电动剃须刀片旋转异响声是电动剃须刀工作时影响产品声学舒适性的主要噪声源之一。目前国内电动剃须刀片生产厂商采用人工听诊方法对异响刀片进行检测,存在检测效率低、漏检率高等问题。本课题设计了异响刀片自动化检测系统,使用声阵列采集刀片旋转声信号,利用小波变换算法对音频信号进行分析,再结合支持向量机算法实现样本类别分类。具体研究内容如下:（1）介绍了波束形成声源识别算法的基本原理,分析影响阵列定位效果的主要参数,通过仿真验证本课题设计的螺旋形阵列性能优于传统形状阵列。（2）对剃须刀片异响机理进行了研究,介绍了小波变换算法和支持向量机的基本原理,提出使用小波变换对信号进行多层分解,将各层重构波形的相对小波能量作为信号特征参数代入支持向量机中实现样本识别的技术方案。（3）设计了数字MEMS麦克风阵列硬件系统,结合工业摄像机实现声源可视化。使用Lab VIEW软件编写了上位机程序,实现数据采集、声源定位、信号分析与样本类型识别功能。（4）使用设计的声阵列系统对剃须刀片进行信号采集,对比分析正常样本与异响样本在频谱、时频谱、包络谱和相对小波能量谱的差异,提取异响信号特征参数,最后代入支持向量机中进行分类。实验结果表明,该方法对剃须刀片检测的准确率在93%以上。相比传统人工检测方法,本课题提出的自动化检测方案能加快产品的检测速度,提高产品检测的准确率,降低工业现场环境噪声带来的影响,对电动剃须刀片生产企业实现在线检测提供了一定的借鉴作用。