西门子发布全新的LMS声学照相机(Sound Camera),加快声学故障诊断速度

简介:

价格合理的高品质数字麦克风阵列,配备专用软件

•通过实时显像,提供快速准确的声源定位结果

•为专业人士和临时用户提供高度易用性;适用于各个应用和多种行业

近日,西门子在2017汽车测试及质量监控博览会上发布了全新的LMS声学照相机(Sound Camera),这是一款多功能快速声源定位系统,可帮助各行各业加快声学故障诊断速度,增强声音设计与品牌认知。无论是在声场还是实验室,配备专用软件的高品质模块化数字麦克风阵列都能即时、准确地对任何噪音生成对象实现声源可视化。作为西门子的面向预测工程分析的先进仿真和测试解决方案组合Simcenter™的一部分,LMS声学照相机有三种尺寸,通过短臂和长臂进行调节。结合附加的麦克风,此软件可以基于客户需求,增强操作功能。该软件的频率覆盖范围高达20千赫兹。全新的数字传感器、可扩展的设计以及快速获得结果的能力,造就了一款更高效、价格更为合理的产品,便于新手与专业人士使用。

Siemens PLM Software仿真与测试解决方案高级副总裁Jan Leuridan博士表示:“通过LMS声学照相机,客户既可以进行简单的测试,也可以进行技术性和复杂性更高的测试,同时大幅缩短设置时间和培训时间。作为Simcenter产品组合的新成员,该解决方案将为汽车、航空航天、船舶、消费产品、工业机械等各个行业提供更多声源定位方面的机遇。”

通过使用LMS声学照相机,工程师可以从不同的距离和角度定位声源,加快声学故障诊断速度。使用短臂时,阵列可提供可靠的近场和远场结果;而长臂则用于需要从更远的距离进行测量的大型对象。

有了LMS声学照相机之后,执行高效的声学故障诊断将不再受制于距离或对象尺寸等因素。同样的阵列可以在不同的时间用于外场和实验室,不同的团队也可以将同样的阵列用于各种不同的声源定位任务。由于所有电子器件都集成至阵列中,因此完全不需要其他外部数据采集系统。通过LMS声学照相机,可即时、可靠地定位任何平稳、瞬态或脉冲声源。

要实现更高级的应用,可将LMS声学照相机与LMS SCADAS™ 硬件及LMS Test.Lab™软件进行结合,两者也是Simcenter产品组合的一部分。LMS Test.Lab将高速多通道数据采集功能与一整套集成的测试、分析和报告生成工具结合在一起,为基于测试的工程设计提供全面的集成解决方案。

Siemens PLM Software是全球领先的产品生命周期管理(PLM)和制造运营管理(MOM)软件、系统与服务提供商,拥有超过1,500万套已发售软件,全球客户数量达140,000多家。公司总部位于美国德克萨斯州普莱诺市。Siemens PLM Software与企业客户充分合作,为其提供领先的行业软件解决方案,帮助其通过革命性创新获得可持续性竞争优势。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
7月前
|
传感器 编解码 人工智能
GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品
GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品
113 2
|
2月前
|
vr&ar
基于PID控制器的四旋翼无人机控制系统的simulink建模与仿真,并输出虚拟现实动画
本项目基于MATLAB2022a的Simulink平台,构建了四旋翼无人机的PID控制模型,实现了无人机升空、下降及再次升空的飞行仿真,并生成了VR虚拟现实动画。通过调整PID参数,优化了无人机的姿态控制性能,展示了无人机在三维空间中的动态行为。
|
算法 API vr&ar
iOS MachineLearning 系列(5)—— 视频中的物体运动追踪
本系列的前面几篇文章中,我们将静态图片分析相关的API做了详尽的介绍。在Vision框架中,还提供了视频中物体追踪的能力。 仔细想来,其实视频的分析和静态图片的分析本质上并无太大的区别,我们可以将视频拆解成图片帧,之后再对图片进行静态分析。将所有图片帧的分析结果反馈到视频上,即实现了对视频的分析能力。 视频中物体运动的跟踪常在一些AR游戏中应用,这些现实增强类的应用常常需要实时追踪显示中的物体。
210 0
|
存储 缓存 编解码
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(三)——Image(图像) 功能
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(三)——Image(图像) 功能
555 0
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(三)——Image(图像) 功能
|
数据挖掘 计算机视觉
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(下)
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(下)
238 0
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(下)
|
缓存 数据挖掘 计算机视觉
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(上)
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(上)
247 0
砥砺的前行|基于labview的机器视觉图像处理|NI Vision Assisant(四)——Color(彩色图) 功能(上)
|
编解码 人工智能 算法
首篇 | M2BEV:统一BEV表征的多摄像头多任务框架(英伟达、香港大学)
本文提出统一框架M2BEV,可以在BEV空间中与多镜头图像联合实现3D目标检测和BEV分割。与之前工作的区别在于,M2BEV使用一个模型输出两个任务并提高了效率。M2BEV有效地将多视图2D图像特征转换为ego-car坐标系中的3D BEV特征。这种BEV表示的重要性在于它可以使不同的任务能够共享单个编码器。
首篇 | M2BEV:统一BEV表征的多摄像头多任务框架(英伟达、香港大学)
|
机器学习/深度学习 Ubuntu 开发工具
相机和livox激光雷达外参标定:ROS功能包---livox_camera_lidar_calibration 介绍
**什么是相机与激光雷达外参标定?** 就是相机坐标系和激光雷达坐标系的TF变化。位置x,y,z 欧拉角 roll,pitch,yaw,6个变量构成一个4*4的旋转变换矩阵 标定的就是这个4维的旋转矩阵。 标定的方法有: - 基于特征 - 基于运动观测 - 基于最大化互信息 - 基于深度学习 基于特征 的方法是根据对应特征点求解PnP问题,需要标定板来获取特征 基于运动观测可以看作手眼标定问题,精度决定于相机和雷达的运动估计 基于最大化互信息认为图像灰度于反射强度具有相关性 基于深度学习需要长时间的训练并且泛化能力不高
相机和livox激光雷达外参标定:ROS功能包---livox_camera_lidar_calibration 介绍
相机和livox激光雷达外参标定:在gazebo中搭建仿真场景
前两篇介绍了相机和livox激光雷达外参标定:ROS功能包的livox_camera_lidar_calibration 和使用方法. 具体链接: - [链接1](https://www.guyuehome.com/38522) - [链接2](https://www.guyuehome.com/38524) 本篇在gazebo中搭建可以模拟产生livox_camera_lidar_calibration功能包需要的数据的仿真场景.
相机和livox激光雷达外参标定:在gazebo中搭建仿真场景
|
数据采集 传感器
相机与激光雷达标定:gazebo仿真livox_camera_lidar_calibration---标定数据采集与处理
ROS功能包:**livox_camera_lidar_calibration**提供了一个手动校准Livox雷达和相机之间外参的方法,已经在Mid-40,Horizon和Tele-15上进行了验证。其中包含了计算相机内参,获得标定数据,优化计算外参和雷达相机融合应用相关的代码。本方案中使用了标定板角点作为标定目标物,由于Livox雷达非重复性扫描的特点,点云的密度较大,比较易于找到雷达点云中角点的准确位置。相机雷达的标定和融合也可以得到不错的结果。
相机与激光雷达标定:gazebo仿真livox_camera_lidar_calibration---标定数据采集与处理