Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Experimental Study on the Forming Limit Curve of SECC Sheet Material Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Automatically Abnormal Detection for Radiator Fans Through Sound Signals Using a Deep Learning Technique

verfasst von : Minh-Tuan Nguyen, Tien-Phong Nguyen, The-Van Tran

Erschienen in: Proceedings of the 3rd Annual International Conference on Material, Machines and Methods for Sustainable Development (MMMS2022)

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this study, an abnormal detection model of a fan through sound is developed using a deep learning technique. The fan sound datasets include two classes, OK and NG. First, the sound signals are framed to a consistent duration; then, the log-mel spectrogram features are extracted. A deep learning model is proposed to classify fan sound signals based on the extracted features. The results show the high performance and accuracy of the proposed model and can be used to develop a computer application for the abnormal detection of radiator fans through sound signals.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Influence of Blank Holder Force and Limiting Drawing Ratio on Fracture Height During Cup—Drawing Process of SECC Sheet Metal
Nächstes Kapitel Interference Fit Calculation with Numerical and Simulation Methods
Literatur
1.
A. Aherwar, An investigation on gearbox fault detection using vibration analysis techniques: a review. Aust. J. Mech. Eng. 10(2), 169–183 (2012)CrossRef
2.
A. Suman, C. Kumar, P. Suman, Early detection of mechanical malfunctions in vehicles using sound signal processing. Appl. Acoust. 188, 108578 (2022)CrossRef
3.
Y.E. Karabacak, N.G. Özmen, Common spatial pattern-based feature extraction and worm gear fault detection through vibration and acoustic measurements. Measurement 187, 110366 (2022)CrossRef
4.
P. Henriquez, J.B. Alonso, M.A. Ferrer, C.M. Travieso, Review of automatic fault diagnosis systems using audio and vibration signals. IEEE Trans. Syst. Man Cybern. Syst. 44(5), 642–652 (2013)
5.
H. Hammam et al., Blind signal separation with noise reduction for efficient speaker identification. Int. J. Speech Technol. 24(1), 235–250 (2021)CrossRef
6.
J.O.S. Iii, Mathematics of the Discrete Fourier Transform (DFT) (Julius Smith, 2002)
7.
K.M. Silva, B.A. Souza, N.S.D. Brito, Fault detection and classification in transmission lines based on wavelet transform and ANN. IEEE Trans. power Deliv. 21(4), 2058–2063 (2006)CrossRef
8.
Y. Huang, C.-H. Chen, C.-J. Huang, Motor fault detection and feature extraction using RNN-based variational autoencoder. IEEE access 7, 139086–139096 (2019)CrossRef
9.
M.-T. Nguyen, J.-H. Huang, Location estimation of receivers in an audio room using deep learning with a convolution neural network. J. Inf. Sci. Eng. 38(2) (2022)
10.
M.-T. Nguyen, J.-H. Huang, Snore detection using convolution neural networks and data augmentation, in International Conference on Advanced Mechanical Engineering, Automation and Sustainable Development (2022), pp. 99–104
11.
M.T. Nguyen, J.H. Huang, Fault detection in water pumps based on sound analysis using a deep learning technique. Proc. Inst. Mech. Eng. Part E J. Process Mech. Eng. 236(2), 298–307 (2022)
12.
Metadaten
Titel
Automatically Abnormal Detection for Radiator Fans Through Sound Signals Using a Deep Learning Technique
verfasst von
Minh-Tuan Nguyen
Tien-Phong Nguyen
The-Van Tran
Copyright-Jahr
2024
Buch
Proceedings of the 3rd Annual International Conference on Material, Machines and Methods for Sustainable Development (MMMS2022)

Print ISBN: 978-3-031-57459-7

Electronic ISBN: 978-3-031-57460-3

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-57460-3_30