[发明专利]扬声器在线纯音故障诊断方法

说明书

技术领域

本发明涉及一种在线故障诊断方法，特别涉及扬声器在线检测、故障诊断和模式识别的方法。

背景技术

扬声器是一种把电信号转变为声信号的换能器件，扬声器的性能直接影响音质。在扬声器的生产过程中，由于生产步骤较多，所以一般生产线在扬声器组装完毕后才对扬声器进行品质检定，并将不合格的产品分类返回处理。

中国是目前世界上最主要的扬声器生产国，扬声器的产量约占全球年产量的八成左右。在扬声器的在线纯音检测和纯音故障诊断方面，国内主要采用人工检听的主观判定方法，国外尚未见到扬声器在线纯音故障诊断方法的研究。随着对劳动保护以及对质量检测要求的提高，生产厂商迫切需要进行纯音检测和纯音故障诊断的检测系统。为此，我们在研究了扬声器在线纯音检测方法之后，又提出了一种扬声器在线纯音故障诊断方法，并在此就该方法的发明专利申请内容进行说明。

发明内容

本发明的目的在于，通过提供一种扬声器在线纯音故障诊断方法，以改变目前存在的人工检听的主观判定方法，以进一步提供扬声器生产中的质量控制水平。

本发明是采用以下技术手段实现的：

提出了一种扬声器在线纯音故障诊断方法包括了训练方法和测试方法。两种方法均在扬声器检测系统中完成，硬件系统的原理如图1所示。

训练方法的主要特征包括以下步骤：

步骤1、在检测系统中，采用跳变扫频信号(Stepped Sweep信号)作为在纯音检测中的不合格扬声器样品的输入信号；

步骤2、通过信号采样，获取扬声器纯音故障的时域离散信号序列；

步骤3、采用短时傅里叶变换(STFT)将从步骤2中的时域信号变换到时-频域的频谱；

步骤4、根据频谱中各频段的谐波失真度(HD)，抽取时-频域的扬声器纯音故障的异常区域，并形成训练样本集；

步骤4.1计算各频段的HD值，得到HD曲线。

步骤4.2根据HD曲线选取前N个峰值，判断每个峰值与给定阈值的关系，满足条件的每个峰值作为一个异常位置。

步骤4.3根据每个异常位置以及指定的长度和宽度选取出异常区域。

步骤4.4将异常区域按列展开成向量，与人工预先标定的故障类型组成一个样本。

步骤4.5重复步骤1-3、4.1-4.4，组成训练样本集。

步骤5、对训练样本集，采用主成分分析(PCA)的方法，提取出扬声器纯音故障的特征集，同时得到主成分变换矩阵；

步骤5.1对训练样本向量数据进行中心化。

步骤5.2计算中心化样本向量协方差矩阵的特征值及特征向量。

步骤5.3选择特征个数k，前k个特征值对应的特征向量即特征变换矩阵，将特征变换矩阵左乘样本集得到特征集。

步骤6、对特征集，采用支持向量机进行分类训练，得到分类面，确定分类。

步骤6.1选择核函数K为Gauss径向基核。

步骤6.2通过成对分类方法确定每两类的分类面。

步骤6.3根据每两类的分类面，通过投票系统得到最终分类面。

测试方法的主要特征包含以下步骤：

步骤1-3、同训练方法步骤1-3；

步骤4、根据频谱中各频段的谐波失真度(HD)，抽取时-频域信号序列中的扬声器纯音故障序列，形成测试样本；

步骤4.1计算各频段的HD值，得到HD曲线。

步骤4.2根据HD曲线选取前N个峰值，判断每个峰值与给定阈值的关系，满足条件的每个峰值作为一个异常位置。

步骤4.3根据每个异常位置以及指定的长度和宽度选取出异常区域。

步骤4.4将异常区域按列展开成向量，形成测试样本。

步骤5、将步骤4中的测试样本的向量左乘训练中得到的主成分变换矩阵，获取被测扬声器特征样本；

步骤6、将特征样本与训练中得到的分类面进行比较，得到分类的故障诊断结果。

上述方法的关键技术在于：设计了谐波失真度的分析方法，抽取扬声器时频域中扬声器纯音故障样本；为适应于在线检测的需要，减少测试时间，采用了主成分分析的方法提取故障信号的特征降低了计算维数；选择了适宜的核函数，构成了便于分类应用的支持向量机。

本发明与现有技术相比，具有以下明显是优势和有益效果：

扬声器的故障主要反映在不同频率范围内的高次谐波上，因此，采用短时傅利叶变换(short-time Fourier transform，STFT)，形成时-频域的频谱，可以较好地突出扬声器纯音故障的特征，以提供扬声器在生产过程中所出现的不合格成品非检出率，对扬声器成品的质量控制起到了重要的作用。