异常分析方法、装置、终端和存储介质与流程

1.本发明涉及异常分析技术领域，特别涉及一种异常分析方法、装置、终端和存储介质。

背景技术：

2.目前对于飞机的机舱内降噪主要采用anc(active noise control，主动降噪)技术，通过实时采集机体的噪声信号，主动发出与噪声信号对应的反向声波，从而起到声波相互抵消的降噪效果。然而，在执行上述降噪操作时，一方面噪声信号会随着采集时间而实时更新，另一方面发出反向声波信号的同时也会覆盖掉对应的噪声信号数据，随着噪声信号和反向声波信号的实时更新，噪声信号的历史数据会全部被覆盖掉。
3.由于噪声信号除用于表征噪声程度，还对飞机的状态起到表征作用，例如可以通过噪声信号对飞机的机体结构进行异常诊断，因此噪声信号的历史数据被覆盖，也使得其无法被应用到飞机的状态异常诊断、结构故障分析等。
4.有鉴于此，实有必要开发一种异常分析方法、装置、终端和存储介质，用以解决上述问题。

技术实现要素：

5.本技术的实施例提供一种异常分析方法、装置、终端和存储介质，其能够有效地防止机体的噪声数据和振动数据丢失、被覆盖，以及能够提高对噪声数据和振动数据的利用率。
6.为了解决上述技术问题，本技术的实施例公开了如下技术方案：
7.一方面，提供了一种异常分析方法，应用于飞行器的机体结构，所述方法包括：获取机体的初始数据，所述初始数据包括所述机体的噪声数据和振动数据，所述初始数据作为对所述机体进行主动降噪的基础数据；对所述初始数据进行存储；对存储后的所述初始数据进行时频分析，得到时频分析数据；对所述时频分析数据进行处理，得到进阶分析数据；根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。
8.可选的，在对所述初始数据进行存储之前，还包括：对所述初始数据进行分流处理，得到所述初始数据的分流数据，所述分流数据用于对所述机体进行主动降噪。
9.可选的，所述对所述初始数据进行分流处理，得到所述初始数据的分流数据，包括：对所述初始数据进行滤波处理；对滤波处理后的所述初始数据进行复制，得到所述初始数据的分流数据。
10.可选的，进一步包括：将所述分流数据按第一预设时长的延时进行上传，将分流处理后的所述初始数据按第二预设时长的延时进行存储；其中，所述第一预设时长小于所述第二预设时长。
11.可选的，所述进阶分析数据包括所述初始数据的小波系数、梅尔频率倒谱系数和
谱质心特征，所述对所述时频分析数据进行处理，得到进阶分析数据，包括：对所述时频分析数据进行小波分析、梅尔频率倒谱系数提取和谱质心特征提取。
12.可选的，所述根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，包括：将所述时频分析数据和所述进阶分析数据输入至分类器，得到分类结果；根据所述分类结果与所述机体的历史异常数据的比较结果，确定所述机体的异常。
13.可选的，所述根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，包括：根据所述时频分析数据与预设范围的比较结果，监测所述机体的状态。
14.可选的，所述方法还包括：对所述分流数据进行频谱分析；根据频谱分析后的所述分流数据，生成控制信号；将所述控制信号发送至降噪装置，以使所述降噪装置发出用于降噪的反向声波。
15.可选的，所述对所述分流数据进行频谱分析，包括：获取所述分流数据中的振动数据和噪声数据；对所述振动数据进行频谱分析，从所述振动数据中获取对应的峰值数据；对所述噪声数据进行频谱分析，获取所述噪声数据的频谱；根据所述峰值数据和所述噪声数据的频谱，生成反向声波，所述反向声波用于消除所述峰值数据和所述噪声数据。
16.另一方面，提供了一种数据处理装置，包括：数据获取模块，用于获取机体的初始数据，所述初始数据包括所述机体的噪声数据和振动数据，所述初始数据作为对所述机体进行主动降噪的基础数据；数据存储模块，用于对所述初始数据进行存储；时频分析模块，用于对存储后的所述初始数据进行时频分析，得到时频分析数据；数据处理模块，用于对所述时频分析数据进行处理，得到进阶分析数据；异常分析模块，用于根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。
17.可选的，所述装置还包括数据分流模块，用于：对所述初始数据进行分流处理，得到所述初始数据的分流数据，所述分流数据用于对所述机体进行主动降噪。
18.可选的，所述数据分流模块进一步用于：对所述初始数据进行滤波处理；对滤波处理后的所述初始数据进行复制，得到所述初始数据的分流数据。
19.可选的，所述数据分流模块进一步用于：将所述分流数据按第一预设时长的延时进行上传，将分流处理后的所述初始数据按第二预设时长的延时进行存储；其中，所述第一预设时长小于所述第二预设时长。
20.可选的，所述进阶分析数据包括所述初始数据的小波系数、梅尔频率倒谱系数和谱质心特征，所述数据处理模块进一步用于：对所述时频分析数据进行小波分析、梅尔频率倒谱系数提取和谱质心特征提取。
21.可选的，所述异常分析模块进一步用于：将所述时频分析数据和所述进阶分析数据输入至分类器，得到分类结果；根据所述分类结果与所述机体的历史异常数据的比较结果，确定所述机体的异常。
22.可选的，所述异常分析模块进一步用于：根据所述时频分析数据与预设范围的比较结果，监测所述机体的状态。
23.可选的，所述装置还包括主动降噪模块，用于：对所述分流数据进行频谱分析；根据频谱分析后的所述分流数据，生成控制信号；将所述控制信号发送至降噪装置，以使所述降噪装置发出用于降噪的反向声波。
24.可选的，所述主动降噪模块进一步用于：获取所述分流数据中的振动数据和噪声
数据；对所述振动数据进行频谱分析，从所述振动数据中获取对应的峰值数据；对所述噪声数据进行频谱分析，获取所述噪声数据的频谱；根据所述峰值数据和所述噪声数据的频谱，生成反向声波，所述反向声波用于消除所述峰值数据和所述噪声数据。
25.再一方面，提供了一种终端，能够执行如上所述的异常分析方法中的操作。
26.又一方面，提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行如上所述的异常分析方法。
27.上述技术方案具有如下优点或有益效果：通过将采集到的机体包含噪声数据和振动数据的初始数据进行实时存储，能够有效地防止初始数据丢失、被覆盖，并且可以将存储后的初始数据应用于机体的异常分析，从而提高了对初始数据的利用率。
附图说明
28.为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制，其中：
29.图1为本技术实施例所提供的异常分析方法的应用场景图；
30.图2为本技术实施例所提供的异常分析方法的流程示意图；
31.图3为本技术实施例所提供的异常分析方法的流程示意图；
32.图4为本技术实施例所提供的异常分析方法的流程示意图；
33.图5为本技术实施例所提供的异常分析方法的流程示意图；
34.图6为本技术实施例所提供的异常分析装置的结构示意图。
具体实施方式
35.下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
36.在附图中，为清晰起见，可对形状和尺寸进行放大，并将在所有图中使用相同的附图标记来指示相同或相似的部件。
37.除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
38.本技术实施例中的飞行器可以为各种飞行载具，例如飞机、直升机、无人机、航天飞机、火箭等，本技术实施例对于飞行器的类型不作限制。
39.请参见图1所示，图1所示的为本技术实施例所提供的异常分析方法的应用场景
图。
40.在本应用场景中，具体包括噪声采集设备11、振动采集设备12、数据分流设备13、存储器14、控制器15、异常分析设备16和发声设备17。
41.以民用飞机的飞行场景为例，噪声可以是指飞机在飞行过程中产生的所有声音，例如环境音、机体结构发声、杂音等，也即噪声可以是正常的、不对人耳产生不舒适听觉影响的正常声，也可以是异响、啸叫等对人耳听觉产生不舒适影响的噪音。相应地，振动可以是飞机的机体机构所产生的振动频率，例如飞机的发动机转子振动，也可以是机体结构的异常振动、发出异响或啸叫的机体结构对应的振动。在本技术实施例中，下文的初始数据可以包括上述噪声数据和振动数据。
42.噪声采集设备11可以是能够采集声音的任何设备，例如误差麦克风。在该应用场景中，为保证机舱内乘客的舒适性，可以将噪声采集设备11安装在机舱的座椅中，用于采集机舱内的各种噪声数据。为保证对噪声数据的实时采集效果，一般地，可以在每个座椅处安装2个噪声采集设备11。
43.振动采集设备12可以是任何能够采集振动频率的设备，例如加速度传感器，通常为三相的振动加速度传感器。一般地，可以将振动采集设备12安装在飞机振动频率较高的位置，例如靠近飞机发动机的附近位置、飞机的机翼蒙皮上等，以对上述频繁产生振动的区域进行实时的振动采集，对于振动采集设备12的安装数量一般不作限制。
44.数据分流设备13可以是任何能够进行数据分流的设备。在一些实施例中，数据分流设备13还可以带有滤波功能，将采集到的初始数据中的杂音过滤，并将初始数据进行分流，以保证至少一份初始数据不会被覆盖。
45.存储器14可以是任何具有存储功能的设备、终端或服务器。例如，数据库、云存储服务器等。经过数据分流设备13分流处理后的初始数据可以被存储在存储器14中，以方便后续能够将存储器14中的初始数据应用于飞机的异常分析、状态监测中。
46.控制器15可以是任何具有控制功能的设备、终端或服务器。例如，主动控制服务器、主动控制终端等。控制器15中可以包括集成控制芯片、信号转换端口、电气转换端口等部件，控制器15可以根据接收到的初始数据生成反向声波，并向发声设备17发送发出该反向声波的控制指令，关于反向声波的细节请参考后文的具体描述。
47.异常分析设备16可以是用于对飞机进行异常分析的设备、终端、服务器等。在一些实施例中，异常分析设备16可以根据接收到的初始数据，输出对于飞机的异常分析结果。关于异常分析设备16和异常分析结果的细节请参考后文的具体描述。
48.发声设备17可以是能够发出反向声波的任何设备，例如次级扬声器。一般地，为保证发声设备17的发出反向声波的效果，可以将发声设备17集成安装在机舱内的箱体结构中。
49.根据以上描述可知，在本技术实施例的应用场景中，噪声采集设备11和振动采集设备12可以实时采集包括噪声和振动的初始数据，并经过数据分流设备13进行分流处理。对于分流处理后的初始数据，一份初始数据存储至存储器14，通过异常分析设备16对飞机的状态检测和机体结构的异常分析；另一份初始数据发送至控制器15，在控制器15的处理后，通过发声设备17发出用于主动降噪的反向声波。
50.由上可知，本技术实施例可以通过对初始数据进行实时存储，防止初始数据在采
集和用于主动降噪的过程中被覆盖，导致初始数据丢失。并且，可以通过对初始数据进行分流，使得初始数据能够分别用于对目标飞行器进行主动降噪和异常分析，从而有效地提升了对初始数据的利用率。
51.应当注意以上示出图1的应用场景图及其说明内容，仅仅是为了说明的目的而提供的，并不意图限制本技术的范围。对于本领域的普通技术人员来说，可以根据本技术的描述，做出多种修改或变化。例如，在该影用场景图中还可以包括数据库。又例如，可以在该应用场景图中增加一个或以上用于供电的电源模块，以及其他设备或模块。然而，这些变化和修改不会背离本技术的范围。
52.请参见图2所示，图2所示的为本技术实施例所提供的异常分析方法的流程示意图。本实施例提供的方法能够有效地防止初始数据丢失、被覆盖，以及能够提高对初始数据的利用率，本实施例提供的方法包括：
53.步骤210、获取机体的初始数据。
54.初始数据是指与声音相关的数据，例如环境音、噪音、杂音和产生的振动等。在一些实施例中，初始数据可以包括噪声数据和振动数据。初始数据可以作为对所述机体进行主动降噪的基础数据，例如可以对初始数据进行处理，生成用于主动降噪的反向声波。
55.在一些实施例中，可以通过安装在机体上的声音采集设备来获取初始数据。例如，可以通过前述的噪声采集设备11(例如误差麦克风)获取噪声数据，通过前述的振动采集设备12(例如振动加速度传感器)获取振动数据。
56.步骤220、对所述初始数据进行存储。
57.在一些实施例中，可以将采集到的初始数据进行实时存储，例如可以将初始数据实时存储至初始数据的数据库，以方便后续可以从数据库中对初始数据进行调配和转换。
58.在一些实施例中，在对初始数据进行存储之前，还可以对初始数据进行分流处理，得到初始数据的分流数据。例如，可以通过前述的数据分流设备13对初始数据进行分流处理。其中，分流数据可以用于对机体进行主动降噪。
59.在一些实施例中，数据分流设备13可以带有滤波功能。例如，数据分流设备13可以对初始数据进行滤波处理，以去除初始数据中的杂音，杂音可以是指对机体进行主动降噪和异常分析时所用不到的声音。具体的，数据分流设备13可以根据带通滤波原理，将杂音的频率分量衰减到极低水平。
60.在一些实施例中，可以对滤波处理后的初始数据进行复制，得到初始数据的分流数据。如此，可以通过数据分流设备13同时得到两份初始数据，以防止初始数据因实时更新被覆盖。
61.数据分流设备13还可以具有传输功能。在一些实施例中，可以将分流数据按第一预设时长的延时进行上传，将分流处理后的初始数据按第二预设时长的延时进行存储。其中，第一预设时长可以小于第二预设时长。例如，第一预设时长可以为5ms、第二预设时长可以为20ms，则数据分流设备13可以以低延时的第一预设时长将分流数据上传至控制器15，以同样低延时的第二预设时长将初始数据发送至存储器14进行存储。由于对机体进行异常分析，通常是以飞行器的飞行时段或较长飞行时长为任务剖面的，因此主动降噪更具实时性，使得第一预设时长可以小于第二预设时长。
62.步骤230、对存储后的所述初始数据进行时频分析，得到时频分析数据。
63.时频分析是指时域分析和频域分析。时域分析是在时间域中对目标信号进行分析，以分析目标信号的稳定性、瞬态和稳态性能。例如，可以在时域内对信号进行滤波、放大、统计特征计算、相关性分析等处理。以获取飞行器的蓄电池的初始数据为例，可以通过时域分析获取蓄电池在哪些时刻或时段出现了啸叫。
64.频域分析是指在频域范围内对目标信号进行分析。继续以对飞行器的蓄电池的初始数据进行分析为例，通过对时域分析后的时域信号进行fft变换，得到其随频率变化的频域信号，以获取蓄电池的初始数据出现峰值的频率、频段。
65.步骤240、对所述时频分析数据进行处理，得到进阶分析数据。
66.可以在对初始数据进行时频分析后，得到时频分新数据，例如时频分析数据可以包括初始数据的时域信号、频率信号、分析结果等。在一些实施例中，进阶分析数据可以包括初始数据的小波系数、梅尔频率倒谱系数和谱质心特征。也即，可以基于时频分析数据，对初始数据结合相关声学算法组合进一步得到进阶分析数据，关于进阶分析数据的细节可以参见步骤250的相关描述。
67.步骤250、根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。
68.在一些实施例中，可以对时频分析数据进行小波分析。例如，可以采用快速傅里叶变换(fft)对时频分析数据进行转化，在时域和频域中对初始数据的信号进行小波分析，例如可以用db3小波对噪声数据和振动数据的信号进行5层分解并提取出相关的小波系数，例如提取出对应的高频系数。
69.小波分析可以实现对高频信号和低频信号分别进行细分，得出不同的分析结果，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，特别适用于实际应用中的非稳定信号，例如瞬态信号突变点等。例如，可以通过对目标信号进行小波分析，来提取目标信号中突变点的位置及判定其奇异性。
70.在一些实施例中，可以对时频分析数据进行梅尔频率倒谱系数提取。梅尔频率倒谱系数用于计算信号的频谱特性。由于人耳对不同频率的声音信号有不同的听觉敏感度，可以借助梅尔频率倒谱系数反映出目标声音信号是否符合人耳的听觉特性。
71.在一些实施例中，可以通过对初始数据的信号进行分帧处理，计算该信号的功率谱。由于低音容易掩蔽高音，而高音掩蔽低音较困难，在低频处的声音掩蔽的临界带宽较高频要小，因此可以对初始数据的信号进行滤波，计算每个信号在滤波器里的能量，对其进行dct变换，计算提取出对应的梅尔频率倒谱系数。
72.在一些实施例中，可以对时频分析数据进行谱质心特征提取。
73.谱质心特征是描述音属性的重要物理参数之一，是频率成分的重心，是在一定频率范围内通过能量加权平均的频率，其单位是hz。在主观感知领域，谱质心特征可以描述声音的明亮度，后续可以根据该明亮度分析出发声物体材质。在一些实施例中，可以根据初始数据的频率和时频信号，基于谱质心计算得到对应的谱质心。
74.由上可知，可以在获取初始数据的时频分析数据后，进一步地结合多种声学算法集合，获取更全面、更多样的进阶分析数据，以提升后续对机体进行异常分析的效率和准确性。
75.请参见图3所示，图3所示的为本技术实施例所提供的异常分析方法的流程示意
图，本实施例提供的方法包括：
76.步骤251、将所述时频分析数据和所述进阶分析数据输入至分类器，得到分类结果。
77.分类器可以是对时频分析数据和进阶分析数据进行处理的装置、设备、终端、程序。分类结果可以是机体结构对应的异常类型，例如分类结果可以是蓄电池啸叫、发动机转子不稳定、舱门密封性不严等。
78.步骤252、根据所述分类结果与所述机体的历史异常数据的比较结果，确定所述机体的异常。
79.在一些实施例中，可以将分类结果与机体的历史异常数据进行比较。例如，可以将分类结果为蓄电池啸叫的相关分析数据，与对应该异常的历史异常数据进行比较，例如比较两者小波分析数据中的相似度，又例如可以比较两者小波分析数据、梅尔频率倒谱系数和谱质心特征的综合相似度，确定该分类结果是否为蓄电池啸叫。或者，确定该分类结果的可信度，例如该分类结果为蓄电池啸叫的概率可以为80％。
80.在一些实施例中，分类器可以为机器学习模型，例如隐马尔科夫模型。在一些实施例中，可以以历史异常数据作为训练样本，以历史异常数据对应的异常分类结果作为标签，对分类器进行迭代训练，更新分类器的参数得到训练好的分类器，以更准确地获取初始数据对应的分类结果。
81.在一些实施例中，可以根据时频分析数据与预设范围的比较结果，监测机体的状态。预设范围可以是机体在正常工况下发出声音对应的时频信号的合理范围，也即，通过比较时频分析数据是否在预设范围内，可以监测出机体状态出现异常的时段或频段，从而提升了对初始数据的利用率。
82.请参见图4所示，图4所示的为本技术实施例所提供的异常分析方法的流程示意图，本实施例提供的方法包括：
83.步骤410，对所述分流数据进行频谱分析。
84.在一些实施例中，可以对分流数据进行频谱分析得到用于主动降噪的后续数据，关于对分流数据进行频谱分析的细节可以参考图5及其描述。
85.步骤420，根据频谱分析后的所述分流数据，生成控制信号。
86.控制信号可以包括对降噪装置的控制指令，降噪装置可以为前述提到的发声设备17，例如次级扬声器。在一些实施例中，控制信号可以是控制次级扬声器发出用于主动降噪的声波，以实现对机体进行主动降噪的效果。
87.步骤430，将所述控制信号发送至降噪装置，以使所述降噪装置发出用于降噪的反向声波。
88.反向声波是指与噪音的频率相同、相位相反的声波，通过反向声波可以对噪音的信号进行抵消，以实现主动降噪的效果。在一些实施例中，可以通过控制信号控制降噪装置发出反向声波。
89.由上可知，通过将分流数据应用于机体的主动降噪，将存储后的初始数据应用于机体的异常分析和状态监测，从而不仅能够防止初始数据被覆盖而丢失，也能够有效地提升对初始数据的利用率。
90.请参见图5所示，图5所示的为本技术实施例所提供的异常分析方法的流程示意
图，本实施例提供的方法包括：
91.步骤411、获取所述分流数据中的振动数据和噪声数据。
92.在一些实施例中，可以通过前述提到的噪声采集设备11获取噪声数据，通过前述的振动采集设备12获取振动数据，关于获取初始数据的细节，此处不再赘述。
93.步骤412、对所述振动数据进行频谱分析，从所述振动数据中获取对应的峰值数据。
94.峰值数据是指振动数据中出现的频率峰值。例如，可以对发动机转子的振动数据进行频谱分析，得到发动机的一阶振动峰值、二阶振动峰值等。
95.步骤413、对所述噪声数据进行频谱分析，获取所述噪声数据的频谱。
96.频谱是指频率谱密度的简称，是频率的分布曲线。在一些实施例中，可以对噪声数据进行频谱分析，获取噪声数据的频谱图像、频谱曲线或相关数据值等。
97.步骤414、根据所述峰值数据和所述噪声数据的频谱，生成反向声波，所述反向声波用于消除所述峰值数据和所述噪声数据。
98.由于初始数据中存在正常的环境音、机体的工作音，还包括噪音、异常振动产生的异响等。在一些实施例中，可以以峰值数据为参考信息、以噪声数据的频谱为偏差值，生成与峰值数据对应频率相等、相位相反的反向声波。参考信息是指将峰值信息作为噪音、异响，以对该峰值数据进行抵消，其目的是尽可能的消除峰值数据，使得峰值数据对应的振动频率值下降至正常频率范围。
99.请参见图6所示，图6为本技术实施例所提供的异常分析装置的结构示意图。该装置具体可以集成在网络设备中，该网络设备可以是移动终端等设备。
100.在一些实施例中，异常分析装置可以包括：数据获取模块61、数据存储模块62、时频分析模块63、数据处理模块64、和异常分析模块65。
101.在一些实施例中，数据获取模块61可以用于获取机体的初始数据，所述初始数据包括所述机体的噪声数据和振动数据，所述初始数据作为对所述机体进行主动降噪的基础数据；数据存储模块62可以用于对所述初始数据进行存储；时频分析模块63可以用于对存储后的所述初始数据进行时频分析，得到时频分析数据；数据处理模块64可以用于对所述时频分析数据进行处理，得到进阶分析数据；异常分析模块65可以用于根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。
102.在一些实施例中，所述装置还包括数据分流模块，用于：对所述初始数据进行分流处理，得到所述初始数据的分流数据，所述分流数据用于对所述机体进行主动降噪。
103.在一些实施例中，所述数据分流模块进一步用于：对所述初始数据进行滤波处理；对滤波处理后的所述初始数据进行复制，得到所述初始数据的分流数据。
104.在一些实施例中，所述数据分流模块进一步用于：将所述分流数据按第一预设时长的延时进行上传，将分流处理后的所述初始数据按第二预设时长的延时进行存储；其中，所述第一预设时长小于所述第二预设时长。
105.在一些实施例中，所述进阶分析数据包括所述初始数据的小波系数、梅尔频率倒谱系数和谱质心特征，所述数据处理模块进一步用于：对所述时频分析数据进行小波分析、梅尔频率倒谱系数提取和谱质心特征提取。
106.在一些实施例中，所述异常分析模块65进一步用于：将所述时频分析数据和所述
进阶分析数据输入至分类器，得到分类结果；根据所述分类结果与所述机体的历史异常数据的比较结果，确定所述机体的异常。
107.在一些实施例中，所述异常分析模块65进一步用于：根据所述时频分析数据与预设范围的比较结果，监测所述机体的状态。
108.在一些实施例中，所述装置还包括主动降噪模块，用于：对所述分流数据进行频谱分析；根据频谱分析后的所述分流数据，生成控制信号；将所述控制信号发送至降噪装置，以使所述降噪装置发出用于降噪的反向声波。
109.在一些实施例中，所述主动降噪模块进一步用于：获取所述分流数据中的振动数据和噪声数据；对所述振动数据进行频谱分析，从所述振动数据中获取对应的峰值数据；对所述噪声数据进行频谱分析，获取所述噪声数据的频谱；根据所述峰值数据和所述噪声数据的频谱，生成反向声波，所述反向声波用于消除所述峰值数据和所述噪声数据。
110.这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
111.可以理解，根据本说明书的一个或多个实施例的方法可以用软件、固件或其组合来实现。
112.应该理解，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要领会的是，本说明书公开了多个实施例，这些实施例所公开的内容可以互相参照来理解。
113.应该理解，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
114.应该理解，本文用单数形式描述或者在附图中仅显示一个的元件并不代表将该元件的数量限于一个。此外，本文中被描述或示出为分开的模块或元件可被组合为单个模块或元件，且本文中被描述或示出为单个的模块或元件可被拆分为多个模块或元件。
115.还应理解，本文采用的术语和表述方式只是用于描述，本说明书的一个或多个实施例并不应局限于这些术语和表述。使用这些术语和表述并不意味着排除任何示意和描述(或其中部分)的等效特征，应认识到可能存在的各种修改也应包含在权利要求范围内。其他修改、变化和替换也可能存在。相应的，权利要求应视为覆盖所有这些等效物。
116.同样，需要指出的是，虽然已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本说明书的一个或多个实施例，在没有脱离本发明精神的情况下还可做出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本技术的权利要求书的范围内。
117.可以理解，根据本说明书的一个或多个实施例的方法可以用软件、固件或其组合来实现。
118.应该理解，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相
同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要领会的是，本说明书公开了多个实施例，这些实施例所公开的内容可以互相参照来理解。
119.应该理解，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
120.应该理解，本文用单数形式描述或者在附图中仅显示一个的元件并不代表将该元件的数量限于一个。此外，本文中被描述或示出为分开的模块或元件可被组合为单个模块或元件，且本文中被描述或示出为单个的模块或元件可被拆分为多个模块或元件。
121.还应理解，本文采用的术语和表述方式只是用于描述，本说明书的一个或多个实施例并不应局限于这些术语和表述。使用这些术语和表述并不意味着排除任何示意和描述(或其中部分)的等效特征，应认识到可能存在的各种修改也应包含在权利要求范围内。其他修改、变化和替换也可能存在。相应的，权利要求应视为覆盖所有这些等效物。
122.同样，需要指出的是，虽然已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本说明书的一个或多个实施例，在没有脱离本发明精神的情况下还可做出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本技术的权利要求书的范围内。

技术特征：

1.一种异常分析方法，其特征在于，应用于飞行器的机体结构，所述方法包括：获取机体的初始数据，所述初始数据包括所述机体的噪声数据和振动数据，所述初始数据作为对所述机体进行主动降噪的基础数据；对所述初始数据进行存储；对存储后的所述初始数据进行时频分析，得到时频分析数据；对所述时频分析数据进行处理，得到进阶分析数据；根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。2.如权利要求1所述的方法，其特征在于，在对所述初始数据进行存储之前，还包括：对所述初始数据进行分流处理，得到所述初始数据的分流数据，所述分流数据用于对所述机体进行主动降噪。3.如权利要求2所述的方法，其特征在于，所述对所述初始数据进行分流处理，得到所述初始数据的分流数据，包括：对所述初始数据进行滤波处理；对滤波处理后的所述初始数据进行复制，得到所述初始数据的分流数据。4.如权利要求3所述的方法，其特征在于，进一步包括：将所述分流数据按第一预设时长的延时进行上传，将分流处理后的所述初始数据按第二预设时长的延时进行存储；其中，所述第一预设时长小于所述第二预设时长。5.如权利要求1所述的方法，其特征在于，所述进阶分析数据包括所述初始数据的小波系数、梅尔频率倒谱系数和谱质心特征，所述对所述时频分析数据进行处理，得到进阶分析数据，包括：对所述时频分析数据进行小波分析、梅尔频率倒谱系数提取和谱质心特征提取。6.如权利要求1所述的方法，其特征在于，所述根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，包括：将所述时频分析数据和所述进阶分析数据输入至分类器，得到分类结果；根据所述分类结果与所述机体的历史异常数据的比较结果，确定所述机体的异常。7.如权利要求1所述的方法，其特征在于，所述根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，包括：根据所述时频分析数据与预设范围的比较结果，监测所述机体的状态。8.如权利要求2-4中任一项所述的方法，其特征在于，所述方法还包括：对所述分流数据进行频谱分析；根据频谱分析后的所述分流数据，生成控制信号；将所述控制信号发送至降噪装置，以使所述降噪装置发出用于降噪的反向声波。9.如权利要求8所述的方法，其特征在于，所述对所述分流数据进行频谱分析，包括：获取所述分流数据中的振动数据和噪声数据；对所述振动数据进行频谱分析，从所述振动数据中获取对应的峰值数据；对所述噪声数据进行频谱分析，获取所述噪声数据的频谱；根据所述峰值数据和所述噪声数据的频谱，生成反向声波，所述反向声波用于消除所
述峰值数据和所述噪声数据。10.一种异常分析装置，其特征在于，包括：数据获取模块，用于获取机体的初始数据，所述初始数据包括所述机体的噪声数据和振动数据，所述初始数据作为对所述机体进行主动降噪的基础数据；数据存储模块，用于对所述初始数据进行存储；时频分析模块，用于对存储后的所述初始数据进行时频分析，得到时频分析数据；数据处理模块，用于对所述时频分析数据进行处理，得到进阶分析数据；异常分析模块，用于根据所述时频分析数据和所述进阶分析数据，对所述机体进行异常分析，以确定所述机体的异常。11.一种终端，其特征在于，能够执行权利要求1至9中任一项所述的异常分析方法中的操作。12.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行权利要求1至9中任一项所述的异常分析方法。

技术总结

本申请实施例公开了一种异常分析方法、装置、终端和存储介质，应用于飞行器的机体结构，所述方法包括：获取机体的初始数据，初始数据包括所述机体的噪声数据和振动数据，初始数据作为对所述机体进行主动降噪的基础数据；对所述初始数据进行存储；对存储后的所述初始数据进行时频分析，得到时频分析数据；对所述时频分析数据进行处理，得到进阶分析数据；根据所述时频分析数据和所述进阶分析数据，对机体进行异常分析，以确定所述机体的异常。本申请实施例能够将采集到的机体初始数据实时存储，有效地防止噪声数据和振动数据丢失、被覆盖，并且可以将存储后的噪声数据和振动数据应用于机体的异常分析，从而提高了对噪声数据和振动数据的利用率。数据的利用率。数据的利用率。