总部位于芬兰赫尔辛基的Noiseless Acoustics以及总部位于荷兰阿姆斯特丹的OneWatt目前正在研究利用人工智能识别声音的技能来检测故障机器，由于通过人工智能他们可以更随意马虎更轻松地创造问题。
至于这两家公司，均是去年新能源寻衅赛（New Energy Challenge）的终极入围者，这是一场旨在挑选可以在新能源转型方面提出创新技能以及办理方案的比赛。

无声噪音的代价

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%。
只管他们扮演着重要的浸染，但由于各类缘故原由，发电机是可能出故障的，进而导致生产率和盈利能力低落。
但如果有可能将这种无声噪音转化为有代价的东西呢？

通过利用人工智能，可以对声音进行剖析来检测故障。
换句话说，纵然在人类听不到某种声音的情形下，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掩护办理方案的帮助下，涌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听音的办法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剖析，该公司可以在事件发生提高行预测，包括问题涌现的部位与韶光。

16,000个出故障的发电机声音片段

为了验证人工智能技能的有效性，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。
在这种情形下，该公司网络到了近2TB的声学数据，约达16,000个声音片段。

“音频是机器故障最明显的标志，”OneWatt首席技能官Paolo Samontañez再一次采访中表示。
“电机的部件会由于运动而产生摩擦，大部分的故障可所以以被识别出来。
但个中的可见光并不是一个好的故障标志，由于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构造的选项，但Samontañez表示，这是一种昂贵的技能。
它还须要一个操作员监控发射器和吸收器（有点类似于医院中的超声波机器）。
音频是空想的办理方案，纵然它不是很引人把稳。
在处理工业设备时，这也是一个紧张的成分，由于事情职员须要在担保安装设备时不会对电机产生负面影响。

而Noiseless Acoustics则利用了硬件、软件加剖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旗子暗记的热图像，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利用的另一种工具，一个非侵入式系统，可以精确定位出问题所在的位置。
通过利用集线器和传感器，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，并进行剖析和处理。

“声音描述事物，这是一个全新的天下，”Noiseless Acoustics首席实行官Kai Sakesla表示。
他补充道，一旦从声源中隔离出声音旗子暗记，AI就会检讨是否存在问题。

根据Elsevier揭橥的一份研究报告，工厂里高达40％的能源本钱可能是由于漏气造成的。
当故障开始涌现时，电机的电效率就会降落，须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花费和更高的耗电用度。

“用于NL Camera的一个用例是能量优化，这对付找到工厂东西的故障部位非常有用，”Sakesla说。
“常日情形下，气动系统产生的空气中有10%-15％被透露。
在环球范围内，这是一个巨大的摧残浪费蹂躏能源。
“

Sakesla表示，NL Sense的事情事理是通过非侵入式监控延长现有设备的利用寿命，这也有助于可持续能源家当的发展。

OneWatt从他们的系统中创造，可以减少10％的电力花费。
根据Samontañez的说法，环球市场大概有5亿台电机在运作，这是一个巨大的数字。
“到2022年，如果按操持可以占到市场的1%，以及我们可以帮助节省596711兆瓦的电力，这足以为伯利兹供应一年的电力。
”

随着声音变得更有代价，硬件和软件的进步表明，基于音频的预测剖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，两家公司都创造任何行业都可能从声音剖析中获益。

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