全文总字数：4700字
文献综述
目前基于图像的故障检测、行为识别等有着广泛的研究和应用，但图像识别对硬件平台较高的要求使得在生产环境中尤其在预算不高的中小型企业中图像识别平台的部署较为困难。
而基于声场信息的故障检测平台不受安装环境、图像质量等因素的影响，灵活方便，同时对硬件要求较低，因此有着广阔的研究前景。
现阶段，基于声音的故障检测方案共分为两大类，其一针对运行状态单一的机械设备，通过检测限定频率的音强是否超过阈值判断设备是否出现限定故障；其二针对运行状态复杂的机械设备，通过对设备运行声音进行基于深度学习的全频谱分析，判断设备是否出现故障并判断故障类别。
本次课题主要的研究方向是第二类即针对运行状态复杂的机械设备进行的基于深度学习的频谱分析。
本文将根据以深度学习的不同阶段为依据，分别简述与比较现阶段主流的优劣。
数据源部分，根据所引用的文献，可以根据设备类型大致分为以下几类：变压器、电机、轴承等，而根据声音产生原理又可以分为机械运动产生的噪声和电流传输产生的噪音。
这两种噪音有着本质的区别，需要分开考虑。
第一种机械运动产生的噪声，根据其声学特性，可以认为该种噪音是一种持续的固定频率的噪音，例如因电机或轴承老化，与壳体摩擦所产生的噪声。
由于该种噪声频率相对固定，因此采用频谱分析法较为适合处理。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
