华控智加采用多传感器融合方案

前段时间，全球前列的IIoT软件平台提供商PTC分析表示，在全球众多应用案例中，机械与能源行业中工业互联网平台凭借其拥有复杂的制造和运营流程以及高资产价值的设备等优势应用程度达到最高。

记者之前简单报道过一家由清华大学技术成果转化的公司——北京华控智加科技有限公司(以下简称「华控智加」)，他们针对拥有高端设备的客户，以细微特征检测、低资源、非协作建模为核心技术切入点，赋能大型工业设备健康与安全监测，提供预测性维护方案并对设备进行健康管理，这几天我们约到了公司CEO刘德广，具体了解到了公司的技术以及业务情况。

大型/高端设备价值高、生命周期长，非常看重资产性能管理，每减少1%的设备耗损或因维修暂停使用的时间，都能创造巨大的价值。现有的维护策略多以定期检查或事后维修的预防性维护为主。由于定期检测仅仅根据以往经验，可能无法做到及时维护，或者造成不必要的维护。不仅耗费大量人力物力，而且效率低下。

记者曾经报道过多个以声学技术切入工业设备预测性维护的科创公司，如硕橙、谛声，前者于2019年7月获Pre-A轮融资)，后者于同月获得A轮融资，另有2019年成立、来自中科院声学所瑶声科技。

「华控智加」与上述项目最大的不同点在于前者提取多域特征，包括振动、声音、图像、多传感器，除此之外采用多域特征和细微特征提取，以融合物理机制的深度神经网络方式建模，在嵌入式边缘芯片上进行可配置的智能计算以及配合云端深度计算和管理，能够实现对故障更早期的侦测，发现设备可能存在“小病”，及时预警并及时维护，打破仅仅依靠定期维护这一种模型，实现基于设备健康状态监控的维护。

「华控智加」的方案优势主要在于两点，一是细微特征的提取，采集无损宽带声音信号，利用声音和超生频段中蕴含的细微特征检测更早期的故障震动。二是低资源深度学习建模方法的采用，工业设备不会配合检测系统，大型设备的故障率也是很低的，通过深度神经网络提取震动+声音融合宽频数据中表征故障早期的细微特征，方案获取少量故障样本就可以实现深度学习建模，更容易适应工业设备健康管理。

同时边缘计算加上云端智能处理模型可以提高故障检测准确率以及效率，灵活性并降低方案实施成本。

两方面对于团队的技术以及科研能力要求很高，「华控智加」在声纹识别、麦克风阵列、机器声纹、细微特征提取、语音和音频识别等领域拥有完全自主的核心算法，获得了清华大学转移的12套发明专利。近几年连续获得国际上最权威的声纹识别技术评测机构NIST评测前三名，参加单位包括美国麻省理工、加州伯克利等等。

公司提供从边缘计算硬件系统、智能终端、低资源深度学习建模、可配置的智能算法到云平台一整套的解决方案，「华控智加」告诉记者，公司本身具备低成本芯片开发研制能力，并且对于市面上采购不到的符合要求的硬件，如麦克风阵列、振动传感器，公司都已投入研发并拥有了相关专利，委托工厂批量生产。

业务进展方面，「华控智加」分别在智慧城市、能源、石化、新材料以及钢铁行业与国家电网、北京能源集团等行业头部客户有项目合作，研究出了国内外首套基于振动/声音声纹识别技术的磨煤机运行监测和故障诊断系统。

盈利模式上，目前「华控智加」提供一整套解决方案，客单价在百万级。同时，公司凭借语音和音频信号处理、融合物理机制的神经网络结构低资源建模等方面较高的科研实力，开展智能语音与音频处理以及城市信用科技业务，前者主要提供全栈的算法和产品，赋能缺乏智能语音底层技术的公司后者主要服务于政府部门，有利于维持公司造血能力。据CEO刘德广介绍，公司目前业绩增长比较快，预计今年能够实现收支持平。

发展规划上，刘德广告诉记者，在工业互联网平台的搭建方面，等待数据积累足够后，将进一步挖掘数据价值，一方面为工业厂商提供对接金融保险服务，另一方面会将业务逐渐拓展到设备制造商的设备设计制造流程。

团队成员方面，目前公司有四十多人，核心技术及团队诞生自清华大学电子工程系语音实验室，创始管理团队主要成员毕业于清华、具备丰富的创业及管理经验。公司首席科学家清华大学电子系刘加教授是国内外知名学者，专注语音研究三十余年;CEO刘德广是清华校友，从事风险投资及创业20多年，具备丰富的管理和市场的经验。

「华控智加」曾于2018年5月获得2000多万现金投资，投资方为清华控股、华控基石基金以及清华校友管理的常见投资。目前公司有融资需求。

目前大型/高端设备的预测与健康管理(PHM)的方案提供商并不多，据「华控智加」介绍，其原因在于，本身市场上没有成熟的针对大型高端设备成熟的安全预测监护方案，公司接到的项目更像是生产厂商和用户委托的科研项目，这对于一个公司的科研实力以及品牌背书要求很高。而「华控智加」背靠清华大学，有非常强多学科的科研实力作为支撑，在获客上有较大优势。