本文由人工智能观察编译

译者：Sandy

声音无处不在，即使有时候你听不到。也正是这种无声的声音，宣示着机器的工作状态。

总部位于芬兰赫尔辛基的Noiseless Acoustics和总部位于荷兰阿姆斯特丹的OneWatt正在研究利用人工智能识别声音的技术来检测故障机器，因为通过AI技术他们可以更容易发现问题。至于这两家公司，是去年新能源挑战赛（New Energy Challenge）的最终入围者，这是一场旨在挑选可以在新能源转型方面提出创新技术以及解决方案的比赛。

无声噪音的价值

根据美国能源部的数据，工业用发电机用电量占全国用电量的25%。尽管他们扮演着重要的作用，但由于种种原因，发电机是可能出故障的，进而导致生产率和盈利能力下降。但如果有可能将这种无声噪音转化为有价值的东西呢？

通过使用人工智能，可以对声音进行分析来检测故障。换句话说，即使在人类听不到某种声音的情况下，也可以让声音变得清晰。在非侵入式传感器、机器学习算法和预测维护解决方案的帮助下，出现故障的组件可以在它们变得更严重之前就被识别出来。

OneWatt便正在用AI听音的方式来对发电机进行检测。通过嵌入式声学识别传感器设备，再结合机器学习和频率分析，该公司可以在事故发生前进行预测，包括问题出现的部位与时间。

16,000个出故障的发电机声音片段

为了验证人工智能技术的有效性，OneWatt将其设备对业内电机八大故障进行了测试，范围从轴承故障到软基断层等均包括在内。在这种情况下，该公司收集到了近2TB的声学数据，约达16,000个声音片段。

“音频是机械故障最明显的标志，”OneWatt首席技术官Paolo Samontañez再一次采访中表示。“电机的部件会因为运动而产生摩擦，大部分的故障可以因此被识别出来。但其中的可见光并不是一个好的故障标志，因为它无法透过电机被探测到，也无法判断轴承是不是有所退化。”

超声波是一种可视化发动机内部结构的选项，但Samontañez表示，这是一种昂贵的技术。它还需要一个操作员监控发射器和接收器（有点类似于医院中的超声波机器）。音频是理想的解决方案，即使它不是很引人注意。在处理工业设备时，这也是一个主要的因素，因为工作人员需要在保证安装设备时不会对电机产生负面影响。

而Noiseless Acoustics则使用了硬件、软件加分析的组合进行声音识别。

利用NL Camera，该公司可以通过声音进行定位。与热成像类似，NL Camera可以拍摄到捕捉噪音信号的热图像，然后将信息上载到云端，利用算法对问题进行评估。

NL Sense是Noiseless Acoustics使用的另一种工具，一个非侵入式系统，可以精确定位出问题所在的位置。通过使用集线器和传感器，可以将信息放置在任何给定表面上，它将自动把数据发送到云端，并进行分析和处理。

“声音描述事物，这是一个全新的世界，”Noiseless Acoustics首席执行官Kai Sakesla表示。他补充道，一旦从声源中隔离出声音信号，AI就会检查是否存在问题。

通过声学分析可持续性

根据Elsevier发表的一份研究报告，工厂里高达40％的能源成本可能是由于漏气造成的。当故障开始出现时，电机的电效率就会降低，需要更多的能量来补偿运作过程中由于故障所带来的额外压力。这就带来了额外的能源消耗和更高的耗电费用。

“用于NL Camera的一个用例是能量优化，这对于找到工厂器械的故障部位非常有用，”Sakesla说。“通常情况下，气动系统产生的空气中有10%-15％被泄露。在全球范围内，这是一个巨大的浪费能源。“

Sakesla表示，NL Sense的工作原理是通过非侵入式监控延长现有设备的使用寿命，这也有助于可持续能源产业的发展。

OneWatt从他们的系统中发现，可以减少10％的电力消耗。根据Samontañez的说法，全球市场大概有5亿台电机在运作，这是一个巨大的数字。“到2022年，如果按计划可以占到市场的1%，以及我们可以帮助节省596711兆瓦的电力，这足以为伯利兹提供一年的电力。”

下一步是什么？

随着声音变得更有价值，硬件和软件的进步表明，基于音频的预测分析领域正取得重大进展。无论是与电网，加油站，发动机，工厂还是水力学结合，两家公司都发现任何行业都可能从声音分析中获益。

对OneWatt，Samontañez表示他们希望有朝一日成为“行业里的Alexa”，可以用人工智能技术来节省工业资产。

（文中图片来自网络）

投稿、约访、合作，联系邮箱aiobservation@qq.com

添加微信aixiaozhijun，更多交流或进AI观察团