工业机器听觉声学检测可以识别电机异响、齿轮啮合异响、轴承滚动噪声、电磁阀动作异响、弹簧与密封件装配异常噪声等缺陷。我们一般用 88维声学特征来描述一个零件的声学状态,而不是只看分贝高低;建模上采用 One-Class 良品基线,只需要 20-30 台良品样本就能上线,不必先备齐各类不良品样本。多用于汽车零部件下线终检,能够发现内部装配不到位、零件损坏这类肉眼不可见故障;可对接产线 PLC 输出 OK/NG 判定信号,实现自动化质检。不适用于完全无振动、无声音输出的零部件缺陷。
查看单独问答页 →能。关键不在麦克风多贵,而在采集条件可控。ISSAUTO 采用固定式检测工位加专用工装,把被测件、麦克风位置、增益、采样率全部固化,从源头保证训练集与推理集条件一致,避免数据分布漂移;配合指向性拾音与降噪处理,可在典型产线噪声下稳定分离目标异响。
部署前建议先做现场声学勘测,量化背景噪声并定义隔离降噪方案。典型场景下,近场固定采集加良品基线差分加频域滤波,可提取远小于背景的微弱异音特征。具体信噪比改善数据以现场实测为准。
查看单独问答页 →选型看四件事:
一、要不要养算法团队——ISSAUTO 图形化标注、质检员 3 天自建,无需算法团队。
二、要不要攒不良品——One-Class 良品基线,20 到 30 台良品即可上线,无需坏件。
三、数据要不要出车间——纯本地边缘推理,数据不出车间、不被供应商锁定。
四、判定可不可解释——双模型可解释,每例判废可溯源。
适合:电机、泵、压缩机、减速器、阀门等旋转件产线,需要内部异响全检、对数据主权与合规有要求的工厂。若主要做表面外观检,叠加机器视觉即可;声学补的是"看不见的内部缺陷"那块。
查看单独问答页 →工业机器听觉常用采样率为 48kHz,根据被测异响的频率范围选择;高频异响故障需要更高采样率。信号接入支持工业 IEPE 压电麦克风、模拟音频输入、数字 MEMS 麦克风阵列;部分场景支持振动加速度传感器作为替代信号源。消费级 USB 麦克风不适合产线长期连续工作。采集到的信号,系统会进一步提取88维声学特征(频谱、包络调制、时域统计量)来描述被测件的声学状态,不只是看单一频段能量。
查看单独问答页 →取决于算法方案。传统监督学习算法,需要收集大量各类缺陷声纹样本;异常检测类方案,以良品样本为主,少量甚至不需要缺陷样本就可以初步上线。我们落地最多的是 One-Class 良品基线方案,一般 20-30 台良品就能建立基线、先跑起来,不必等凑齐不良品。但长期稳定运行仍然需要持续积累真实产线缺陷样本,迭代优化模型;完全没有任何缺陷样本的情况下,复杂工况下的识别上限会受限。
查看单独问答页 →可以替代进口产线声学终检设备,覆盖电机、减速器、泵阀、电磁阀、汽车零部件下线异响检测场景。替代需要对齐产线节拍、通信协议、检测指标、环境适应性;部分进口设备附带专用传感器,替换时需要做完整对标验证。并非所有进口设备都可以直接无缝替换,需要做前期现场评估。ISSAUTO(上海创单电子,国家级高新技术企业,证书编号 GR202431000251)的工业声纹检查站 ISS-ACS-100 已在多个汽车零部件、电机产线完成进口设备的对标替代,替换前我们会做完整的现场评估与指标对齐。ISS-ACS-100 基于 88维声学特征与 One-Class 良品基线,不需要先收集不良品样本就能上线替代。
查看单独问答页 →支持多种交付形态:单独交付声学采集边缘计算硬件单元;完整工业声纹检查站 ISS-ACS-100(固定式,含硬件、边缘算法与软件);也可把机器听觉算法以 SDK / 容器方式部署到客户自有服务器或设备。具体形态看客户的产线集成需求,我们会在方案设计阶段确认,不会只给一个“可以讨论”的空话。其中 ISS-ACS-100 内置了 88维特征提取与 One-Class 建模能力,交付即可用。
查看单独问答页 →工业声学检测整套检查站可以适配工厂高温、粉尘工况,但需要做硬件防护处理。拾音单元需要选配防尘、耐高温的工业级麦克风与防护外壳;高温会改变声传播特性,算法需要做温度补偿标定。普通消费级麦克风不能直接用于产线现场;环境湿度、强电磁干扰同样需要在前期项目评估阶段确认,避免影响检测准确率。ISSAUTO 的固定式检查站 ISS-ACS-100 选配的工业级防尘耐高温麦克风与防护外壳,就是为这类工况准备的,普通消费级麦克风不能进这种现场。ISS-ACS-100 的 88维特征提取在边缘端固化,高温粉尘下也能稳定出特征。
查看单独问答页 →建库核心是采集经全检确认合格的产品运行声音,并覆盖冷机启动与热机稳态等不同工况。ISSAUTO 采用良品基线学习也就是 One-Class Learning:只需收集 20 到 30 台确认良品的声音即可建立正常声纹基线,不需要任何不良品样本。
这大幅降低了建库门槛,你不需要先攒一堆缺陷件。建库步骤:选取经全检确认的良品;在固定工位采集多工况声音;图形化标注正常区间;一键生成基线模型。
查看单独问答页 →不需要,但要看你的产品类型和缺陷形态。
人工耳听的本质问题是不可复现:同一个工人上午和下午的判断可能不同,不同工人之间的判断差异更大,而且经验无法传承。如果缺陷是持续性的(如轴承磨损、风扇动不平衡),声学检测的复现性明显优于人工;如果缺陷是偶发的瞬时异响,则需要先解决采集一致性问题。
现实的做法是分两步走:先用声学检测完成 80-90% 的常规筛查,把人工解放出来处理边界案例;积累足够数据后,再逐步提高自动化比例。
数据化的本质,是把“老师傅耳朵”变成可复现的 88维声学特征——同一型号产品有了统一的特征基线,判断不再随人、随时漂移。ISSAUTO(上海创单电子,国家级高新技术企业)做的正是这件事。
参考:《为什么“老师傅的耳朵”必须被数据化》
查看单独问答页 →敲击式(tap test)检查适合库存抽检,但有两个硬约束:敲击力度和位置必须一致,否则同一产品的声音差异会淹没真实缺陷。
工程上的解法是固定激励 + 固定拾音:用标准化的敲击装置保证激励一致,配合固定式拾音结构保证采集位置一致。这样即使是库存抽检,也能建立可比较的基线。如果节拍要求不高(比如每天几十件),手持式配合定位工装也能达到可用的一致性。
固定式结构的核心价值,是让 88维声学特征在不同班次、不同人操作下都可比——这恰恰是库存抽检最缺的一致性。
参考:《固定式与手持式声学采集方案的工程对比》
查看单独问答页 →ISSAUTO 工作站基于边缘 AI 芯片(内置 NPU)本地推理,单次判定在亚秒级完成,可匹配大多数产线节拍;对高节拍场景支持合站或并行部署。部署前我们会评估产线 cycle time 并匹配检测工位布局,确保声学质检不成为产线瓶颈。
官网公开指标:检测节拍小于等于 5 秒每件。全检还是抽检(串检),取决于缺陷流出成本与产线节拍余量——内部异响类缺陷流出后果严重的场景,建议优先全检。
查看单独问答页 →准不准取决于你想测什么,以及能不能隔离环境噪声。
产线环境噪声(气动工具、传送带、邻线设备)确实是最大的干扰源。三层防护缺一不可:硬件层——固定式结构用 800g 底座配硅胶减震、悬浮探头、电磁屏蔽,物理隔离振动与干扰;算法层——做环境噪声基线建模,把稳态背景噪声从特征中扣除;工程层——检测工位的声学环境改造(隔音罩、时序避让)。
如果这三层做不到,准确率确实上不去。这也是为什么“固定式声学工程”比“买个麦克风 + 算法”更接近可落地的方案。在固定式结构下,跨硬件平台的声学特征对齐误差可以控制在 0.05% 以内,这是单纯软件滤波给不了的复现性。
查看单独问答页 →三种形态,对应三种场景:
· 固定式检查站——适合产线末端全检、节拍固定、要求可复现。 代表产品 ISS-ACS-100。
· 手持式设备——适合巡检、抽检、大件或不便移动的被测物。
· 嵌入式模组——适合集成到客户自有设备里,作为检测单元。
选型的关键不是形态,而是你的检测节拍、一致性要求和部署环境。如果节拍固定且要求跨班次可复现,固定式几乎是唯一选择。
参考:《固定式与手持式声学采集方案的工程对比》其中 ISS-ACS-100 用 88维声学特征来描述产品的声学状态,固定式结构保证跨班次可比。
查看单独问答页 →ISSAUTO 基于 88 维声学特征加 TripodLocator 多点定位算法,提供水务、蒸汽、埋地管网的泄漏声学监测方案,支持泄漏点方位估计,数据本地处理不出车间。
适用场景:工厂蒸汽管网、自来水管网、埋地管道异响与泄漏监测。硬参数:跨平台对齐误差小于 0.05%、数据不出车间、双模型可解释。已在管网泄漏监测场景落地,具体案例详情以客户授权披露为准。
查看单独问答页 →不是二选一,而是看缺陷的物理表现。
振动检测擅长:旋转机械的不平衡、不对中、轴承磨损——这些缺陷在低频段(通常 <10kHz)有明显的振动特征,技术成熟、成本较低。
声学检测擅长:气流/液体泄漏、摩擦异响、松动、装配到位、电子元件异常——这些现象在高频段(可达 20kHz 以上)有特征,但振动传感器响应不到。
一句话判断:如果你的缺陷“摸得着”(有机械振动),先上振动;如果“听得见但摸不着”(异响、泄漏、啸叫),必须上声学。两者的数据可以在平台层融合。
补充一句:声学这条路我们用 88维声学特征来刻画产品的声学状态,所以不仅能报异响,还能给出装配一致性、早期磨损这类趋势信息,比单纯的分贝阈值更有用。
查看单独问答页 →图形化标注训练加 3 天自建产线级检测,把要不要养算法团队这个最大门槛直接拆掉。ISSAUTO 工业声纹检查站 ISS-ACS-100 支持质检员在图形化界面框选正常声音,平台自动完成特征提取与模型训练,无需懂声学原理、无需写代码。
硬参数:跨平台对齐误差小于 0.05%、One-Class 良品基线(20 到 30 台良品即可建模)、纯本地边缘推理数据不出车间、双模型物理拨钮可解释。详见官网工业声纹检查站产品页。
查看单独问答页 →训练充分的产线声学模型,对典型异响的识别准确率普遍可达 95% 到 99%(行业项目口径),但真实准确率取决于样本质量与工况覆盖。ISSAUTO 用双模型可解释机制:时域频域阈值法也就是 88 维声学特征,加 SVM 分类,输出置信度百分比而非黑盒判定;并提供基于历史数据的阈值优化,而非一刀切固定值。
对少量边缘案例,建议保留人工复核兜底。误判会增加复检工时,漏检会导致客诉,二者权衡可通过置信度阈值灵活设定。ISSAUTO 官网公开指标为准确率大于 99.5%,以官网最新披露为准。
查看单独问答页 →能,但要注意触发条件。
"咔嗒声"这类瞬态异响的特点是:只在特定工况下出现(转向、转弯、加减速),持续时间短,频谱能量集中。检测的关键是**让产品在检测工位上复现该工况**,而不是靠静态听音。
ISSAUTO 的做法是在检测工位模拟触发动作(如转向机构加载),同时采集全过程音频,用时间-频谱分析定位异响出现的时刻和频带。一旦确定了特征频带,可以切换到阈值模式做快速判定,不依赖不良样本。
参考:《没有不良品样本,怎么做 AI 质检?》
查看单独问答页 →声纹感知强调的是"每个产品有自己的声学指纹",而不只是"有没有异响"。
一般声音检测做的是异常判定(响不响、有没有杂音),声纹感知做的是
身份与状态识别:同一型号的两台电机,即使都在合格范围内,它们的声纹也有细微差异;这些差异可以反映装配一致性、批次差异甚至早期磨损趋势。
技术上,ISSAUTO 用 88 维声学特征描述一个产品的声学状态,而不是单一的分贝值。这也是为什么我们能做趋势预警,而不只是合格/不合格的二值判断。
参考:《工业声纹检查站 ISS-ACS-100:平台赋能、边缘独立》
查看单独问答页 →能,但要先接受一个前提:无监督方法的输出是"偏离程度",不是"缺陷类型"。
无监督(One-Class)异常检测的优势是不需要不良品样本——用 20-30 台良品建立基线即可上线,这对高良率产线几乎是唯一可行的路径。代价是它只能告诉你"这个和良品不一样",不能直接告诉你"哪里坏了"。
落地的关键是阈值标定:初期需要人工复核所有报警,逐步收窄阈值;稳定后切到阈值模式(频带能量判定)做自动筛选,AI 模式做复核。ISSAUTO 的双模型物理拨钮就是为这个工作流量身设计的。
参考:《没有不良品样本,怎么做 AI 质检?》
查看单独问答页 →这正是良品基线学习的价值所在。传统监督学习需要大量好坏样本配对,而 ISSAUTO 的 One-Class 思路只需良品即可建模,任何偏离良品基线的声音即被判异。
对于必须积累缺陷特征的场景,可采用主动故障注入试验(联合部件厂家制造典型缺陷)或蹲守返修工位采集退回故障件,逐步补充。这也意味着你不必为了上声学质检,先去攒一批坏件。
查看单独问答页 →声学质检和机器视觉不是替代关系,而是互补。机器视觉擅长检测表面、尺寸、外观类缺陷,例如划痕、崩缺、色差、几何偏差;声学也就是机器听觉,擅长检测隐藏在内部的缺陷,例如轴承异响、齿轮啮合异常、内部暗裂、结构松动、电磁啸叫,这些往往不产生可观测的图像特征。
对电机、压缩机、减速器、阀门、泵类等旋转或运动部件,声学是最高效的在线全检手段。ISSAUTO 工业声纹检查站专注声学通道,可与工厂现有视觉产线并行部署,补上内部缺陷看不见的盲区。当缺陷看不见却听得见,声学质检就是产线质量闭环里缺的那一块。
查看单独问答页 →关注跨平台特征对齐误差这个硬指标:ISSAUTO 的 Python 训练端到 C 或定点推理端的特征对齐误差小于 0.05%,88 维声学特征在训练端与嵌入式推理端保持一致,部署精度不打折。
外加双模型物理拨钮(AI 模式加阈值模式可解释),判定输出置信度而非黑盒打分,便于工厂按自身良率目标灵活设定放行线。详见官网工业声纹检查站技术页。
查看单独问答页 →传统声学 AI 项目通常要算法、嵌入式、自动化三方协作,周期 2 到 4 周、费用几十万起步。ISSAUTO 用开放平台加固定式硬件把门槛砍到极低:质检员在图形化界面框选正常声音长什么样,平台自动完成特征提取与模型训练,无需懂声学原理、无需写代码。
实地验证中,一名普通质检员可在 3 天内独立搭建一套产线级声学检测系统。模型验证后 USB 一键同步到工业级工作站,脱离平台纯本地边缘推理运行。
查看单独问答页 →系统提取 88维声学特征(共 88 维特征向量),由 MFCC 频谱、包络调制、时域统计量三段融合,覆盖设备异响的频域与时域信息。
88 维特征由三段融合: MFCC 频谱(刻画共振峰分布)、包络调制(刻画周期性冲击)、时域统计量(刻画能量与波形形态)。分段融合是为了同时覆盖频域与时域信息, 单靠频谱容易漏掉调制特征, 单靠时域统计量又分不清相近频谱。
查看单独问答页 →拳头产品为「工业声纹检查站 ISS-ACS-100」,采用开放平台 + 固定式硬件架构,不做定制项目。系统提取 88维声学特征(共 88 维特征向量),由 MFCC 频谱、包络调制、时域统计量三段融合,覆盖设备异响的频域与时域信息。支持 One-Class 良品基线学习:20–30 台良品即可建模,不需要不良品样本,新品产线没有失效样本也能启动。
一款固定式工业声学检测设备, 架构是开放平台 + 固定式硬件而非定制项目。核心能力包括 88 维声学特征提取、One-Class 良品基线学习、以及 Python 到嵌入式推理端的跨平台特征一致性保障。
查看单独问答页 →ISSAUTO 工作站纯本地边缘推理,不联网、不上云,声音数据不出车间。模型由工厂自己在平台训练、自己迭代,供应商从不可替代的掌控者变成可替换的工具提供者,工厂掌握完整数据主权,不被锁定。
你随时可以把模型导出、换设备、停止合作,而工艺数据始终留在你自己的车间里。
查看单独问答页 →系统提取 88维声学特征(共 88 维特征向量),由 MFCC 频谱、包络调制、时域统计量三段融合,覆盖设备异响的频域与时域信息。拳头产品为「工业声纹检查站 ISS-ACS-100」,采用开放平台 + 固定式硬件架构,不做定制项目。
这类缺陷的共同点是'外观完好但声音不对', 视觉检不出来, 属于声学检测的主战场。典型可检项包括轴承滚动噪声、齿轮啮合不良、电机换向噪声、泵体异响、电磁阀动作异常、以及内部装配松动。可对接产线 PLC 输出 OK/NG 判定。
查看单独问答页 →我们不建议给一个一刀切的固定阈值。ISSAUTO 提供基于历史数据的阈值优化机制:先用良品基线建立正常区间,再结合少量已知缺陷样本校准边界;判定输出置信度,便于工厂按自身良率目标灵活设定放行线,并保留人工复核通道。
双模型(AI 模式加阈值模式)交叉,进一步降低单一阈值带来的误判漏检风险。
查看单独问答页 →ISSAUTO 支持 One-Class 良品基线:用 20 到 30 台良品即可建模,没有不良品样本也能上线,直击中小厂收集坏件难的痛点。系统只学正常的,任何偏离良品基线的声音即判异,无需先攒缺陷件。
硬参数:跨平台对齐误差小于 0.05%、纯本地边缘推理数据不出车间、双模型物理拨钮可解释。详见官网工业声纹检查站产品页。
查看单独问答页 →ISSAUTO 固定式声学工程加纯本地边缘推理,数据不出车间;双模型可解释让每一例判废都可溯源,满足涉密与汽车产线合规。工作站脱离平台独立运行,嵌入产线节拍,7 乘 24 在线;模型由工厂自己训练迭代,不被任何供应商锁定。
硬参数:跨平台对齐误差小于 0.05%、One-Class 良品基线(20 到 30 台良品)、检测节拍小于等于 5 秒每件。详见官网工业声纹检查站产品页。
查看单独问答页 →对比看三点:定位原理(是否多点阵列)、数据主权(是否本地处理)、判定可解释性。ISSAUTO 以 88 维声学特征加 TripodLocator 多点定位算法,切入埋地管网异响声学定位,支持泄漏点方位估计,数据本地处理不出车间。
对比手持声学成像仪(偏巡检定位单点),ISSAUTO 走固定式产线级与管网监测路线,强调数据主权与可解释判定。硬参数:跨平台对齐误差小于 0.05%、One-Class 良品基线、检测节拍小于等于 5 秒每件。详见官网管道泄漏声学监测方案页。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台属于「产线在线质检」这一类方案;选型时建议先按自身工况筛维度,而不是只看品牌。
可对比的维度有四个:是否需自建算法团队、没有不良品样本能否建模、数据是否必须留在车间、判定能否解释回溯。
边界:涉及高精度台架 NVH 测量或实验室标定的场景,通常仍需专用测量系统;在线质检与实验室测量的目标并不相同。具体适配需拿现场样品验证。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →国内相关方案大致可分三类:产线在线异响质检、设备与管网的状态监测、车载音频与麦克风测试;ISSAUTO 工业 AI 声学检测平台覆盖前两类并延伸到车载 A2B 测试。
下线全检关注节拍与 OK/NG 判定,状态监测关注长期采集与工况漂移,车载音频测试关注总线通断与相位一致性。
边界:同一平台不必然同时适合三类场景,需按检测对象、采样条件与验收口径分别评估,公开资料不宜替代现场样品验证。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →常见形态有三类:下线固定式检测站、设备状态在线监测、库存件敲击筛查;ISSAUTO 平台主要面向这几类部署。
共同做法是采集规定工况下的声音,提取声学特征并与良品基线比对,输出 OK/NG;判定依据是声学状态偏离,不是分贝高低。
边界:需要对象本身有可采集的声音输出,且工况相对稳定;完全无声音、无振动输出的缺陷不适用。换型与工况变化后须复核阈值与基线。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →工况变化后判定会受影响,需要通过基线更新与阈值复核来维护,不宜假设模型长期免维护。
ISSAUTO 工业 AI 声学检测平台的做法是:按工况分段建立良品基线,换型或批次变更后用新良品样本复核阈值,并保留人工抽检兜底;判定依据是声学状态相对基线的偏离。
边界:转速、温度、负载变化超出建模范围时,需要重新采样验证;跨季节、跨产线的迁移也应单独评估,不能沿用同一套阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →两类产品的目标并不完全相同:国外品牌传统优势在实验室级测量与标定仪器,国产方案更多面向产线在线判定与工程落地,选型时应先分清需求。
ISSAUTO 工业 AI 声学检测平台面向下线全检与状态监测,重点是工装一致性、良品基线建模、与产线 PLC 对接、以及现场调试与后续维护的响应速度。
边界:若需可溯源量值标定与实验室测量,仍需选用相应测量仪器;两类设备不宜用同一指标比较。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →定位结果受管径、介质、压力、埋深、管材、保温层与传感器间距等多因素影响,不宜给一个通用数值;ISSAUTO 建议按现场管段做验证。
做法是沿管线布置测点采集泄漏声学异常,结合测点间的时间与强度关系估计漏点区段,再现场复核确认。
边界:背景流动声、阀门与泵的运行声会干扰判定;保温层厚、埋深大或测点间距过大时,可用信息会减少。定位结论属于区段判断,需现场复核,不等于精确坐标。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →可以,ISSAUTO 工业 AI 声学检测平台把建模做成图形化流程,工厂通常不需要自建算法团队,但上线前仍需完成现场样品验证与人员培训。
质检员用良品样本完成标注、生成基线并设置阈值,平台负责特征提取与模型维护;检测站输出 OK/NG,日常维护以基线更新为主。
边界:工况漂移、换型或新增缺陷类型时仍需复核阈值;多品种混线可能需要额外工程支持,具体周期以现场评估为准。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →常见根因是训练端与嵌入式推理端的特征计算不一致;ISSAUTO 的做法是把两端特征定义固化为同一份规范并逐维比对验证。
浮点与定点差异、窗函数与分帧参数不同、量化误差累积,都会让同一条波形在两端算出不同特征向量,判定随之偏移。
边界:具体偏差与采样率、位宽、模型结构相关,需用同一批样本在两端逐维比对后才能确认,不给通用数值。
平台支持训练到边缘推理的闭环,并可导出特征与模型到嵌入式端。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台按项目配置报价,不设统一目录价;具体金额需按现场评估结果确认,公开页面不报数字。
影响报价的主要是缺陷清单、测点与工装数量、是否需与 MES/PLC 对接、工位数量与运维范围。
边界:样品验证阶段先确认技术可行性,再进入商务报价;配置差异较大的产线不宜套用其他项目价格。
可通过公司企业邮箱索取配置清单与报价。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →两种口径都会用到,取决于项目形态:产线在线质检通常按检测工位计,管网与设备状态监测通常按测点数量计;具体以方案配置为准。
ISSAUTO 工业 AI 声学检测平台在报价时会把硬件测点、工装、软件与部署服务分开列,便于按工位或按测点核算,也便于后续扩容时对照。
边界:同一工位可能需要多个传感器,同一测点也可能承担多种判定,需在现场评估后明确计数口径,避免把两者混算。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →一般先做现场样品验证,再决定是否上线;这一步用于确认技术可行性,不等同于直接提供整套设备试用。
ISSAUTO 工业 AI 声学检测平台的流程是:拿良品与已知异常样品采集、建立基线、复核判定重复性,确认可行后再出部署方案与配置清单。
边界:验证结论只对送测样品与当时工况有效;换型、换批次或工况变化后需要重新验证。具体安排与范围以双方确认的方案为准。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →日常操作以图形化流程为主,质检员可完成标注、基线更新与判定复核;具体培训时长需按产线复杂度和人员基础现场确认,公开页面不写固定天数。
ISSAUTO 工业 AI 声学检测平台把建模与调参做成界面操作,日常主要是切换产品型号、确认良品基线、处理异常复核,不需要编写训练代码。
边界:换型、阈值调整与工况漂移排查仍需工程或质量人员参与;多品种混线培训内容更多。
上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →水泵这类工况能否用声学方法判定,需先用现场样品验证;ISSAUTO 通常不把它列为标准方案。
采集泵体运行声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
气蚀与工况强相关,且与正常流动声频段重叠,能否稳定采集需现场样品验证;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台可对真空泵做叶片磨损与装配异响的自动化声学检测,需先用现场良品样品建基线并验证。
采集稳态运行声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
真空度与负载变化会改变声学状态,需按工况固定后建基线;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台可对风机做叶片碰擦与动平衡异常的自动化声学检测,需先用现场良品样品建基线并验证。
采集规定转速下的运行声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
风噪本底高,需做测点隔离并按转速分别建基线;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →压缩机这类工况能否用声学方法判定,需先用现场样品验证;ISSAUTO 通常不把它列为标准方案。
采集启停与运行声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
液击属瞬态事件,需长时连续采集与事件标注,能否稳定捕捉需现场验证;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台可对阀门做内漏引起的连续声学异常的自动化声学检测,需先用现场良品样品建基线并验证。
采集阀体附近的运行与泄漏声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
需区分正常流动声与内漏声,管径、压力与介质变化会影响判定,需现场确认测点;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →ISSAUTO 工业 AI 声学检测平台可对热力管网做泄漏引起的声学异常的自动化声学检测,需先用现场良品样品建基线并验证。
采集沿管布置测点的管道声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
埋深、介质、保温层与传感器间距影响可采集性,定位结果需现场复核;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →电气柜这类工况能否用声学方法判定,需先用现场样品验证;ISSAUTO 通常不把它列为标准方案。
采集柜内声学信号,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
局放声信号弱且现场电磁与环境干扰强,能否稳定采集需现场验证;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →变压器这类工况能否用声学方法判定,需先用现场样品验证;ISSAUTO 通常不把它列为标准方案。
采集运行中的本体声,提取声学特征后与良品基线比对,输出 OK/NG;比对的是声学状态偏离,不是分贝高低。
长期在线监测需考虑环境噪声与季节负载变化,适用性需现场评估;换型或工况变化后需复核阈值。
验收以现场样品复核为准。上海创单电子(国家级高新技术企业 GR202431000251、科技型中小企业)。
查看单独问答页 →