科研攻关
科研攻关

技术研究

2019-08-06    308

        睿深科技作为振动声学领域的科技型企业,致力于解决工程领域的动力学问题及相关仪器设备的开发应用,基于对产业、市场和用户的深刻洞察,对核心技术的研发始终保持极大的投入。主要专注的技术研究领域如下:


1、阵列测试技术


        利用传声器阵列来进行信号的检测与估计具有很多优点,例如,相对于单个传声器,多传声器阵列可以对信号中的噪声进行空域平滑,从而提高对信号的检测与估计效果,此外,利用传感器阵列还可以实现一些单个传感器无法完成的任务,例如,可利用信号到达阵列各传感器间的波程差实现对信号源的空间定位。因此,传感器阵列无论在军事及民用各领域得到了广泛的应用,阵列信号处理也一直是信号处理领域里的一个非常重要而活跃的分支。睿深致力于阵列测试技术的设备开发及技术应用方面,从定位算法的研究到测试系统软硬件的开发都有着成熟的技术体系支撑,并配合客户在电力、汽车、航空航天等领域展开了广泛而深入的研究。

技术研究应用1

2、减振降噪


        睿深科技为客户提供的减振降噪服务从技术手段而言,包含仿真、测试、改造等技术途径,而针对的应用不仅包含了产品的设计和研发,还包括产品的售后服务等场景。通过多年的减振降噪工程服务经验积累,睿深科技已经在汽车、电力、空调、家用电器等多个行业服务了成百上千个客户。针对不同行业客户特点及技术要求,开展了基础共性问题研究、检测流程规范、检测手段拓展、在线监测系统构建、基于主动降噪的有源消声等相关技术的研究工作。


3、声纹识别


        声纹是指通过电声仪器将声波特征绘制而成的波谱图形,机械设备在运行时会发出可听噪声,声纹包含了设备大量的状态信息,可以通过对设备声纹的信息的识别来实现设备状态的监测评估。声纹中蕴含着丰富的信息,具有典型的非线性、非平稳、强耦合特征,面临着采集难、分离难、诊断难等问题,睿深科技围绕机械设备声纹识别需求,在声信号抗干扰检测方法、声信号去噪方法、声纹特征提取方法、状态识别等方面展开了深入研究。


4、深度学习


        机器学习是最快速、最活跃的领域之一, 而深度学习则代表着它真正的展现出来的优势。深度学习是一种机器学习, 是人工智能的基础之一, 它允许由多个处理层组成的计算模型来学习具有多级抽象的数据表示。这些方法极大地提高了声纹识别、视觉对象识别、对象检测以及故障诊断等其他领域的先进水平。在下述案例实施中采用数据训练分类故障结合神经网络识取故障的方式实现了汽车产线上某类型故障98%的识别正确率。

技术研究应用2

返回列表