CN104913355A - 吸油烟机的噪音处理系统、方法及装置 - Google Patents
吸油烟机的噪音处理系统、方法及装置 Download PDFInfo
- Publication number
- CN104913355A CN104913355A CN201510373443.XA CN201510373443A CN104913355A CN 104913355 A CN104913355 A CN 104913355A CN 201510373443 A CN201510373443 A CN 201510373443A CN 104913355 A CN104913355 A CN 104913355A
- Authority
- CN
- China
- Prior art keywords
- source
- noise
- signal
- range hood
- source signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种吸油烟机的噪音处理系统、方法及装置。其中,该系统包括:传感器组,安装在吸油烟机上,传感器组用于采集吸油烟机的多个振动混合信号;处理装置,处理装置包括:盲源处理单元,用于对多个振动混合信号进行盲源分离,得到一个或多个源信号;频谱分析单元,用于对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。本发明解决了识别吸油烟机的噪音源效率低的技术问题。
Description
技术领域
本发明涉及家用电器领域,具体而言,涉及一种吸油烟机的噪音处理系统、方法及装置。
背景技术
现有技术中,风机组件是吸油烟机的主要噪声源,其中,风机组件包括电机、蜗壳、和离心风叶等零部件,这些零部件都可能引起吸油烟机的噪声。目前,为了降低吸油烟机的噪声,一般通过对风机组件的单一零部件进行结构优化(例如蜗壳结构优化、离心风叶结构优化等)。现有技术中,当吸油烟机在启动运转过程中产生较大或者异常的噪声时,一般采取拆卸吸油烟机的方法来查找吸油烟机内部的噪声源,该方法的缺点是麻烦,对验证噪声源的耗时长并且容易超出项目开发初期定的时间限制(即影响项目节点)。另外,当噪声是由风机组件的多个零部件复合产生的时候,如果仅优化改善其中一个零部件结构,则不能达到有效降低噪声的目的。上述方法均存在着无法实现在油烟机运转的同时准确快速的识别各噪声源的问题。
针对现有技术中识别吸油烟机的噪音源效率低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种吸油烟机的噪音处理系统、方法及装置,以至少解决识别吸油烟机的噪音源效率低的技术问题。
根据本发明实施例的一个方面,提供了一种吸油烟机的噪音处理系统,该系统包括:传感器组,安装在吸油烟机上,传感器组用于采集吸油烟机的多个振动混合信号;处理装置,处理装置包括:盲源处理单元,用于对多个振动混合信号进行盲源分离,得到一个或多个源信号;频谱分析单元,用于对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
进一步地,噪音处理系统还包括:降噪装置,用于对各个噪声源降噪。
进一步地,盲源处理单元包括:信号处理器,用于对多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;盲源处理子单元,用于对处理后的振动混合信号进行源信号数估计,分离出一个或多个源信号。
进一步地,频谱分析单元包括:频谱特征提取子单元,用于提取一个或多个源信号的第一频谱特征;噪声源确定子单元,用于比较第一频谱特征与第二频谱特征的基频和倍频,识别第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
进一步地,传感器组安装在吸油烟机的壳体上,传感器组包括:三个加速度传感器,三个加速度传感器分别为:第一加速度传感器,安装在吸油烟机的离心风叶的正前方;第二加速度传感器,安装在吸油烟机的蜗壳的侧面;第三加速度传感器,安装在背对吸油烟机的电机的转动轴的一面。
进一步地,各个加速度传感器分别包括:传感器本体;磁铁头,安装在传感器本体的端部,磁铁头吸附在吸油烟机的壳体上。
根据本发明实施例的另一方面,还提供了一种吸油烟机的噪音处理方法,该方法包括:采集吸油烟机的多个振动混合信号;对多个振动混合信号进行盲源分离,得到一个或多个源信号;对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
进一步地,在识别出各个源信号的噪声源之后,噪音处理方法还包括:对各个噪声源降噪。
进一步地,对多个振动混合信号进行盲源分离,得到一个或多个源信号包括:对多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;对处理后的振动混合信号进行源信号数估计,分离出一个或多个源信号。
进一步地,对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源包括:提取一个或多个源信号的第一频谱特征;比较第一频谱特征与第二频谱特征的基频和倍频,识别第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
根据本发明实施例的另一方面,还提供了一种吸油烟机的噪音处理装置,该装置包括:采集模块,用于采集吸油烟机的多个振动混合信号;盲源分离模块,用于对多个振动混合信号进行盲源分离,得到一个或多个源信号;频谱分析模块,用于对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
在本发明实施例中,采用了传感器组采集吸油烟机的多个振动混合信号,然后对多个振动混合信号进行盲源分离和频谱分析,识别出各个源信号的噪声源。通过利用盲源分离方法对采集到的振动混合信号进行分离,达到了识别出各个噪音源的目的,并可以在油烟机运转的同时,准确快速的识别各噪声源,从而实现了快速高效地识别吸油烟机的噪音源的技术效果,进而解决了识别吸油烟机的噪音源效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的吸油烟机的噪音处理系统的示意图;
图2是根据本发明实施例的另一种可选的吸油烟机的噪音处理系统的示意图;
图3是根据本发明实施例的一种可选的盲源分离的原理图;
图4是根据本发明实施例的一种可选的噪音处理系统中传感器组的安装示意图;
图5是根据本发明实施例的一种可选的吸油烟机的噪音处理系统的原理图;
图6是根据本发明实施例的一种可选的加速度传感器的结构示意图;
图7是根据本发明实施例的一种吸油烟机的噪音处理方法的流程图;
图8是根据本发明实施例的一种吸油烟机的噪音处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种吸油烟机的噪音处理系统的系统实施例。
图1是根据本发明实施例的一种可选的吸油烟机的噪音处理系统的示意图。如图1所示,该系统可以包括如下装置:传感器组10和处理装置30,其中,处理装置30包括盲源处理单元31和频谱分析单元33。
其中,传感器组安装在吸油烟机上,该传感器组用于采集吸油烟机的多个振动混合信号;盲源处理单元,用于对多个振动混合信号进行盲源分离,得到一个或多个源信号;频谱分析单元,用于对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
通过上述实施例中的吸油烟机的噪音处理系统,通过传感器组采集吸油烟机的多个振动混合信号,然后对多个振动混合信号进行盲源分离和频谱分析,识别出各个源信号的噪声源。在该实施例中,通过利用盲源分离方法对采集到的振动混合信号进行分离,以识别出各个噪音源,可以在油烟机运转的同时,准确快速的识别各噪声源,解决了现有技术中识别吸油烟机的噪音源效率低的问题,实现了快速高效地识别吸油烟机的噪音源的效果。
通过上述实施例,在油烟机运转的过程中利用传感器组采集得到一个或多个(如三个)振动混合信号,并利用盲源分离方法对其进行分离,从而得到各单一源信号,再进一步利用频谱分析法对其进行分析,得到各频谱特征,根据各频谱特征识别噪声产生的缘由,从而快速有针对性地进行优化降噪。
如图2所示,噪音处理系统还可以包括:降噪装置50,用于对各个噪声源降噪。
可选地,可以使用机械原理或者声学原理的降噪装置进行噪声源的降噪,具体的,可以通过改进机械设备结构,应用新材料来降噪,或者采用吸音装置、隔音装置、减震装置、密封装置或消声器等消音降噪设备来消除吸油烟机中各个噪声源所产生的噪声。
根据本发明上述实施例,盲源处理单元可以包括:信号处理器,用于对多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;盲源处理子单元,用于对处理后的振动混合信号进行源信号数估计,分离出一个或多个源信号。
如图3所示,盲源分离单元可以通过图3所示的原理实现盲源分离:
步骤S301,混合系统产生噪音源信号。
其中,混合系统为外界背景干扰和系统本身(如吸油烟机)的混合,混合系统产生噪音信号s(t)。
步骤S302,采集振动混合信号。
具体地,将采集到的振动混合信号作为观测信号x(t)进行混合处理。其中,采集到的振动混合信号可以为一个或多个,若振动混合信号为多个,则将多个振动混合信号作为一个整体进行混合处理。
在本发明的上述实施例中可以通过加速度传感器采集得到观测信号。
步骤S303,对观测信号x(t)进行去均值、白化和源信号数估计处理,得到各个源信号。
具体地,可以对观测信号x(t)去均值、白化和源信号数估计实现对观测信号x(t)的盲源分离。其中,对处理后的振动混合信号进行源信号数估计即估计处理后的振动混合信号的源信号的数量,并分离处理后的振动混合信号得到一个或多个源信号。
步骤S304,输出各个源信号。
上述实施例中的盲源分离方法可以在信号源未知的情况下,通过传感器组采集得到观测信号,并对观测信号进行去均值,白化处理及源信号数估计处理,分离得出各源信号,从而可以快速得到吸油烟机的噪音的源信号。
需要说明的是,图3中的箭头方向还示出了信号的处理流向。
在上述实施例中,频谱分析单元可以包括:频谱特征提取子单元,用于提取一个或多个源信号的第一频谱特征;噪声源确定子单元,用于比较第一频谱特征与第二频谱特征的基频和倍频,识别第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
具体地,可以按预先知道的特征基频率(即上述实施例中的第二频谱特征),根据分离分析的第一频谱特征与第二频率特征的基频及倍频的关系,识别相应的噪声源。
通过上述实施例,在油烟机运转的同时,将盲源分离法应用到吸油烟机的噪声识别上,可以实现更准确快速的识别各噪声源,节省噪声产生原因的查找验证时间,达到更快更准确的查找噪声源,从而进行改善优化的目的,提高项目开发效率。
在上述实施例中,传感器组安装在吸油烟机的壳体上,传感器组包括:三个加速度传感器,三个加速度传感器分别为:第一加速度传感器,安装在吸油烟机的离心风叶的正前方;第二加速度传感器,安装在吸油烟机的蜗壳的侧面;第三加速度传感器,安装在背对吸油烟机的电机的转动轴的一面。
如图4所示,传感器组包括三个加速度传感器,分别可以为第一加速度传感器11,第二加速度传感器13和第三加速度传感器15。其中,传感器组安装在振动噪声源的正面或者比较近的地方,第一加速度传感器可以安装在吸油烟机的离心风叶的正前方;第二加速度传感器可以安装在吸油烟机的蜗壳的侧面;第三加速度传感器可以安装在吸油烟机的电机的背面。上述实施例中的各个加速度传感器可以通过利用其带磁铁的端部的吸力来吸附在吸油烟机外壳的前,左,后三个方向上,用于对不同方向的信号或数据进行采集传感,使得采集的信号或数据更加全面有效,并可以实现在油烟机运转时,更准确快速的识别异常噪声源。
如图5所示的实施例,各个加速度传感器分别可以包括:传感器本体101;磁铁头103,该磁铁头安装在传感器本体101的端部,磁铁头103吸附在吸油烟机的壳体上。
具体地,加速度传感器通过其端部的磁铁头吸附在吸油烟机的壳体上,各个加速度传感器的传感头可以分别对油烟机进行信号采集,即探测传感头周围的信号,得到三个振动混合信号。
下面结合图6详细介绍本发明上述实施例,如图6所示,该噪音处理系统的工作原理为:吸油烟机在运行状态下产生振动混合信号。其中,该振动混合信号可以为一个或者多个,由传感器组(如图6中所示的第一加速度传感器、第二加速度传感器和第三加速度传感器)采集吸油烟机的振动混合信号,并将采集到的振动混合信号同步输入到与加速度传感器连接的上位机里,安装在上位机的控制器对接收到的一个或多个振动混合信号进行盲源分离处理,得到多个分离信号(即上述实施例中的源信号),该多个分离信号可以为三个(如图6中所示的分离信号1、分离信号2、以及分离信号3),对该三个源信号进行频谱分析得到对应源信号的频谱图及频谱特征(如图6中示出的频谱特征1、频谱特征2以及频谱特征3),以及根据得到的频谱特征识别噪声源,得出诊断结论并进行优化改善(如进行降噪处理)。
需要说明的是,图6中的箭头方向表示信号的流向。
上述实施例中的传感器组安装在吸油烟机壳体上,该传感器组可以包括多个加速度传感器,该传感器组采集到的噪音源信号个数与传感器组中加速度传感器的个数相匹配。
其中,盲源分离处理可以采用盲源分离算法的方法实现,盲源分离方算法可以根据盲源分离理论,用Mat lab编写程序得到。对于吸油烟机的振动混合信号来说,在该振动混合信号进行盲源分离处理后,可以得到包括风机组件的蜗壳振动信号,离心风叶振动信号及电机振动信号的源信号。
可选地,上述对各个源信号进行频谱特征识别得到的频谱特征的数量与源信号(分离信号)的个数相匹配。
如图6所示的实施例中,对吸油烟机的振动混合信号进行盲源分离和频谱识别处理后,可以得到蜗壳振动源信号,离心风叶振动源信号及电机振动源信号,然后可以依据设计过程预先知道的该吸油烟机的蜗壳,电机以及离心风叶的特征基频率(如蜗壳特征基频率f1,电机特征基频率f2,以及离心风叶特征基频率f3),识别异常噪声产生的部件。
通过采用上述实施例,可达到在油烟机运转的同时,更准确快速的识别各噪声源,节省噪声产生原因的查找验证时间,达到更快更准确的查找噪声源并进行改善优化的目的,提高项目开发效率。
本发明实施例中还提供了一种吸油烟机的噪音处理方法的实施例,如图7所示该方法可以包括如下步骤:
步骤S701:采集吸油烟机的多个振动混合信号。
步骤S703:对多个振动混合信号进行盲源分离,得到一个或多个源信号。
步骤S705:对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
通过上述实施例,通过传感器组采集吸油烟机的多个振动混合信号,然后对多个振动混合信号进行盲源分离和频谱分析,识别出各个源信号的噪声源。在该实施例中,通过利用盲源分离方法对采集到的振动混合信号进行分离,以识别出各个噪音源,可以在油烟机运转的同时,准确快速的识别各噪声源,解决了现有技术中识别吸油烟机的噪音源效率低的问题,实现了快速高效地识别吸油烟机的噪音源的效果。
通过上述实施例,在油烟机运转的过程中利用传感器组采集得到一个或多个(如三个)振动混合信号,并利用盲源分离方法对其进行分离,从而得到各单一源信号,再进一步利用频谱分析法对其进行分析,得到各频谱特征,根据各频谱特征识别噪声产生的缘由,从而快速有针对性地进行优化降噪。
在上述实施例中,在识别出各个源信号的噪声源之后,噪音处理方法还包括:对各个噪声源降噪。
可选地,可以使用机械原理或者声学原理的降噪装置进行噪声源的降噪,具体的,可以通过改进机械设备结构,应用新材料来降噪,或者采用吸音装置、隔音装置、减震装置、密封装置或消声器等消音降噪设备来消除吸油烟机中各个噪声源所产生的噪声。
在上述实施例中,对多个振动混合信号进行盲源分离,得到一个或多个源信号包括:对多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;对处理后的振动混合信号进行源信号数估计,分离出一个或多个源信号。
上述实施例中的盲源分离方法可以在信号源未知的情况下,通过传感器组采集得到观测信号,并对观测信号进行去均值,白化处理及源信号数估计处理,分离得出各源信号,从而可以快速得到吸油烟机的噪音的源信号。
在上述实施例中,对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源包括:提取一个或多个源信号的第一频谱特征;比较第一频谱特征与第二频谱特征的基频和倍频,识别第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
如图4所示,传感器组包括三个加速度传感器,分别可以为第一加速度传感器11,第二加速度传感器13和第三加速度传感器15。其中,传感器组安装在振动噪声源的正面或者比较近的地方,第一加速度传感器可以安装在吸油烟机的离心风叶的正前方;第二加速度传感器可以安装在吸油烟机的蜗壳的侧面;第三加速度传感器可以安装在吸油烟机的电机的背面。上述实施例中的各个加速度传感器可以通过利用其带磁铁的端部的吸力来吸附在吸油烟机外壳的前,左,后三个方向上,用于对不同方向的信号或数据进行采集传感,使得采集的信号或数据更加全面有效,并可以实现在油烟机运转时,更准确快速的识别异常噪声源。
通过采用上述实施例,可达到在油烟机运转的同时,更准确快速的识别各噪声源,节省噪声产生原因的查找验证时间,达到更快更准确的查找噪声源并进行改善优化的目的,提高项目开发效率。
本发明实施例中还提供了一种吸油烟机的噪音处理装置的实施例,如图8所示,该噪音处理装置包括:采集模块20,用于采集吸油烟机的多个振动混合信号;盲源分离模块40,用于对多个振动混合信号进行盲源分离,得到一个或多个源信号;频谱分析模块60,用于对一个或多个源信号进行频谱分析,识别出各个源信号的噪声源。
通过上述实施例,通过采集模块采集吸油烟机的多个振动混合信号,然后盲源分离模块和频谱分析模块对多个振动混合信号进行盲源分离和频谱分析,识别出各个源信号的噪声源。在该实施例中,通过利用盲源分离方法对采集到的振动混合信号进行分离,以识别出各个噪音源,可以在油烟机运转的同时,准确快速的识别各噪声源,解决了现有技术中识别吸油烟机的噪音源效率低的问题,实现了快速高效地识别吸油烟机的噪音源的效果。
通过上述实施例,在油烟机运转的过程中利用传感器组采集得到一个或多个(如三个)振动混合信号,并利用盲源分离方法对其进行分离,从而得到各单一源信号,再进一步利用频谱分析法对其进行分析,得到各频谱特征,根据各频谱特征识别噪声产生的缘由,从而快速有针对性地进行优化降噪。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种吸油烟机的噪音处理系统,其特征在于,包括:
传感器组,安装在吸油烟机上,所述传感器组用于采集所述吸油烟机的多个振动混合信号;
处理装置,所述处理装置包括:
盲源处理单元,用于对所述多个振动混合信号进行盲源分离,得到一个或多个源信号;
频谱分析单元,用于对所述一个或多个源信号进行频谱分析,识别出各个所述源信号的噪声源。
2.根据权利要求1所述的噪音处理系统,其特征在于,所述噪音处理系统还包括:
降噪装置,用于对各个所述噪声源降噪。
3.根据权利要求1所述的噪音处理系统,其特征在于,所述盲源处理单元包括:
信号处理器,用于对所述多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;
盲源处理子单元,用于对所述处理后的振动混合信号进行源信号数估计,分离出所述一个或多个源信号。
4.根据权利要求3所述的噪音处理系统,其特征在于,所述频谱分析单元包括:
频谱特征提取子单元,用于提取所述一个或多个源信号的第一频谱特征;
噪声源确定子单元,用于比较第一频谱特征与第二频谱特征的基频和倍频,识别所述第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
5.根据权利要求1所述的噪音处理系统,其特征在于,所述传感器组安装在所述吸油烟机的壳体上,所述传感器组包括:三个加速度传感器,所述三个加速度传感器分别为:
第一加速度传感器,安装在所述吸油烟机的离心风叶的正前方;
第二加速度传感器,安装在所述吸油烟机的蜗壳的侧面;
第三加速度传感器,安装在背对所述吸油烟机的电机的转动轴的一面。
6.根据权利要求5所述的噪音处理系统,其特征在于,各个所述加速度传感器分别包括:
传感器本体;
磁铁头,安装在所述传感器本体的端部,所述磁铁头吸附在所述吸油烟机的壳体上。
7.一种吸油烟机的噪音处理方法,其特征在于,包括:
采集所述吸油烟机的多个振动混合信号;
对所述多个振动混合信号进行盲源分离,得到一个或多个源信号;
对所述一个或多个源信号进行频谱分析,识别出各个所述源信号的噪声源。
8.根据权利要求7所述的噪音处理方法,其特征在于,在识别出各个所述源信号的噪声源之后,所述噪音处理方法还包括:
对各个所述噪声源降噪。
9.根据权利要求7所述的噪音处理方法,其特征在于,对所述多个振动混合信号进行盲源分离,得到一个或多个源信号包括:
对所述多个振动混合信号进行去均值和白化处理,得到处理后的振动混合信号;
对所述处理后的振动混合信号进行源信号数估计,分离出所述一个或多个源信号。
10.根据权利要求9所述的噪音处理方法,其特征在于,对所述一个或多个源信号进行频谱分析,识别出各个所述源信号的噪声源包括:
提取所述一个或多个源信号的第一频谱特征;
比较第一频谱特征与第二频谱特征的基频和倍频,识别所述第一频谱特征对应的噪声源,其中,第二频谱特征用于表征预先获取的已知噪声源的频率特征。
11.一种吸油烟机的噪音处理装置,其特征在于,包括:
采集模块,用于采集所述吸油烟机的多个振动混合信号;
盲源分离模块,用于对所述多个振动混合信号进行盲源分离,得到一个或多个源信号;
频谱分析模块,用于对所述一个或多个源信号进行频谱分析,识别出各个所述源信号的噪声源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510373443.XA CN104913355B (zh) | 2015-06-29 | 2015-06-29 | 吸油烟机的噪音处理系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510373443.XA CN104913355B (zh) | 2015-06-29 | 2015-06-29 | 吸油烟机的噪音处理系统、方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104913355A true CN104913355A (zh) | 2015-09-16 |
CN104913355B CN104913355B (zh) | 2017-10-27 |
Family
ID=54082637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510373443.XA Active CN104913355B (zh) | 2015-06-29 | 2015-06-29 | 吸油烟机的噪音处理系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104913355B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203318A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 一种吸油烟机运行状态实时监测的方法及装置 |
CN105489215A (zh) * | 2015-11-18 | 2016-04-13 | 珠海格力电器股份有限公司 | 一种噪声源识别方法及系统 |
CN107024616A (zh) * | 2017-05-05 | 2017-08-08 | 郑州云海信息技术有限公司 | 一种提高电磁骚扰源诊断效率的方法及系统 |
CN109307301A (zh) * | 2018-11-30 | 2019-02-05 | 林丽 | 循环式普适型油烟机 |
CN109473089A (zh) * | 2018-12-29 | 2019-03-15 | 联想(北京)有限公司 | 一种电子设备及处理方法 |
CN111243613A (zh) * | 2020-01-08 | 2020-06-05 | 山东赛马力发电设备有限公司 | 基于噪声源识别的发电机组减震降噪方法 |
CN112648665A (zh) * | 2021-01-06 | 2021-04-13 | 宁波方太厨具有限公司 | 吸油烟机的启动控制方法及应用该方法的吸油烟机 |
CN113339861A (zh) * | 2021-06-04 | 2021-09-03 | 广东万家乐燃气具有限公司 | 一种吸油烟机噪声检测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031088B (zh) * | 2019-04-17 | 2020-04-07 | 珠海格力电器股份有限公司 | 电子设备故障检测方法、装置、设备和吸油烟机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010020294A (ja) * | 2008-06-11 | 2010-01-28 | Sony Corp | 信号処理装置、および信号処理方法、並びにプログラム |
CN101729157A (zh) * | 2009-12-11 | 2010-06-09 | 南京航空航天大学 | 一种强噪声环境下的振动信号盲源分离方法 |
CN103083012A (zh) * | 2012-12-24 | 2013-05-08 | 太原理工大学 | 基于盲源分离的房颤信号提取方法 |
CN103471848A (zh) * | 2013-08-20 | 2013-12-25 | 哈尔滨工程大学 | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 |
CN104182608A (zh) * | 2014-06-17 | 2014-12-03 | 哈尔滨工程大学 | 一种基于独立分量分析easi算法的机械故障诊断方法 |
CN104464749A (zh) * | 2014-11-24 | 2015-03-25 | 沈阳化工大学 | 一种基于盲提取治理冷却塔噪声的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231847B (zh) * | 2008-01-09 | 2010-11-10 | 南京航空航天大学 | 一种结构振动噪声主动控制方法及其装置 |
CN202033101U (zh) * | 2010-10-19 | 2011-11-09 | 上海奥波电子有限公司 | 一种振动及噪声测量仪 |
CN102491140A (zh) * | 2011-12-27 | 2012-06-13 | 阳西县电梯配件有限公司 | 基于特征信号的电梯安全检测装置及电梯安全检测方法 |
CN103234585A (zh) * | 2013-04-16 | 2013-08-07 | 内蒙古航天亿久科技发展有限责任公司 | 一种大型风电机组在线监测及故障诊断系统 |
CN103323192B (zh) * | 2013-06-19 | 2016-02-24 | 杭州盘古自动化系统有限公司 | 基于声波的电机检测装置及测试方法 |
CN203732155U (zh) * | 2013-10-16 | 2014-07-23 | 云南电力试验研究院(集团)有限公司电力研究院 | 基于主动降噪技术的振动声学检测频谱采集装置 |
CN104407291B (zh) * | 2014-11-12 | 2017-05-03 | 南方电网科学研究院有限责任公司 | 一种风电机组故障诊断系统与方法 |
CN104405151A (zh) * | 2014-11-24 | 2015-03-11 | 沈阳化工大学 | 一种鼓风机机房的噪声控制方法 |
CN104485095A (zh) * | 2014-11-24 | 2015-04-01 | 沈阳化工大学 | 一种抽油机噪声的控制方法 |
-
2015
- 2015-06-29 CN CN201510373443.XA patent/CN104913355B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010020294A (ja) * | 2008-06-11 | 2010-01-28 | Sony Corp | 信号処理装置、および信号処理方法、並びにプログラム |
CN101729157A (zh) * | 2009-12-11 | 2010-06-09 | 南京航空航天大学 | 一种强噪声环境下的振动信号盲源分离方法 |
CN103083012A (zh) * | 2012-12-24 | 2013-05-08 | 太原理工大学 | 基于盲源分离的房颤信号提取方法 |
CN103471848A (zh) * | 2013-08-20 | 2013-12-25 | 哈尔滨工程大学 | 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法 |
CN104182608A (zh) * | 2014-06-17 | 2014-12-03 | 哈尔滨工程大学 | 一种基于独立分量分析easi算法的机械故障诊断方法 |
CN104464749A (zh) * | 2014-11-24 | 2015-03-25 | 沈阳化工大学 | 一种基于盲提取治理冷却塔噪声的方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203318A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 一种吸油烟机运行状态实时监测的方法及装置 |
CN105489215A (zh) * | 2015-11-18 | 2016-04-13 | 珠海格力电器股份有限公司 | 一种噪声源识别方法及系统 |
CN107024616A (zh) * | 2017-05-05 | 2017-08-08 | 郑州云海信息技术有限公司 | 一种提高电磁骚扰源诊断效率的方法及系统 |
CN109307301A (zh) * | 2018-11-30 | 2019-02-05 | 林丽 | 循环式普适型油烟机 |
CN109473089A (zh) * | 2018-12-29 | 2019-03-15 | 联想(北京)有限公司 | 一种电子设备及处理方法 |
CN111243613A (zh) * | 2020-01-08 | 2020-06-05 | 山东赛马力发电设备有限公司 | 基于噪声源识别的发电机组减震降噪方法 |
CN111243613B (zh) * | 2020-01-08 | 2023-01-31 | 福建省煜坤强威电机有限公司 | 基于噪声源识别的发电机组减震降噪方法 |
CN112648665A (zh) * | 2021-01-06 | 2021-04-13 | 宁波方太厨具有限公司 | 吸油烟机的启动控制方法及应用该方法的吸油烟机 |
CN113339861A (zh) * | 2021-06-04 | 2021-09-03 | 广东万家乐燃气具有限公司 | 一种吸油烟机噪声检测方法 |
CN113339861B (zh) * | 2021-06-04 | 2023-12-12 | 广东万家乐燃气具有限公司 | 一种吸油烟机噪声检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104913355B (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104913355A (zh) | 吸油烟机的噪音处理系统、方法及装置 | |
CN102317770B (zh) | 用于对发声过程进行分类的方法和装置 | |
CN105021276A (zh) | 电器故障诊断方法和装置及电器 | |
CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
CN103720468B (zh) | 应用于动态心电数据的伪差识别方法和装置 | |
CN109145727A (zh) | 一种基于vmd参数优化的轴承故障特征提取方法 | |
CN104409080A (zh) | 语音端点检测方法和装置 | |
DE60234571D1 (de) | Rechnergestützte bildanalyse | |
US10368177B2 (en) | Abnormality detecting device, abnormality detection method, and recording medium storing abnormality detection computer program | |
CN107693010A (zh) | 基于可编程逻辑平台fpga的qrs波检测系统 | |
CN103778916A (zh) | 监控环境声音的方法及系统 | |
CN113283331B (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
CN104952449A (zh) | 环境噪声声源识别方法及装置 | |
CN110988137A (zh) | 一种基于时频域特征的异音检测系统及方法 | |
CN109030849B (zh) | 压缩机旋转失速的监测方法及装置 | |
TWI553502B (zh) | 用於應用程式層之防火牆裝置的保護方法與其電腦系統 | |
Yu et al. | Sparse time–frequency representation for the transient signal based on low-rank and sparse decomposition | |
CN112082793A (zh) | 一种基于SCA和FastICA的旋转机械耦合故障诊断方法 | |
CN117316172A (zh) | 一种机器人声发射信号的降噪方法及系统 | |
CN105353306A (zh) | 电机故障诊断方法和装置及电器 | |
CN114858430A (zh) | 一种基于lcd-小波新阈值的机械密封声发射信号降噪方法 | |
CN103743585A (zh) | 一种机械故障诊断方法 | |
CN114611551A (zh) | 一种基于小波包能量谱熵的机电故障分类方法 | |
CN115064182A (zh) | 自适应梅尔滤波器在强噪声环境下风机故障特征识别方法 | |
Deowan et al. | A Warning and Detection System for Elephant Intrusions utilizing Signal Processing and IoT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |