風扇噪音測試 – 自動化聲品質與不良品診斷

37

一、 概述

1. 為何要進行風扇測試？
在現代電子產品與設備的設計中，風扇往往是系統中最主要的噪音來源。工程師面臨的最大挑戰在於如何完美平衡「散熱冷卻效能」與「最低噪音干擾」。過大的風扇噪音不僅會降低使用者體驗，造成分心與不適，甚至在特定環境下可能引發健康問題。

此外，風扇的噪音型態極為複雜，它並非單純的純音（Pure tone），而是涵蓋廣泛頻率的複雜噪音。透過專業的聲學測試，我們能夠確切掌握設備的聲學表現（例如靜音風扇的噪音值可低至 10-20 dBA，而高效能系統風扇則落在 30-35 dBA），並精確找出產品內部的異常音源，例如扇葉鬆動造成的點擊聲（Clicking）、安裝不良導致的摩擦聲（Rubbing），或是馬達缺陷引發的電磁嗡嗡聲（Humming），以確保最終出貨品質。

2. 風扇測試的應用場景
風扇噪音測試廣泛應用於不同領域的聲學工程中：

• 消費性電子與智慧家電： 如家用智慧自動化系統、吸頂扇，甚至是如 Dyson 或 Honeywell 等塔扇產品。在此場景中，靜音設計是提升睡眠與居住舒適度的關鍵，測試重點在於不同轉速下的風量與噪音值（dBA）的權衡。
• 高效能運算與 PC 散熱系統： 包含 PC 機殼風扇與高階顯示卡散熱模組。這類測試不僅需在無限制的開放空間（Mid-air）測量基本聲學數據，還必須模擬風扇安裝於散熱排（Radiator）或防塵網（Mesh）後方的真實聲學變化，因為物理阻擋會從根本上改變風扇的聲學特性與所需轉速。
• 產線自動化品管（EOL Testing）： 針對量產的微型風扇或馬達，需要在極短的時間內（如產線節拍 25 秒內），透過屏蔽箱隔絕工廠高達 80-85 dBA 的背景噪音，並利用演算法快速篩選出具有「軸承異音」或「高頻刮擦」等不良特徵的瑕疵品。

---

二、 測試系統架構與硬體配置

為了滿足上述的產線自動化與高精度量測需求，本系統採用 PC 控制端搭配專業屏蔽箱與採集設備進行量測，硬體配置如下：

1. 聲學屏蔽箱 (MegaSig AB 70 + D 70)：
   • 提供純淨的測試環境，外部尺寸為 959 × 1068 × 913 mm，內部尺寸為 527 × 620 × 525 mm。
   • 具備優異的隔音性能：當工廠外部環境噪音高達 70 dBA 時，箱內搭配橡膠治具的局部噪音可低至 20 dBA（標準規格為外部 80 dBA 時，內部不大於 45 dBA）。
   • 同時具備射頻屏蔽能力（0.8G~2.4G 頻段隔離度達 40dB）。
2. 數據擷取卡 (MegaSig PM 6183)：
   • 配備 8 通道輸入與 2 通道輸出。
   • 提供極佳的聲學指標：在 48 kS/s 取樣率下，訊噪比 (SNR) 達 120dB，THD+N 低至 -102dB，空閒通道底噪 (Idle noise) 僅 10 uVrms。
3. 自由音場量測麥克風 (MegaSig M 663 + A 802)：
   • 1/2 英吋自由音場麥克風，架設於距離風扇 50 公分處。
   • 支援 20 kHz 頻寬與 IEPE 供電，靈敏度為 50 mV/Pa，動態範圍達 17 dB(A) 至 135 dB。
4. 軟體平台 (BuildGo V 4.0.1)：
   • 整合 SoundExpert 演算法模組、進階訊號處理模組與 QualiSight 機器學習演算法，並支援客製化測試序列與 MES 系統整合。

---

三、 核心測試項目與演算法分析

為了全面捕捉並分類風扇與馬達的各類異音，系統導入了多維度的演算法分析。

1. 時域統計參數 (Time Domain Statistical Parameters)

針對原始波形直接進行統計特徵擷取，以快速判斷結構運轉的穩定性。

• RMS (均方根值)： 訊號平方平均數的平方根，反映聲音的總體平均能量。
• Kurtosis (峰度)： 用於檢測脈衝訊號（例如機械軸承的故障）。高峰度代表訊號具有尖銳的峰值或重尾效應，暗示內部發生了衝擊事件。
• Crest factor (波峰因數)： 評估訊號的「尖銳度」（如齒輪磨損）。高波峰因數代表相對於平均能量有極大的瞬態峰值。

2. 頻域與進階訊號處理 (Frequency Domain & Advanced Signal Processing)

傳統的 FFT（快速傅立葉變換）無法有效處理「非穩態訊號」，因為它缺乏時間維度的資訊。為此，我們導入了進階時頻分析：

• STFT (短時距傅立葉變換)： STFT 能夠提供「時間 – 頻率 – 能量」的三維子訊框資訊。透過 STFT 頻譜圖，我們能將人類主觀聽感中突發的異音，精確對應到時間軸與頻率軸上，為後續特徵提取做準備。

• 數位濾波器 (Digital Filter) 與包絡頻譜 (Envelope Spectrum)： 旋轉機械的衝擊特徵通常集中在特定頻段。系統允許設計帶通濾波器（例如 7kHz – 9kHz 頻段）來過濾不必要的頻率成分，避免特徵模糊失真。隨後透過「包絡頻譜」分析，我們可以計算出每秒突發訊號變化的次數與能量（例如：精確抓出每秒 13 次的週期性敲擊特徵頻率），這與旋轉機械故障診斷的邏輯高度一致。

3. 聲品質參數 (Sound Quality Parameters)

聲品質測試不單純是量測聲波的物理量，更是建立聲波與「人類聽覺感知、認知與情感」之間的關聯，研究什麼聲音會讓人感到煩躁或舒適。

• Loudness (響度)： 描述人耳對聲音強度的感知。雖與聲壓級 (SPL) 相關，但並非簡單的線性關係。
• Sharpness (尖銳度)： 衡量聲音的「刺耳」程度。高尖銳度的聲音會讓人感到不適，低尖銳度則較為柔和。
• Roughness (粗糙度)： 衡量聲音的粗糙感，與聲音的頻率變化、調變 (Modulation) 以及波形特徵密切相關。
• Fluctuation Strength (波動度)： 指低頻調變所引起的聲音振幅變化對人類聽覺感知的影響。

4. QualiSight 機器學習分析 (QualiSight Machine Learning)

透過上述的訊號自適應分解（提取時域、頻域子特徵）後，系統將採用 QualiSight 機器學習演算法進行最終的自動化判斷：

• 建立黃金資料庫 (Golden Data Generation)： 系統首先採集大量已知為「良品」的樣本，建立出一組 OK 特徵資料庫。
• 特徵距離計算 (QualiSight Score)： 針對產線上的待測物 (DUT)，系統會提取相同的特徵，並計算待測物特徵與 OK 資料庫群體之間的「特徵距離」。其歐式距離計算公式為：$d(p,q) = \sqrt{\sum_{i=1}^n (p_i – q_i)^2}$。
• 自動判定： 允許使用者針對特徵距離設定合格限值，一旦 DUT 的距離超出良品群體的容許範圍，系統即判定為不良品。

正在評估風扇噪音測試嗎？透過 MegaSig 高訊噪比的硬體與智慧化演算法的深度結合，這套測試方案將幫助您的團隊在極短的測試週期內，精準把關產品的聲學品質與出貨可靠度，歡迎隨時聯繫我們進行技術交流。