内容：

预测性维护是工业互联网中一个重要的应用场景。在预测性维护出现之前，设备维护的方式主要是被动故障维护以及定期以人工巡检的方式检测，预测性检测的出现可以降低设备的故障率，提高设备利用率，确保设备持续使用，提高企业生产效率，同时也可以减少设备维修费用。

预测性维护能够真正落地并且为客户创造价值，需要具备两大条件，其一是数据基础，第二是算法模型。

2000Hz~5000Hz频范围内的声压级，均处于整个曲线相对较低声压级的位置，说明人耳对中频的响应灵敏。在这个范围之外的低频和高频两边，等响度曲线翘起，说明人耳对低频和高频声音的灵敏度下降，对低于（16~20）Hz和高于（18000~20000）Hz的纯音，不论声级多高，绝大多数的人都感觉不到声音的存在，因此将20Hz~20000Hz定为音频。

人耳能听到声音的zui微弱强度，称为听觉阈（图中虚线），产生疼痛感的zui高声音强度，称为痛觉阈。由听觉阈和痛觉阈所构成的两条等响度曲线，是等响度曲线的上下限。

响度主要决定于声强，提高声强，响度级也相应增加。但是声音的响度并不是单纯由声强决定的，还取决于频率，不同频率的纯音有不同的响度增长率，其中低频纯音的响度增长率比中频纯音要快。

噪声故障监测应用案例利用声音照相机帮助快速准确定位注塑机噪声源,并给出改善噪声建议。噪声故障诊断监测采用噪声分析的诊断技术直接对系统振动产生的噪声数据进行分析不需要额外的成本，需要投入的资金少。另外还可以实时的监测系统运行过程发生的故障，只要故障产生我们就可以知道故障产生的原因，大大减少了传统的周期性故障诊断存在的安全隐患。