8.根据权利要求2所述的系统，其特征在于，所述云管理模块还用于：
9.根据权利要求1所述的系统，其特征在于，所述声纹采集模块为骨传导声纹传感器，且所述骨传导声纹传感器设置于所述目标设备的声源处。