리튬{0}}이온 배터리는 초기 단계에서 전해질 분해, 분리막 파열 등 특정 주파수에서 비정상적인 소리를 나타내는 경우가 많습니다. 소리 감지 기술은 이러한 특징적인 신호를 포착하여 조기 경고를 제공할 수 있습니다. 그러나 기계적 진동, 환기 장비, 직원 활동 등 산업 환경의 환경 소음은 쉽게 허위 경보나 경보 누락으로 이어져 기술 구현을 방해하는 주요 과제가 됩니다.
정확한 주파수 영역 특징 추출: STFT(단시간 푸리에 변환) 또는 웨이블릿 분석을 통해 사운드 신호가 주파수 영역으로 분해됩니다. 배터리 열 폭주와 관련된 특성 주파수 대역(예: 2-10kHz)을 선택하고, 저주파 기계적 소음(<1kHz) and high-frequency environmental interference (>15kHz)이 필터링되어 신호-대-잡음 비율이 향상됩니다.
적응형 임계값 동적 조정: 실시간-환경 소음 모니터링과 결합된 슬라이딩 윈도우 알고리즘을 사용하여 경보 임계값을 동적으로 조정합니다. 임계값은 소음이 최고조에 달하는 동안(예: 장비가 시동될 때) 증가하고 소음이 낮은 기간 동안 감소하여-민감도와 잘못된 경보 비율의 균형을 맞춥니다.
적응형 임계값 동적 조정: 실시간-환경 소음 모니터링과 결합된 슬라이딩 윈도우 알고리즘을 사용하여 경보 임계값을 동적으로 조정합니다. 임계값은 소음이 최고조에 달하는 동안(예: 장비가 시동될 때) 증가하고 소음이 낮은 기간 동안 감소하여-민감도와 잘못된 경보 비율의 균형을 맞춥니다.
다중{0}}센서 데이터 융합: 다중-감지 시스템은 온도 센서와 가스 센서를 결합하여 구성됩니다. 급격한 온도 상승, 과도한 CO 농도 등의 특징과 소리 신호가 동시에 나타날 경우 경보가 실행되어 단일 소음 간섭으로 인한 오판 위험을 줄입니다.