首尔国立大学工程学院近日宣布，由机械工程系安成勋教授领衔的研究团队首次研制出一种“干涉声学带通滤波器”，能够在完全不依赖电子电路的前提下，对特定频率的声音进行选择性过滤与放大。
通过将单个麦克风与基于干涉原理的声学超材料结构结合，研究人员展示了一种可“定向监听”目标频率的全新技术，为在高噪声工业环境中利用声音诊断机械故障提供了新的解决方案。相关成果已发表在期刊《机械系统与信号处理》（Mechanical Systems and Signal Processing）上。
高噪声环境下的“微弱求救信号”难题
在工厂、电厂以及飞机发动机舱等工业场景中，背景噪声通常高达 80–100 分贝，相当于建筑工地、俱乐部音乐或列车经过时的噪声水平。在这样的环境里，机器在出现故障前往往会发出细微的“异常声”，但这些早期预警信号极易被强烈背景噪声淹没，使得诸如细小裂纹、机械磨损等隐患难以及时被发现，进而可能引发严重事故，造成人员伤亡、高额维修成本和生产停工。
为应对这一问题，业界逐渐发展出利用声学信号进行故障诊断的技术。这类方法基于一个关键事实：设备在正常运行与发生故障时，其发出的声音频率特征存在差异。通过提取与故障相关的特定“异常频率”成分，系统即可识别出潜在异常。
传统电子滤波方案的局限
现有的声学诊断系统通常依赖带通滤波器和复杂的麦克风阵列，需要借助电子电路或计算机算法，从传感器采集的信号中分离出目标频率。这类方案不仅计算开销大，而且一旦需要监测不同类型的故障（对应不同频率），往往必须重新设计或更换昂贵的电路与结构，灵活性和通用性不足。
基于超材料的超紧凑声学带通滤波器
为突破上述限制，安成勋教授团队首次提出并实现了一种完全基于硬件的声学带通滤波器。该系统仅使用一个麦克风和体积约 0.2 升的超紧凑超材料结构，即可在 1.8–22 千赫兹的频率范围内，对声音进行选择性过滤和放大。
研究的出发点是：声音可以通过纯物理的干涉结构进行频率筛选，而无需依赖任何电子元件。为此，团队设计了一种圆柱形“干涉结构”，其表面均匀分布多个狭缝。声波从这些狭缝进入后，在内部按照预先设计的路径发生相长或相消干涉，从而实现对特定频率的选择性增强或抑制。
与传统依靠电子信号处理的滤波方式不同，这一带通滤波器直接利用声波的相位差来实现频率选择和方向性增强，属于真正意义上的“物理滤波”。
通过旋转结构实现“选频收听”
该系统的一大创新在于：只需旋转结构本身即可改变被放大的目标频率。实验表明，被增强的频率会随旋转角度发生变化，例如：
- 约 2 千赫兹对应旋转角度约 71°；
- 约 5 千赫兹对应约 20°；
- 约 10 千赫兹对应约 11°。
这意味着用户只需物理旋转设备，就能“调谐”到不同的目标频率，无需为不同故障类型重新设计或制造滤波器。该设计在硬件层面克服了传统系统通用性差、改造成本高的问题。
在 100 分贝噪声中放大故障信号
为验证新型带通滤波器的性能，研究团队在真实噪声环境中进行了现场测试。结果显示，即便在高达 100 分贝的噪声背景下，目标频率信号仍可被放大约 4.82 倍。
在使用数控（CNC）机床的进一步实验中，与故障相关的异常频率为 2041 赫兹。通过该滤波器，该频率成分被放大了 19.9 倍，充分展示了其在机械故障诊断场景中的实际应用潜力。
显著提升 AI 故障检测准确率
研究还表明，这一硬件滤波器能够大幅提升基于人工智能的故障检测效果。在强噪声条件下，传统带通滤波器几乎完全失效（检测率为 0%），而采用新系统后，检测准确率提升至 78.6%。这意味着过去在噪声中“不可见”的故障信号，如今可以被提前识别和诊断。
这些结果证明，单一的物理结构就能实现甚至超越传统复杂电子滤波器和多麦克风阵列的功能，为声学感知系统提供了一条全新的硬件路径。
源自单传感器 3D 声学定位研究
本次提出的基于干涉的超材料结构，延续并拓展了团队此前在单传感器三维声学定位（3DAR）方面的研究。在早期工作中，研究人员展示了一种仅依靠一个麦克风和可旋转结构，就能估计声源空间位置的创新声学传感器。
在当前研究中，团队将这一思路从“定位”扩展到“频率选择性过滤”，标志着声学传感技术从空间感知向频谱感知的进一步发展。
面向智能工厂与高噪声工业系统的应用前景
该技术有望作为硬件模块，部署在智能工厂、机器人系统、飞机、风力涡轮机等高噪声工业环境中，用于关键异常声信号的早期检测。例如：
- 自动监测工厂中数控机床或电机的异常声音，预防事故；
- 扩展为检测管道泄漏声的系统；
- 在持续噪声背景下识别碰撞声等突发事件。
由于系统完全依靠物理结构工作，几乎不消耗电能，且结构简单、故障风险低、维护成本小，这些特性有利于其在各类工业场景中广泛部署。
“机械智能”的示范
安成勋教授指出：“本研究的意义在于展示了一种‘机械智能’的形式，即机器通过自身的物理结构在电子计算之前就对信息进行处理和解读。通过将物理知识直接嵌入结构中，系统可以显著减轻后端计算负担，并以更高效率运行。”
论文第一作者、博士生安世民补充道：“这是全球首个仅通过调节角度就能控制滤波频率的硬件声学滤波器。与人工智能结合后，有望加速智能机器在高噪声环境中做出准确判断和决策的时代到来。”
安世民目前在首尔国立大学机械工程系攻读博士学位，就读于创新设计与集成制造实验室，主要从事基于基础模型的认知、决策与行动系统研究，使机器能够以类似人类的方式理解声音的含义，并参与多机器人协作相关工作。
