本系統應用于電動汽車驅動電機工作狀態的異音測試。用于生產線終檢階段，對表現出特定階次的噪聲、振動信號超出閾值等問題的產品進行篩選。系統由異音異響自動檢測系統軟件、工業計算機、ANT-0008型信號采集與控制模塊、轉速傳感器、聲壓傳感器和加速度傳感器組成。系統軟件實現序列控制、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轉換、以及完成系統與外界的交互控制功能。夾具實現被測物的安裝，以及傳感器的合理安裝的功能。常見被測產品：電動汽車驅動電機異音異響測試。電機異響異音系統不僅適合產線工作人員操作，也滿足了專業人員查看信號曲線的需求。混合動力系統異響檢測方案

異音異響自動化檢測系統應用場景a）跑車零部件跑車工業零部件生產線在線檢測異響出風口電機；方向盤助力轉向泵；空調壓縮機；座椅電機；車窗電機等b）家電零部件家電工業零部件生產線在線檢測異響冰箱壓縮機；空調壓縮機；油煙機電機；飲水機抽水泵；其他電動部件等c）小型化醫療產品或零部件呼吸機等d）其他廠房車間設備產品異響檢測汽車HUD抬頭顯示、汽車電動后視鏡、汽車電動車窗、汽車電動座椅、汽車方向盤等子系統: 噪聲、異音測試汽車發動機、汽車電機等動力系統：噪聲、異音測試/振動測試。上海研發異響檢測價格相位分析法相位分析法是一種重要的電機異響噪音檢測方法，精確地測量噪音的相位信息，獲得噪音的頻率信息。

系統由異音異響自動檢測系統軟件、工業計算機、信號采集與控制模塊、夾具和傳感器組成。系統軟件實現序列控制、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轉換、以及完成系統與外界的交互控制功能。夾具實現被測物的安裝，以及傳感器的合理安裝的功能。系統特點?生產線自動化測試?聲學和振動測試方式**可選?標準接口支持集成于復雜的產線/產線終端測試系統?***可視化分析界面?序列測試方式，一次完成多個工況測試常見被測產品（1）汽車零部件：各類小風扇、各類電機、齒輪箱等（2）家用電器：洗衣機、抽油煙機、風扇等

即時的異常檢測：檢測系統能夠實時檢測聲音信號中的異常，通過實時分析，系統能夠迅速響應并發出警報，有助于在問題變得更為嚴重之前采取必要的維修和保養措施。精細的問題定位：通過對異常聲音的深入分析，系統能夠幫助精細定位問題的根源，包括機械故障和電氣問題，為技師提供更有針對性的維修方案。提高生產效率：在汽車生產線上，異音異響檢測系統的使用提高了生產效率。通過自動檢測，可以快速識別潛在問題，減少不合格產品的產生，有助于提高整體生產線的質量和效益。智能化維護服務：對于消費者，系統的應用也體現在智能化的維護服務上。通過在駕駛過程中實時監測，異音異響檢測系統為駕駛員提供了及時的故障信息，有助于提高汽車的可靠性和降低維護成本。代替人耳檢測異響的技術在近年來得到了快速發展，特別是在電機生產線、汽車、家電等行業中。

電動零部件通常包含驅動電機和執行機構等結構，它們在運行時可能會產生不同特性的異響。在對此類異響問題進行檢測分析時，需要使用一些專門的參數對異響現象進行量化。HBK公司的BK Connect軟件中包含多種客觀參數計算功能，用戶可以直接利用這些參數，也可以根據實際問題，借助MS Excel、MATLAB等其他工具，衍生出其他的參數。結合了一些實測數據和分析結果，對各種參數進行介紹，包括：?聲壓級(SPL)?心理聲學參數：響度(Loudness)、尖銳度(Sharpness)、抖動度(FluctuationStrength)、粗糙度(Roughness)?調幅參數：調制(Modulation)、包絡分析(Envelope)?純音類參數：突出比(ProminenceRatio)、純音比(Tone-to-noiseRatio)、音調(Tonality)?頻譜參數：FFT、1/3倍頻程(1/3Octave)、臨界頻帶(CriticalBand)?統計參數：百分位數、百分位頻率。盈蓓德開發的軟件可用于汽車發動機、汽車電機等動力系統的噪聲、異音測試/振動測試。南京旋轉機械異響檢測數據

電機異響異音系統軟件不僅具有簡潔明晰的測試結果顯示，同時也具有專業的分析結果顯示。混合動力系統異響檢測方案

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。混合動力系統異響檢測方案