一种故障检测方法和相关装置与流程

1.本技术涉及故障检测技术领域，特别是涉及一种故障检测方法和相关装置。


背景技术：

2.人们的生活中充斥的各种各样的机器，例如发电机、柴油机等，这些机器与人们的生活息息相关。为了保障各种机器的稳定运行，相关人员需要对机器进行定时的检测和维修。
3.在相关技术中，相关人员通常是在机器运行的过程中采集机器的各种相关数据，根据这些数据来分析机器是否发生故障。然而，这种故障检测方法难以对机器中的故障点进行较为准确、全面的检测，检测误差较大。


技术实现要素：

4.为了解决上述技术问题，本技术提供了一种故障检测方法，处理设备可以结合机器在关闭状态和运行状态下的频响和响应信息对故障检测点进行检测，提高故障检测的准确度。
5.本技术实施例公开了如下技术方案：
6.第一方面，本技术实施例公开了一种故障检测方法，所述方法包括：
7.确定目标机器对应的故障检测点，所述故障检测点为所述目标机器结构中易损的结构点；
8.在所述目标机器处于关闭状态时，获取所述故障检测点对应的频率响应信息，所述频率响应信息用于体现所述故障检测点在机器关闭状态下的结构固有状态；
9.在所述目标机器处于运行状态时，获取所述故障检测点对应的振动响应信息，所述振动响应信息用于体现所述故障检测点在机器运行状态下的结构响应状态；
10.根据所述频率响应信息和所述振动响应信息确定所述故障检测点是否发生故障。
11.在一种可能的实现方式中，所述确定目标机器对应的故障检测点，包括：
12.获取所述目标机器对应的结构信息，所述结构信息包括运行流程信息、动力驱动连接信息、轴承结构信息中的任意一种或多种的组合；
13.根据所述结构信息，确定所述目标机器对应的故障检测点。
14.在一种可能的实现方式中，所述方法还包括：
15.在所述目标机器处于运行状态时，获取所述故障检测点对应的声学信息；
16.所述根据所述频率响应信息和所述振动响应信息确定所述故障检测点是否发生故障，包括：
17.根据所述频率响应信息、所述振动响应信息和所述声学信息，确定所述故障检测点是否发生故障。
18.在一种可能的实现方式中，所述获取所述故障检测点对应的频率响应信息，包括：
19.确定所述故障检测点对应的频响激励点和频响响应点，所述故障检测点在所述频
响激励点和所述频响响应点之间；
20.向所述频响激励点输入激励信号，获取所述故障检测点对应的频率响应信息。
21.在一种可能的实现方式中，所述获取所述故障检测点对应的频率响应信息，包括：
22.确定所述频响响应点针对所述激励信号做出的响应信号；
23.根据所述响应信号和所述激励信号生成跨点频响函数；
24.确定所述跨点频响函数在多个频段上对应的跨点频响子函数；
25.确定各个所述跨点频响子函数对应的相干参数，所述相干参数用于标识所述跨点频响子函数对应的激励信号和响应信号之间的相干性；
26.根据相干参数大于第一阈值的跨点频响子函数确定所述频率响应信息。
27.在一种可能的实现方式中，所述获取所述故障检测点对应的振动响应信息，包括：
28.获取所述故障检测点对应的初始振动响应信息；
29.确定所述初始振动响应信息在多个频域上对应的多个初始振动响应子信息；
30.确定所述多个初始振动响应子信息中满足筛选条件的目标初始振动响应子信息，所述筛选条件包括幅值能量大于第二阈值和/或相关系数大于第三阈值；
31.根据所述目标初始振动响应子信息确定所述故障检测点对应的所述振动响应信息。
32.在一种可能的实现方式中，所述方法还包括：
33.获取数据集，所述数据集包括样本频率响应信息和样本振动响应信息，所述样本频率响应信息和所述样本振动响应信息具有对应的故障检测点状态，所述故障检测点状态用于标识所述故障检测点是否故障；
34.根据所述数据集训练初始故障识别模型，所述数据集作为训练中的训练样本，所述故障检测点状态作为训练标签，训练得到故障识别模型；
35.所述根据所述频率响应信息和所述振动响应信息确定所述故障检测点是否发生故障，包括：
36.根据所述频率响应信息、所述振动响应信息和所述故障识别模型，确定所述故障检测点是否发生故障。
37.第二方面，本技术实施例公开了一种故障检测装置，所述装置包括第一确定单元、第一获取单元、第二获取单元和第二确定单元：
38.所述第一确定单元，用于确定目标机器对应的故障检测点，所述故障检测点为所述目标机器结构中易损的结构点；
39.所述第一获取单元，用于在所述目标机器处于关闭状态时，获取所述故障检测点对应的频率响应信息，所述频率响应信息用于体现所述故障检测点在机器关闭状态下的结构固有状态；
40.所述第二获取单元，用于在所述目标机器处于运行状态时，获取所述故障检测点对应的振动响应信息，所述振动响应信息用于体现所述故障检测点在机器运行状态下的结构响应状态；
41.所述第二确定单元，用于根据所述频率响应信息和所述振动响应信息确定所述故障检测点是否发生故障。
42.在一种可能的实现方式中，所述第一确定单元具体用于：
43.获取所述目标机器对应的结构信息，所述结构信息包括运行流程信息、动力驱动连接信息、轴承结构信息中的任意一种或多种的组合；
44.根据所述结构信息，确定所述目标机器对应的故障检测点。
45.在一种可能的实现方式中，所述装置还包括第三获取单元：
46.所述第三获取单元，用于在所述目标机器处于运行状态时，获取所述故障检测点对应的声学信息；
47.所述第二确定单元，具体用于：
48.根据所述频率响应信息、所述振动响应信息和所述声学信息，确定所述故障检测点是否发生故障。
49.在一种可能的实现方式中，所述第一获取单元具体用于：
50.确定所述故障检测点对应的频响激励点和频响响应点，所述故障检测点在所述频响激励点和所述频响响应点之间；
51.向所述频响激励点输入激励信号，获取所述故障检测点对应的频率响应信息。
52.在一种可能的实现方式中，所述第一获取单元具体用于：
53.确定所述频响响应点针对所述激励信号做出的响应信号；
54.根据所述响应信号和所述激励信号生成跨点频响函数；
55.确定所述跨点频响函数在多个频段上对应的跨点频响子函数；
56.确定各个所述跨点频响子函数对应的相干参数，所述相干参数用于标识所述跨点频响子函数对应的激励信号和响应信号之间的相干性；
57.根据相干参数大于第一阈值的跨点频响子函数确定所述频率响应信息。
58.在一种可能的实现方式中，所述第二获取单元具体用于：
59.获取所述故障检测点对应的初始振动响应信息；
60.确定所述初始振动响应信息在多个频域上对应的多个初始振动响应子信息；
61.确定所述多个初始振动响应子信息中满足筛选条件的目标初始振动响应子信息，所述筛选条件包括幅值能量大于第二阈值和/或相关系数大于第三阈值；
62.根据所述目标初始振动响应子信息确定所述故障检测点对应的所述振动响应信息。
63.在一种可能的实现方式中，所述方法还包括第三获取单元和训练单元：
64.所述第三获取单元，用于获取数据集，所述数据集包括样本频率响应信息和样本振动响应信息，所述样本频率响应信息和所述样本振动响应信息具有对应的故障检测点状态，所述故障检测点状态用于标识所述故障检测点是否故障；
65.所述训练单元，用于根据所述数据集训练初始故障识别模型，所述数据集作为训练中的训练样本，所述故障检测点状态作为训练标签，训练得到故障识别模型；
66.所述第二确定单元具体用于：
67.根据所述频率响应信息、所述振动响应信息和所述故障识别模型，确定所述故障检测点是否发生故障。
68.由上述技术方案可以看出，在检测目标机器是否故障时，可以先确定该目标机器对应的故障检测点，然后在目标机器处于关闭状态时，获取故障检测点对应的频率响应信息，该频率响应信息用于体现故障检测点在机器关闭状态下的结构固有状态；在目标机器
处于运行状态时，可以获取故障检测点对应的振动响应信息，该振动响应信息用于体现故障检测点在机器运行状态下的结构响应状态。从而，通过结合该频率响应信息和振动响应信息，可以综合静态维度和动态维度的机器数据来对目标机器的故障进行更为准确的检测，提高故障检测的准确度。
附图说明
69.为了更清楚地说明本技术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技术的一些实施例，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。
70.图1为本技术实施例提供的一种故障检测方法的流程图；
71.图2为本技术实施例提供的一种故障检测方法的示意图；
72.图3为本技术实施例提供的一种故障检测方法的示意图；
73.图4为本技术实施例提供的一种模型训练方法的示意图；
74.图5为本技术实施例提供的一种故障检测方法的示意图；
75.图6为本技术实施例提供的一种实际应用场景中故障检测方法的示意图；
76.图7为本技术实施例提供的一种故障检测装置的结构框图。
具体实施方式
77.下面结合附图，对本技术的实施例进行描述。
78.随着科技水平的不断进步，生活中的机器结构也越来越复杂，例如柴油机系统结构以及其子系统都变得日趋复杂，柴油机故障机理分析愈趋困难，故障模式较多且区分难度大等原因导致柴油机振动信号的分析中仍旧存在大量亟待解决的问题，因此需要对车船柴油机系统的振动测试与故障诊断进行更为深入的研究。一旦系统工作异常，振动信号中就会有相应的特征成分出现。然而单一的特征参量往往无法全面表征系统状态，也很难达到准确表达的地步。为了反映系统的总体状态，需要综合多种信息，所以基于静动信息融合的复杂部件故障预测研究对提高系统运行可靠性有着十分重要的意义。
79.在相关技术中，对于机器，例如柴油机的故障检测都只是在机器运行过程中获得相关数据，然而，有些故障在运行过程中可能会被其他运行信息进行干扰而难以进行检测，因此只基于动态情况下的信息难以进行准确的检测。
80.为了解决上述技术问题，本技术提供了一种故障检测方法，处理设备可以结合机器在关闭状态和运行状态下的频响和响应信息对故障检测点进行检测，提高故障检测的准确度。
81.可以理解的是，该方法可以应用于处理设备上，该处理设备为能够进行故障检测的处理设备，例如可以为具有故障检测功能的终端设备或服务器。该方法可以通过终端设备或服务器独立执行，也可以应用于终端设备和服务器通信的网络场景，通过终端设备和服务器配合执行。其中，终端设备可以为计算机、手机等设备。服务器可以理解为是应用服务器，也可以为web服务器，在实际部署时，该服务器可以为独立服务器，也可以为集群服务器。
82.接下来，将结合附图，对本技术实施例提供的一种故障检测方法进行介绍。
83.参见图1，图1为本技术实施例提供的一种故障检测方法的流程图，该方法包括：
84.s101：确定目标机器对应的故障检测点。
85.其中，目标机器可以为任意一台能够进行故障检测的机器，例如可以为一台柴油机；故障检测点为目标机器结构中易损的结构点。为了进行有针对性的检测，处理设备可以先对该目标机器的结构进行分析，确定该目标机器的结构中易损的结构点，这些结构点有较大概率会出现故障。因此，处理设备可以针对这些易损结构点进行检测，从而提高检测效率。
86.s102：在目标机器处于关闭状态时，获取故障检测点对应的频率响应信息。
87.其中，所述频率响应信息用于体现故障检测点在机器关闭状态下的结构固有状态，即通过该频率响应信息能够体现出在机器静止时的各个故障检测点是否出现问题。例如，该频率响应信息可以为在机器关闭状态下，处理设备通过向目标机器输入激励信号而生成的频响响应信号。
88.s103：在目标机器处于运行状态时，获取所述故障检测点对应的振动响应信息。
89.其中，所述振动响应信息用于体现所述故障检测点在机器运行状态下的结构响应状态，即通过该振动响应信息能够体现出在机器运作时的各个故障检测点是否出现问题。可以理解的是，机器在运行后过程中，由于自身机械结构的运作或者一些环境因素，机器上的各个结构点都会发生一定的频率振动，而当结构点的状态不同时，所发出的振动也会有一定的区别，因此，处理设备可以获取基于目标机器在运行状态下的振动生成的振动响应信息，并通过该信息来分析故障检测点是否出现问题。
90.可以理解的是，为了能够对故障检测点的状态进行准确识别，处理设备可以设定该振动响应信息和频率响应信息在目标机器上的采集点相同，从而能够在一定程度上规避由于采集点不同带来的干扰。
91.s104：根据所频率响应信息和振动响应信息确定故障检测点是否发生故障。
92.通过结合该频率响应信息和振动响应信息，处理设备可以综合目标机器在动态和静态下的结构状态信息对故障检测点的状态进行更为准确的检测。
93.由上述技术方案可以看出，在检测目标机器是否故障时，可以先确定该目标机器对应的故障检测点，然后在目标机器处于关闭状态时，获取故障检测点对应的频率响应信息，该频率响应信息用于体现故障检测点在机器关闭状态下的结构固有状态；在目标机器处于运行状态时，可以获取故障检测点对应的振动响应信息，该振动响应信息用于体现故障检测点在机器运行状态下的结构响应状态。从而，通过结合该频率响应信息和振动响应信息，可以综合静态维度和动态维度的机器数据来对目标机器的故障进行更为准确的检测，提高故障检测的准确度。
94.在一种可能的实现方式中，在确定故障检测点时，为了提高该故障检测点的准确度和代表性，处理设备可以先获取该目标机器对应的结构信息，该结构信息包括运行流程信息、动力驱动连接信息、轴承结构信息中的任意一种或多种的组合。根据这些结构信息，处理设备可以分析目标机器中的哪些结构点出现损伤裂纹、松动泄露等故障的可能性较大，以及可以分析目标机器各个结构点的运行形态规律，进而可以确定出该目标机器对应的故障检测点。
95.除了通过频率响应信息和振动响应信息进行故障检测外，处理设备还可以结合更多维度的数据来进行更加精确地故障检测。可以理解的是，当机器中的一些结构点发生损坏时，机器在运行过程中所发出的声音可能会有所变化，例如由于轴承断裂、螺丝松动等原因机器可能会在运行时发出噪声等。由此可见，声学信息也能够在一定程度上反映出结构点是否发生故障。基于此，在一种可能的实现方式中，处理设备可以在目标机器处于运行状态时，获取该故障检测点对应的声学信息，然后根据频率响应信息、振动响应信息和声学信息，确定故障检测点是否发生故障。
96.在一种可能的实现方式中，在确定目标机器静态对应的频率响应信息时，处理设备可以确定故障检测点对应的频响激励点和频响响应点，该频响激励点用于输入激励信号，该频响响应点用于采集目标机器根据该激励信号生成的响应信号，其中故障检测点在频响激励点和频响响应点之间。处理设备可以向该频响激励点输入激励信号，该激励信号会经过该故障检测点到达激励响应点。由于激励信号的在传输过程中的变化能够反映出所经过结构点的结构状态，因此，处理设备可以基于该激励信号获取故障检测点对应的频率响应信息，通过该频率响应信息可以反应出该目标机器在静态下的结构特点。
97.例如，在一种可能的实现方式中，处理设备可以确定该频响响应点针对该激励信号做出的响应信号，然后根据该响应信号和激励信号生成跨点频响函数，该跨点频响函数能够反应出激励信号和响应信号之间的关联关系。可以理解的是，由于该响应信号是由该激励信号经过故障检测点生成的，因此通过响应信号与激励信号之间的关联关系能够反映出该故障检测点的结构状态。可以理解的是，跨点频响函数中可能包括多个频段，而并不是每一个频段的信号都能够较好的体现出结构特点，例如有些频段上的响应信号并不会随着激励信号的变化而有较大改变，比较恒定，这部分响应信号很有可能为噪声信号。
98.基于此，为了能够使频率响应信息能够更加准确的体现出故障检测点的结构特点，处理设备可以确定该跨点频响函数在多个频段上对应的跨点频响子函数，然后确定各个跨点频响子函数对应的相干参数，该相干参数用于标识跨点频响子函数对应的激励信号和响应信号之间的相干性，处理设备可以将相干参数大于第一阈值的跨点频响子函数确定为频率响应信息。
99.例如，如图2所示，当目标机器在不同工况状态时，各个频段内信号的幅值均会发生变化。所以对相干性较好的子频带进行能量的求解计算，然后根据能量占比分布图，按尺度顺序对正常工况和故障工况分别进行排列组成静态特征向量。处理设备可以先对激励信号和响应信号进行傅里叶变换，生成对应的跨点频响函数，然后对该跨点频响函数进行小波包分解，得到该跨点频响函数在各个子频段上对应的子函数，以及确定出各个子频段对应的频段能量。然后，处理设备可以通过阈值等方式从中选取相干性较好的子频段能量，生成频率响应信息。
100.除了对频率响应信息进行更加细致的处理外，处于进一步提高故障检测准确度的目的，处理设备还可以对振动响应信息进行处理。在一种可能的实现方式中，处理设备可以获取故障检测点对应的初始振动响应信息，然后确定该初始振动响应信息在多个频域上对应的多个初始振动响应子信息。可以理解的是，在一些频域上，频响信息的变化幅度可能较小，即这些频域上的信息对于机器的结构状态变化并不敏感，因此对于目标机器的结构分析不能够起到很好的作用。在这种情况下，处理设备可以预设筛选条件，该筛选条件包括幅
值能量大于第二阈值和/或相关系数大于第三阈值。处理设备可以确定多个初始振动响应子信息中满足筛选条件的目标初始振动响应子信息，该目标初始振动响应子信息即为能够较好的反应出机器结构状态的信息。处理设备可以根据该目标初始振动响应子信息确定故障检测点对应的振动响应信息。
101.例如，如图3所示，在一种可能的实现方式中，该初始振动响应信息可以为动态振动响应信息，处理设备可以对该响应信息进行集合经验模态分解eemd分解，得到在各个频域上的子信息，然后根据相关系数和幅值能量选取imf1-imf5进行重构。由下表可见，通过对比原始信号和重构信号的均值、标准差和偏斜度，可以看出重构和原始信号的三个特征指标非常接近，说明了前5个分量可以代表原始信号特征信息，提取前5个分量的排列熵值作为振动响应信息。
102.类型均值标准差偏斜度原始信号-0.010480.20980.0655重构信号0.0005970.21000.0651
103.在通过频率响应信息和振动响应信息确定故障检测点状态时，在一种可能的实现方式中，处理设备可以通过模型来对频响信息对应的结构状态进行匹配。
104.首先，处理设备需要训练得到能够进行匹配的模型。处理设备可以获取数据集，该数据集包括样本频率响应信息和样本振动响应信息，该样本频率响应信息和样本振动响应信息具有对应的故障检测点状态，该故障检测点状态用于标识该故障检测点是否故障。从而，处理设备可以根据该数据集训练初始故障识别模型，该数据集作为训练中的训练样本，故障检测点状态作为训练标签，从而在该训练过程中，该初始故障识别模型可以学习到如何根据频率响应信息和振动响应信息确定出正确的故障检测点状态，训练得到故障识别模型。处理设备可以根据频率响应信息、振动响应信息和故障识别模型，确定故障检测点是否发生故障。
105.例如，如图4所示，图4为一种模型训练的示意图，该模型为一种采用灰狼优化算法(简称gwo)的模型。在输入数据集后，处理设备可以先进行数据归一化，然后分为测试集和训练集，训练集在输入svm模型后可以进行预测，该预测原理如图4右侧的虚线框所示。通过该模型可以确定出该训练集对应的故障检测点状态，从而可以根据实际对应的状态进行模型训练，得到能够对故障检测点进行检测的模型。
106.此外，由于本技术的一些实施例中，处理设备可以根据多个维度的信息来对故障检测点进行预测，例如频率响应信息、振动响应信息和声学信息等。因此，为了使这些信息能够更加突出的体现出该故障检测点的结构状态，处理设备可以对这些信息先进行降维处理，使这些信息能够更加规范化。
107.如图5所示，为克服机器复杂运行过程中的多个变量之间的相关性，采用多元投影方法，将高维数据空间投影到低维特征空间，突出并保留原始数据的主要特征信息；采用线性变换构造柴油机关重件的多场(振动场、声场、空间形态)信息的规范化指标，该算法流程如图5所示。
108.为了便于理解本技术提供的技术方案，接下来，将结合一种实际应用场景，对本技术实施例提供的一种故障检测方法进行介绍。
109.参见图6，图6为本技术实施例提供的一种实际应用场景中故障检测方法的示意
图，在该实际应用场景中，目标机器为柴油机。
110.首先，处理设备可以分析柴油机系统典型零部件的运行流程、动力驱动连接类型、轴系与支撑的结构形式，研究完整的柴油机典型部件运行机理；分析柴油机典型部件可能产生损伤裂纹、松动泄露等故障的主要部位和故障机理，研究柴油机典型部件的运行形态规律。
111.然后，在柴油机系统已确定的典型部件的频响测试部位(即故障检测点)，依次分别获取各跨点频响曲线(包括振动和声学频响，其中振动频响即为频率响应信息，声学频响可以为声学信息)，并在试运行时测试相同测点的动态响应(即为振动响应信息)并处理出与故障相关的特征参数；与运行时的相应振动响应以及声场(形态)信息进行关联分析；在研究场间信息的相互映射、线性变换、归一化处理和信息关联的基础上，建立不同早期故障类别间的归一化规则和相应多场之间的映射关系，实现多场信息数据的时标统一、关联和规范化处理。
112.在形成信息之间的映射后，处理设备可以获得具有对应故障检测点状态的频响信息和声学信息，从而得到了用于模型训练的数据集。处理设备可以利用该数据集进行模型训练，得到用于故障检测的模型，该模型能够对频响信息、声学信息与结构点故障之间的关联性进行分析，从而在实际应用过程中，可以根据柴油机对应的静态信息和动态信息对故障检测点进行准确的故障检测。
113.为提高检测诊断故障的精度和可靠性，在早期故障识别中，对融合后的信息进行分类。三种分类方式的分类结果与静、动信息的三种分类结果进行对比，结果如下表所示。静动信息融合后得到的新的特征向量的分类结果比动态信息提取的特征向量和静态信息提取的特征向量的分类结果识别率更高，证明基于静动信息融合的故障识别可以有效的提高故障识别率，同时表明基于跨点频响获取静态信息进行静动信息融合故障识别具有重要的意义和价值。
[0114][0115]
采用跨点频响特征提取分析方法，由于充分利用柴油机重要部件的固有特性信息，当故障检测点出现任何微小的缺陷，包括连接松动、运动不畅、间隙变化、密封渗漏、疲劳损伤、磨损、裂纹等，都会在跨点频响特征参数中有所反映，用微弱特征参数提取和定量识别技术总能将其定性定量化，并预测柴油机的潜在故障。
[0116]
由于跨点频响测试技术需要柴油机停机或处于准静态时完成测试，因而运用静动信息融合技术就显示其优越性。可在柴油机运行停止时测试跨点频响(视为静信息)，在运行中监测其相同响应点的信息(视为动信息)，然后通过静动信息融合诊断其缺陷或故障，
不但实现连续监测，还可提高故障诊断的准确性。
[0117]
在完成跨点频响(cfr)分析与运行动态响应关联与相关性分析的基础上进行cfr与动态响应的特征级静动信息融合，可以识别出典型部件早期故障在振动响应(包括声学响应)中的特征信息，就可在该故障信息的参与下开展复杂柴油机典型部件的静动多场信息融合早期故障预测研究。
[0118]
基于上述实施例提供的一种故障检测方法，本技术实施例还提供了一种故障检测装置，参见图7，图7为本技术实施例提供的一种故障检测装置700的结构框图，该装置包括第一确定单元701、第一获取单元702、第二获取单元703和第二确定单元704：
[0119]
所述第一确定单元701，用于确定目标机器对应的故障检测点，所述故障检测点为所述目标机器结构中易损的结构点；
[0120]
所述第一获取单元702，用于在所述目标机器处于关闭状态时，获取所述故障检测点对应的频率响应信息，所述频率响应信息用于体现所述故障检测点在机器关闭状态下的结构固有状态；
[0121]
所述第二获取单元703，用于在所述目标机器处于运行状态时，获取所述故障检测点对应的振动响应信息，所述振动响应信息用于体现所述故障检测点在机器运行状态下的结构响应状态；
[0122]
所述第二确定单元704，用于根据所述频率响应信息和所述振动响应信息确定所述故障检测点是否发生故障。
[0123]
在一种可能的实现方式中，所述第一确定单元701具体用于：
[0124]
获取所述目标机器对应的结构信息，所述结构信息包括运行流程信息、动力驱动连接信息、轴承结构信息中的任意一种或多种的组合；
[0125]
根据所述结构信息，确定所述目标机器对应的故障检测点。
[0126]
在一种可能的实现方式中，所述装置700还包括第三获取单元：
[0127]
所述第三获取单元，用于在所述目标机器处于运行状态时，获取所述故障检测点对应的声学信息；
[0128]
所述第二确定单元704，具体用于：
[0129]
根据所述频率响应信息、所述振动响应信息和所述声学信息，确定所述故障检测点是否发生故障。
[0130]
在一种可能的实现方式中，所述第一获取单元702具体用于：
[0131]
确定所述故障检测点对应的频响激励点和频响响应点，所述故障检测点在所述频响激励点和所述频响响应点之间；
[0132]
向所述频响激励点输入激励信号，获取所述故障检测点对应的频率响应信息。
[0133]
在一种可能的实现方式中，所述第一获取单元具体702用于：
[0134]
确定所述频响响应点针对所述激励信号做出的响应信号；
[0135]
根据所述响应信号和所述激励信号生成跨点频响函数；
[0136]
确定所述跨点频响函数在多个频段上对应的跨点频响子函数；
[0137]
确定各个所述跨点频响子函数对应的相干参数，所述相干参数用于标识所述跨点频响子函数对应的激励信号和响应信号之间的相干性；
[0138]
根据相干参数大于第一阈值的跨点频响子函数确定所述频率响应信息。
[0139]
在一种可能的实现方式中，所述第二获取单元703具体用于：
[0140]
获取所述故障检测点对应的初始振动响应信息；
[0141]
确定所述初始振动响应信息在多个频域上对应的多个初始振动响应子信息；
[0142]
确定所述多个初始振动响应子信息中满足筛选条件的目标初始振动响应子信息，所述筛选条件包括幅值能量大于第二阈值和/或相关系数大于第三阈值；
[0143]
根据所述目标初始振动响应子信息确定所述故障检测点对应的所述振动响应信息。
[0144]
在一种可能的实现方式中，所述方法还包括第三获取单元和训练单元：
[0145]
所述第三获取单元，用于获取数据集，所述数据集包括样本频率响应信息和样本振动响应信息，所述样本频率响应信息和所述样本振动响应信息具有对应的故障检测点状态，所述故障检测点状态用于标识所述故障检测点是否故障；
[0146]
所述训练单元，用于根据所述数据集训练初始故障识别模型，所述数据集作为训练中的训练样本，所述故障检测点状态作为训练标签，训练得到故障识别模型；
[0147]
所述第二确定单元704具体用于：
[0148]
根据所述频率响应信息、所述振动响应信息和所述故障识别模型，确定所述故障检测点是否发生故障。
[0149]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：rom)、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0150]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0151]
以上所述，仅为本技术的一种具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。