微电机振动噪声智能下线检测系统振动测试:加速度rms值、阶次分析、振动法测噪声;
噪声测试:dBA、1/3Oct、时频图、幅值调制;
异音测试:代替人工完成听音检测;
性能测试:电压、电流、转速、扭矩、相位角;
转速测试:瞬时转速、频率调制;
心理声学:响度、粗糙度、抖动度、尖锐度、音调度;
统计追溯:产品数据追溯和统计分析;
自 动 化:上料、扫码、检测、分拣,节拍小于15s。
工业声学下线检测系统
异音异响:基于人工智能的异音异响检测;
共振声学:基于固有频率锤击的结构内部缺陷检测。
汽车座椅滑轨振动噪声下线检测系统振动测试:振动加速度rms值、时频图;
噪声测试:dBA、响度、粗糙度、抖动度、音调度;
异音测试:代替人工完成听音检测;
统计追溯:产品数据追溯和统计分析;
自 动 化:上料、扫码、检测、分拣,节拍小于18s;
故障分类:可有效识别焊渣、剐蹭、抖动等故障类型。
风力发电叶片哨音检测仪系统通过对风机叶片运行声音实时在线监测,结合声学分析和机器学习算法,可有效实现风机叶片开裂、异物附着等识别,保障风机的健康发电与运维。
频率范围:100Hz~15kHz;
信号处理: 内置MCU,支持时域波形传输和特征计算;
传输方式:有线、无线均可;
供电方式:被动POE或DC供电;
软件功能:集成信号处理、机器学习算法,对叶片健康程度作准确评估,提供手机移动监测、故障警报功能。
早期故障诊断采用听诊法来判断设备状态,有经验的师傅可根据声音辨别出故障类型,目前声学技术中常用的统计能量法是听诊法的一种进化,它根据设备正常和故障时辐射声能量的变化进行故障诊断。而在实际应用中,该方法容易受环境影响,且技巧不易掌握,依赖操作人员经验。 虽然振动和声音都蕴含着机械状态信息,但因声信号易受干扰,使得声学诊断技术的发展远远落后于振动诊断技术。