適用場合生產線產品異音測試被測對象汽車零部件、電機、風扇、含電機或齒輪箱的各種零部件等測試類型由于裝配不良導致的齒輪箱異響電機自身缺陷導致的異響振動環境導致的異響分析電機的振動和聲音頻率成分聲壓級檢測。產品異音異響在線質量檢測系統，通過對被測物進行振動噪聲信號采集和分析，判斷產品質量是否合格。主要應用于電機類產品、組件轉動過程中的異音異響測試。用于生產階段對表現出振動量過大、噪音過大、異音異響等問題的產品進行自動篩選。異音異響自動化檢測系統應用場景：方向盤助力轉向泵、空調壓縮機、座椅電機、車窗電機等生產線在線檢測。杭州穩定異響檢測方案

方案由噪聲測試儀器，配合高精度傳聲器以及高性能隔音箱體組成。精實測控通過多年異音領域研究深耕，大量數據積累，自主開發出一套完整的異音識別系統，通過不同模型對應，能快速高效應對不同異音測試需求。現有電機產線都是通過在噪音房人工聽音的方式，來達到對異音電機產品的判定篩選目的。這種方式效率低下，主觀性太強，帶來各種市場投訴。電機異音測試完美解決以上生產痛點，提升效率的同時從根本上減少客訴，提升用戶體驗。嘉興機電異響檢測介紹異音異響識別設定特征閾值，精細識別異音異響，擺脫傳統依賴人耳判斷異響異音的方法。

家電異音異響檢測系統的架構，系統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境、傳感器、采集系統和判別系統，測量環境可以是基本不做改動的原始生產線，也可以是在生產線上設計添加的簡易隔聲或吸聲空間，測量環境的考慮重點是如何減少生產線環境噪聲的影響。傳感器和采集系統一般要求滿足可聽聲頻帶的采樣要求，對系統的量化精度要求至少采用16位采集系統，能達到24位更好。判別系統一般是采集系統和計算機的結合體，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，特征提取模塊抽取聲信號樣本特征，構建特征向量和機器學習數據集。機器學習模塊實現各種機器學習算法，在特征向量數據集的基礎上，完成訓練、驗證和測試等環節，**終獲得異音判別參數，過程中還包括特征向量和機器學習模型參數的選擇與優化。

家電異音異響檢測可以按照下圖所示的技術途徑來實施。按照機器學習的要求，通過傳聲器和信號采集系統進行聲信號樣本采集，需要注意的是采集得到的聲信號既包含家電的運轉聲，也包括生產線的環境噪聲。采用現有成熟的多種信號處理方法對所測聲信號進行預處理，通過分析比較和嘗試，組成比較好的信號特征向量，該向量應該能夠很大程度反映家電狀態信號，同時抑制環境噪聲。常用的信號特征提取方法一般包括時域、頻域和時頻域三類，時域的典型特征有短時能量和過零率；頻域的特征種類繁多，有各種譜分析方法、線性預測系數以及梅爾頻率倒譜系數等；時頻特征包含短時傅里葉譜和小波譜，時頻特征會帶來較大的計算量，但卻更能完整***地描述音頻信號。異音測試系統(ANT)利用先進數據處理算法，可識別出多種類型微弱異音信號。

一種電機異音異響的檢測方法,包括以下步驟:第一步:將電機處于空載狀態下進行音頻采集;第二步:將所采集到的電機的時域音頻信號經過傅立葉變換轉換為頻域波形;第三步:判斷是否存在異音,具體是:若電機的正常頻域范圍的比較高值外存在波形,則表明此電機存在異音;若電機的正常頻域范圍的比較高值外不存在波形,則表明此電機不存在異音.本發明包括對空載電機的音頻采集,將音頻信號轉換為頻域波形以及判斷是否存在異音三個步驟,方法精簡,操作方便,適合***使用;通過判斷電機的正常頻域范圍的比較高值外是否存在波形而確定電機是否存在異音,克服了現有因采用主觀聽力辨別而存在的偏差,對電機的異音判斷精細度高。時域、頻域異音智能化檢測系統可測量測試產品的A/C/Z計權聲壓級,也可直接測量聲功率，以及時域頻域等。南京動力設備異響檢測供應商家

異音異響檢測系統通過分析聲音特征，有助于判斷問題的根源。杭州穩定異響檢測方案

電機異響通常是由以下原因引起的：1.軸承故障：長期使用或保養不當會導致軸承損壞，使電機轉子軸產生不規則摩擦，從而產生噪音。2.磁場故障：電機內部的磁鐵或線圈損壞可能導致電機磁場失衡，從而產生噪音。3.機械故障：如電機傳動系統的問題，如齒輪磨損，傳動帶或鏈條拉伸等，都有可能導致電機異響。為了排查電機異響問題，可以采用以下方法來進行檢測：1.聽聲辨異：通過聽電機運作時的聲音來判斷異常的情況并確定問題所在。2.觸摸電機：通過觸摸電機外殼或電機傳動系統的部分，確定是否有震動或熱度異常等情況。3.檢查電機傳動系統：檢查電機傳動系統是否正常，齒輪是否磨損，傳動帶或鏈條是否過緊或過松。4.檢查軸承：檢查軸承是否需要換新，軸承是否出現損壞等情況。總之，電機異響可能對電機造成不可逆轉的損壞，排除時需要小心謹慎，及時處理問題，以確保電機系統能夠正常運轉。需要經常進行檢測。杭州穩定異響檢測方案