在工业噪声诊断现场，有经验的声学工程师往往能通过听一台设备的运转声，初步判断其健康状态——轴承是否磨损、转子是否失衡、阀门是否存在内漏。这种看似经验主义的判断，背后有其坚实的物理基础：每台运转中的设备，都在以自己的方式“发声”，而这些声音具有设备专属的频谱特征。

这种特征，就是设备的“声纹”。

一、什么是设备声纹？

声纹，顾名思义，是声音的“指纹”。人类声纹识别是通过分析人声的频谱特征来确认说话人身份，工业设备声纹识别则是通过分析设备运行声音的频谱特征，来识别设备类型、判断运行状态、预警潜在故障。

设备声纹的物理来源是其运转过程中的振动。电机转子旋转、齿轮啮合、轴承滚动、流体在管道中脉动、阀门节流引发的湍流——每一种运动都会产生特定频率的振动，这些振动通过空气或结构向外传播，构成了设备的“声音画像”。

二、为什么每台设备的声纹都独一无二？

决定设备声纹的，是其内部运动的“频率特征”。旋转机械的基频由转速决定，齿轮箱的啮合频率等于齿数乘以转速，风机的叶片通过频率等于叶片数乘以转速。同一型号两台风机，即使额定转速和叶片数相同，因制造公差导致的微小不平衡、安装时的对中偏差、使用过程中轴承磨损的差异，都会在频谱上留下不同的“签名”——谐波幅值的差异、边频带的出现、噪声本底的整体抬升。

正是这种“同一型号、不同个体”的频谱差异，使声纹具备了类似人类指纹的唯一性辨识价值。

三、声纹如何被“采集”与“识别”？

设备声纹的数字化采集依赖传声器或振动传感器。传感器将声波或振动信号转换为电信号，经模数转换后进入频谱分析环节。分析软件对信号进行快速傅里叶变换，将时间域的波形转换为频率域的频谱，提取基频、谐波、边频带、噪声本底等特征参数，形成该设备在当前工况下的声纹图谱。

声纹识别在工程应用中有两种主要模式。模式识别型是将实时采集的声纹与已知故障类型的声纹库进行比对，判断当前设备是否存在相似故障。异常检测型是在设备正常运行时建立声纹基线，持续监测偏离基线的情况——任何与历史基线的显著偏差，无论对应何种具体故障，均可作为预警信号触发检查。

四、声纹技术如何赋能工业噪声治理？

声纹识别技术正在从实验室走向工业现场，为噪声治理和设备运维提供全新的技术手段。

在噪声溯源方面，厂界噪声超标的常见困局是“知道噪声超标，但不确定哪台设备是主因”。声纹识别技术可对厂内主要噪声源逐一采集声纹，建立设备声纹库。当厂界出现超标时，将超标噪声的频谱与声纹库进行比对，快速锁定主要贡献声源，实现从“被动排查”到“主动识别”的溯源能力升级。

在设备状态监测与预测性维护方面，同一台设备在不同健康状态下会发出不同的声音。轴承从轻微磨损到严重剥落，其声纹中的高频成分逐步增强；风机转子从微小的不平衡到严重的失衡，其基频幅值逐渐增大。通过持续采集和分析设备声纹，可在故障早期阶段发出预警，将维修模式从“坏了再修”升级为“提前介入”。

在自动监测与智能识别方面，随着HJ 212—2025标准的实施，噪声自动监测系统需要将噪声录音与监测数据同步上传。三元环境自主研发的噪声自动监测系统集成了声纹识别模块，可对监测到的噪声事件自动分类——区分交通噪声、施工噪声、社会生活噪声、工业设备噪声等——并标记声源类型，为噪声溯源和执法取证提供高效的技术支持。

五、从“听见”到“听懂”

从经验丰富的工程师凭耳朵判断设备状态，到数字声纹库的自动比对和智能预警，工业声学的演进正在完成一次从“听见”到“听懂”的跨越。每一台设备都有自己独特的声音指纹，读懂这些指纹，就能在噪声尚未超标时预知风险，在设备尚未故障时提前维护，在投诉尚未发生时主动介入。

三元环境深耕声环境治理近二十年，持续探索声纹识别技术在城市声环境管理、工业噪声溯源及社区噪声治理中的工程化应用，致力于为各类客户提供从噪声诊断、声纹建库到智能监测与溯源分析的系统化解决方案。