南京NVH異響檢測技術(shù)

家電異音異響檢測系統(tǒng)的架構(gòu)，系統(tǒng)由硬件和軟件兩部分共同組成了一個不可分割的整體，硬件部分包括測量環(huán)境、傳感器、采集系統(tǒng)和判別系統(tǒng)，測量環(huán)境可以是基本不做改動的原始生產(chǎn)線，也可以是在生產(chǎn)線上設(shè)計添加的簡易隔聲或吸聲空間，測量環(huán)境的考慮重點是如何減少生產(chǎn)線環(huán)境噪聲的影響。傳感器和采集系統(tǒng)一般要求滿足可聽聲頻帶的采樣要求，對系統(tǒng)的量化精度要求至少采用16位采集系統(tǒng)，能達到24位更好。判別系統(tǒng)一般是采集系統(tǒng)和計算機的結(jié)合體，計算機上運行的軟件是信號特征提取算法和機器學習模型。軟件部分中的信號測量分析模塊主要完成信號的采集和保存，應用信號處理技術(shù)，特征提取模塊抽取聲信號樣本特征，構(gòu)建特征向量和機器學習數(shù)據(jù)集。機器學習模塊實現(xiàn)各種機器學習算法，在特征向量數(shù)據(jù)集的基礎(chǔ)上，完成訓練、驗證和測試等環(huán)節(jié)，**終獲得異音判別參數(shù)，過程中還包括特征向量和機器學習模型參數(shù)的選擇與優(yōu)化。異音測試系統(tǒng)(ANT)是專門為電機類產(chǎn)品、汽車零部件等產(chǎn)品生產(chǎn)線設(shè)計研發(fā)的。南京NVH異響檢測技術(shù)

本系統(tǒng)應用于電動汽車驅(qū)動電機工作狀態(tài)的異音測試。用于生產(chǎn)線終檢階段，對表現(xiàn)出特定階次的噪聲、振動信號超出閾值等問題的產(chǎn)品進行篩選。系統(tǒng)由異音異響自動檢測系統(tǒng)軟件、工業(yè)計算機、ANT-0008型信號采集與控制模塊、轉(zhuǎn)速傳感器、聲壓傳感器和加速度傳感器組成。系統(tǒng)軟件實現(xiàn)序列控制、異音異響信號自動采集、分析和判斷功能。異音信號采集與控制模塊完成異音異響信號的模數(shù)轉(zhuǎn)換、以及完成系統(tǒng)與外界的交互控制功能。夾具實現(xiàn)被測物的安裝，以及傳感器的合理安裝的功能。常見被測產(chǎn)品：電動汽車驅(qū)動電機異音異響測試。常州專業(yè)異響檢測供應商家異音異響自動化檢測系統(tǒng)構(gòu)成包含傳感器，麥克風或加速度傳感器；數(shù)據(jù)采集卡；信號數(shù)據(jù)傳輸線等。

電機異響檢測方法。聽診棒診斷：可以使用聽診棒接觸電機表面，通過聽電機運行時的聲音來判斷是否存在故障。如果聽到“嗡嗡”聲或“喀喀”聲，可能是電機過載或軸承缺油等故障，如果聽到“咝咝”聲或“噼啪”聲，可能是電機絕緣不良或線圈接觸不良等故障。耳聽診斷：通過耳朵直接聽電機運行時的聲音來判斷是否存在故障。如果聽到均勻無雜音的“嗡嗡”聲，說明電機運行正常。如果聽到“嗡嗡”聲非常大或者時高時低，可能是超負荷運轉(zhuǎn)、三相電流不平衡或斷相運轉(zhuǎn)所引起的。如果聽到“嚓嚓”的碰撞聲，可能是定子與轉(zhuǎn)子相擦。觀察外觀：通過觀察電機的外觀來判斷是否存在故障。如果電機表面有明顯的發(fā)熱或變色，可能是電機過載或軸承缺油等故障。如果電機表面有漏油的痕跡，可能是電機內(nèi)部的密封件損壞或老化所引起的。檢查電源：通過檢查電源是否正常來判斷是否存在故障。如果電源電壓過低或過高，可能是電源線路或電源設(shè)備的問題。檢查負載：通過檢查負載是否正常來判斷是否存在故障。如果負載過大或過小，可能是負載設(shè)備的問題。

電機異響異音檢測系統(tǒng)軟件融合先進算法和多年現(xiàn)場測試經(jīng)驗，準確率高、速度快、UI界面易用。選用進口機箱和數(shù)據(jù)采集硬件。保證數(shù)據(jù)采集的高精度和設(shè)備運行的穩(wěn)定性。統(tǒng)軟件針對不同類型的異音，可設(shè)置針對性的濾波器組合和分析參數(shù)，從而保證對各種類型的異音都能進行比較好的檢測.支持創(chuàng)建測試序列，一次完成多種狀態(tài)的測試。序列中的每一個測試項，都可進行單獨的參數(shù)設(shè)置。設(shè)置參數(shù)：測試項開始條件、分析方法、分析參數(shù)、判斷范圍及閾值等。開始條件：預設(shè)等待時間、數(shù)字IO狀態(tài)變化分析方法：異音檢測、聲壓級檢測、聲音/振動頻率檢測、自動統(tǒng)計故障信息。測試結(jié)果保存在本地，同時上傳工廠管理系統(tǒng)。異音異響也可以有效反映出零部件的關(guān)鍵故障。適用于批量生產(chǎn)場合的測試系統(tǒng)是十分必要的。

人工智能和機器學習方法在噪聲與異響識別判定中得到了廣泛應用。通過訓練深度學習模型，例如卷積神經(jīng)網(wǎng)絡（CNN）和循環(huán)神經(jīng)網(wǎng)絡（RNN），可以實現(xiàn)對噪聲和異響的自動識別和分類。這些方法可以處理大量數(shù)據(jù)，具有較高的準確性和魯棒性。提供在批量生產(chǎn)過程中進行噪音、異響、異音聲學質(zhì)量分析和振動測試一站式解決方案，可以實現(xiàn)各種機械組件的快速、可靠和徹底的噪聲、振動測試。從生產(chǎn)線終端顯示：通過/失敗，以及相關(guān)測試指標情況，并將所有測試內(nèi)容記錄，提供可溯源的數(shù)據(jù)，以發(fā)現(xiàn)不必要噪聲、振動根本原因，并對其進行消除或減輕。顯著提高生產(chǎn)線產(chǎn)量和成本效益。盈蓓德科技提供一種風扇異音檢測方法及風扇異音檢測系統(tǒng)，應用于測試技術(shù)領(lǐng)域。紹興性能異響檢測公司

異音異響檢測系統(tǒng)可以幫助識別電機馬達中的機械故障，如軸承的磨損、齒輪的問題或者其他運轉(zhuǎn)部件的異常。南京NVH異響檢測技術(shù)

異響檢測ANT根據(jù)信號特征向量將聲信號樣本轉(zhuǎn)化為數(shù)據(jù)集，數(shù)據(jù)集包括訓練集、驗證集和測試集。選擇合適的機器學習模型，將數(shù)據(jù)集應用于機器學習模型進行訓練、驗證和測試，通過多次循環(huán)，通過優(yōu)化分析，在數(shù)據(jù)集的基礎(chǔ)上，獲取機器學習面向具體工程問題的比較好參數(shù)，包括比較好的特征向量、機器學習算法和異音檢測法則，這幾個環(huán)節(jié)可能需要多次循環(huán)才能得到比較好的參數(shù)組合。***，機器學習得到的分類法需要導入異音在線檢測系統(tǒng)，在實際的生產(chǎn)線上進行運行調(diào)試，**終在生產(chǎn)線上完成部署。南京NVH異響檢測技術(shù)