AI电机异响检测定制：声纹特征与产线噪声抑制

电机异响检测的难点不在模型，而在产线噪声与样本结构。落地时先把采集边界定清楚：麦克风距电机端盖 10~15cm、采样率 48kHz、每件截取不少于 1.5s 稳态段；同时布置一路参考麦克风采环境噪声，用于自适应对消或谱减。气动夹具、上下料等瞬态噪声用 PLC 启动信号做时间窗屏蔽，避免被当成异响。 要点： 1. 特征以梅尔频谱为主，配合按转速归一的阶次谱与包络谱，覆盖轴承、齿啮合、电磁三类典型异响；转速从 PLC 或编码器同步取，转速波动超 5% 的工位不适合只做阶次分析。 2. 训练先用正常样本做自编码器或深度 SVDD 异常检测，再对已确认的异响小样本做分类微调，比直接多分类更抗样本稀缺。 判定上不建议单帧出结论：同一工位连续 3 件打分越限才触发报警，并自动保存 5s 原始录音，供人工复判与样本回流。换型、夹具更换、车间底噪变化后需重采基线，否则误报会集中爆发。边缘盒子单台可跑 4~8 路，节拍内出结果，仅上传分数、频谱图与录音片段，控制带宽与存储成本。