✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信
🔥 内容介绍
通过电动机运行时产生的声音检测轴承故障。在工业环境中，故障检测至关重要 —— 某些关键部件的失效可能导致整个工厂停产。停机造成的生产损失动辄可达数百万欧元。通过测量电机轴的振动或加速度也能实现故障检测，但基于声音的检测方案具有显著优势：麦克风成本低廉，无需与电机直接接触，因此安装更为简便。然而，工业厂房中典型的强背景噪声可能会对声音检测效果造成干扰。
研究人员已预先录制了电机运行时的声音信号，并使用 MATLAB 进行后续声音处理。首先通过快速傅里叶变换（FFT）从信号中提取不同频率成分 —— 在频域图中，故障信号可通过其 3300Hz 的特征故障频率及更高振幅轻松识别。随后，每个信号被分割为 100 个样本，每个样本进一步下采样为 20 维向量（下采样方式为提取采样窗口内的最大值）。下采样的目的是通过减少输入特征数量，提升机器学习算法的运行效率。
最终，利用正常信号与故障信号的数据训练前馈神经网络。由于信号特征模式极为显著，该网络在不到 10 个训练周期（epochs）内便达到了接近 100% 的检测准确率。
基于声音检测的核心优势与痛点
优势：麦克风成本仅为振动传感器的 1/5~1/10，非接触式安装避免了对电机运行的干扰，尤其适用于高速旋转或难以拆卸的设备；
痛点：工业环境中的机械噪声、气流噪声等背景干扰会淹没故障特征声，需搭配降噪算法（如谱减法、小波去噪）优化，原文未提及但实际工程中不可或缺。
FFT 频域分析的作用轴承故障（如滚珠磨损、内圈裂纹）会产生特定频率的 “特征谐波”—— 原文中 3300Hz 即为该类型轴承的故障特征频率（由轴承结构参数计算得出）。通过 FFT 将时域声音信号转换为频域图，可直观区分正常信号（频率分布均匀）与故障信号（3300Hz 处出现高振幅峰值），这是故障特征提取的核心步骤。
数据下采样的设计逻辑
原始声音信号经 FFT 后维度极高（如采样率 44.1kHz 的信号，FFT 后维度可达数万），直接输入神经网络会导致计算量过大、训练效率低下；
采用 “窗口最大值下采样”：既保留了每个窗口内的关键特征（峰值对应故障频率），又将维度压缩至 20 维，在降低计算成本的同时避免了特征丢失，是兼顾效率与精度的工程化选择。
前馈神经网络的适配性前馈神经网络（Feedforward Neural Network）适合处理 “特征明确、模式简单” 的分类任务 —— 原文中正常 / 故障信号的频域特征差异显著（3300Hz 峰值是否存在），属于 “强特征” 场景，因此无需复杂的深度学习模型（如 CNN、LSTM），仅需简单的输入层 - 隐藏层 - 输出层结构，即可快速达到近 100% 准确率，体现了 “算法适配场景” 的工程思维。
⛳️ 运行结果
Image
📣 部分代码
nd it just makes plotting easier.
maxHz = 8000;
ylimmax = 0.008; % Max y-axis value to plot.
testsample = 1; % Index of sample array to plot to demonstrate it.
% Lets divide data into samples.
samplelenght = floor(Lsgn/samples); %Round down sample lenght to make calculations easier. Rest of the data we're going to just discard.
faultytrainingset = zeros(samplelenght, samples);
normaltrainingset = zeros(samplelenght, samples);
jj = 1;
for ii = 1:samples
faultytrainingset(:,ii) = fltvector(jj:(jj+samplelenght-1),1:1);
normaltrainingset(:,ii) = nrmlvector(jj:(jj+samplelenght-1),1:1);
jj = jj + samplelenght;
end
%% PLOT SIGNALS IN TIME DOMAIN
f = figure;
f.Position = [200 200 1500 600];
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
