【所属领域】

智能制造

【技术背景】

机械设备及产品发出的声音信号能够有效表征其运行状态，若出现异音异响，则表明其机械设备及产品存在故障或质量缺陷。目前机械设备及产品的质量检测和故障诊断大多采用人工听诊的方法，存在误判率高、效率低下以及生产成本日益增加的问题。

【成果介绍】

本成果专注于工业声学大数据在智能制造领域应用，开发工业智能听诊系统，其利用声学传感器在线采集机械设备及产品信号，依据专业声学分析方法，结合机器学习技术，可替代人工完成产品异音异响下线检测及关键设备的预测性维护。

工业智能听诊系统

【技术优势】

围绕工业智能听诊系统开发目标，重点实现了以下技术创新：

1、基于声学信号滤波增强和回波消除技术，研究形成适用于非自由声场的信号前端处理方法，从而解决工业生产环境噪声干扰以及静音箱测试环境下声波反射问题；

2、基于故障诊断经验知识以及多维度信号处理方法，研究形成适用于稳态和非稳态的异音异响信号特征提取方法，并构建了多维声学信号特征工程技术；

3、开展基于集成学习和深度学习算法适用性研究，从而在机器训练样本比例严重失衡情况下，小样本数据规模即可达到较高的模型判定准确率；开展基于迁移学习的适用性研究，从而解决机器学习的模型泛化问题，确保训练模型能够快速覆盖并部署至同类型产品；

4、开发了工业智能听诊软件平台以及标准化的数据采集模块，可满足不同应用场景系统部署需求。

【技术指标】

1、机器学习模型准确率高，模型训练样本达到数千规模以上，输出结果准确率可以达到99%以上。

2、通用性强，系统核心硬件标准化设计，软件开放式框架，从而方便与自动化模块集成，实现无人化操作。

【成果展示】

扬声器异音智能检测系统

微特电机异音智能检测系统

船舶轴系故障预测与健康管理系统

【应用场景】

工业智能听诊系统主要包括两个功能，一是替代人工实现线上产品异音异响质量检测，广泛应用于汽车零部件、白色家电、电声组件、散热模组、基础机械传动部件、特种医疗设备以及冲压金属、金属注射模具、铸造件、锻造件、打造件、焊接件等领域；二是替代人工完成关键机械设备的预测性维护，为客户辅助决策，判断机器的运行状态、优化机器的维护时机，可广泛应用于先进制造、交通运输、能源电力、石油化工等领域。

【市场前景】

产品异音下线检测广泛存在汽车零部件、白色家电、电声组件、散热模组、基础机械传动部件、电气组件、磁性材料、光伏硅片以及特种医疗设备等领域。企业普遍愿意以2-3年人工成本来实现检测自动化升级改造，市场容量保守估计在60亿美元。

关键设备预测性维护是工业智能听诊系统的重要应用场景，通过在线实时采集设备运行中发出的声学信号，能够识别并预测设备健康状态，减小设备的非计划停机，可广泛应用传动轴、轴承、空压机、泵、减速机等关键设备。IoT Analytics发布的报告指出：到2026年，预测性维护市场将达到282亿美元。

【知识产权】

该成果已申请多项中国发明专利，下表是部分展示：

【合作方式】

技术开发、技术服务、技术许可、技术转让

【专家介绍】

吴军，华中科技大学教授，博士生导师，斯坦福大学访问学者，中国仪器仪表学会设备结构健康监测与预警分会理事、中国机械工程学会工业大数据与智能系统分会委员、全国设备结构健康监测标准化委员会委员、中国人工智能学会青年工作委员会委员，研究方向为复杂装备的故障预测与健康管理等，长期从事设备异音检测和预测性维护等领域的关键技术攻关。作为项目负责人，承担国家自然科学基金项目3项、科技部课题2项、工信部课题2项等国家级项目十余项。作为第一或通信作者，在IEEE Transactions汇刊、ISA Transactions、中国科学:技术科学等一流期刊上发表SCI/EI论文100余篇，其中ESI高被引论文4篇，IF>5的论文30余篇，获得授权发明专利10余项，软件著作权20余项。

【联系方式】

成果编号：CG22005