随着人工智能技术的快速发展及其在工业系统中广泛应用，智能化、数字化等技术渐成当下产业发展新引擎。伴随着自动化技术水平的不断提高，以及工业设备制造和工程系统复杂性大大增加，以往依赖人工经验监测、记录和分析的事先维护早已满足不了当前所需，设备维护管理成为当下工业企业发展面临的新挑战。

传统设备维护的方式主要是通过被动故障维护以及定期以人工巡检的方式检测。众所周知，故障的发生具有非常大的偶然性，仅依赖人工诊断难度较大、耗时长且需要耗费大量资源，对企业来说备件存储成本相对也较高，存在着诸多缺陷。

预测性维护应运而生，并已成为工业设备运维的趋势所需。

什么是预测性维护？预测性维护可以做什么？

预测性维护是集设备状态监测、故障诊断、故障状态预测、维修决策支持和维修活动于一体的一种新兴的维修方式。不仅可以降低设备故障率，提高设备利用率，更是保障设备持续使用乃至提高企业生产效率的重要手段，同时还可以在一定程度上减少设备的维修费用。

当前，预测性维护技术大多采用温度、功率、振动或声音监控，所有这些技术都涉及实时持续监控机器状况，以便快速发现问题，针对性解决问题。

为什么选择声音赛道？

万事万物均有其声，工业设备同样可以“开口说话”。不同的设备在运行过程中会产生的独有的声纹信号，这也属于该设备特有的“DNA”，具有唯一性且包含着丰富的信息。

随着技术的高速发展，以及对声音在工业领域应用的探索深入，基于声音的设备状态监控已能够自动屏蔽环境噪声，现阶段在实现持续监控与早期故障告警上，智能化的声音状态监测具有无可比拟的优势。

作为智能语音领域唯一落地的国家级制造业创新中心，国家智能语音创新中心持续聚焦制造业发展重大需求，以声学为核心，开展了多维度的工业听诊技术研究。

那么，如何最大化发挥“声音”的听诊作用，有效开展预测性维护工作，并实现真正落地，乃至持续创造价值？

一是技术创新，二是数据支撑。

源头发力，科技创新为基

内外兼修，软硬结合，创新中心自主研发了声音信号处理、多模态智能降噪、波束成形、声源定位等声学前端算法技术，以及可适应不同应用场景的高精度麦克风阵列模组硬件，基本实现了技术路径全面覆盖。

麦克风阵列研制方面，创新中心自研的64mic麦克风阵列不仅在频带宽度、灵敏度、信噪比等方面性能优良，支持监测距离远达40m，定位精度可达1°。与此同时，基于声学优势，创新中心还进一步融合了视觉相关技术，将声像图与可见光图叠加，实现故障可视化。

创新中心研制的麦克风阵列不仅可单独部署，还可融合各类固定式、手持式、可移动式载体，适用于工业领域内如局部放电、气体泄漏、设备异响等多样化复杂场景，帮助用户快速锁定“故障”点，高效、切实解决问题。

搭载了64mic麦克风阵列的声学成像仪，让故障清晰可见

算法层面，创新中心采取不同任务调度不同算法的方式，合理分配计算资源，提高目标监测结果准确性及稳定性。

目前创新中心主要采用两种不同预测性维护算法技术方案，即生成式方案和区分性方案。

在仅有正常数据的情况下，生成式方案有较大的优势。生成式方案可对正常状态设备声纹进行机器学习或深度学习建模，拟合声纹数据的概率分布空间。对未见过的正常状态声纹，也有较好的鲁棒性。从实践结果来看，准确率可达95%。

基于AE模型的生成式方案

针对工业复杂、多样化场景需求，区分性方案效果更佳。区分性方案可通过对有监督数据的学习来拟合数据的特征分布，通过判别器来判断机器是否异常或者出现哪种故障类别，随着训练数据量的增加，准确率提升明显。从实践结果上看，区分性方案准确率可达98%。

基于TDNN模型的区分性方案

较之行业传统依赖人工巡检的维护方案，以听诊技术为核心的工业设备预测性维护优势明显：

◇ 全天候、全过程管理，安全性、稳定性强：支持7*24小时全时段远程实时监测，对设备运行状态进行全面管控，及时发现故障、隐患，并进行智能化预警，最大程度保障设备使用的持续性，降低设备非计划停机风险。◇ 提升生产效率，降低维护成本：实现设备的自动巡检和故障诊断，有效避免人工巡检的繁琐和时间浪费。通过对设备的故障诊断和预警，企业可提前进行相应设备维护、损坏部件等更换。

◇ 多维度数据分析，准确率高：科学化、数据化管理，基于声音、振动、视觉等多维数据进行分析，避免人为主观判断误差。过程生成的大量数据还可以为后续设备分析提供支撑，以及帮助企业制定合理的运营、维修和保障计划。

◇ 支持经验数字模型化：“老师傅”经验+机理模型有效结合，可将传统无法准确传承的经验知识进行数据积淀，形成可复制应用的设备健康模型。

声纹数据，硬核支撑

为了实现更精准的预测和判断，创新中心开展了关键领域工业设备声纹数据库建设工作。深入工业场景，通过一个或者多个麦克风阵列对设备运行过程进行远程非接触式声音信号搜集，通过对回收的数据进行处理，已建成9万+小时的正、负声纹数据库。

通过声纹数据的进一步加持，利用先进的机理算法与AI算法融合建模，对设备发出的声音进行对比分析，为工业领域关键应用设施设备运行实时状态监测，提供精准性、预测性和实时性的声学故障诊断及预测性维护服务。

落地见实效，实践展实力

实践是检验能力的最佳方式。

目前，以创新中心工业听诊技术为核心的多个系统方案已在电力、烟草、能源等工业设备制造、生产多行业多场景的关键环节中落地应用。

卷烟制丝工艺是卷烟生产的主要工艺，这其中松散回潮工序作为制丝过程的主要加工工序，其出口水分是影响后续供需产品质量的关键质量指标，回潮机作为这个环节的主力军，如何避免因长期抽取水蒸气导致积水、烟粉堆积等问题导致的风机异常运作，过程监控尤为重要。以往都通过人来开展过程实时监控、检查等工作，耗时耗力，目前，创新中心提供的预测性维护方案，可以通过对此设备进行实时监测，及时发现问题、解决问题，准确率达98.5%。目前相关方案已在安徽某地烟草公司成功落地。

在电力领域，以极早期发现电力设备故障隐患为核心的变电站设备声纹监测系统亦在发挥效用。针对主变压器、高压电抗器、高压断路器等重要场景，创新中心联合科大讯飞、国网安徽电科院，在安徽电网声纹监测预警中心上线了5套典型声纹分析算法系统，对百余台设备进行实时监测和智能分析预警，实现了远程7*24小时无人化巡视，替代“老师傅"的定期巡视。相比人工巡检，声纹监测技术能够在早期发现运行设备故障隐患，异常检测效率提高50%以上，准确率达98%。

从技术创新到落地实践，要攻克的不仅是核心技术问题，如何与真实场景需求相匹配，在技术与场景之间搭桥铺路，实现技术快速在场景中落地，亦是创新中心探索的重要方向之一。未来，创新中心将持续深耕工业AI领域，攻坚关键核心技术，技术赋能行业，助力数智化转型升级。