工业设备健康状态关系着工业生产能否正常进行,为此提出一种基于改进自适应噪声完备经验模态分解(ICEEMDAN)和双向长短期记忆网络(Bi-LSTM)的工业设备健康状态预测方法。ICEEMDAN用于将原始音频信号进行分解得到若干个固有模态函数(IMF)分量,通过计算相关系数选取最佳分量组进行信号重构,然后计算重构IMF分量的模糊熵值构造特征向量集合,最后再输入到Bi-LSTM网络进行模型训练和预测。实验结果表明相较于其他模型,基于ICEEMDAN模糊熵和Bi-LSTM的工业设备健康状态预测方法,能够有效提取音频信号特征,并准确进行健康状态预测。

音频信号是非稳态的复杂信号，对其非线性指标体系研究测量采用稳态信号进行不能全面表述音频信号的质量指标，本文从稳态与瞬态研究方法出发，导出两态的互译，从而给出了完整的研究测量方法。

针对节传进行数字化改造后发射机经常出现高末帘栅过荷和高末阴流过荷现象,对orban CAM-1音频处理器进行改进,使其能滤除20 Hz以下的超低频音频信号,使发射机工作更加稳定。

着重介绍音频信号分析仪的软硬件结构、特征及其工作原理，设计采用DSPIC30F6014A单片机为主控制器，基于A／D转换和快速傅里叶变换方法对采集的音频信号进行频谱分析，能检测20Hz～10kHz，100mV～5V的音频输入信号，频率分辨率达到20Hz，检测出的各频率分量的功率之和不小于总功率值的95％，单个频率功率误差小于10％，因此在嵌入式系统方面具有较好的应用价值。