CN107703822A - 一种洗衣机多参数自动检测系统及振动状态数据处理方法 - Google Patents
一种洗衣机多参数自动检测系统及振动状态数据处理方法 Download PDFInfo
- Publication number
- CN107703822A CN107703822A CN201711060597.9A CN201711060597A CN107703822A CN 107703822 A CN107703822 A CN 107703822A CN 201711060597 A CN201711060597 A CN 201711060597A CN 107703822 A CN107703822 A CN 107703822A
- Authority
- CN
- China
- Prior art keywords
- washing machine
- signal
- msub
- module
- mrow
- 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
- 238000005406 washing Methods 0.000 title claims abstract description 121
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000001360 synchronised effect Effects 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 9
- 235000018734 Sambucus australis Nutrition 0.000 claims abstract description 5
- 244000180577 Sambucus australis Species 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 5
- OGFXBIXJCWAUCH-UHFFFAOYSA-N meso-secoisolariciresinol Natural products C1=2C=C(O)C(OC)=CC=2CC(CO)C(CO)C1C1=CC=C(O)C(OC)=C1 OGFXBIXJCWAUCH-UHFFFAOYSA-N 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 33
- 230000000391 smoking effect Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 24
- 230000002123 temporal effect Effects 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 20
- 230000003321 amplification Effects 0.000 claims description 15
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 230000018044 dehydration Effects 0.000 claims description 5
- 238000006297 dehydration reaction Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 3
- 230000005477 standard model Effects 0.000 claims 2
- 238000002474 experimental method Methods 0.000 claims 1
- 238000007654 immersion Methods 0.000 claims 1
- 208000005156 Dehydration Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000080 chela (arthropods) Anatomy 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 235000021018 plums Nutrition 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24215—Scada supervisory control and data acquisition
Abstract
本发明公开了一种洗衣机多参数自动检测系统及振动状态数据处理方法，该系统包括：主控板、电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块、数据采集模块、液晶显示模块。系统实时同步采集洗衣机工作时的电力信号、声音信号以及三维振动信号，对多参数数据进行时域和频域的特征提取及融合，采用加权匹配获得洗衣机的工作状态及时序图。本发明的多参数检测系统可以相对全面地检测出洗衣机的具体工作状态；采用多达45个3D振动传感器采样振动信号，精度相对较高；对电力、声音及振动信号采取了同步采样时序控制，保证了数据的有效性和精简性；采用DTW匹配方法，解决了不同长度的振动特征数据的匹配问题。
Description
技术领域
本发明涉及家用电器自动检测技术领域，尤其涉及一种洗衣机多参数自动检测系统及振动状态数据处理方法。
背景技术
近几年来，不少企业都出现“用工荒”这一现象，尤其是在制造行业，对洗衣机行业来说也普遍存在着这一现象。而大多洗衣机检测设备测试功能单一，且自动化水平不高，需要大量的人工测试及分析，更加剧了“用工荒”和制造业用人需求之间的矛盾，因此急需设计大量先进的多参数自动化检测系统，提高生产效率。
本发明针对洗衣机比较重要的几个参数即功率、振动及声音进行一体化综合检测，取代目前洗衣机的各分项检测设备，这大大便捷了对洗衣机的检测，提高自动化检测水平，同时有助于洗衣机优化设计。
现有洗衣机检测系统大多检测单项功能。例如：中国专利申请号ZL201210121914.4公开了一种洗衣机用电量显示控制系统及洗衣机用电量显示控制方法，该专利仅检测功率；中国专利申请号ZL 201520353664.6公开了一种洗衣机甩干机用振动强度检测装置，该专利仅检测振动；中国专利申请号ZL201420075429.2公开了一种用于双滚筒洗衣机脱水阶段振动噪音的检测装置，该专利仅检测噪声；也有学者对振动和噪声同时进行检测，崔旭利、刘艳洁、贺乐昌、袁泉的论文《滚筒洗衣机箱体两种侧板振动噪声特性》针对洗衣机的振动和噪声进行了检测。目前尚未查询到可以同时检测功率\噪声\振动的检测系统相关文献。
此外目前检测振动的仪器传感器个数过少，无法提供较为完备的振动状态检测，不能够满足即将发布的中华人民共和国国家标准GB/T 4288-2018的振动检测要求。如中国专利申请号ZL 201110416635.6公开了一种洗衣机及其脱水振动检测装置，专利中设置了2个传感器来检测洗衣机的振动情况；又如郑红梅、刘正士、李志远的论文《新型倾斜轴洗衣机振动分析与减振的实验研究》提出通过四个传感器检测洗衣机箱体某个面的四个点的位移来得到洗衣机的振动情况。
关于振动方法的检测，有对振动量的时域信号进行检测，例如，中国专利申请号ZL201510278407.5公开了一种基于MEMS传感器检测洗衣机振动位移数据的方法；也有对洗衣机的振动模态进行检测分析，例如，胡效东、闵迎亚、刘学亮、刘宪福的论文《滚筒洗衣机箱体振动特性及模态分析》提出通过检测滚筒洗衣机的模态特性来分析洗衣机的振动情况，但未见文献提及针对状态时序图的振动参数检测方法。此外，专利中借鉴语音信号的端点检测和DTW匹配方法，解决了长度不同的信号的匹配问题，而且采取时域特征和频域特征相融合可以有效提高状态识别率，该方法未见文献提及。
专利中关于声音、电力信号及振动信号的同步时序设计紧凑，而且采用GPS同步时钟模块更是大大提高了同步精度。
发明内容
本发明要解决的技术问题是提供一种洗衣机多参数自动检测系统。
本发明要解决的另外一个技术问题是提供一种洗衣机振动状态数据处理方法。
对于洗衣机多参数自动检测系统，本发明采用的技术方案是，一种洗衣机多参数自动检测系统，包括主控板、电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块、数据采集模块、液晶显示模块；
电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块分别与数据采集模块连接；
数据采集模块和液晶显示模块分别与主控板连接。
作为优选，主控板包括DSP芯片和FPGA芯片、GPS同步时钟模块、UART串口通信电路模块、SD卡存储模块；
DSP芯片分别和FPGA芯片、UART串口通信电路模块、SD卡存储模块连接；
FPGA芯片与GPS同步时钟模块连接；
FPGA芯片还与数据采集模块连接；
UART串口通信电路模块与液晶显示模块连接。
作为优选，电力信号预处理电路包括电压预处理电路和电流预处理电路；
电压预处理电路包含电压传感器、跟随电路、差放电路和钳位保护电路；电压传感器的输出经过衰减、跟随后，通过差放电路将双极性信号转换成单极性信号，连到钳位电路输出到数据采集模块的模拟输入端口；电压传感器的输入端直接接到电网上；
电流预处理电路包含电流传感器、运算放大电路、差放电路以及钳位电路；电流传感器的输出经过运算放大电路放大输入信号，通过差放电路将双极性信号转换成单极性信号，再经过钳位电路输出给数据采集模块的模拟输入端口；电流传感器采用开合式电流传感器。
作为优选，声音信号预处理电路包括一个声电传感器、音频放大器、差放电路以及钳位电路；声电传感器将采集的声音信号转化为电信号，通过音频放大器放大，连到差放电路将双极性信号转换成单极性信号，再经过钳位电路输出给数据采集模块的模拟输入端口；声电传感器安放在洗衣机上面箱体的中央位置，距离洗衣机箱体5cm的地方正对着洗衣机安放。
作为优选，振动信号预处理电路包括3D振动传感器、第一差放电路、运算放大电路、第二差放电路和钳位电路；
在洗衣机箱体上设置分布45个3D振动传感器，每个3D振动传感器的输出经过第一差放电路转换成双极性电压信号，通过运算放大电路放大信号，再经过第二差放电路转换成单极性电压信号，最后经过钳位电路输出给数据采集模块的模拟输入端口。
作为优选，分别在洗衣机外箱体除底面外的任一面即上面、前面、后面、左面、右面各安装9个3D振动传感器，一共安装45个3D振动传感器。在上述的任一面的四个顶角位置各向内部平移2cm处各放置1个3D振动传感器，四个顶角组成的近似矩形的对角线交点即中心位置放置1个3D振动传感器，再在该四个顶角临近放置的4个3D振动传感器位置至中心的中间位置处各放置1个3D振动传感器；若上述各放置位置刚好位于洗衣机箱体上盖或前门和箱体结合的缝隙处，可向中心点位置平移使得不影响打开箱盖或箱门为止。
作为优选，数据采集模块由主控板中的时钟同步模块来控制时序，模拟输入通道分别与电力信号预处理电路的2路输出信号、声音信号预处理电路的1路输出信号、振动信号预处理电路的135路输出信号相连，转换后的18组数字量输入到主控板中的FPGA芯片的通用I/O口。共采用18片AD同步采样，其中电压、电流、声音信号每一路用独立的AD，而45个加速度传感器135路复用15个AD，其中洗衣机每面的同一个传感器的X轴、Y轴、Z轴必须同步采样，同一个面的9个X轴通道复用1个AD，同一个面的9个Y轴通道复用1个AD，同一个面的9个Z轴通道复用1个AD，复用的通道采用巡测方式分别与对应的AD输入通道相连接。
对于洗衣机振动状态数据处理方法，本发明采用的技术方案是，一种洗衣机振动状态数据处理方法，包括以下步骤：
(1)设置振动传感器：分别在洗衣机外箱体除底面外的任一面即上面、前面、后面、左面、右面各安装9个3D振动传感器，一共安装45个3D振动传感器。在上述的任一面的四个顶角位置各向内部平移2cm处各放置1个3D振动传感器，四个顶角组成的近似矩形的对角线交点即中心位置放置1个3D振动传感器，再在该四个顶角临近放置的4个3D振动传感器位置至中心的中间位置处各放置1个3D振动传感器；若上述各放置位置刚好位于洗衣机箱体上盖或前门和箱体结合的缝隙处，可向中心点位置平移使得不影响打开箱盖或箱门为止。
(2)采样滤波预处理：首先对振动信号进行采样，为实现系统全局同步采样，采用GPS同步时钟模块、FPGA片上锁相环及片上分频器控制；
利用FPGA的外部时钟输入到FPGA的片上锁相环，片上锁相环输出分别给GPS模块、数据采集模块的18片AD的时序控制端，使得在任何一个采样时刻电压、电流、声音信号以及洗衣机箱体的每面的某一个3D振动传感器的X轴、Y轴、Z轴通道振动信号按同步方式采样，而同一个面复用的9个X轴通道振动信号、或9个Y轴通道振动信号、或9个Z轴通道振动信号采用巡测方式采样，巡测时序由FPGA的片上分频器产生；
为提高同步精度，以GPS作为时钟基准启动采样，然后每隔最接近1S的对应采样点数的采样时间采集1次GPS同步时钟模块时间数据；
18路AD转换数据及GPS时钟数据均通过FPGA通用I/O口同步输入至FPGA，经过缓存处理后再传输给DSP；然后分批将完整洗衣阶段数据传送给SD卡；
DSP对采集的振动信号数据做低通数字滤波，标记截止频率即第一截止频率为aHz；
(3)阶段标记及端点检测：根据洗衣机的控制模式对采样数据按照进水、浸泡、洗涤、排水、脱水5种基本工作阶段进行标记划分，得到洗衣机各工作阶段的分界点；对各阶段数据进行基于TEAGER短时能量的端点检测，将各阶段振动信号数据进一步划分成若干个稳态段和间歇段，然后对稳态段数据进行分帧加窗预处理；
(4)提取时域特征：再次对标记过的洗涤及脱水阶段的振动信号数据进行低通滤波，标记对应截止频率即第二截止频率，作为优选选择bHz，该频率低于第一截止频率，提取洗涤及脱水阶段振动信号的包络，再利用过零点检测得到振动周期作为时域特征，保存每个稳态段的振动周期平均值及平均值的最大值、最小值；针对每一次洗涤及脱水阶段的每个稳态段提取每个振动信号的加速度平均值及平均值的最大值、最小值作为振动信号的原始数据时域特征；
(5)提取频域特征：提取振动信号的频域特征，即对洗涤及脱水阶段内的稳态段内的每一帧数据做短时傅里叶变换，记录下除直流外的频谱分量，频谱分量包含基频分量绝对值和各次谐波百分比含量。
(6)特征匹配及融合
利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离，然后对两个距离进行加权融合得到综合距离，最终求得最小综合距离对应的模式。
对标准的样机采用前述方法得到对应的各次洗涤阶段和脱水阶段的所有振动信号的时域特征和频域特征。
按照帧序号依次将同步采集的15个振动信号的相同稳态段的频域特征进行拼接，得到9组频域特征向量，然后再按采样先后顺序将这9组特征向量拼接成综合的标准模版频域特征向量；
按照洗涤阶段和脱水阶段先后次序对每一次同步的相同稳态段的时域特征进行拼接，得到综合的标准模版时域特征向量。
然后，利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离：
假设标准模版频域特征向量标记做Sfi、标准模版时域特征向量标记做Sti；样本频域特征向量标记做Tf、样本时域特征向量标记做Tt。
令：
Ddtwi＝DTW(Tf，Sfi)Doushii＝OUSHI(St，Sti)
其中，i代表模式ID号，即洗涤阶段和脱水阶段的标记序号；
DTW(Tf，Sfi)表示测试样本频域特征向量与各标准模版频域特征向量的DTW距离，DTW距离的计算是针对不同长度的测试样本和标准模版的频域特征向量按帧进行最优路径规划求得的最小距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各DTW匹配距离进行平均得到平均距离
OUSHI(St，Sti)表示样本时域特征向量与时域特征向量模版的欧氏距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各欧氏匹配距离进行平均得到平均距离
再进一步求取DTW距离和欧氏距离最小值
D＝min{Di}
其中，C1、C2为加权系数，且
C1+C2＝1
代表归一化距离
Di代表特征融合后的样本与模版的综合距离；
D代表特征融合后的样本与模版的综合距离的最小距离；
此处求得的最小距离对应的i即为匹配的洗衣机相应的洗涤或脱水阶段ID号；
(7)正常及故障状态判断
按照前述各步骤可以获得对应测试洗衣机的整体状态时序图，若该时序图和标准样机状态时序图一致，表示设备正常；反之为异常状态。
本发明的有益效果是：
1.多参数检测可以相对全面地检测出洗衣机的具体工作状态；
2.采用多达45个3D振动传感器采样振动信号，精度相对较高；
3.对电力、声音及振动信号采取了独特的同步采样时序控制，保证了数据的有效性和精简性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明洗衣机多参数自动检测系统实施例的总体框图。
图2是本发明洗衣机多参数自动检测系统实施例的电压预处理电路图。
图3是本发明洗衣机多参数自动检测系统实施例的电流预处理电路图。
图4是本发明洗衣机多参数自动检测系统实施例的声音信号预处理电路图。
图5是本发明洗衣机多参数自动检测系统实施例的振动信号预处理电路图。
图6是本发明洗衣机多参数自动检测系统实施例的钳位电路图。
图7是本发明洗衣机多参数自动检测系统实施例的洗衣机一个面的加速度传感器节点图。
图8是本发明洗衣机多参数自动检测系统实施例的同步时钟控制时序图。
图9是本发明洗衣机多参数自动检测系统实施例的UART串口通信电路图。
图10是本发明洗衣机多参数自动检测系统实施例的振动状态特征提取方法流程图。
图11是本发明洗衣机多参数自动检测系统实施例的工作台示意图。
图11中标记：1-待测洗衣机，2-测试面，3-3D振动传感器，4-工作台，5-支架，6-声电传感器，7-部件盒，8-液晶显示器。
具体实施方式
图1是一种洗衣机多参数自动检测系统，由主控板、电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块、数据采集模块、液晶显示模块组成。其中的主控板包括DSP芯片、FPGA芯片、GPS同步时钟模块、UART串口通信电路模块和SD卡存储模块。
电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块分别与数据采集模块连接。数据采集模块与主控板上的FPGA芯片连接，主控板上的DSP芯片分别和FPGA芯片、UART串口通信电路模块、SD卡存储模块连接，FPGA芯片与GPS同步时钟模块连接。
UART串口通信电路模块还与液晶显示模块连接。
主控板的控制器是由FPGA芯片和DSP芯片组成。FPGA芯片采用ALTERA公司的CYCLONE IV系列可编程逻辑器件EP4CE115F23C7，该器件具有280个用户可控制的I/O端口，足够采集传感器获得的数据；DSP芯片型号选择TI公司的TMS320F28335芯片。
电力信号预处理电路模块包括电压预处理电路和电流预处理电路。
在图2中，电压预处理电路由电压传感器、跟随电路、差放电路和钳位保护电路组成。电压传感器选择型号为JLPT04，输出为交流电压信号，经过电位器组成的衰减电路，输入到电压跟随电路中，提高驱动能力，然后通过差放电路将双极性电压信号转换成单极性电压信号，再经过钳位电路输出到数据采集模块的模拟输入端口，最后输入到主控板进行数据采集和处理。
在图3中，电流预处理电路由电流传感器、运算放大电路、差放电路以及钳位电路组成。电流传感器的输出经过运算放大电路放大输入信号，该运算放大芯片选择AD620高精度仪表放大器，通过差放电路将双极性信号转换成单极性信号，再经过钳位电路输出到数据采集模块的模拟输入端口。电流传感器选择型号为SCT013开合式电流传感器。
在图4中，声音信号预处理电路由声电传感器、音频放大器、差放电路以及钳位电路组成。声电传感器将采集的声音信号转化为电信号，通过音频放大器放大，选择音频运算放大芯片选择型号为TI公司的LME49990芯片，再经过差放电路将双极性信号转换成单极性信号，再经过钳位电路输出给数据采集模块的模拟输入端口。其中声电传感器只采用一个。
在图5中，振动信号预处理电路由3D振动传感器、差放电路、运算放大电路以及钳位电路。3D振动传感器一共有45个，选择型号为ADXL335模拟式输出的3D加速度传感器，供电电压为+5V。3D振动传感器的输出经过差放电路转换成双极性电压信号，连接运算放大电路放大信号，再由差放电路转换成单极性电压信号，最后经过钳位电路输出给数据采集模块的模拟输入端口。
钳位电路是由两个电阻和两个二极管组合而成的，如图6所示，二极管TJ1的负极接到电源3.3V，二极管TJ2的正极接地，使得输出的电压范围在0到3.3V之间。
DSP芯片给FPGA发送启动信号控制FPGA启动采样，利用GPS同步时钟模块的高精度输出时钟脉冲作为外同步时钟来控制FPGA全局时序，FPGA通过片上锁相环和片上分频器来控制数据采集模块采集电力、声音及振动信号数据，也定时读取GPS的时间数据。FPGA通过外部中断通知DSP同步接收数据并发给SD卡。所有数据存储完毕，DSP再次分批回读原始数据并进行相关处理，同时把分析结果保存到SD卡中。
数据采集模块中的AD采集一共采用18个AD芯片进行同步采集，其中3个负责电压信号、电流信号和声音信号的采集，其它15个AD芯片负责振动信号的采集。电压、电流及声音信号的采集芯片选择AD7680芯片，该芯片为单通道输入、分辨率16位、最高采样率为100KHz；振动信号采集芯片选择ADS7953芯片，该芯片为16通道输入、分辨率16位、最高采样率为1MHz。上述AD芯片可以满足采样功能。
GPS同步时钟模块采用GPS芯片UBX-G6010-ST-TM，该模块的定时精度可以达到15ns。
UART串口通信电路模块如图9所示，UART串口通信电路模块主要是通过MAX232电平转换芯片构成，实现串口通信，模块需要+5V单电源供电。
SD卡存储模块，需要保证实时存储主控制器采集到的原始数据和其分析结果。
液晶显示模块采用的是型号为WLZ2560的世龙电子液晶触摸屏，液晶触摸屏使用12V/250mA电源供电。通过UART串口通信电路模块与DSP芯片连接，进行数据收发，触摸屏显示数据和处理结果。
图10是针对洗衣机振动状态的数据处理方法的流程，具体步骤如下：
(1)设置振动传感器：分别在洗衣机外箱体除底面外的任一面即上面、前面、后面、左面、右面各安装9个3D振动传感器，一共安装45个3D振动传感器。在上述的任一面的四个顶角位置各向内部平移2cm处各放置1个3D振动传感器，四个顶角组成的近似矩形的对角线交点即中心位置放置1个3D振动传感器，再在该四个顶角临近放置的4个3D振动传感器位置至中心的中间位置处各放置1个3D振动传感器(图7)。若上述各放置位置刚好位于洗衣机箱体上盖或前门和箱体结合的缝隙处，可向中心点位置平移使得不影响打开箱盖或箱门为止。
(2)采样滤波预处理：首先对振动信号进行采样，设置单通道的振动信号采样率为10KHz；要求不丢失存储一次完整洗衣阶段的所有采样数据。为实现系统全局同步采样，采用GPS同步时钟模块、FPGA片上锁相环及片上分频器控制；
利用FPGA的外部时钟输入到FPGA的片上锁相环，片上锁相环的输出分别给GPS模块、数据采集模块的18片AD的时序控制端，使得在任何一个采样时刻电压、电流、声音信号以及洗衣机每面的某一个传感器的X轴、Y轴、Z轴通道振动信号按同步方式采样，而同一个面的9个同方向复用的通道振动信号采用巡测方式采样，巡测时序由FPGA的片上分频器产生；
具体时序如图8所示，其中最上面一个为电压、电流、声音的数据采集时序图，下面三个分别是每个面的加速度传感器节点的三轴加速度数据采集时序图；将同一个面的9个3D振动传感器按规律标记为1-9号，其中X轴、Y轴、Z轴的采样次序均按标号顺序依次进行，标记顺序参见图7。
为提高同步精度，以GPS作为时钟基准启动采样，然后每隔最接近1S的对应采样点数的采样时间采集1次GPS同步时钟模块时间数据；
18路AD转换数据及GPS时钟数据均通过FPGA通用I/O口同步输入至FPGA，经过缓存处理后再传输给DSP；然后分批将完整洗衣阶段数据传送给SD卡；
DSP对采集的振动信号数据做低通数字滤波，截止频率为1000Hz；
(3)阶段标记及端点检测：根据洗衣机的控制模式对采样数据按照进水、浸泡、洗涤、排水、脱水5种基本工作阶段进行标记划分，得到洗衣机各工作阶段的分界点；对各阶段数据进行基于TEAGER短时能量的端点检测，将各阶段振动信号数据进一步划分成若干个稳态段和间歇段，然后对稳态段数据进行分帧加窗预处理；
(4)提取时域特征：再次对标记过的洗涤及脱水阶段进行低通滤波，截止频率为5Hz，提取洗涤及脱水阶段振动信号的包络，对该阶段数据分别进行分帧加窗处理，设置帧长为20ms，帧移10ms，加矩形窗。对分帧后的每一帧信号计算短时能量，即求每一帧信号所有样点值的加权平方和。对得到的短时能量谱信号进行线性差值法求过零点，对相邻两点的短时能量数据值进行相乘，如果得到的值小于零，且前一点数据值小于后一点的数据值，再通过线性差值计算，就可以得到一个虚拟的正向过零点。统计出所有的零点个数和位置，计算得到振动周期作为时域特征，保存每个稳态段的振动周期平均值及平均值的最大值、最小值；针对每一次洗涤及脱水阶段的每个稳态段提取每个振动信号的加速度平均值及平均值的最大值、最小值作为振动信号的原始数据时域特征；
(5)提取频域特征：提取振动信号的频域特征，即对洗涤及脱水阶段内的稳态段数据进行分帧加窗处理，设置帧长为20ms，帧移为10ms，加汉明窗。对每一帧数据做短时傅里叶变换，记录下除直流外的频谱分量，频谱分量包含基频分量绝对值和各次谐波百分比含量。
(6)特征匹配及融合
利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离，然后对两个距离进行加权融合得到综合距离，最终求得最小综合距离对应的模式。
对标准的样机采用前述方法得到对应的各次洗涤阶段和脱水阶段的所有振动信号的时域特征和频域特征。
按照帧序号依次将同步采集的15个振动信号的相同稳态段的频域特征进行拼接，得到9组频域特征向量，然后再按采样先后顺序将这9组特征向量拼接成综合的标准模版频域特征向量；
按照洗涤阶段和脱水阶段先后次序对每一次同步的相同稳态段的时域特征进行拼接，得到综合的标准模版时域特征向量。
然后，利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离
假设标准模版频域特征向量标记做Sfi、标准模版时域特征向量标记做Sti；样本频域特征向量标记做Tf、样本时域特征向量标记做Tt。
令：
Ddtwi＝DTW(Tf，Sfi)Doushii＝OUSHI(St，Sti)
其中，i代表模式ID号，即洗涤阶段和脱水阶段的标记序号；
DTW(Tf，Sfi)表示测试样本频域特征向量与各标准模版频域特征向量的DTW距离，DTW距离的计算是针对不同长度的测试样本和标准模版的频域特征向量按帧进行最优路径规划求得的最小距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各DTW匹配距离进行平均得到平均距离
OUSHI(St，Sti)表示样本时域特征向量与时域特征向量模版的欧氏距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各欧氏匹配距离进行平均得到平均距离
再进一步求取DTW距离和欧氏距离最小值
D＝min{Di}
其中，C1、C2为加权系数，且
C1+C2＝1
代表归一化距离
Di代表特征融合后的样本与模版的综合距离；
D代表特征融合后的样本与模版的综合距离的最小距离；
此处求得的最小距离对应的i即为匹配的洗衣机相应的洗涤或脱水阶段ID号。
(7)正常及故障状态判断
按照前述各步骤可以获得对应测试洗衣机的整体状态时序图，若该时序图和标准样机状态时序图一致，表示设备正常；反之为异常状态。
在图11中，工作台4设置在待测洗衣机1的旁边，液晶显示器8放置在工作台的上面，部件盒7通过支架5架设在洗衣机的上方，并且将声电传感器6和主控板、电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块、数据采集模块全部放置在一个部件盒7中，其中的声电传感器6从盒子的底面露出并正好位于洗衣机箱体的上方，使得声电传感器正好位于洗衣机上面的正中央处，并且距离洗衣机的箱体5cm。
整个部件盒是可以从支架5的前端分离取出的。
将待测洗衣机的箱体的上面、前面、后面、左面和右面设为测试面2，各个测试面上安装了9个3D振动传感器3，3D振动传感器是按照对角线(见图10中虚线)方法进行设置的。
以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (7)
1.一种洗衣机多参数自动检测系统，其特征在于：包括主控板、电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块、数据采集模块、液晶显示模块；
所述电力信号预处理电路模块、声音信号预处理电路模块、振动信号预处理电路模块分别与数据采集模块连接；
所述数据采集模块和液晶显示模块分别与主控板连接。
2.根据权利要求1所述的洗衣机多参数自动检测系统，其特征在于：所述主控板包括DSP芯片、FPGA芯片、GPS同步时钟模块、UART串口通信电路模块和SD卡存储模块；
所述DSP芯片分别和FPGA芯片、UART串口通信电路模块、SD卡存储模块连接；
所述FPGA芯片与GPS同步时钟模块连接；
所述FPGA芯片还与数据采集模块连接；
所述UART串口通信电路模块还与液晶显示模块连接。
3.根据权利要求1所述的洗衣机多参数自动检测系统，其特征在于：所述电力信号预处理电路包括电压预处理电路和电流预处理电路；
所述电压预处理电路包含电压传感器、跟随电路、差放电路和钳位保护电路；电压传感器的输出经过衰减、跟随后，通过差放电路将双极性信号转换成单极性信号，连到钳位电路输出到数据采集模块的模拟输入端口。
所述电流预处理电路包含电流传感器、运算放大电路、差放电路以及钳位电路；电流传感器的输出经过运算放大电路放大输入信号，通过差放电路将双极性信号转换成单极性信号，再经过钳位电路输出给数据采集模块的模拟输入端口；所述电流传感器采用开合式电流传感器。
4.根据权利要求1所述的洗衣机多参数自动检测系统，其特征在于：所述声音信号预处理电路包括一个声电传感器、音频放大器、差放电路以及钳位电路；声电传感器将采集的声音信号转化为电信号，通过音频放大器放大，连到差放电路将双极性信号转换成单极性信号，再经过钳位电路输出给数据采集模块的模拟输入端口；所述声电传感器安放在洗衣机上面箱体的中央位置，距离洗衣机箱体5cm的地方正对着洗衣机安放。
5.根据权利要求1所述的洗衣机多参数自动检测系统，其特征在于：所述振动信号预处理电路包括3D振动传感器、第一差放电路、运算放大电路、第二差放电路和钳位电路；
分别在洗衣机外箱体除底面外的任一面即上面、前面、后面、左面、右面各安装9个3D振动传感器，即共45个3D振动传感器，每个3D振动传感器的输出经过第一差放电路转换成双极性电压信号，通过运算放大电路放大信号，再经过第二差放电路转换成单极性电压信号，最后经过钳位电路输出给数据采集模块的模拟输入端口。
6.根据权利要求1所述的洗衣机多参数自动检测系统，其特征在于：所述数据采集模块由主控板中的GPS同步时钟模块和FPGA来共同控制时序，模拟输入通道分别与电力信号预处理电路的2路输出信号、声音信号预处理电路的1路输出信号、振动信号预处理电路的135路输出信号相连，转换后的18组数字量输入到主控板中的FPGA芯片的通用I/O口；共采用18片AD同步采样，其中电压、电流、声音信号每一路用独立的AD，而45个3D振动传感器对应的135路信号复用15个AD，同一个面的9个X轴通道复用1个AD，同一个面的9个Y轴通道复用1个AD，同一个面的9个Z轴通道复用1个AD，复用的通道采用巡测方式分别与对应的AD输入通道相连接。
7.一种洗衣机振动状态数据处理方法，包括以下步骤：
(1)设置振动传感器：分别在洗衣机外箱体除底面外的任一面即上面、前面、后面、左面、右面各安装9个3D振动传感器，即共安装45个3D振动传感器；在上述的任一面的四个顶角位置各向内部平移2cm处各放置1个3D振动传感器，四个顶角组成的近似矩形的对角线交点即中心位置放置1个3D振动传感器，再在该四个顶角临近放置的4个3D振动传感器位置至中心的中间位置处各放置1个3D振动传感器；若上述各放置位置刚好位于洗衣机箱体上盖或前门和箱体结合的缝隙处，可向中心点位置平移使得不影响打开箱盖或箱门为止；
(2)采样滤波预处理：首先对振动信号进行采样，为实现系统全局同步采样，采用GPS同步时钟模块、FPGA片上锁相环及片上分频器控制；
利用FPGA的外部时钟输入到FPGA的片上锁相环，片上锁相环的输出分别给GPS模块、数据采集模块的18片AD的时序控制端，使得在任何一个采样时刻电压、电流、声音信号以及洗衣机箱体的每面的某一个3D振动传感器的X轴、Y轴、Z轴通道振动信号按同步方式采样，而同一个面复用的9个X轴通道信号、或9个Y轴通道信号、或9个Z轴通道信号采用巡测方式采样，巡测时序由FPGA的片上分频器产生；
为提高同步精度，以GPS作为时钟基准启动采样，然后每隔最接近1S的对应采样点数的采样时间采集1次GPS同步时钟模块时间数据；
18路AD转换数据及GPS时钟数据均通过FPGA通用I/O口同步输入至FPGA，经过缓存处理后再传输给DSP；然后分批将完整洗衣阶段数据传送给SD卡；
DSP对采集的振动信号数据做低通数字滤波，标记截止频率即第一截止频率为aHz；
(3)阶段标记及端点检测：根据洗衣机的控制模式对采样数据按照进水、浸泡、洗涤、排水、脱水5种基本工作阶段进行标记划分，得到洗衣机各工作阶段的分界点；对各阶段数据进行基于TEAGER短时能量的端点检测，将各阶段振动信号数据进一步划分成若干个稳态段和间歇段，然后对稳态段数据进行分帧加窗预处理；
(4)提取时域特征：再次对标记过的洗涤及脱水阶段进行低通滤波，标记对应截止频率即第二截止频率为bHz，该频率低于第一截止频率；提取洗涤及脱水阶段信号的包络，再利用过零点检测得到振动周期作为时域特征；保存每个稳态段的振动周期平均值及平均值的最大值、最小值；针对每一次洗涤及脱水阶段的每个稳态段提取每个振动信号的加速度平均值及平均值的最大值、最小值作为振动信号的原始数据时域特征；要求实验中设定洗衣机转速间隔变化，设定频率包含箱体的固有频率；
(5)提取频域特征：提取振动信号的频域特征，即对洗涤及脱水阶段内的稳态段内的每一帧数据做短时傅里叶变换，记录下除直流外的频谱分量，频谱分量包含基频分量绝对值和各次谐波百分比含量；
(6)特征匹配及融合
利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离，然后对两个距离进行加权融合得到综合距离，最终求得最小综合距离对应的模式；
对标准样机采用前述方法得到对应的各次洗涤阶段和脱水阶段的所有振动信号的时域特征和频域特征；
按照帧序号依次将同步采集的15个振动信号的相同稳态段的频域特征进行拼接，得到9组频域特征向量，然后再按采样先后顺序将这9组特征向量拼接成综合的标准模版频域特征向量；
按照洗涤阶段和脱水阶段先后次序对每一次同步的相同稳态段的时域特征进行拼接，得到综合的标准模版时域特征向量；
然后，利用DTW对频域特征进行匹配，利用欧氏距离法计算测试样本与标准样本之间的距离；
假设标准模版频域特征向量标记做Sfi、标准模版时域特征向量标记做Sti；样本频域特征向量标记做Tf、样本时域特征向量标记做Tt；
令：
Ddtwi＝DTW(Tf，Sfi)Doushii＝OUSHI(St，Sti)
其中，i代表模式ID号，即洗涤阶段和脱水阶段的标记序号；
DTW(Tf，Sfi)表示测试样本频域特征向量与各标准模版频域特征向量的DTW距离，DTW距离的计算是针对不同长度的测试样本和标准模版的频域特征向量按帧进行最优路径规划求得的最小距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各DTW匹配距离讲行平均得到平均距离
<mrow>
<msub>
<mi>AVEDdtw</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>Ddtw</mi>
<mi>i</mi>
</msub>
</mrow>
OUSHI(St，Sti)表示样本时域特征向量与时域特征向量模版的欧氏距离；
设N代表洗涤或脱水阶段的稳态段数目，将洗涤或脱水工作阶段的各稳态段计算得到的各欧氏匹配距离进行平均得到平均距离
<mrow>
<msub>
<mi>AVEDoushi</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>Doushi</mi>
<mi>i</mi>
</msub>
</mrow>
再进一步求取DTW距离和欧氏距离最小值
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>C</mi>
<mn>1</mn>
<mo>&times;</mo>
<mover>
<mrow>
<msub>
<mi>AVEDdtw</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mi>C</mi>
<mn>2</mn>
<mo>&times;</mo>
<mover>
<mrow>
<msub>
<mi>AVEDoushi</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<mover>
<mrow>
<msub>
<mi>AVEDdtw</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<msub>
<mi>AVEDdtw</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>AVEDdtw</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mover>
<mrow>
<msub>
<mi>AVEDoushi</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<msub>
<mi>AVEDoushi</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>AVEDoushi</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
</mrow>
D＝min{Di}
其中，C1、C2为加权系数，且
C1+C2＝1
代表归一化距离
Di代表特征融合后的样本与模版的综合距离；
D代表特征融合后的样本与模版的综合距离的最小距离；
此处求得的最小距离对应的i即为匹配的洗衣机相应的洗涤或脱水阶段ID号；
(7)正常及故障状态判断
按照前述各步骤可以获得对应测试洗衣机的整体状态时序图，若该时序图和标准样机状态时序图一致，表示设备正常；反之为异常状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711060597.9A CN107703822B (zh) | 2017-10-27 | 2017-10-27 | 一种洗衣机振动状态数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711060597.9A CN107703822B (zh) | 2017-10-27 | 2017-10-27 | 一种洗衣机振动状态数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107703822A true CN107703822A (zh) | 2018-02-16 |
| CN107703822B CN107703822B (zh) | 2023-12-22 |
Family
ID=61177420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711060597.9A Active CN107703822B (zh) | 2017-10-27 | 2017-10-27 | 一种洗衣机振动状态数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107703822B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109238612A (zh) * | 2018-09-30 | 2019-01-18 | 安徽建筑大学 | 基于平均幅度差函数的洗衣机脱水阶段振动数据转速提取方法 |
| CN109491361A (zh) * | 2018-10-18 | 2019-03-19 | 无锡小天鹅股份有限公司 | 衣物处理装置的故障检测方法、装置、终端设备和服务器 |
| CN110811599A (zh) * | 2019-11-19 | 2020-02-21 | 北京东方逸腾数码医疗设备技术有限公司 | 一种信号同步采集系统 |
| CN111707149A (zh) * | 2020-06-09 | 2020-09-25 | 西安工业大学 | 一种多路时序时间间隔测量装置 |
| CN113108898A (zh) * | 2021-05-08 | 2021-07-13 | 陕煤集团神木红柳林矿业有限公司 | 一种基于声振联合监测的堆煤保护方法 |
| CN113838480A (zh) * | 2021-11-26 | 2021-12-24 | 青岛海尔工业智能研究院有限公司 | 一种洗衣机异音检测方法、装置及电子设备 |
| CN115762558A (zh) * | 2022-11-18 | 2023-03-07 | 沃克斯迅达电梯有限公司 | 自动扶梯生产用性能检测系统及其方法 |
| CN116579889A (zh) * | 2023-07-13 | 2023-08-11 | 江苏创时信息科技有限公司 | 一种基于物联网门锁的无感巡楼物业管理系统及方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2495527Y (zh) * | 2001-08-02 | 2002-06-19 | 深圳市永华电子系统股份有限公司 | 遥测报警摩托车防盗器 |
| JP2008000503A (ja) * | 2006-06-26 | 2008-01-10 | Matsushita Electric Ind Co Ltd | 洗濯機 |
| CN201504312U (zh) * | 2009-09-08 | 2010-06-09 | 先歌国际影音股份有限公司 | 一种扬声器及其发音装置 |
| US20110026739A1 (en) * | 2009-06-11 | 2011-02-03 | Audioasics A/S | High level capable audio amplification circuit |
| CN202453075U (zh) * | 2011-12-29 | 2012-09-26 | 中国船舶重工集团公司第七一○研究所 | 一种用于消除振速水听器的振动噪声的装置 |
| CN103390884A (zh) * | 2013-07-23 | 2013-11-13 | 广州杰赛科技股份有限公司 | 电源检测控制装置与供电控制系统 |
| CN104005200A (zh) * | 2014-05-26 | 2014-08-27 | 合肥荣事达三洋电器股份有限公司 | 一种滚筒洗衣机振动量检测装置及其检测方法 |
| CN104237705A (zh) * | 2014-09-30 | 2014-12-24 | 沈阳工业大学 | 多信息融合的电力变压器绕组在线监测装置及诊断方法 |
| CN204089740U (zh) * | 2014-07-28 | 2015-01-07 | 北京天惠华数字技术有限公司 | 一种用于彩超的数字音频功率放大电路 |
| CN104947371A (zh) * | 2015-05-27 | 2015-09-30 | 厦门翰普电子有限公司 | 一种基于mems传感器检测洗衣机振动位移数据的方法 |
| CN105466715A (zh) * | 2015-12-17 | 2016-04-06 | 无锡飞翎电子有限公司 | 洗衣机的自动测试方法、系统及洗衣机 |
| US20160215432A1 (en) * | 2015-01-27 | 2016-07-28 | Samsung Electronics Co., Ltd. | Washing machine and method for controlling the same |
| CN106149279A (zh) * | 2015-03-27 | 2016-11-23 | 青岛海尔滚筒洗衣机有限公司 | 一种洗衣机控制方法及洗衣机 |
-
2017
- 2017-10-27 CN CN201711060597.9A patent/CN107703822B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2495527Y (zh) * | 2001-08-02 | 2002-06-19 | 深圳市永华电子系统股份有限公司 | 遥测报警摩托车防盗器 |
| JP2008000503A (ja) * | 2006-06-26 | 2008-01-10 | Matsushita Electric Ind Co Ltd | 洗濯機 |
| US20110026739A1 (en) * | 2009-06-11 | 2011-02-03 | Audioasics A/S | High level capable audio amplification circuit |
| CN201504312U (zh) * | 2009-09-08 | 2010-06-09 | 先歌国际影音股份有限公司 | 一种扬声器及其发音装置 |
| CN202453075U (zh) * | 2011-12-29 | 2012-09-26 | 中国船舶重工集团公司第七一○研究所 | 一种用于消除振速水听器的振动噪声的装置 |
| CN103390884A (zh) * | 2013-07-23 | 2013-11-13 | 广州杰赛科技股份有限公司 | 电源检测控制装置与供电控制系统 |
| CN104005200A (zh) * | 2014-05-26 | 2014-08-27 | 合肥荣事达三洋电器股份有限公司 | 一种滚筒洗衣机振动量检测装置及其检测方法 |
| CN204089740U (zh) * | 2014-07-28 | 2015-01-07 | 北京天惠华数字技术有限公司 | 一种用于彩超的数字音频功率放大电路 |
| CN104237705A (zh) * | 2014-09-30 | 2014-12-24 | 沈阳工业大学 | 多信息融合的电力变压器绕组在线监测装置及诊断方法 |
| US20160215432A1 (en) * | 2015-01-27 | 2016-07-28 | Samsung Electronics Co., Ltd. | Washing machine and method for controlling the same |
| CN106149279A (zh) * | 2015-03-27 | 2016-11-23 | 青岛海尔滚筒洗衣机有限公司 | 一种洗衣机控制方法及洗衣机 |
| CN104947371A (zh) * | 2015-05-27 | 2015-09-30 | 厦门翰普电子有限公司 | 一种基于mems传感器检测洗衣机振动位移数据的方法 |
| CN105466715A (zh) * | 2015-12-17 | 2016-04-06 | 无锡飞翎电子有限公司 | 洗衣机的自动测试方法、系统及洗衣机 |
Non-Patent Citations (1)
| Title |
|---|
| "家用和类似用途电动洗衣机", 《中华人民共和国国家标准》, pages 7 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109238612A (zh) * | 2018-09-30 | 2019-01-18 | 安徽建筑大学 | 基于平均幅度差函数的洗衣机脱水阶段振动数据转速提取方法 |
| CN109491361A (zh) * | 2018-10-18 | 2019-03-19 | 无锡小天鹅股份有限公司 | 衣物处理装置的故障检测方法、装置、终端设备和服务器 |
| CN110811599A (zh) * | 2019-11-19 | 2020-02-21 | 北京东方逸腾数码医疗设备技术有限公司 | 一种信号同步采集系统 |
| CN111707149A (zh) * | 2020-06-09 | 2020-09-25 | 西安工业大学 | 一种多路时序时间间隔测量装置 |
| CN113108898A (zh) * | 2021-05-08 | 2021-07-13 | 陕煤集团神木红柳林矿业有限公司 | 一种基于声振联合监测的堆煤保护方法 |
| CN113108898B (zh) * | 2021-05-08 | 2023-03-31 | 陕煤集团神木红柳林矿业有限公司 | 一种基于声振联合监测的堆煤保护方法 |
| CN113838480A (zh) * | 2021-11-26 | 2021-12-24 | 青岛海尔工业智能研究院有限公司 | 一种洗衣机异音检测方法、装置及电子设备 |
| CN115762558A (zh) * | 2022-11-18 | 2023-03-07 | 沃克斯迅达电梯有限公司 | 自动扶梯生产用性能检测系统及其方法 |
| CN116579889A (zh) * | 2023-07-13 | 2023-08-11 | 江苏创时信息科技有限公司 | 一种基于物联网门锁的无感巡楼物业管理系统及方法 |
| CN116579889B (zh) * | 2023-07-13 | 2023-10-20 | 江苏创时信息科技有限公司 | 一种基于物联网门锁的无感巡楼物业管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107703822B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107703822A (zh) | 一种洗衣机多参数自动检测系统及振动状态数据处理方法 | |
| CN101397907B (zh) | 消除感应测井仪器直耦信号的方法和装置 | |
| CN1975454B (zh) | 磁电材料的磁电系数测试仪及其测试方法 | |
| CN102156223B (zh) | 一种直流换流阀晶闸管级阻抗测试装置 | |
| CN103018651A (zh) | 用于mems器件的在片测试系统及其测试方法 | |
| CN107010595B (zh) | Mems陀螺芯片晶圆级测试系统及测试和筛选方法 | |
| CN107767722A (zh) | 一种多功能数字化电能计量培训仿真系统 | |
| CN100516856C (zh) | 棉纤维水分智能检测系统 | |
| CN102520059A (zh) | 基于扰动磁场检测仪的电路装置 | |
| CN106323338A (zh) | 一种自动评定激光陀螺仪性能的测试系统及其测试方法 | |
| CN201935964U (zh) | 石英晶体振荡器仪表智能化自动检测装置 | |
| CN102253254B (zh) | 一种多路正弦波相位标准信号的产生装置及方法 | |
| CN109443390A (zh) | 一种数字陀螺仪相位延时测试系统 | |
| CN206211979U (zh) | 一种地面核磁共振信号锁相放大装置 | |
| CN104898415B (zh) | 一种基于低通滤波的发电机组转动惯量参数的在线辨识方法 | |
| CN102721878A (zh) | 石英晶体振荡器仪表智能化自动检测装置 | |
| CN207541444U (zh) | 一种洗衣机多参数自动检测系统 | |
| CN203811718U (zh) | 一种专线用户节能智能诊断仪 | |
| CN108896454A (zh) | 一种基于时分复用技术的多通道磨粒检测方法及装置 | |
| CN105866576A (zh) | 智能变电站二次侧电能计量误差影响的模拟检测系统及其检测分析方法 | |
| CN103197276A (zh) | 一种智能电能表可靠性自动化检测装置 | |
| CN203178477U (zh) | 一种智能电能表可靠性自动化检测装置 | |
| CN202453439U (zh) | 手持式电能质量综合测试仪 | |
| CN104459805B (zh) | 数字式地下管线探测仪 | |
| CN201199265Y (zh) | 电压监测仪全自动检定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |