[0001] 本发明涉及一种仪器设备的故障预警系统，尤指一种以声纹辨识判断仪器设备是否发生异常的故障预警系统。

[0002] 为了达到大量生产的目的，在生产在线会使用各种的仪器设备来制造生产，然而无论何种仪器设备在长时间的运转之下都会发生机械老化疲乏的现象。当仪器设备发生老化疲乏的现象之后将会使产品的良率下降，若未能及时察觉维修而让机台持续运转下甚至会使机台及其中的模具损伤故障，造成整条生产线严重的损失。

[0003] 因此，若能在生产用的仪器设备发生严重故障之前实时察觉，并在故障仍属轻微的情形下及早停机修复检查，将可有效的把损失降到最低。

[0004] 现今市面上虽有各种故障检测方式，例如针对模具内部进行的影像检查、压力检测、温度检测、合模压力检测等，或是针对仪器设备进行的机械震动强度侦测，但以上各种检测方式均只针对单一种特定的物理量进行监控，当工具机台的加工方式及种类不同时就必须重新设计监控的物理量。且此类既有的检测装置无法对仪器设备与模具之间互相配合作动的情况进行侦测。因此当故障的状况未对上述检测监控的物理量造成影响时，便难以发挥早期预警的效果了。

[0005] 以塑料射出成形机为例，当射出成形机中的模具发生轻微变形的异状时，对于射料的压力、温度或合模压力并不会有明显的改变。因此难以用目前既有的检测方式判断这类的异常，而多半是检测到产品上的缺陷后才会停机对机台及模具进行检修，然确已造成产在线严重的损失。

[0006] 有鉴于上述缺点，实有必要对现有的故障预警系统加以改进，提供一种可以更广泛的察觉不同异常状况的故障预警系统。

[0023] 为详细说明本发明之技术内容、构造特征、所达成目的及功效，以下兹举例并配合图式详予说明。

[0024] 现请参阅图1及图2，本发明中的故障预警系统10采取监听工作机台20运转声音的方式判断工作机台20运转是否发生异常。该故障预警系统10中包括：一讯号总线11，装设于故障预警系统10之中以交换各种讯号及控制逻辑；一收音装置12，连接讯号总线11且持续对工作机台20收音以取得实时的运作声音；一声音处理单元13，连接讯号总线11，并将收音装置12取得的运作声音转换为语音特征向量；一储存单元14，连接讯号总线11并将转换后的声音特征向量储存为历史数据；一比对单元15，连接讯号总线11，并将实时收音取得的语音特征向量与历史数据比对，以判断工作机台20是否产生异状；以及一预警单元16，与讯号总线11连接并在判断工作机台20发生异常时向监控人员发出警告。 [0025] 由上可知，本发明以监听运转声音与历史数据比对下是否正常的方式监控工作机台20。因此可适用于各种不同的工作机台20，而且不须重新设计其中所装设的传感器及监控物理量。

[0026] 现请参阅图2，在此一实施例中的工作机台20设为一射出成形机，为了能够详细监控射出成形机各部位的运作状况，本发明中的故障预警系统10包含多个收音装置12，并分别装设在合模装置21、模具22以及射出装置23等各部。而且为了减少环境杂音的影响，上述各收音装置12均设为指向性麦克风，利用指向性麦克风定向收音的特性准确的监控工作机台20中特定部位的运作声音。

[0027] 而预警单元16则设为一显示器，显示出目前工作机台20的运作情形，并提供监控人员一控制故障预警系统10的输出接口。

[0028] 请参阅图2及图3，利用本发明监控工作机台20是否产生异常的步骤如下： 为了判断工作机台20是否正常运作，首先需要建立工作机台20正常运作时的历史数据以供对照。因此在实际开始监控前将会收集正常运作中的工作机台20以及模具22一定次数或时距的运作声音。事先收集到的运作声音经过声音处理单元13计算求取其语音特征向量后，便储存在储存单元14中以建立对照用的历史数据。

[0029] 历史数据库建立完成后，便可让工作机台20继续生产运转，同时以本发明的故障预警系统10持续对工作机台20进行收音监控。各个收音装置12所收录的运作声音将同样经过声音处理单元13以数学算法求取语音特征向量，并与历史数据比对。 [0030] 若是运作声音与历史资料的比对结果相近，并显示工作机台20为正常运作中，则将该段声音数据的语音特征向量储存为历史数据并继续监控；反之若是运作声音与历史资料的比对结果明显不同且显示工作机台20误动作或是模具22产生异状，则将异常运作时的语音特征向量储存为历史数据后，接着利用预警单元16通知监控人员到场查看。且在此一实施例中，故障预警系统10在发现工作机台20异常时将自动停止工作机台20的运作、并进一步将语音特征向量与历史数据库中工作机台20异常时的历史数据进行比对，协助监控人员判断工作机台20异常的原因。

[0031] 请参阅图4，比对工作机台20运转声音的一可行步骤如下：为求取运转声音的语音特征向量，需要先将运作声音转换至频域，而将运作声音由时域转换至频域的步骤如下：
首先将收音装置12取得的运作声音进行端点侦测（End Point Detection），并取出其中的有声段数据。接着将有声段资料音框化（Frame Blocking），使有声段资料分割为许多短时距的音框（Frame），且各个音框中均包含一小段声音数据。经过音框化的处理后，连续的运作声音被分割为有限数量的音框以便于分析比对。每个音框中都包含了一定时距内的声音数据，因此只要依序将工作机台20运作时收音取得的音框与历史数据库中的音框加以比对便能得知目前工作机台20运作的声音是否正常。

[0032] 但收音时除了工作机台20及模具22所发出的声音之外，也有可能收录到环境中的杂音。为了避免杂音影响判断结果，因此接着对各个音框进行预强调处理（Pre-emphasis），使声音数据通过滤波器以强调音框中所需频率的共振峰值，并消除其他的噪声。

[0033] 接着便可将音框中的声音数据转换至频域。为了进行转换，首先需要将音框加上窗（Windowing），在此实施例中的窗采用汉明窗（Hamming Window）以加强音框左右两端资料的连续性。接着取各个音框的对数量值并对窗化的音框进行快速傅立叶变换（Fast Fourier Transform），使声音数据由时域转换至频域。

[0034] 接着再使转换至频域后的声音数据通过梅尔滤波器组（Mel-filter Band）并取对数能量值，接着进行离散余弦转换（Discrete Cosine Transform），并使用对数能量值求取各个音框中声音数据的梅尔倒频谱系数（Mel-scale Frequency Cepstral Coefficients）及语音特征向量。

[0035] 以上述步骤求得的待测声音数据的语音特征向量以及历史数据中的语音特征向量将以动态时间校正（Dynamic Time Warping）的方式比对计算，判断待测语音特征向量与历史数据中工作机台20正常运作时的语音特征向量的差异程度。

[0036] 而要判断工作机台20异常原因时，便是将待测语音特征向量与历史数据中异常发生时的历史数据逐一透过动态时间校正的方式计算比对，并将较为相近的异常运作声音的异常原因列表给监控人员参考。

[0037] 藉此，本发明用监听运作声音的方式监控工作机台是否产生异状。因此能够提供更为全面的故障监控。且所有的运作声音均被储存进历史数据库中作为对照数据，因此当异常发生时本发明能够判断可能的故障原因，减少检修时间。