2023，59（7）随着工业4.0时代智能制造的到来，受人工智能算法、信息物理融合系统、云计算、大数据和物联网等支撑技术推动[1-2]，现代工业生产过程（如航空航天、设备制造、纺织等）正朝着智能、高效、集成化发展。然而，现代工业设备的组成和结构愈加繁杂，各部件之间的关联也愈加紧密，倘若设备的某个部件发生故障，也许会直接影响产品的生产，导致不必要的经济损失甚至人员伤亡。例如，2021年5月6日，浙江省宁波市北仑区科元精化公司的生产装置在运行过程中突发爆燃事故，造成经济损失约853万元；2021年9月10日，菲索玛特（常州）智能制造系统有限公司天元区新马工业园的车铣复合自动化设备维修过程中发生事故，造成经济损失约180万元，致1人死亡等。因此，采取合理的故障诊断技术[3-5]保障工业生产的安全性和可靠性已经成为当前工业过程控制领域的研究热点，具有重要的理论价值和广阔的工程应用前景。基于声信号的工业设备故障诊断研究综述周玉蓉1，张巧灵2，于广增1，徐伟强31.浙江理工大学信息科学与工程学院，杭州3100182.浙江理工大学计算机科学与技术学院，杭州3100183.浙江理工大学纺织科学与工程学院（国际丝绸学院），杭州310018摘要：为了保证工业生产过程的安全稳定运行，采取合理的故障诊断具有十分重要的意义和价值。因此，工业设备故障诊断一直是工业领域的研究热点。阐述了故障诊断的意义，并指出基于声信号进行故障诊断的可行性和优势。根据有无深度学习的参与，将基于声信号的故障诊断方法分为基于传统和基于深度学习两种类型；分别梳理了两类故障诊断方法的流程与思路，阐述并归纳了两类方法中典型算法的原理、优点、局限性、主要方法及诊断效果。最后，指出了当前工业设备故障诊断领域的研究难点、热点以及未来发展方向。关键词：声信号；故障诊断；工业设备；机器学习；深度学习文献标志码：A中图分类号：TP277doi：10.3778/j.issn.1002-8331.2208-0079ReviewofAcousticSignal-BasedIndustrialEquipmentFaultDiagnosisZHOUYurong1,ZHANGQiaoling2,YUGuangzeng1,XUWeiqiang31.SchoolofInformationScienceandEngineering,ZhejiangSci-TechUniversity,Hangzhou310018,China2.SchoolofComputerScienceandTechnology,ZhejiangSci-TechUniversity,Hangzhou310018,China3.CollegeofTextileScienceandEngineering（InternationalInstituteofSilk）,ZhejiangSci-TechUniversity,Hangzhou310018,ChinaAbstract：Inordertoguaranteethe...
