一、概述
针对柔性屏模组弯折异响影响用户体验的问题，本方案构建“伺服弯折+声学阵列采集+AI智能识别”体系。通过模拟实际使用工况，采集弯折过程中声学信号，结合声纹特征库区分正常噪音与异常异响，定位异响根源（如OCA胶层脱粘、金属边框摩擦等），符合GB/T 35134-2023相关声学检测要求，适用于模组量产质检与失效分析。
二、实验/设备条件
核心设备：伺服控制弯折试验机（弯折角度0°-180°，精度±0.1°，频率5-60次/分钟），4通道声学阵列麦克风（采样率48kHz，频率响应20Hz-20kHz，灵敏度-38dB±2dB），声学采集分析仪（支持实时频谱分析），AI声纹识别系统（内置10类异响特征库）。辅助设备：消声箱（背景噪音≤20dB(A)），高速相机（1000fps），温湿度控制器（25℃±1℃，50%RH±5%RH）。设备接地电阻≤4Ω，工作电压220V±10%。
三、样品提取
选取3类主流柔性屏模组，每类10组样品：1. 6.7英寸内折OLED模组（含UTG玻璃+OCA胶层）；2. 7.2英寸外折OLED模组（金属边框结构）；3. 8英寸折叠OLED模组（铰链式结构）。样品均从量产线随机抽取，外观无可见缺陷，在25℃/50%RH环境静置24小时，编号标注类型与批次，排除初始应力影响。
四、实验/操作方法
1. 环境准备：将设备置于消声箱内，校准麦克风与模组距离30cm，设定温湿度25℃/50%RH；2. 样品装夹：将模组固定于伺服夹具，确保无额外应力，麦克风对准弯折中心点；3. 测试参数：设定弯折角度120°（内折）/180°（外折），频率30次/分钟，循环500次，同步启动声学采集与高速拍摄；4. 数据分析：AI系统对比声纹库，标记异常信号并定位对应的弯折阶段与位置。
五、实验结果/结论
实验检出12组异响样品，检出率100%：内折模组中6组为OCA胶层摩擦（1-3kHz频段峰值），外折模组4组为金属边框松动（500-800Hz低频异响），铰链模组2组为部件磨损（2-5kHz间歇性信号）。AI识别准确率95%，可匹配异响类型与根源。结论：方案能高效捕捉并区分弯折异响，为模组结构优化（如胶层选型、边框加固）提供数据支撑，降低售后投诉风险。
六、仪器/耗材清单
1. 核心仪器：伺服控制弯折试验机1台，4通道声学阵列麦克风1套，声学采集分析仪1台，AI声纹识别系统1套，消声箱1个；2. 辅助仪器：高速相机（1000fps）1台，温湿度控制器1台，频谱校准仪1台，千分尺（0.001mm）1把；3. 耗材：模组专用夹具3套（适配不同类型），声学海绵20片，防静电手套20副，无尘擦拭布100片，样品收纳盒6个，麦克风防风罩10个，校准音叉（440Hz）1个。
标签：柔性屏模组伺服控制 FPC 折弯机
在线留言
沪公网安备 31011502008050号
参与评论
登录后参与评论