电动扬声器在线自动化检测的关键技术研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:yinjushicui
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
电动扬声器是一种直接可以把电能转化成为声音的器件,自改革开放以来,中国的电声行业突飞猛进,而电动扬声器在该行业占有重要地位,同样也取得了不错的成就,但在扬声器的出厂品质管理和质量监督方面依旧不如国外的某些品牌扬声器制造商。目前扬声器的检测主要依赖于人工操作系统和半自动化系统,因此有必要向全自动化、智能化上发展,从而提高扬声器的品质监管水平,增强该类企业的核心竞争力。针对上述存在的问题,本文设计出了一种电动扬声器在线自动化检测系统,采用机器视觉技术获取待检测扬声器的焊点位置信息,计算出扬声器焊点所需旋转的角度,配合自主装机械装置调整焊点位置,将焊点自动接入测试端口,从而代替了工人手动将焊点与探针接触;最后根据软件测量得到的结果,自主装机械装置自动分类扬声器,将不同质量的扬声器送至目标位置,从而实现了扬声器的全自动化和智能化检测。系统主要分为扬声器焊点定位模块、扬声器位置调整与分类模块和电声参数测量模块三部分。扬声器焊点定位模块主要技术点是扬声器焊点的图像处理算法,该算法可以在不同光照强度下,精准识别扬声器焊点位置并计算出扬声器所需旋转的角度;扬声器位置调整与分类模块由控制系统和自主装机械装置组成,并根据生产厂家的实际需求,对该模块进行了合理布局,能快速调整扬声器的位置,其响应快,效率高;电声参数测量模块主要由硬件电路和电声参数测量软件构成,其可以对扬声器的电声参数进行精准测量,在此基础上还研究了平稳噪声环境下扬声器有用声音信号减噪算法,并对其进行理论研究和仿真实验,结果表明低频类的扬声器可以在平稳的噪声环境下进行电声参数测量。为了验证该设计的可行性,对系统进行了调试和相关指标测试。经实际测试表明,在光强133Lux至1176Lux区间内,扬声器焊点定位最大误差为0.044mm,扬声器焊点转动误差在±1°内,探针前后运动最大的误差值小于0.3mm,这些都保证了扬声器焊点可以精准对接到测试端口;测量软件操作简单,工人使用方便,此外流水线检测区域若未加装声音屏蔽盒,可以使用扬声器声音信号减噪算法,信号频率在20Hz至10000Hz范围内,减噪效果明显。最后对系统进行了多次的稳定性测试,检测一个扬声器并将其分类完成平均所花时间为15秒左右且工作稳定性强,能够较好地满足该应用领域的需求,本课题为扬声器自动化检测提供了切实可行的方案。
其他文献
在音视频会议、机器人及语音识别等应用领域中,阵列信号处理技术起到了举足轻重的作用。语音定位本身属于阵列信号处理技术领域的一个重要组成部分。在噪声较大及混响较强的实际环境下,常用声源定位算法的鲁棒性较差。相位变换加权的可控响应功率定位算法(SRP-PHAT)具有一定的抗混响能力,但抗噪声能力较差且算法的计算量较大。为了减小SRP-PHAT定位算法的计算复杂度,提升强噪声、高混响环境下声源定位算法的性
近年来,无线传感器网络(Wireless Sensor Network,WSN)技术得到了广泛研究,其在军事、医疗、环境等领域得到了广泛应用。其中,节点定位技术是WSN的关键技术之一。受到WSN中传感器节点部署成本、资源、部署环境等因素的限制,对每个节点都安装定位模块进行定位是不切实际的。因此,有效的方法是对少量节点安装定位模块,利用这些节点的位置信息实现整个WSN的定位。现有的诸多定位算法中,集
平板阵列天线的口径分布比较容易控制、易于实现高增益和低副瓣,这使得它在日益复杂的通信环境中备受关注。本文介绍了矩形波导馈电的平板缝隙阵列天线和微带阵列天线的研究背景和意义以及发展现状,并以此研究实现阵列天线提高增益和降低旁瓣的技术。研究内容分为以下两个部分:1、高增益低副瓣矩形波导缝隙阵列天线的研究。该阵列天线由上而下分别为辐射层、耦合层和馈电层,其中:(1)辐射层有八个辐射单元,每个单元均采用B
随着Web2.0时代的到来,互联网技术的不断发展,通过线上购物进行消费的行为逐渐成为一种社会潮流。各大电商平台涌现大量的评论信息,这些评论信息为其他消费者提供了重要的参考价值,逐渐成为消费者的购买决策的主要依据。然而某些不法商家发现“商机”,会雇佣用户虚构消费过程发布垃圾评论,对商品进行不真实的描述,误导消费者做出错误购买决定,严重影响了电子商务市场的健康发展,破坏了其原有的竞争规则。由于垃圾评论
互联网的迅速普及和发展不断改变着人们的生活方式,成为现代社会不可或缺的重要组成部分,给人们的生活和工作带来了极大的便利。随着互联网技术的快速发展,引入了大量用户的介入,使得互联网上的数据量呈指数增长,用户在检索自己感兴趣的旅游信息时往往需要花费大量的时间成本,给用户在制定旅游规划时造成诸多困扰。推荐系统可以有效地解决数据量过大造成的问题,帮助用户找到符合自己偏好的旅游信息。在旅游推荐领域,传统的推
机电设备运维通过一系列方法监控机电设备的运行状态,并利用各类手段对其进行维护,是机电设备提供各类服务的基础保障。传统的机电设备运维面向特定设备组成的复杂系统,高度依赖人工操作和专家经验,难以有效地管理。利用智能运维(Artificial Intelligence for IT Operations,AIOps)平台接入机电设备大数据,通过分布式存储、并行化计算和机器学习等技术进一步保存和处理,提高
随着人们生活水平的提高,人们对旅游的需求日益增加。面对海量的互联网信息,传统的搜索引擎在景点推荐方面往往无法满足用户的个性化需求,用户通常需要花费大量时间筛选景点信息。个性化景点推荐作为智慧旅游城市和位置服务的重要课题之一,如何为用户做出精准推荐,提供个性化服务,提高用户满意度显得尤为重要。为此,个性化景点推荐系统备受关注,已经成为学术界和商业界研究的热点之一。由于知识图谱有效地解决了项目冷启动和
目标检测一直是计算机视觉领域中的热门研究方向,其目的是定位图像中的目标并进行分类。目标检测在智能监控、人脸识别、无人驾驶等诸多领域都存在着广泛的应用,特别是应用在智能安防场景能保障社会公共安全,维护社会的稳定,深刻影响着人们的生活,因此目标检测的持续研究显得尤为重要。迄今为止虽然出现了许多出色的目标检测算法,但有些算法检测速度较慢,无法跟上(1)提出基于沙漏结构的实时目标检测算法,继承了单阶段目标
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术能充分挖掘空间自由度进行空间复用传输,提高频谱效率,并对能量效率实现量级提升,因此成为第五代移动通信(the 5th Generation mobile commnication,5G)的关键性技术之一。但在大规模MIMO系统中,由于相干时间内的正交导频序列有限,导频不可避免的在相邻小区被复用,导致了导
随着物联网技术和通信技术的发展,相应的软硬件设施呈现指数级增长,人们越来越习惯于网络服务、应用软件、网站应用等平台带来的生活便利,在网络中的交互变得越来越频繁。但是网络中存在的安全隐患却时刻威胁着人们的信息安全。虽然人们为了保护网络安全提出了各种资源许可、加密或者身份认证等保护机制,但是攻击者总能通过非法的手段破坏网络系统,获取用户的重要信息。因此异常网络流量检测作为一种附加的防护手段是十分必要的