异响检测基本参数
  • 品牌
  • 盈蓓德
  • 型号
  • ****
  • 是否定制
异响检测企业商机

本系统应用于电动汽车驱动电机工作状态的异音测试。用于生产线终检阶段,对表现出特定阶次的噪声、振动信号超出阈值等问题的产品进行筛选。系统由异音异响自动检测系统软件、工业计算机、ANT-0008型信号采集与控制模块、转速传感器、声压传感器和加速度传感器组成。系统软件实现序列控制、异音异响信号自动采集、分析和判断功能。异音信号采集与控制模块完成异音异响信号的模数转换、以及完成系统与外界的交互控制功能。夹具实现被测物的安装,以及传感器的合理安装的功能。常见被测产品:电动汽车驱动电机异音异响测试。噪声与异响分析软件主要功能包括:通过数据采集模块,将声音和振动信号读取,并将其转换为数字信号。嘉兴设备异响检测系统

嘉兴设备异响检测系统,异响检测

异音异响自动化检测系统构成1、测量仪器硬件测量仪器硬件也是一个系统,包含传感器,麦克风或加速度传感器;数据采集卡;信号数据传输线等。2、声学信号分析软件噪声与异响分析软件的主要功能包括:数据采集,通过数据采集模块,将声音和振动信号从传感器中读取,并将其转换为数字信号。信号处理:对采集的信号进行滤波、去噪、时域分析、频域分析、谐波分析、共振分析等处理,以确定设备存在的噪音和异响问题。3、声学测试环境如静音测试箱、隔音房、消声室等拥有低本底噪声的封闭测试环境。温州耐久异响检测检测技术噪声与异响检测在工业领域具有重要价值和意义,有助于提高产品品质,帮助企业降低生产成本。

嘉兴设备异响检测系统,异响检测

随着机电自动化技术的进步,家电生产线中许多需要体力劳动的工位逐渐被机械手所代替,但仍有很多非体力工位还离不开人,比如视检和听检工位,不需要人的体力或操作,而要靠人的眼睛和耳朵来判断产品的某项指标是否品质合格,这样的工位就需要人工智能才能很好完成替代。在线异音异响检测可以说是人工智能技术在家电生产过程中的一个合适应用场景,但要想与家电生产流程真正无缝结合,真正替代人工声检,还需要解决很多技术和管理上的难题,技术难题包括产线节拍匹配、信号采集、环境噪声消除、训练样本选择、合适学习模型确定等,管理难题包括检测规范与标准的制定以及检测流程的重构等,解决这些难题的方法和思路将在后续详细深入讨论。

现在的主流的检测手段是:在生产线搭一个简易的隔音房,检测人员经过特殊听觉训练后,坐在隔音房里靠耳朵主观判定异响。显然,这种方法无法满足现代工业制造自动化、智能化的需要,存在诸多弊端,既容易受到外界噪声干扰,又由于人的生理缺点导致判断误差偏大,效率低下,人力成本增加,时间长了,对人耳听力有不可逆的损伤。由此,异音异响自动化检测系统提供了一种全新的解决方案:采用了特殊的降噪技术,可以在嘈杂的生产线上实现低于25分贝甚至低于15分贝的检测环境,其次该系统采用了心理声学和人工智能技术结合,开发了一种可以完全替代人耳主观判断异响的检测方法,再辅以自动化检测程序、多维度的数据分析模型,可以完全替代传统依靠人耳检测的方式。异音异响自动化检测系统用于生产线终检阶段,对特定特征的噪声、振动信号超出阈值等问题的产品进行筛选。

嘉兴设备异响检测系统,异响检测

经过多年的实践,人们已经发现了声压级和频谱等在异音异响检测中的缺陷,找到了异音的本质,并在电声测试领域中灵活运用,解决了诸多难题。正在工程师们以为异音检测的大厦已然建成时,天空中却幽幽飘来几朵乌云。乌云背后隐藏的,竟又是一个个阴暗的异音世界。这些层出不穷的异音各有特色,几乎找不出共同点。比如,某**吸尘器制造商希望他们的直流电机不发出任何恼人声音的同时,还要做到即关即止,这意味着电机断电后声音也要做到“戛然而止”;某叉车变速箱制造商希望取代传统的人工听诊器听音,让仪器客观判断装配完毕的变速箱运行是否“顺滑”;某汽车刹车盘制造商一直通过工人敲击听音,检查盘片是否存在空腔等缺陷,他们觉得人工听音的效果因人而异,难以统一标准。盈蓓德科技的测试系统开发人员具备专业知识和实践经验,能够准确地识别、分析和解决各种噪声和异响问题。绍兴动力设备异响检测

异响检测系统对采集的信号进行滤波、去噪、时域分析、频域分析、谐波分析、共振分析等处理。嘉兴设备异响检测系统

家电异音异响检测系统的架构,系统由硬件和软件两部分共同组成了一个不可分割的整体,硬件部分包括测量环境、传感器、采集系统和判别系统,测量环境可以是基本不做改动的原始生产线,也可以是在生产线上设计添加的简易隔声或吸声空间,测量环境的考虑重点是如何减少生产线环境噪声的影响。传感器和采集系统一般要求满足可听声频带的采样要求,对系统的量化精度要求至少采用16位采集系统,能达到24位更好。判别系统一般是采集系统和计算机的结合体,计算机上运行的软件是信号特征提取算法和机器学习模型。软件部分中的信号测量分析模块主要完成信号的采集和保存,应用信号处理技术,特征提取模块抽取声信号样本特征,构建特征向量和机器学习数据集。机器学习模块实现各种机器学习算法,在特征向量数据集的基础上,完成训练、验证和测试等环节,**终获得异音判别参数,过程中还包括特征向量和机器学习模型参数的选择与优化。嘉兴设备异响检测系统

与异响检测相关的**
信息来源于互联网 本站不为信息真实性负责