旷音——专注于人工智能技术应用到工业设备的智能运维领域

2023-06-26

在当今工业领域，利用AI手段实现工业设备在线监测，已经成为高效推动产业升级、提高生产效率的关键力量。

AI技术的融入，能够及时发现工业设备故障，减少事故发生的概率，保障安全生产，促进工业设备维护和管理实现智能化、精准化，大大降低了故障率和维修成本，显著提升企业经济效益，降低事故发生率。

作为深耕声纹识别技术的人工智能品牌，旷音专注于将人工智能技术应用到工业设备的智能运维领域，通过利用先进的声纹识别算法及大数据分析技术，为工业设备提供实时监测、故障诊断和预测性维护服务，以提高设备的运行效率和安全性，降低运维成本。

基于声纹识别技术和在线监测故障定位技术，旷音实现了基于深度学习算法和WEDE故障预警大模型的AI+设备在线监测和预警，并推出了多种设备运行在线监测和预测性维护系统方案，应用于各种工业设备，包括风电设备、制造设备、电力设备等。

在算法方面，旷音研发团队推出了基于少量样本的深度学习算法，确保样本有限的情况下也能准确识别设备状态。基于旷音自主研发的WEDE工业安全预警大模型，系统能深入理解和分析工业安全问题，提供前沿的预警服务。而其设备端专属算法模型具有持续自学习优化的能力，能适应不同应用场景和设备需求，保持算法最佳性能。

此外，旷音在工业场景专用技术领域还实现了多种突破性创新，开创性研发全波段声纹识别技术，实现全波段监测，独创“振动波+电波”的双波联动分析方法，结合专用声源定位技术，进一步提高故障诊断的准确性和效率，使故障检测更准确可靠。

 

算法优势

（1）基于设备物理、化学本质的WEDE工业安全预警大模型

WEDE工业安全预警大模型将不同设备的具体故障抽象为共性特征，即使面对故障样本少、故障类型多、特征复杂的情况，也能提供更准确、鲁棒和自适应的故障诊断和预测能力。， 

（2）设备端自学习算法

创新设备端自学习算法，能够从设备日常运行数据中进行分类和学习，提取有用信息，不仅能在线更新算法模型，还能实现算法自动迭代，有效降低算法生产落地成本。

（3）基于少量样本的深度学习算法

采用基于少量样本的深度学习算法，结合孪生网络和多模型集成网络，利用迁移学习，选择多场景成熟应用的算法模型，通过调参等手段，采用不同的组合策略，减少单一模型可能带来的误差，尤其适用于复杂的工业场景，解决样本缺少的问题；

（4）多策略声源定位算法

基于信号信息声源分离技术，通过声波传播的物理模型来定位声源位置，分辨率达到1cm，利用数字信号处理技术，通过频谱分析、滤波器设计等手段，对音频信号进行分解和重构，从而实现声源分离，100%精准去噪，锁定真正故障源。

 

技术突破

（1）全波段声纹检测技术

覆盖次声波、声波、超声波全波段，有效监测设备运行中产生的各种波，实现全故障检测。

（2）独创“振动波+电波”的双波联动技术

针对电驱动设备、电气故障，通过“振动波+电波”的双波联动技术分析，更准确、更精密地分析电气故障。

（3）输电线缆在线监测和故障定位技术

基于行波电流、工频电流和异常电流的故障定位技术，提前预警供电系统故障，精确检测并定位输变电故障。

 

作为国家高新技术企业，旷音研发团队在人工智能领域深耕多年，拥有多项发明专利及实用新型专利等知识产权。研发团队核心成员来自北京大学、北京理工大学、电子科技大学、四川大学等知名高校，其中博士生、研究生占比超80%。

未来，旷音将持续保持创新活力，致力于通过人工智能技术，推动工业设备的智能化运维，提高设备运行效率和安全性，降低运维成本，为企业可持续发展提供有力支持。

新闻推荐