陕西皮带机异音监测设备

niKJ7Wj

异音检测的两种模型： 人工听检的自动化替代技术主要有两类模型，一类是参数驱动模型，另一类是基于人工智能的数据驱动模型。前者通过分析比较找到一个标准参数范围，在范围之内的为正常，在范围之外的为故障，但这样的参数范围却很难选择确定，因为人工听检所依据的判断规则很难用显示的参数来描述；人工智能则可以模拟人的学习和判断过程，通过特定的模型描述那些只能意会却无法言传的判断规则。下图给出了两类模型的比较。

根据信号特征向量将声信号样本转化为数据集，数据集包括训练集、验证集和集。选择合适的机器学习模型，将数据集应用于机器学习模型进行训练、验证和，通过多次循环，通过优化分析，在数据集的基础上，获取机器学习面向具体工程问题的较优参数，包括较优的特征向量、机器学习算法和异音检测法则，这几个环节可能需要多次循环才能得到较优的参数组合。最后，机器学习得到的分类法需要导入异音在线检测系统，在实际的生产线上进行运行调试，较终在生产线上完成部署。

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。 由于图像处理技术的迅猛发展，视检工位目前已有了很多很好的替代方案，但由于产线上声环境复杂，检测规则难易实现简单的参数化描述，听检工位目前大多还是要靠人工来完成。但是，人工听检存在下图列出的种种问题，已难以满足产线智能化升级的需要。从表中也可以看出，人工听检的缺点正好就是人工智能检测的优势所在。

2018年4月，联丰迅声成立于历史文化名城古都西安，于同年9月获得英诺天使的种子轮投资。是一家以机器听觉为**的AIoT解决方案提供商，主要从事环境声音信号处理、声音识别、声源定位及相关的声学软、硬件产品研发与服务，并于2020年12月荣获“****企业”认定。

公司**技术团队由西北工业大学博士与硕士组成，环境声音事件检测技术和**前布局的ESR环境声目标识别技术处于**良好地位。连续数年参与世界**声学赛事，排名均位列top 3。是国内为数不多的同时自主掌握声呐硬件设计与算法软件开发的团队。