关键词：钢琴;异常音频信号;踏板机械系统;故障诊断;小波分析;深度学习
摘 要：为确保钢琴演奏的音质，踏板机械系统轴承的健康状态至关重要。检测并识别其中潜在的故障，对维持乐器的性能表现有着显著作用。针对这一需求，研究构建了一套异常音频信号处理及故障诊断模型。通过小波分析技术从音频信号中提取特征，并结合机器学习方法来识别轴承故障。实验数据集经过系统采集，并在所提出的模型中进行验证，结果显示该模型具备准确辨识异常音频信号的能力，其判断正确率达到90.00%,对故障分类的判断准确率高达93.25%,这两项指标均超过了传统对比模型的性能水平。结论验证了所提出模型在钢琴踏板机械系统轴承故障诊断中的有效性与高效性，为同类乐器的故障判断提供了有力的技术支撑。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取