CN116698986B - 一种基于调谐带通滤波器的吸音材料质控系统和方法 - Google Patents
一种基于调谐带通滤波器的吸音材料质控系统和方法 Download PDFInfo
- Publication number
- CN116698986B CN116698986B CN202310971162.9A CN202310971162A CN116698986B CN 116698986 B CN116698986 B CN 116698986B CN 202310971162 A CN202310971162 A CN 202310971162A CN 116698986 B CN116698986 B CN 116698986B
- Authority
- CN
- China
- Prior art keywords
- absorbing material
- time
- real
- sound absorbing
- sound
- 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.)
- Active
Links
- 239000011358 absorbing material Substances 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003908 quality control method Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 104
- 230000004044 response Effects 0.000 claims abstract description 62
- 238000004519 manufacturing process Methods 0.000 claims abstract description 36
- 239000000463 material Substances 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000005236 sound signal Effects 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 9
- 238000010521 absorption reaction Methods 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 42
- 238000005070 sampling Methods 0.000 claims description 25
- 238000007405 data analysis Methods 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000013079 data visualisation Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 235000012431 wafers Nutrition 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 239000013078 crystal Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000001303 quality assessment method Methods 0.000 claims description 11
- 238000011176 pooling Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 210000002569 neuron Anatomy 0.000 claims description 8
- 238000013441 quality evaluation Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000011897 real-time detection Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 229920000742 Cotton Polymers 0.000 description 13
- 238000005259 measurement Methods 0.000 description 6
- 238000005034 decoration Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000969729 Apteryx rowi Species 0.000 description 1
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000030808 detection of mechanical stimulus involved in sensory perception of sound Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/11—Analysing solids by measuring attenuation of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
Abstract
本发明涉及吸音材料的生产技术领域,是一种基于调谐带通滤波器的吸音材料质控系统和方法,具体方法包括:通过声音发生器向被检吸音材料发出频率为30Hz~20KHz的声音信号,利用实时传感器网络以及自适应调谐带通滤波器对振动响应信号进行筛选过滤;并与历史对比数据库比对来判断被检吸音材料是否存在质量问题;最后将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。本发明解决了现有技术中,吸音材料的传统质量检测对测试环境依赖性极高,测试结果易受到噪音干扰的问题以及在现有吸音材料的生产过程中,缺少对吸音材料质量的动态实时监测控制,各部门信息传递存在滞后性的问题。
Description
技术领域
本发明涉及吸音材料的生产技术领域,是一种基于调谐带通滤波器的吸音材料质控系统和方法。
背景技术
随着环境问题日益严峻,与此同时房地产业、石油天然气、装饰装修、环保业的快速发展,吸音材料已经遍布了我们生活的各个领域,呈现出前所未有的活力和潜力。人们越来越重视环保问题,对生活环境的要求也逐渐提高。长期生活在噪声环境中,将会直接对人体的听力系统产生危害,同时噪声还会对人的生理健康和心理情绪产生不同程度的损害,进而影响人们的正常生活休息,因此生产制备具有卓越吸音性能、高防火隔热性和真正环保友好型的高品质吸音材料成为了环保材料行业的刚性目标。
在现有已公开的发明技术中,如现有的申请公开号为CN102608213A的中国专利公开了一种铸铁材料缺陷的声学检测方法,将两个或多个超声探头放在待测构件表面的不同位置上,通过一个超声探头激励宽带脉冲应力波经历界面的多次反射与波型转换后输出携带了材料内部信息的信号,从而根据信号对材料内部缺陷做出判断。
又如现有的申请公开号为CN116106421A的中国专利公开了一种隔音材料生产质量在线检测系统及检测方法,设置了信息录入模块、处理分析模块、检测建档模块以及检测处理模块。
以上专利未考虑到在吸音材料的传统质量检测中,多采用实验室中的声学实验来检测衡量其吸音性能,但实验室中声学测试结果对测试环境依赖性极高,测试结果容易受到环境噪音干扰,在实际的测量环境中由于受到各方面因素的影响,检测结果的准确性会大打折扣。由于实时质量监测方法的不同,导致所生产的吸音材料的品质特征也没有准确且固定的行业标准。同时在吸音材料的生产制备过程中,缺少对吸音材料质量的动态实时监测控制,质检部门与生产部门的信息传递存在滞后性,往往容易出现所生产的吸音材料的质量等级不达标和监测工序不统一,无法对吸音材料的质量信息做出准确的预测判断,在整个生产过程中造成大量的人力物力的浪费。
发明内容
本发明所要解决的技术问题是针对现有技术中,对实验室中声学测试在实际的测量环境中由于受到各方面因素的影响,检测结果的弱鲁棒性与不准确性,还有整个吸音材料的生产过程中缺少对吸音材料质量的动态实时监测控制,质检部门与生产部门的信息传递存在滞后性,以及吸音材料的质量等级不达标和监测工序不统一的问题,提出了一种基于调谐带通滤波器的吸音材料质控系统和方法。
为了达到上述目的,本发明一种基于调谐带通滤波器的吸音材料质控方法,所述方法包括如下具体步骤:
A1:对被检吸音材料类别进行筛选,获得被检吸音材料的信息;
A2:通过声音发生器向被检吸音材料发出频率为30Hz~20KHz的声音信号,并从低到高调节声音发生器发出频率的大小,记录被测时间点以及声音发生器的频率信息;
A3:根据A2,被检吸音材料对声音信号的吸收能力通过实时传感器网络表现输出为振动响应信号;
A4:通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤,输出完成筛选过滤后的振动响应信号并存储到PC端;
A5:构建历史对比数据库,根据A4输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进标注,进行数据分析与质量评估,判断被检吸音材料是否存在质量问题;
A6:将被检吸音材料的质量等级信息收集与存储,建立数据可视化图像报告;并将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。
具体的,所述被检吸音材料的信息包括:吸音材料的产品序列编号、产出生产线信息、颜色、纹理、表面形状、材料厚度、材料密度以及根据被检吸音材料的用途确定被检吸音材料需要吸收的频率范围。
具体的,所述实时传感器网络包括个均匀分布在被测吸音材料的表面和内部的/>压电式加速度传感器,构成/>个检测点。
具体的,所述压电式加速度传感器输出的实时模拟电荷量与被检吸音材料吸收的实时声波基线压力/>的计算策略如下:
;
其中,;
为/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数;
为/>压电式加速度传感器中第/>个传感晶体片的厚度;
为/>压电式加速度传感器中压电晶体的介电常数;
为/>压电式加速度传感器中第/>个传感晶体片的面积;
为实时监测时间点为/>时被检吸音材料吸收的实时基线声波压力;
为实时监测时间点为/>时/>压电式加速度传感器输出的实时模拟电荷量;
为第/>个传感晶片的传感路径的环境误差因子。
具体的,所述第个传感晶片的传感路径受自然噪声和监测器械噪声影响的环境误差因子的计算策略如下:
;
其中,为被检吸音材料的实时监测环境温度;
为被检吸音材料的实时监测时间点;
为实时监测环境温度为/>时的基线声波压力;
为实时监测时间点为/>时的基线声波压力;
为实时监测环境温度为/>时的自然噪声压力;
为实时监测时间点为/>时的人为监测器械噪声压力;
具体的,所述自适应调谐带通滤波器包括:振动响应信号转换电路、振动响应信号放大电路、自适应调谐带通滤波器、AD7707数据采集卡、CAN通信端和PC端电脑。
具体的,所述A4中通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤包括如下具体步骤:
S11:由压电式加速度传感器输出实时监测时间点为/>时的实时模拟电荷量/>,经振动响应信号转换电路转换为实时模拟电压信号;
S12:所得实时模拟电压信号经振动响应信号低频放大器,根据被检吸音材料的实际用途,将实时模拟电压信号放大到20Hz~20KHz;
S13:根据被检吸音材料需要吸收的频率范围,确定自适应调谐带通滤波器的中心频率和带宽参数,将放大处理后的实时模拟电压信号输入自适应调谐带通滤波器,进行频率的筛选与降噪处理;
S14:经过自适应调谐带通滤波器筛选后降噪的实时模拟电压信号由AD7707数据采集卡进行信号采样;
S15:由CAN通信端将采集到的实时模拟电压信号传输给PC端存储,并进行后续的数据分析。
具体的,所述数据分析与质量评估的过程包括将PC端获得的实时模拟电压信号通过傅里叶变换将其连续的时域信号转化为连续的频域信号。
具体的,所述数据分析与质量评估的过程包括历史对比数据库的构建,其具体步骤如下:
S21:构建历史数据神经网络包括:输入层、卷积层、采样层、池化层、全连接层和输出层;
S22:对PC端采集到的每个被检时间的连续的频域信号做数据预处理;并将处理后的数据输入历史数据神经网络的输入层;
其中,数据预处理的具体步骤包括:
个传感器检测点的幅值v,构成一个/>的矩阵/>;
其中为矩阵/>中第/>行,第/>列对应的实时检测点的幅值;
具体的,数据预处理后的幅值的计算策略如下:
;
其中:
为数据预处理后第/>行,第/>列对应的检测点的幅值;
为数据预处理前第/>行,第/>列对应的检测点的幅值;
为矩阵/>第/>行中最小的幅值元素;
为矩阵/>第/>列中最大的幅值元素;
为矩阵/>第/>列中最小的幅值元素;
S23:通过均值,方差/>的呈正态分布的卷积层/>和卷积层/>对输入的每个被检时间的连续的频域信号做卷积计算,提取其信号特征,其中卷积层/>和卷积层/>均设置6个/>的卷积核;
S24:通过采样层将卷积所得的每个被检时间的连续的频域信号特征图进行特征矩阵采样,利用函数进行激活;
S25:通过池化层剔除部分极端数据,采用技术防止数据过度拟合,其中所述/>技术用于将神经网络中的神经元按照设定的概率,剔除一部分神经元,/>技术的概率设置为/>;
S26:通过全连接层对采样层提取到的每个被检时间的连续的频域信号特征图进行被检吸音材料的质量等级标注,并将特征矩阵压缩成一维向量,最后通过输出层输出每个被检时间的连续的频域信号特征图,其中采用函数进行激活。
另外,本发明一种基于调谐带通滤波器的吸音材料质控系统包括:吸音材料识别模块、声音发生器模块、实时传感器响应模块、自适应调谐带通滤波器模块、数据分析与质量评估模块、实时监测数据可视化模块和自动反馈控制模块;
所述吸音材料识别模块用于:对被检吸音材料类别进行筛选,获得被检吸音材料相关的吸音系数与频率特性;
所述声音发生器模块用于:向被检吸音材料发送频率为30Hz~20KHz的频率信号;
所述实时传感器响应模块用于:获得被检吸音材料的实时振动响应信号;
所述自适应调谐带通滤波器模块用于:实时捕捉与分析振动响应信号,并对振动响应信号进行筛选过滤;
所述数据分析与质量评估模块用于:根据自适应调谐带通滤波器的输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进标注,进行数据分析与质量评估,判断被检吸音材料是否存在质量问题;
所述实时监测数据可视化模块用于:将被检吸音材料的质量等级信息收集与存储,建立数据可视化图像报告;
所述自动反馈控制模块用于:将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。
具体的,所述声音发生器模块包括:频率响应范围为20Hz~20KHz的可调频声音发生器。
具体的,所述实时监测数据可视化模块包括实时监测到的被检吸音材料的产品序列编号信息、产出生产线信息、被检吸音材料需要吸收的频率范围信息、被检吸音材料的质量等级信息、SSD卡和LCD显示器。
一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行上述任一项所述的一种基于调谐带通滤波器的吸音材料质控方法。
一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项的一种基于调谐带通滤波器的吸音材料质控方法。
与现有技术相比,本发明的技术效果如下:
1、本发明采用构建压电式传感器网络的测量方法,将对透过吸音材料的声音信号的收集测量,变为了对声音发生器发出的声波穿透吸音材料时产生的振动信号的计算测量,减少了因声波在传递过程中出现能量损失,而造成的实验结果的准确性和稳定性差的问题。用振动响应信号来衡量吸音材料对声音的吸收能力,减少了监测误差,提高了吸音材料质量检测过程的准确率。
2、本发明通过自适应调谐带通滤波器来筛选过滤对吸音材料实时监测的振动响应信号,自适应调谐带通滤波器的中心频率和带宽参数可根据被检吸音材料的实际用途去自动调节后续需要处理的频率范围,实现了实时监测各个种类吸音材料的质量信息的目的,大大提高了本发明的泛化能力。
3、本发明利用机器学习来构建吸音材料质量等级信息的历史对比数据库,大大提高了整个系统的自动运行效率,降低了人工成本;同时历史数据库随着被检吸音材料的质量信息的增加,神经网络模型通过不停的训练可实现动态实时迭代更新,可以不断提高对吸音材料的质量等级信息的预测和判断决策的准确性。
4、本发明考虑到吸音材料的质量等级信息涉及到多个部门统筹管理的问题,将被检吸音材料包括产品序列编号信息、产出生产线信息、被检吸音材料需要吸收的频率范围信息和被检吸音材料的质量等级信息的多方面的信息进行数据可视化与自动反馈,提高了吸音材料的质量等级信息的公开透明度,便于后续各部门合力进行生产行动指导或调整,保证了产品质量的统一性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例的一种基于调谐带通滤波器的吸音材料质控系统的结构示意图;
图2为本发明实施例的一种基于调谐带通滤波器的吸音材料质控方法的流程示意图;
图3为本发明实施例的一种自适应调谐带通滤波器模块;
图4为本发明实施例的一种历史对比数据库的构建方法;
图5为本发明实施例的一种连续时域信号图经傅里叶变换转变为频域信号图的过程。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图中示出的具体实施例来描述本发明。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例一
如图1、3、4、5所示,本发明实施例的一种基于调谐带通滤波器的吸音材料质控系统,包括如下模块:
吸音材料识别模块、声音发生器模块、实时传感器响应模块、自适应调谐带通滤波器模块、数据分析与质量评估模块、实时监测数据可视化模块和自动反馈控制模块;
以所处实时监测环境为雨天为例,对车载吸音棉材料的质量信息进行实时监测,如图1所示,其具体步骤如下:
1、吸音材料识别模块用于:对车载吸音棉材料的类别进行筛选;
获得车载吸音棉材料相关的产品序列编号为、产出生产线信息为生产线/>、颜色为乳白色、纹理为条纹状、表面形状为孔洞状、材料厚度/>、材料密度,以及根据车载吸音棉材料常用于车辆壁板、天花板和座椅等处吸收噪声确定被检车载吸音棉材料需要吸收的频率范围为/>。
2、声音发生器模块用于:向被检车载吸音棉材料发送不同的声音信号;
通过可调频声音发生器向被检车载吸音棉材料发送频率响应范围为/>的声音信号,并随着实时监测时间/>的变化逐步调大声音发生器发送的声音信号的频率,并记录不同的实时监测时间点对应的声波频率和声波基线压力;当实时监测时间点/>时,对应的声波频率和声波基线压力分别为/>和/>;
3、实时传感器响应模块用于:获得被检吸音材料的实时振动响应信号;构建实时传感器响应网络,包括个均匀分布在被测车载吸音棉材料的表面和内部的压电式加速度传感器;其中/>压电式加速度传感器输出的实时模拟电荷量/>与被检吸音材料吸收的实时声波基线压力/>的计算策略如下:
;
其中,;
为/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数;
为/>压电式加速度传感器中第/>个传感晶体片的厚度;
为/>压电式加速度传感器中压电晶体的介电常数;
为/>压电式加速度传感器中第/>个传感晶体片的面积;
为实时监测时间点为/>时被检吸音材料吸收的实时基线声波压力;
为实时监测时间点为/>时/>压电式加速度传感器输出的实时模拟电荷量;
为第/>个传感晶片的传感路径的环境误差因子。
其中,所述第个传感晶片的传感路径受自然噪声和监测器械噪声影响的环境误差因子的计算策略如下:
;
其中,为被检吸音材料的实时监测环境温度;
为被检吸音材料的实时监测时间点;
为实时监测环境温度为/>时的基线声波压力;
为实时监测时间点为/>时的基线声波压力;
为实时监测环境温度为/>时的自然噪声压力;
为实时监测时间点为/>时的人为监测器械噪声压力;
在雨天的监测环境中,监测时间点为时,实时监测环境温度为/>;实时监测环境温度为/>时的基线声波压力为/>;实时监测时间点为/>时的基线声波压力为/>;实时监测环境温度为/>时的自然噪声压力为/>;实时监测时间点为/>时的人为监测器械噪声压力为/>;
计算可得环境误差因子:
在本实施例中,构建的实时传感器响应网络,包括个均匀分布在被测车载吸音棉材料的表面和内部的压电式加速度传感器;其中,在雨天的监测环境中,监测时间点为时,实时监测环境温度为/>;/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数/>;/>压电式加速度传感器中第/>个传感晶体片的厚度/>;/>压电式加速度传感器中压电晶体的介电常数/>;压电式加速度传感器中第/>个传感晶体片的面积/>;
计算可得第个传感器输出的实时模拟电荷量/>:
;
4、自适应调谐带通滤波器模块用于:实时捕捉与分析振动响应信号,并对振动响应信号进行筛选过滤;
其中,自适应调谐带通滤波器包括:振动响应信号转换电路、振动响应信号放大电路、自适应调谐带通滤波器、AD7707数据采集卡、CAN通信端和PC端电脑。
如图3所示,所述通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤包括如下具体步骤:
S11:由压电式加速度传感器输出实时监测时间点为/>时的实时模拟电荷量/>,经振动响应信号转换电路转换为实时模拟电压信号;
S12:所得实时模拟电压信号经振动响应信号低频放大器,根据被检吸音材料的实际用途,将实时模拟电压信号放大到20Hz~20KHz;
S13:根据被检吸音材料需要吸收的频率范围,确定自适应调谐带通滤波器的中心频率和带宽参数,将放大处理后的实时模拟电压信号输入自适应调谐带通滤波器,进行频率的筛选与降噪处理;
S14:经过自适应调谐带通滤波器筛选后降噪的实时模拟电压信号由AD7707数据采集卡进行信号采样;
S15:由CAN通信端将采集到的实时模拟电压信号传输给PC端存储,并进行后续的数据分析。
5、数据分析与质量评估模块用于:根据自适应调谐带通滤波器的输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进行标注,质量等级信息为一等、二等、三等、四等或五等,判断被检车载吸音棉是否存在质量问题;
所述数据分析与质量评估的过程包括将PC端获得的实时模拟电压信号通过傅里叶变换将其连续的时域信号转化为连续的频域信号,如图5所示。
如图4所示,数据分析与质量评估的过程包括历史对比数据库的构建,其具体步骤如下:
S21:构建历史数据神经网络包括:输入层、卷积层、采样层、池化层、全连接层和输出层;
S22:对PC端采集到的每个被检时间的连续的频域信号做数据预处理;并将处理后的数据输入历史数据神经网络的输入层;
其中,数据预处理的具体步骤包括:
个传感器检测点的幅值v,构成一个/>的矩阵/>;
其中为矩阵/>中第/>行,第/>列对应的实时检测点的幅值;
具体的,数据预处理后的幅值的计算策略如下:
;
其中:
为数据预处理后第/>行,第/>列对应的检测点的幅值;
为数据预处理前第/>行,第/>列对应的检测点的幅值;
为矩阵/>第/>行中最小的幅值元素;
为矩阵/>第/>列中最大的幅值元素;
为矩阵/>第/>列中最小的幅值元素;
S23:通过均值,方差/>的呈正态分布的卷积层/>和卷积层/>对输入的每个被检时间的连续的频域信号做卷积计算,提取其信号特征,其中卷积层/>和卷积层/>均设置6个/>的卷积核;
S24:通过采样层将卷积所得的每个被检时间的连续的频域信号特征图进行特征矩阵采样,利用函数进行激活;
S25:通过池化层剔除部分极端数据,采用技术防止数据过度拟合,其中所述/>技术用于将神经网络中的神经元按照设定的概率,剔除一部分神经元,/>技术的概率设置为/>;
S26:通过全连接层对采样层提取到的每个被检时间的连续的频域信号特征图进行被检吸音材料的质量等级标注,并将特征矩阵压缩成一维向量,最后通过输出层输出每个被检时间的连续的频域信号特征图,其中采用函数进行激活。
如幅值矩阵经过采样层池化层采样可得新的幅值特征矩阵;
将被检车载吸音棉材料的振动响应信号通过自适应调谐带通滤波器的输出信号与历史对比数据库进行比对,可判断车载吸音棉材料的质量等级为一等。
实时监测数据可视化模块用于:将被检车载吸音棉材料的质量等级信息,即一等质量等级信息,进行收集与存储,建立数据可视化图像报告;
自动反馈控制模块用于:并将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。
实施例二
如图2、3、4、5所示,本发明实施例的一种基于调谐带通滤波器的吸音材料质控方法,包括如下具体步骤:
以所处实时监测环境为晴天为例,对建筑吸音板材料的质量信息进行实时监测,其具体步骤如下:
A1:对被检吸音材料类别进行筛选,获得被检吸音材料的信息;;
获得建筑吸音板材料相关的产品序列编号为、产出生产线信息为生产线10、颜色为浅黄色、纹理为木纹状、表面形状为细孔洞状、材料厚度/>、材料密度,以及根据建筑吸音板材料常用于房屋装饰和KTV隔音墙等处吸收噪声确定被检建筑隔音板材料需要吸收的频率范围为/>。
A2:通过声音发生器向被检吸音材料发出频率为50Hz~20KHz的声音信号,并从低到高调节声音发生器发出频率的大小,记录被测时间点以及声音发生器的频率信息;
通过可调频声音发生器向被检建筑吸音板材料发送频率响应范围为50Hz~20KHz的声音信号,并随着实时监测时间/>的变化逐步调大声音发生器发送的声音信号的频率,并记录不同的实时监测时间点对应的声波频率和声波基线压力;当实时监测时间点/>时,对应的声波频率和声波基线压力分别为/>和/>;
A3:根据A2,被检吸音材料对声音信号的吸收能力通过实时传感器网络表现输出为振动响应信号;
构建实时传感器响应网络,包括个均匀分布在被测车载吸音棉材料的表面和内部的压电式加速度传感器;其中/>压电式加速度传感器输出的实时模拟电荷量与被检吸音材料吸收的实时声波基线压力/>的计算策略如下:
;
其中,;
为/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数;
为/>压电式加速度传感器中第/>个传感晶体片的厚度;
为/>压电式加速度传感器中压电晶体的介电常数;
为/>压电式加速度传感器中第/>个传感晶体片的面积;
为实时监测时间点为/>时被检吸音材料吸收的实时基线声波压力;
为实时监测时间点为/>时/>压电式加速度传感器输出的实时模拟电荷量;/>
为第/>个传感晶片的传感路径的环境误差因子。
其中,所述第个传感晶片的传感路径受自然噪声和监测器械噪声影响的环境误差因子的计算策略如下:
;
其中,为被检吸音材料的实时监测环境温度;
为被检吸音材料的实时监测时间点;
为实时监测环境温度为/>时的基线声波压力;
为实时监测时间点为/>时的基线声波压力;
为实时监测环境温度为/>时的自然噪声压力;
为实时监测时间点为/>时的人为监测器械噪声压力;
在晴天的监测环境中,监测时间点为时,实时监测环境温度为/>;实时监测环境温度为/>时的基线声波压力为/>;实时监测时间点为/>时的基线声波压力为/>;实时监测环境温度为/>时的自然噪声压力为/>;实时监测时间点为/>时的人为监测器械噪声压力为/>;
计算可得环境误差因子:
在本实施例中,构建的实时传感器响应网络,包括个均匀分布在被测建筑吸音板材料的表面和内部的压电式加速度传感器;其中,在晴天的监测环境中,监测时间点为时;实时监测环境温度为/>;/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数/>;/>压电式加速度传感器中第/>个传感晶体片的厚度/>;/>压电式加速度传感器中压电晶体的介电常数/>;/>压电式加速度传感器中第/>个传感晶体片的面积/>;
计算可得第个传感器输出的实时模拟电荷量/>:
;/>
A4:通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤,输出完成筛选过滤后的振动响应信号并存储到PC端;
其中,自适应调谐带通滤波器包括:振动响应信号转换电路、振动响应信号放大电路、自适应调谐带通滤波器、AD7707数据采集卡、CAN通信端和PC端电脑。
如图3所示,所述通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤包括如下具体步骤:
S11:由压电式加速度传感器输出实时监测时间点为/>时的实时模拟电荷量/>,经振动响应信号转换电路转换为实时模拟电压信号;
S12:所得实时模拟电压信号经振动响应信号低频放大器,根据被检吸音材料的实际用途,将实时模拟电压信号放大到20Hz~20KHz;
S13:根据被检吸音材料需要吸收的频率范围,确定自适应调谐带通滤波器的中心频率和带宽参数,将放大处理后的实时模拟电压信号输入自适应调谐带通滤波器,进行频率的筛选与降噪处理;
S14:经过自适应调谐带通滤波器筛选后降噪的实时模拟电压信号由AD7707数据采集卡进行信号采样;
S15:由CAN通信端将采集到的实时模拟电压信号传输给PC端存储,并进行后续的数据分析。
A5:构建历史对比数据库,根据A4输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进标注,进行数据分析与质量评估,判断被检吸音材料是否存在质量问题;
所述数据分析与质量评估的过程包括将PC端获得的实时模拟电压信号通过傅里叶变换将其连续的时域信号转化为连续的频域信号,如图5所示。
如图4所示,数据分析与质量评估的过程包括历史对比数据库的构建,其具体步骤如下:
S21:构建历史数据神经网络包括:输入层、卷积层、采样层、池化层、全连接层和输出层;
S22:对PC端采集到的每个被检时间的连续的频域信号做数据预处理;并将处理后的数据输入历史数据神经网络的输入层;
其中,数据预处理的具体步骤包括:
个传感器检测点的幅值v,构成一个/>的矩阵/>;
其中为矩阵/>中第/>行,第/>列对应的实时检测点的幅值;
具体的,数据预处理后的幅值的计算策略如下:
;
其中:
为数据预处理后第/>行,第/>列对应的检测点的幅值;
为数据预处理前第/>行,第/>列对应的检测点的幅值;
为矩阵/>第/>行中最小的幅值元素;/>
为矩阵/>第/>列中最大的幅值元素;
为矩阵/>第/>列中最小的幅值元素;
S23:通过均值,方差/>的呈正态分布的卷积层/>和卷积层/>对输入的每个被检时间的连续的频域信号做卷积计算,提取其信号特征,其中卷积层/>和卷积层/>均设置6个/>的卷积核;
S24:通过采样层将卷积所得的每个被检时间的连续的频域信号特征图进行特征矩阵采样,利用函数进行激活;
S25:通过池化层剔除部分极端数据,采用技术防止数据过度拟合,其中所述/>技术用于将神经网络中的神经元按照设定的概率,剔除一部分神经元,/>技术的概率设置为/>;
S26:通过全连接层对采样层提取到的每个被检时间的连续的频域信号特征图进行被检吸音材料的质量等级标注,并将特征矩阵压缩成一维向量,最后通过输出层输出每个被检时间的连续的频域信号特征图,其中采用函数进行激活。
如幅值矩阵经过采样层池化层采样可得新的幅值特征矩阵;
将被检建筑吸音板材料的振动响应信号通过自适应调谐带通滤波器的输出信号与历史对比数据库进行比对,可判断建筑吸音板材料的质量等级为三等。
A6:将被检吸音材料的质量等级信息收集与存储,建立数据可视化图像报告;并将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。
实施例三
本实施例提供一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行上述任一项所述的一种基于调谐带通滤波器的吸音材料质控方法。
本实施例还提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项的一种基于调谐带通滤波器的吸音材料质控方法。
综上实施例,与现有技术相比,本发明的技术效果如下:
1、本发明采用构建压电式传感器网络的测量方法,将对透过吸音材料的声音信号的收集测量,变为了对声音发生器发出的声波穿透吸音材料时产生的振动信号的计算测量,减少了因声波在传递过程中出现能量损失,而造成的实验结果的准确性和稳定性差的问题。用振动响应信号来衡量吸音材料对声音的吸收能力,减少了监测误差,提高了吸音材料质量检测过程的准确率。
2、本发明通过自适应调谐带通滤波器来筛选过滤对吸音材料实时监测的振动响应信号,自适应调谐带通滤波器的中心频率和带宽参数可根据被检吸音材料的实际用途去自动调节后续需要处理的频率范围,实现了实时监测各个种类吸音材料的质量信息的目的,大大提高了本发明的泛化能力。
3、本发明利用机器学习来构建吸音材料质量等级信息的历史对比数据库,大大提高了整个系统的自动运行效率,降低了人工成本,同时历史数据库随着被检吸音材料的质量信息的增加,神经网络模型通过不停的训练可实现动态实时迭代更新,可以不断提高对吸音材料的质量等级信息的预测和判断决策的准确性。
4、本发明考虑到吸音材料的质量等级信息涉及到多个部门统筹管理的问题,将被检吸音材料包括产品序列编号信息、产出生产线信息、被检吸音材料需要吸收的频率范围信息和被检吸音材料的质量等级信息的多方面的信息进行数据可视化与自动反馈,提高了吸音材料的质量等级信息的公开透明度,便于后续各部门合力进行生产行动指导或调整,保证了产品质量的统一性。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中,上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现。
Claims (11)
1.一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述方法包括如下具体步骤:
A1:对被检吸音材料类别进行筛选,获得被检吸音材料的信息;
A2:通过声音发生器向被检吸音材料发出频率为30Hz~20KHz的声音信号,并从低到高调节声音发生器发出频率的大小,记录被测时间点以及声音发生器的频率信息;
A3:根据A2,被检吸音材料对声音信号的吸收能力通过实时传感器网络表现输出为振动响应信号;
A4:通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤,输出完成筛选过滤后的振动响应信号并存储到PC端;
A5:构建历史对比数据库,根据A4输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进标注,进行数据分析与质量评估,判断被检吸音材料是否存在质量问题;
A6:将被检吸音材料的质量等级信息收集与存储,建立数据可视化图像报告;并将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整;
所述实时传感器网络包括个均匀分布在被测吸音材料的表面和内部的/>压电式加速度传感器,构成/>个检测点;
所述压电式加速度传感器输出的实时模拟电荷量与被检吸音材料吸收的实时声波基线压力/>的计算策略如下:
;
其中,;
为/>压电式加速度传感器的压感晶片在监测环境温度为/>时的压电系数;
为/>压电式加速度传感器中第/>个传感晶体片的厚度;
为/>压电式加速度传感器中压电晶体的介电常数;
为/>压电式加速度传感器中第/>个传感晶体片的面积;
为实时监测时间点为/>时被检吸音材料吸收的实时基线声波压力;
为实时监测时间点为/>时/>压电式加速度传感器输出的实时模拟电荷量;
为第/>个传感晶片的传感路径的环境误差因子;
所述第个传感晶片的传感路径受自然噪声和监测器械噪声影响的环境误差因子的计算策略如下:
;
其中,为被检吸音材料的实时监测环境温度;
为被检吸音材料的实时监测时间点;
为实时监测环境温度为/>时的基线声波压力;
为实时监测时间点为/>时的基线声波压力;
为实时监测环境温度为/>时的自然噪声压力;
为实时监测时间点为/>时的人为监测器械噪声压力。
2.根据权利要求1所述一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述被检吸音材料的信息包括:吸音材料的产品序列编号、产出生产线信息、颜色、纹理、表面形状、材料厚度、材料密度以及根据被检吸音材料的用途确定被检吸音材料需要吸收的频率范围。
3.根据权利要求1所述一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述自适应调谐带通滤波器包括:振动响应信号转换电路、振动响应信号放大电路、自适应调谐带通滤波器、AD7707数据采集卡、CAN通信端和PC端电脑。
4.根据权利要求3所述一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述通过自适应调谐带通滤波器对实时捕捉的振动响应信号进行筛选过滤包括如下具体步骤:
S11:由压电式加速度传感器输出实时监测时间点为/>时的实时模拟电荷量/>,经振动响应信号转换电路转换为实时模拟电压信号;
S12:所得实时模拟电压信号经振动响应信号低频放大器,根据被检吸音材料的实际用途,将实时模拟电压信号放大到20Hz~20KHz;
S13:根据被检吸音材料需要吸收的频率范围,确定自适应调谐带通滤波器的中心频率和带宽参数,将放大处理后的实时模拟电压信号输入自适应调谐带通滤波器,进行频率的筛选与降噪处理;
S14:经过自适应调谐带通滤波器筛选后降噪的实时模拟电压信号由AD7707数据采集卡进行信号采样;
S15:由CAN通信端将采集到的实时模拟电压信号传输给PC端存储,并进行后续的数据分析。
5.根据权利要求4所述一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述数据分析与质量评估的过程包括将PC端获得的实时模拟电压信号通过傅里叶变换将其连续的时域信号转化为连续的频域信号。
6.根据权利要求5所述一种基于调谐带通滤波器的吸音材料质控方法,其特征在于,所述数据分析与质量评估的过程包括历史对比数据库的构建,其具体步骤如下:
S21:构建历史数据神经网络包括:输入层、卷积层、采样层、池化层、全连接层和输出层;
S22:对PC端采集到的每个被检时间的连续的频域信号做数据预处理;并将处理后的数据输入历史数据神经网络的输入层;
其中,数据预处理的具体步骤包括:
个传感器检测点的幅值v,构成一个/>的矩阵/>;
其中为矩阵/>中第/>行,第/>列对应的实时检测点的幅值;
具体的,数据预处理后的幅值的计算策略如下:
;
其中:
为数据预处理后第/>行,第/>列对应的检测点的幅值;
为数据预处理前第/>行,第/>列对应的检测点的幅值;
为矩阵/>第/>行中最小的幅值元素;
为矩阵/>第/>列中最大的幅值元素;
为矩阵/>第/>列中最小的幅值元素;
S23:通过均值,方差/>的呈正态分布的卷积层/>和卷积层/>对输入的每个被检时间的连续的频域信号做卷积计算,提取其信号特征,其中卷积层/>和卷积层/>均设置6个/>的卷积核;
S24:通过采样层将卷积所得的每个被检时间的连续的频域信号特征图进行特征矩阵采样,利用函数进行激活;
S25:通过池化层剔除部分极端数据,采用技术防止数据过度拟合,其中所述技术用于将神经网络中的神经元按照设定的概率,剔除一部分神经元,/>技术的概率设置为/>;
S26:通过全连接层对采样层提取到的每个被检时间的连续的频域信号特征图进行被检吸音材料的质量等级标注,并将特征矩阵压缩成一维向量,最后通过输出层输出每个被检时间的连续的频域信号特征图,其中采用函数进行激活。
7.一种基于调谐带通滤波器的吸音材料质控系统,其基于如权利要求1~6任一项所述的一种基于调谐带通滤波器的吸音材料质控方法实现,其特征在于,所述系统包括以下模块:吸音材料识别模块、声音发生器模块、实时传感器响应模块、自适应调谐带通滤波器模块、数据分析与质量评估模块、实时监测数据可视化模块和自动反馈控制模块;
所述吸音材料识别模块用于:对被检吸音材料类别进行筛选,获得被检吸音材料相关的吸音系数与频率特性;
所述声音发生器模块用于:向被检吸音材料发送频率为30Hz~20KHz的频率信号;
所述实时传感器响应模块用于:获得被检吸音材料的实时振动响应信号;
所述自适应调谐带通滤波器模块用于:实时捕捉与分析振动响应信号,并对振动响应信号进行筛选过滤;
所述数据分析与质量评估模块用于:根据自适应调谐带通滤波器的输出信号与历史对比数据库的比对结果,对吸音材料的质量等级信息进标注,进行数据分析与质量评估,判断被检吸音材料是否存在质量问题;
所述实时监测数据可视化模块用于:将被检吸音材料的质量等级信息收集与存储,建立数据可视化图像报告;
所述自动反馈控制模块用于:将被检吸音材料的实时监测结果反馈与公开给生产线,进行生产行动指导或调整。
8.根据权利要求7所述一种基于调谐带通滤波器的吸音材料质控系统,其特征在于,所述声音发生器模块包括:频率响应范围为20Hz~20KHz的/> 可调频声音发生器。
9.根据权利要求8所述一种基于调谐带通滤波器的吸音材料质控系统,其特征在于,所述实时监测数据可视化模块包括实时监测到的被检吸音材料的产品序列编号信息、产出生产线信息、被检吸音材料需要吸收的频率范围信息、被检吸音材料的质量等级信息、SSD卡和LCD显示器。
10.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至6中任一项所述的一种基于调谐带通滤波器的吸音材料质控方法。
11.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的一种基于调谐带通滤波器的吸音材料质控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310971162.9A CN116698986B (zh) | 2023-08-03 | 2023-08-03 | 一种基于调谐带通滤波器的吸音材料质控系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310971162.9A CN116698986B (zh) | 2023-08-03 | 2023-08-03 | 一种基于调谐带通滤波器的吸音材料质控系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116698986A CN116698986A (zh) | 2023-09-05 |
CN116698986B true CN116698986B (zh) | 2023-12-12 |
Family
ID=87829665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310971162.9A Active CN116698986B (zh) | 2023-08-03 | 2023-08-03 | 一种基于调谐带通滤波器的吸音材料质控系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116698986B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6184519B1 (en) * | 1997-04-16 | 2001-02-06 | Seiko Instruments Inc. | Surface analyzing apparatus with anti-vibration table |
JP2014077267A (ja) * | 2012-10-10 | 2014-05-01 | Koichi Suchi | 植物の生命原理による複合一体構造物製造方法と材料と応用 |
GB201506178D0 (en) * | 2015-04-13 | 2015-05-27 | Fuchs Anton And Kompetenzzentrum Das Virtuelle Fahrzeug And Rejlek Jan And Nijman Eugenius And Veron | Method and device for efficient determination of the vibro-acoustic properties of sound insulation materials |
KR20210047101A (ko) * | 2019-10-21 | 2021-04-29 | 삼성물산 주식회사 | 바닥부 중량충격음 저감을 위한 마감천장구조 |
CN116884381A (zh) * | 2023-07-26 | 2023-10-13 | 华音(珠海)数字科技股份有限公司 | 一种用于麦克风噪声抑制的电路系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040027033A1 (en) * | 2002-08-08 | 2004-02-12 | Schiller Peter J. | Solid-state acceleration sensor device and method |
US8288922B2 (en) * | 2006-06-30 | 2012-10-16 | The Penn State Research Foundation | Flexoelectric—piezoelectric composite based on flexoelectric charge separation |
DE102012109393A1 (de) * | 2012-10-02 | 2014-04-03 | Prüftechnik Dieter Busch AG | Vorrichtung und Verfahren zur Bewertung von Schwingungen |
US11195506B2 (en) * | 2018-12-03 | 2021-12-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Sound-modulating windows |
-
2023
- 2023-08-03 CN CN202310971162.9A patent/CN116698986B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6184519B1 (en) * | 1997-04-16 | 2001-02-06 | Seiko Instruments Inc. | Surface analyzing apparatus with anti-vibration table |
JP2014077267A (ja) * | 2012-10-10 | 2014-05-01 | Koichi Suchi | 植物の生命原理による複合一体構造物製造方法と材料と応用 |
GB201506178D0 (en) * | 2015-04-13 | 2015-05-27 | Fuchs Anton And Kompetenzzentrum Das Virtuelle Fahrzeug And Rejlek Jan And Nijman Eugenius And Veron | Method and device for efficient determination of the vibro-acoustic properties of sound insulation materials |
KR20210047101A (ko) * | 2019-10-21 | 2021-04-29 | 삼성물산 주식회사 | 바닥부 중량충격음 저감을 위한 마감천장구조 |
CN116884381A (zh) * | 2023-07-26 | 2023-10-13 | 华音(珠海)数字科技股份有限公司 | 一种用于麦克风噪声抑制的电路系统 |
Non-Patent Citations (3)
Title |
---|
Sound absorbing characteristics of fibrous metal materials at high temperatures;Fugui Sun et al;《Applied Acoustics》;第221-235页 * |
基于误差放大因子的多基地声纳定位误差分析;李大龙 等;《山东工业技术》;第106-107、115页 * |
轮胎空腔共振噪声与力传递率关系的试验研究;周海超 等;《汽车工程》;第429-449页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116698986A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Michaels et al. | Detection of structural damage from the local temporal coherence of diffuse ultrasonic signals | |
Zheng et al. | Monitor concrete moisture level using percussion and machine learning | |
CN111044613A (zh) | 一种基于非线性Lamb波的金属板微缺陷检测方法 | |
US11092573B2 (en) | Apparatus, systems, and methods for determining nonlinear properties of a material to detect early fatigue or damage | |
O'brien et al. | A pattern recognition system based on acoustic signals for fault detection on composite materials | |
US7231304B2 (en) | Interference pattern testing of materials | |
Yu et al. | Application of kernel density estimation in lamb wave-based damage detection | |
CN114330435A (zh) | 一种基于动态权重小波系数深度残余网络的复合材料缺陷检测方法 | |
CN110208383A (zh) | 一种基于反转路径差信号的板结构兰姆波无参考成像方法 | |
CN116698986B (zh) | 一种基于调谐带通滤波器的吸音材料质控系统和方法 | |
Wang et al. | A cross-scanning crack damage quantitative monitoring and imaging method | |
CN106680375B (zh) | 用于确定材料的弹性模量的空气耦合超声检测方法 | |
CN112992182B (zh) | 车辆风噪水平测试系统及其测试方法 | |
Cheng et al. | Acoustic Emission-Based Detection in Restricted-Access Areas Using Multiple PZT Disc Sensors | |
CN114544765A (zh) | 一种基于深度学习的检测板状材料缺陷存在与位置的方法 | |
CN113823324A (zh) | 一种基于迁移学习的柴油机燃烧噪声检测方法及系统 | |
Biswas et al. | On Effective placement of acoustic emission sensor in steel framed structure for damage detection | |
CN114878689B (zh) | 用于测量材料参数的便携式在线测量系统及其控制方法 | |
KR100456841B1 (ko) | 차량 내구 시험에서 검출 신호 처리방법 | |
CN116295987B (zh) | 一种基于空气耦合超声的高空间分辨率应力动态测量方法 | |
Yu et al. | A convolutional neural network method for damage location based on raw guided Lamb wave technique | |
Michaels | Ultrasonic structural health monitoring: strategies, issues, and progress | |
CN114609410B (zh) | 一种基于声学信号的便携式风特性测量设备及智能算法 | |
US20220268737A1 (en) | Method, Equipment and Readable Medium for Evaluating Structural Strength of Fiber and Nanosized Materials Reinforced Concrete | |
CN114881938A (zh) | 基于小波分析和神经网络的晶粒度检测方法及系统 |
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 |