機器聽覺大有可為，這家企業要做工業設備的智能聽診醫生

每經記者 姚亞楠    每經編輯 肖芮冬    

人需要定期體檢，機器當然也不例外，在制造業加快數字化進程，邁向工業4.0的背景下，工業設備的安全與預測性維護受到越來越多的關注。很多大型企業不僅產線龐大，而且設備眾多，一旦運維出現突發問題，損失巨大，而對于電力、鐵路、能源等行業的大型關鍵裝備，其運轉狀態更是關乎國計民生。

隨著人工智能、語音識別技術的不斷進步，工業設備的“聽音識病”正在成為可能。設備在運行時會產生聲音和振動信號，就像人的指紋一樣具有辨識特征，這種包含有顯著特征的聲學信號被稱之為聲紋，當設備產生缺陷或發生故障后，其聲紋也會隨之改變，這即是聲學監測的原理。

記者注意到，目前這一新興賽道簇擁著老牌科技公司、新興創業企業等多個玩家，可以為工業設備提供高精度、預測性、實時性的故障診斷及預測性維護服務。

預測性維護需求攀升，聲學監測優勢明顯

工業設備的隱患排查與定期檢修最早主要依賴人力，需要經驗豐富的師傅一個個敲、一個個聽，判斷哪里有問題，而對于山上、地下等不易巡檢的地方，人工維護難度非常大。

近年來，技術的進步使得市面上檢修手段豐富起來，如紅外、熱敏、振動傳感器等，但這些方案大多用于故障發生后的維修定位，很難起到故障預防的作用，一些后裝式入侵式監測傳感器容易給設備帶來二次傷害，此外，使用多種不同類型的傳感器、硬件接口和軟件協議，系統頗為復雜，鋪設和維護的工作量很大。

諦聲科技合伙人常煒熙告訴記者，聲音作為最基礎的物理量，是評估設備工作狀態的重要參數指標之一，與上述監測方案相比，聲學監測具備非接觸式測量、通用性強、能夠較快部署、易于發現早期故障等特點，在當前市場環境下，聲學監測方案能夠覆蓋大部分常見的設備故障，尤其是封閉結構件的機械類問題，包括周期性轉動的齒輪故障、軸類故障等，以及高壓氣體泄漏定位相關問題方面，聲學監測優勢更是明顯。

祥峰投資執行合伙人李偉也十分看好聲學監測的應用與前景。“傳統的鐵路以及電力等行業的檢測維修，大多是通過人工輔以部分檢測設備周期性地進行檢修及零部件更換，或者遇到實際故障時再進行拆卸維修，安全隱患高且檢修成本高。采用聲音實時在線監測方式既可以做到實時狀態監測，又可以對潛在故障做到預防性維護，不僅極大提高了安全性，同時能夠很好地節省人工及檢修成本。”李偉表示，聲學監測在鐵路設備運維、電力系統運維，工業設備預防性維護等行業都具有較大市場空間。

數據和場景，未來玩家競技重點

成立于2017年的諦聲科技創始團隊來自中國科學院聲學研究所，在硬件方面，諦聲科技突破了麥克風陣列技術壁壘，將一定數量的麥克風組成陣列，對聲場的空間特性進行采樣處理，實現聲源定位、去混響、聲信號增強、盲源分離等功能，提高了在嘈雜的環境下故障音的識別準確率。在軟件方面，諦聲科技自研了聲學算法，目前已建立了50種以上鐵路系統故障模型，針對電網系統故障模型迭代了4次，可以識別不同場景下通用的十余種故障；建立了百余種工業系統故障模型并分別完善對應的聲紋數據庫，以上模型基于數據驗證的綜合識別準確率可達95%以上。通過軟硬件結合，諦聲科技最終為客戶提供包括聲學監測在內的一站式整體解決方案。

常煒熙向記者介紹稱，目前國內在工業聲學監測領域的企業主要有兩類，一類是基于智能語音及計算機視覺的科技公司，在消費類產品逐漸成熟后拓展業務覆蓋工業監測場景。另一類是像諦聲科技這樣的創業公司，利用新技術建立起相對完整的聲學故障模型，專注于工業設備的智能化運維。

常煒熙判斷，未來各企業的競爭重點將圍繞數據和應用場景展開，能夠不斷拓寬應用場景邊界，積累更大數據量和故障模型分析系統的企業將脫穎而出。

鐵路、電網、能源等基建場景是諦聲科技正在著力拓展聲學監測應用場景，其已建立起鐵路系統與電力系統故障算法模型。常煒熙表示，對于這類客戶而言，安全性是其關注的首要因素，其故障監測需求強烈，聲學監測相較其他解決方案更適合，不僅場景豐富而且通用性好，產品能夠在同一行業較快推廣復制，發展空間也很大。未來除了聲學監測，諦聲科技還將在音視頻聯動方面進行多元探索，與機器視覺結合，發掘更多機器聽覺的潛力和應用價值。

封面圖片來源：視覺中國-VCG21gic15078606