宁波慧声智创公司专注于工业声学大数据在智能制造领域的应用，开发了工业智能听诊平台，可利用声学传感器在线采集机械设备及产品信号，依据专ye声学分析方法，结合机器学习技术，从而替代人工完成工业产品声学下线检测及关键机械设备声学预测性维护。系统可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（电机、马达、轴承）以及冲压金属、铸造件产品声学下线质量检测，同时可推广拓展至能源电力、石油化工、***制造、交通运输等领域关键机械设备声学预测性维护。

微电机振动噪声智能下线检测系统振动测试：加速度rms值、阶次分析、振动法测噪声；

噪声测试：dBA、1/3Oct、时频图、幅值调制；

异音测试：代替人工完成听音检测；

性能测试：电压、电流、转速、扭矩、相位角；

转速测试：瞬时转速、频率调制；

心理声学：响度、粗糙度、抖动度、尖锐度、音调度；

统计追溯：产品数据追溯和统计分析；

自 动 化：上料、扫码、检测、分拣，节拍小于15s。

早期故障诊断采用听诊法来判断设备状态，有经验的师傅可根据声音辨别出故障类型，目前声学技术中常用的统计能量法是听诊法的一种进化，它根据设备正常和故障时辐射声能量的变化进行故障诊断。而在实际应用中，该方法容易受环境影响，且技巧不易掌握，依赖操作人员经验。 虽然振动和声音都蕴含着机械状态信息，但因声信号易受干扰，使得声学诊断技术的发展远远落后于振动诊断技术。


目前，断路器故障诊断多将声音和振动结合起来组成声振联合诊断，这需要同时对声音、振动信号提取特征向量，从而导致特征向量数量过多，小样本工况下缺乏诊断信服力。其次，经验模态分解及其改进方法等声振联合方法计算量较大且在重复试验时结果存在一定分散性。此外，振动信号的加入意味着需要对断路器机构额外接触式安装传感器，增加了操作的复杂性。