一种吸油烟机声音品质诊断方法专利检索-块视听技术与设备专利检索查询-专利查询网

一种吸油烟机声音品质诊断方法

阅读：676发布：2021-09-18

专利汇可以提供一种吸油烟机声音品质诊断方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种吸油烟机声音品质诊断方法，其特征在于：在吸油烟机本体上设置声音检测开关、声音采集装置、声音数据处理模块和输出显示屏，其中声音检测开关、声音采集装置和输出显示屏均与声音数据处理模块电连接，当声音检测开关按下后，声音数据处理模块开启声音采集装置采集吸油烟机的在线声音数据，并传送给声音数据处理模块，声音数据处理模块对采集的在线声音数据进行分析处理，得到吸油烟机声音品质处理结果，并将吸油烟机声音品质处理结果通过输出显示屏进行显示。与现有技术相比，本发明的优点在于：智能化程度提高，可以使用户实时了解油烟机声品质状况。，下面是一种吸油烟机声音品质诊断方法专利的具体信息内容。

权利要求

1.一种吸油烟机声音品质诊断方法，其特征在于：在吸油烟机本体上设置声音检测开关、声音采集装置、声音数据处理模块和输出显示屏，其中声音检测开关、声音采集装置和输出显示屏均与声音数据处理模块电连接，当声音检测开关按下后，声音数据处理模块开启声音采集装置采集吸油烟机的在线声音数据，并传送给声音数据处理模块，声音数据处理模块对采集的在线声音数据进行分析处理，得到吸油烟机声音品质处理结果，并将吸油烟机声音品质处理结果通过输出显示屏进行显示。
2.根据权利要求1所述的吸油烟机声音品质诊断方法，其特征在于：声音数据处理模块通过如下方式对采集的声音数据进行分析处理，从而得到吸油烟机声音品质处理结果：
首先通过声音采集装置采集吸油烟机运行过程中的大量声音信号，通过这些声音信号，计算表征声音信号品质的特征参数：响度值，然后通过不断的深度学习，建立响度值与吸油烟机声音品质之间的深度学习模型，并预先保存在声音数据处理模块中；
然后，将声音数据处理模块将吸油烟机运行过程中由声音采集装置采集的在线声音数据，输入到深度学习模型中，对在线声音数据的状态做出诊断，深度学习模型的诊断结果即为吸油烟机声音品质处理结果。
3.根据权利要求2所述的吸油烟机声音品质诊断方法，其特征在于：声音采集装置采集的声音信号为时域信号，通过对声音信号进行傅里叶变换，将声音信号转变为频域信号，然后提取不同频率下的声压值，该声压值即代表声音信号的响度值，然后根据声音信号的响度值，建立深度学习模型，深度学习模型的输入参数为声音的响度值，输出参数为声音品质的评价结果，声音品质的评价结果分为三类：第一类用参数1表示，代表声音品质好；第二类用参数0表示，代表声音品质中；第三类用参数-1表述，代表声音品质差。
4.根据权利要求3所述的吸油烟机声音品质诊断方法，其特征在于：声音采集装置在时，采用Q—learning学习算法建立深度学习模型。
5.根据权利要求1所述的吸油烟机声音品质诊断方法，其特征在于：所述声音数据处理模块将采集的在线声音数据通过无线方式发送给云端服务器。

说明书全文

一种吸油烟机声音品质诊断方法

技术领域

[0001] 本发明涉及一种吸油烟机声音品质诊断方法。

背景技术

[0002] 随着用户对生活品质要求的提高，吸油烟机声音品质逐渐成为厨电行业竞争的一项重要指标。油吸烟机声音品质判断的方法并未形成一定规范，也没有国家标准或行业标准来对比做出规范性要求。

[0003] 现有技术中，对声音品质的判断，主要通过对心理声学参数来表征人耳对声音的真实感受，包括响度、粗糙度等。计算心理声学参数，是用特定设备计算出响度、粗糙度等值，来进行表征人们心理对噪声的可接受度。这种判断方式存在如下缺点：

[0004] 客户家里安装油烟机后出现声音品质不良，用户并不能确定是什么原因导致，一般采用退货换货等形式，这种方式不仅影响用户正常使用，还造成了人力物力的浪费。另外已有的生理心学参数并不能准确表达油烟机的声音品质。为了研究市场上出现声音品质不良的油烟机，一般是让用户把整机退回来后再对该油烟机声音品质进行研究，此种方法由于长途运输，对最初的油烟机产生影响造成不能获取接近用户情况的声音信号。智能化程度低，诊断周期过长。

发明内容

[0005] 本发明所要解决的技术问题是针对上述现有技术提供一种能在线诊断吸油烟机声音的吸油烟机声音品质诊断方法。

[0006] 本发明解决上述技术问题所采用的技术方案为：一种吸油烟机声音品质诊断方法，其特征在于：在吸油烟机本体上设置声音检测开关、声音采集装置、声音数据处理模块和输出显示屏，其中声音检测开关、声音采集装置和输出显示屏均与声音数据处理模块电连接，当声音检测开关按下后，声音数据处理模块开启声音采集装置采集吸油烟机的在线声音数据，并传送给声音数据处理模块，声音数据处理模块对采集的在线声音数据进行分析处理，得到吸油烟机声音品质处理结果，并将吸油烟机声音品质处理结果通过输出显示屏进行显示。

[0007] 作为改进，所述声音数据处理模块通过如下方式对采集的声音数据进行分析处理，从而得到吸油烟机声音品质处理结果：

[0008] 首先通过声音采集装置采集吸油烟机运行过程中的大量声音信号，通过这些声音信号，计算表征声音信号品质的特征参数：响度值，然后通过不断的深度学习，建立响度值与吸油烟机声音品质之间的深度学习模型，并预先保存在声音数据处理模块中；

[0009] 然后，将声音数据处理模块将吸油烟机运行过程中由声音采集装置采集的在线声音数据，输入到深度学习模型中，对在线声音数据进行处理后做出诊断，深度学习模型的诊断结果即为吸油烟机声音品质处理结果。

[0010] 再改进，声音采集装置采集的声音信号为时域信号，通过对声音信号进行傅里叶变换，将声音信号转变为频域信号，然后提取不同频率下的声压值，该声压值即代表声音信号的响度值，然后根据声音信号的响度值，建立深度学习模型，深度学习模型的输入参数为声音的响度值，输出参数为声音品质的评价结果，声音品质的评价结果分为三类：第一类用参数1表示，代表声音品质好；第二类用参数0表示，代表声音品质中；第三类用参数-1表述，代表声音品质差。

[0011] 较好的，声音采集装置在时，采用Q—learning学习算法建立深度学习模型。

[0012] 所述声音数据处理模块将采集的在线声音数据通过无线方式发送给云端服务器。

[0013] 与现有技术相比，本发明的优点在于：智能化程度提高，可以使用户实时了解油烟机声品质状况。附图说明

[0014] 图1为本发明实施例中吸油烟机声音品质诊断方法流程图。

具体实施方式

[0015] 以下结合附图实施例对本发明作进一步详细描述。

[0016] 本发明提供的吸油烟机声音品质诊断方法，在吸油烟机本体上设置声音检测开关、声音采集装置、声音数据处理模块和输出显示屏，其中声音检测开关、声音采集装置和输出显示屏均与声音数据处理模块电连接，当声音检测开关按下后，声音数据处理模块开启声音采集装置采集吸油烟机的在线声音数据，并传送给声音数据处理模块，声音数据处理模块对采集的在线声音数据进行分析处理，同时还将采集的在线声音数据通过无线传输方式发送给云端服务器，供研发工程师下载调用，声音数据处理模块得到吸油烟机声音品质处理结果后，将吸油烟机声音品质处理结果通过输出显示屏进行显示。

[0017] 声音数据处理模块通过如下方式对采集的声音数据进行分析处理，从而得到吸油烟机声音品质处理结果：

[0018] 首先通过声音采集装置采集吸油烟机运行过程中的大量声音信号，通过这些声音信号，计算表征声音信号品质的特征参数：响度值，然后通过不断的深度学习，建立响度值与吸油烟机声音品质之间的深度学习模型，并预先保存在声音数据处理模块中；

[0019] 然后，将声音数据处理模块将吸油烟机运行过程中由声音采集装置采集的在线声音数据，输入到深度学习模型中，对在线声音数据的状态做出诊断，深度学习模型的诊断结果即为吸油烟机声音品质处理结果。

[0020] 声音采集装置采集的声音信号为时域信号，通过对声音信号进行傅里叶变换，将声音信号转变为频域信号，然后提取不同频率下的声压值，该声压值即代表声音信号的响度值，然后根据声音信号的响度值，建立深度学习模型，深度学习模型的输入参数为声音的响度值，输出参数为声音品质的评价结果，声音品质的评价结果分为三类：第一类用参数1表示，代表声音品质好；第二类用参数0表示，代表声音品质中；第三类用参数-1表述，代表声音品质差。

[0021] 深度学习模型的学习过程中，将输入参数、输出结果与奖惩对应；本实施例中，声音采集装置在时，采用Q—learning学习算法建立深度学习模型，其中，Q—learning学习算法公式：

[0022]

[0023] 其中，(st,at)表示模型根据在状态st下采用动作a得到的奖励值的折扣总和，α，γ分别表示学习速率和折扣因子，均取值(0,1)。

[0024] 本发明在使用Q—learning学习算法进行深度学习过程中，输入参数为：油烟机声信号的响度值，输出结果为：声音品质的评价结果优劣，声音品质的评价结果分为三类：第一类用参数1表示，代表声音品质好；第二类用参数0表示，代表声音品质中；第三类用参数-1表述，代表声音品质差。在学习过程中，根据输入参数，模型输出结果为1、0或-1；然后与输入的声音品质评价结果进行对比。若输出结果与输入的评价结果一致，进行奖励，否则惩罚；这个过程即是强化学习的体现。在反复训练过程中，声音数据处理模块学会如何根据输入参数输出相对应的结果，这个过程也就是像一次函数，每一个x会对应一个y值，只是这个强化学习是让自己在学习中自主摸索到这个映射关系。

[0025] 假设油烟机声音品质的交互环境为ε，此处交互环境指：油烟机工作状态变化、电机声音变化、外界环境干扰等。将油烟机响度值作为强化学习的状态s输入，油烟机声品质状态作为强化学习的输出动作a；然后在一系列交互环境ε下强化学习算法会根据状态输入s产生一系列动作、奖励值(或惩罚值)。在该反复迭代训练的过程中，声音数据处理模块会将每次动作及结果记录下来，以作为训练样本。

[0026] 在该计算中，将采集到的70％数据作为训练样本，30％作为测试数据。其中，训练样本是用于建立自动感知油烟机声品质的能力，测试数据作为验证新数据时的表现能力。在深度学习模型的建立过程中，设置训练过程的学习速率为0.05，训练的batch批处理量为
85，未来奖励的折扣因子为0.98，及时奖励为1，及时惩罚为-1，设置训练回合为1000。在训练完毕后，使用测试样本数据进行验证迭代上述过程。

标题	发布/更新时间	阅读量
转子铁心、转子、旋转电机、汽车用电动辅机系统	2020-05-08	288
用于连接电线的连接装置	2020-05-08	260
实现基于区块链的工作流	2020-05-08	173
用于确定数字资产交易所的偿付能力的方法、系统和计算机程序产品	2020-05-08	763
电动助力转向装置	2020-05-08	878
用于为可编程逻辑控制器提供服务的方法和装置	2020-05-11	510
开关元件控制电路以及功率模块	2020-05-08	187
框架馈入器	2020-05-08	407
基于区块链的传票送达	2020-05-08	807
虚拟FPGA管理和优化系统	2020-05-11	981

一种吸油烟机声音品质诊断方法

一种吸油烟机声音品质诊断方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：