一.檢測原理

       由于壓縮機本身運轉聲音非常小，再加上生產車間環境噪音較大，因此通過壓縮機聲信號進行異音檢測是不可行的。所以，壓縮機異音檢測通過加速度傳感器獲取殼體振動信號，再由振動信號判斷壓縮機是否含有異音。

二.人工智能(AI)異音檢測的步驟

壓縮機人工智能(AI)異音檢測的實現需要依次完成下面三個環節的工作：

 1.樣本采集： 通過加速度傳感器和信號采集卡獲取壓縮機振動信號樣本，經過數據清洗，去掉不符合要求的樣本，將剩下的樣本作為機器學習的數據集。

2.機器學習： 選定合適的機器學習模型，在數據集上進行訓練，獲得異音檢測模型參數，對模型進行測試，調整模型參數，直至測試結果滿足要求。

3.實時檢測： 將異音檢測模型部署到生產線，將實時采集的信號樣本輸入檢測模型，在一個產線節拍周期內得到判斷結果，完成在線實時檢測。

三.人工智能(AI)壓縮機異音檢測 系統的組成

  人工智能異音檢測相比于人工方法不再需要靜音房和專業技術人員。它的系統組成分為硬件和軟件兩部分：

·硬件

 1.加速度傳感器： 將壓縮機殼體的振動加速度轉化為電信號并輸出。

 2.數據采集卡： 將加速度傳感器輸出的電信號轉化為電腦可以存儲分析的數字信號并輸出。

 3.計算機： 存儲、分析從采集卡獲取的數字信號。

 4.測量輔助裝置： 為 壓縮機供電，將 加速度傳感 器 緊貼 壓縮機殼體 ，并向 異音檢測系統 發送啟動和停止采集（或檢測）的信號。

 ·軟件

 1.樣本采集程序： 標記、記錄、存儲信號樣本，數據清洗，建立數據集。

 2.機器學習程序： 完成異音檢測模型訓練，測試驗證模型判定的準確率。

 3.異音檢測程序： 應用異音檢測模型進行在線異音檢測。