摘要详情

ID / 提交时间

35 / 2025-05-11 22:52:20

标题

Abnormal Sound Detection Method for Microfans Based on Lightweight Attention Capsule Network

关键字

Abnormal sound detection, Microfans, EfficientNet, Capsule network, Adaptive attention mechanism

主题及专题

6、Artificial Intelligence for EOM

状态

终稿

作者

Wenlong Dong / Kunming university of science and technology

Yu Guo / Faculty of Mechanical and Electrical Engineering Kunming University of Science Technology

Haipeng Wang / Kunming University of Science and Technology

jiawei fan / Kunming University of Science and Technology

Tingwei Liu / Ltd；P&R Measurement Technology Co.

Chuanhui Wu / Ltd；P&R Measurement Technology Co.

摘要

微风扇的异常声音检测是保证产品质量的关键。传统的手动听觉检测方法是主观的，而基于深度学习的方法可以提高检测精度，但通常需要大型数据集，这在工业应用中很难获得。针对这一问题，该文提出一种基于轻量级注意力胶囊网络（LACNet）的异常声音检测方法。首先，对音频信号进行 A 加权滤波，并使用短时傅里叶变换（STFT）将其转换为时频图。在特征提取阶段，LACNet 使用优化的 EfficientNet 作为主干，去除某些 MBConv 层以实现网络轻量化。此外，采用自适应注意力机制从多尺度表示中动态选择关键特征。在特征融合阶段，利用胶囊网络的动态路由机制来增强特征的空间层次表达。实验结果表明，LACNet 在 MIMII 数据集和我们自建的 microfans 异常声音数据集上都取得了优异的检测性能，验证了其有效性。