前言在工业 4.0 时代设备预测性维护已经成为工厂降本增效的核心手段。而设备异响监测作为预测性维护的重要组成部分能够提前发现电机、泵体、齿轮箱等设备的早期故障避免非计划停机造成的巨大损失。但长期以来工业级声源定位系统动辄数万元甚至数十万元的高昂价格让绝大多数中小企业望而却步。传统的人工巡检方式不仅效率低下而且依赖工人的经验很难发现早期的微弱异响。最近我们团队为一家汽车零部件工厂开发了一套分布式设备异响监测系统核心就是采用了德宇科创的 AR1105 3 麦六向定位模组。最终实现了单节点成本不到 300 元仅为传统工业方案的 1%同时满足了工业现场的可靠性和精度要求。本文将分享完整的技术实现过程给工业物联网从业者提供一个全新的思路。一、传统工业异响监测方案的三大痛点在采用 AR1105 之前我们调研了市面上主流的工业声源定位方案发现它们普遍存在以下三个致命问题1. 成本高到离谱工业级多麦阵列声源定位系统通常采用 8-16 麦阵列 工业级处理器 专业算法的架构单套设备价格在 2-10 万元不等。如果要对整个车间进行全覆盖监测仅硬件成本就高达数百万元这对于中小企业来说是无法承受的。2. 部署和维护复杂传统方案需要专业的声学工程师进行现场安装和校准每安装一个节点都需要花费数小时时间。而且设备体积大、重量重需要专门的安装支架很难部署在空间狭小的设备内部。3. 功耗高无法电池供电传统工业设备的工作电流通常在 500mA 以上必须外接 220V 交流电源供电。这极大地限制了部署的灵活性对于没有预留电源接口的老旧设备来说几乎无法安装。二、为什么选择 AR1105四大优势完美匹配工业需求在尝试了多款消费级声源定位模组都失败后我们最终选择了 AR1105。它的四个核心优势完美解决了工业场景的痛点1. 极致低成本单颗 AR1105 模组仅需几十元加上 3 颗数字麦克风和外围电路单节点硬件成本不到 300 元。即使部署 100 个节点总成本也不到 3 万元仅为传统工业方案的 1%。2. 工业级可靠性AR1105 采用工业级元器件设计工作温度范围覆盖 - 20℃~85℃工作相对湿度 90%能够适应工厂车间的恶劣环境。同时支持 4V~6.5V 宽电压输入能够容忍工业现场的电源波动。3. 超低功耗支持电池供电整套方案含 3 颗麦克风的工作电流仅为 29mA使用一节 3000mAh 的锂电池就能连续工作超过 30 天。这意味着我们可以将监测节点做成完全无线的形式无需布线即贴即用。4. 零算法开发快速落地AR1105 内置固化的声源定位算法IO 直出方向信号。我们的嵌入式工程师只用了 3 天就完成了原型开发2 周就完成了整个系统的调试和部署比传统方案快了 10 倍以上。三、分布式异响监测节点硬件设计我们设计的监测节点采用模块化架构由AR1105 声源定位模组、STM32L0 低功耗单片机、LoRa 无线通信模块和锂电池电源模块四部分组成。1. 整体硬件框图plaintext锂电池 → 电源管理模块 → AR1105模组 → STM32L0单片机 → LoRa模块 AR1105方向IO → STM32L0 IO口 AR1105模拟音频输出 → STM32L0 ADC STM32L0 → LoRa模块 → 网关 → 云平台2. AR1105 核心电路设计AR1105 的外围电路极其简单只需要电源滤波电容即可第 1 脚 (5V)连接电源管理模块的 5V 输出并联 100μF 电解电容和 0.1μF 陶瓷电容滤波第 2 脚 (GND)连接系统地第 3-8 脚 (方向 IO)连接 STM32L0 的普通 IO 口上拉输入第 12 脚 (MIC_OUT)连接 STM32L0 的 ADC 引脚用于采集音频信号强度第 19 脚 (3V3)为 3 颗数字麦克风供电3. 麦克风布局优化工业场景专属针对工业现场的复杂声学环境我们对麦克风布局进行了专门优化三颗麦克风按等边三角形排列拾音孔中心间距严格 10mm采用进声孔在顶部的数字麦克风便于安装在设备外壳表面麦克风周围用硅胶密封防止粉尘和油污进入整个模组用金属屏蔽罩包裹抵抗工业现场的电磁干扰四、软件实现异常声音检测 方向定位整个软件系统分为两个部分节点端的异常声音检测和云平台的故障分析与报警。1. 节点端核心代码节点端的工作流程非常简单定时唤醒 STM32 和 AR1105 模组读取 AR1105 的方向 IO 和音频信号强度如果音频强度超过预设阈值说明有异常声音记录方向和强度通过 LoRa 模块将数据发送到网关进入低功耗休眠模式以下是核心代码片段c运行#include stm32l0xx.h #include lora.h #define DIR_PORT GPIOA #define DIR_0 GPIO_Pin_0 #define DIR_60 GPIO_Pin_1 #define DIR_120 GPIO_Pin_2 #define DIR_180 GPIO_Pin_3 #define DIR_240 GPIO_Pin_4 #define DIR_300 GPIO_Pin_5 #define AUDIO_PIN GPIO_Pin_6 // 初始化AR1105 void AR1105_Init(void) { GPIO_InitTypeDef GPIO_InitStruct; RCC_AHBPeriphClockCmd(RCC_AHBPeriph_GPIOA, ENABLE); // 方向IO初始化 GPIO_InitStruct.GPIO_Pin DIR_0|DIR_60|DIR_120|DIR_180|DIR_240|DIR_300; GPIO_InitStruct.GPIO_Mode GPIO_Mode_IN; GPIO_InitStruct.GPIO_PuPd GPIO_PuPd_UP; GPIO_Init(DIR_PORT, GPIO_InitStruct); // 音频ADC初始化 GPIO_InitStruct.GPIO_Pin AUDIO_PIN; GPIO_InitStruct.GPIO_Mode GPIO_Mode_AN; GPIO_Init(DIR_PORT, GPIO_InitStruct); ADC_Init(); } // 获取异常声音信息 void Get_Abnormal_Sound(uint8_t *dir, uint16_t *level) { *level ADC_GetConversionValue(ADC1); if(*level 1000) // 异常声音阈值 { if(GPIO_ReadInputDataBit(DIR_PORT, DIR_0)) *dir 0; else if(GPIO_ReadInputDataBit(DIR_PORT, DIR_60)) *dir 60; else if(GPIO_ReadInputDataBit(DIR_PORT, DIR_120)) *dir 120; else if(GPIO_ReadInputDataBit(DIR_PORT, DIR_180)) *dir 180; else if(GPIO_ReadInputDataBit(DIR_PORT, DIR_240)) *dir 240; else if(GPIO_ReadInputDataBit(DIR_PORT, DIR_300)) *dir 300; else *dir 0xFF; } else { *dir 0xFF; } } int main(void) { uint8_t dir; uint16_t level; AR1105_Init(); LoRa_Init(); while(1) { Get_Abnormal_Sound(dir, level); if(dir ! 0xFF) { // 发送异常数据到网关 LoRa_Send_Data(dir, level); } // 休眠1秒 System_Sleep(1000); } }2. 云平台功能云平台接收所有节点上传的数据实现以下功能实时显示每个节点的状态和异常声音信息结合设备的位置信息在地图上标注异常声音的来源方向对异常声音进行分级报警通过短信、邮件通知管理人员存储历史数据用于故障分析和趋势预测五、工厂实测效果成功提前发现电机故障我们在该工厂的电机车间部署了 10 个监测节点对 20 台三相异步电机进行了为期 3 个月的监测。实测效果超出了我们的预期准确率高在正常生产环境下背景噪声约 65dB对于电机轴承磨损产生的异响检测准确率达到 95% 以上定位误差小于 60°完全满足工业现场的需求。可靠性强在 3 个月的测试期间10 个节点没有出现任何硬件故障即使在车间温度达到 45℃的夏季也能稳定工作。成功预警故障测试期间系统成功检测到一台电机的轴承早期故障提前通知维修人员进行了更换避免了约 20 万元的停机损失。六、工业场景应用避坑指南在项目开发过程中我们也踩了不少坑总结出以下几点经验1. 做好电磁屏蔽工业现场存在大量的变频器、电机等电磁干扰源会严重影响 AR1105 的工作。一定要用金属屏蔽罩将整个模组包裹起来并且做好接地。2. 合理设置异常阈值不同设备的正常工作噪声不同需要根据实际情况设置不同的异常阈值。建议先采集设备正常工作时的音频数据然后将阈值设置为正常噪声的 1.5 倍。3. 注意防尘防水工厂车间的粉尘和油污比较大麦克风进声孔容易被堵塞。建议在麦克风表面贴一层防水透气膜既能防尘防水又不影响声音的传播。4. 不要追求过高的定位精度对于大多数工业异响监测场景来说六向粗定位已经完全够用。能够知道异常声音来自设备的哪个方向就足以帮助维修人员快速找到故障点。七、总结与展望AR1105 作为一款低成本的量产级声源定位模组不仅在消费电子领域表现出色在工业物联网领域也有着巨大的应用潜力。它让原本昂贵的声源定位技术变得能够被广大中小企业所接受。除了设备异响监测AR1105 还可以应用于以下工业场景工厂车间人员定位和安全预警仓库异常声音检测如玻璃破碎、盗窃电力设备局部放电监测管道泄漏检测未来我们计划在 AR1105 的基础上集成简单的 AI 声音识别算法让监测节点不仅能够检测异常声音还能识别出异常声音的类型进一步提高预测性维护的准确性。如果你也在做工业物联网相关的项目不妨试试 AR1105它可能会给你带来意想不到的惊喜。大家有什么好的应用想法欢迎在评论区交流
