当前位置:首页 > AI前沿 > 正文内容

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 )

admin1天前AI前沿4

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 )

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第1张

本文插图

拧下顶部4颗螺丝和固定音腔模块的2颗螺丝 , 顶部麦克风板与主板之间采用ZIF接口连接 , 接口处泡棉防护 。 断开顶部麦克风板和主板的连接软板拆下音腔模块 。 在顶部主板的接口处同样有泡棉防护 。

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第2张

本文插图

由于主板与两个天线之间都有同轴线连接 , 并且与扬声器和音箱底部电源板也分别采用插针式接口和锡焊方式连接 , 所以拧下固定主板的4颗螺丝后 , 需要断开各个接口以及焊点 , 才能将主板取下 。

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第3张

本文插图

另一侧是音箱的NFC、蓝牙和WIFI天线 。

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第4张

本文插图

主板与音腔模块之间有一块铝制散热片 ,散热片与主板之间有少量导热硅脂 。

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第5张

本文插图

顶部麦克风板用少量双面胶固定在音箱上部外壳内侧智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ),用手轻推音箱顶部空隙就能取出 。

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第6张

本文插图

麦克风板采用白色PCB板材华为和小米ai智能音响,四角有四颗歌尔的反向拾音麦克风组成收音阵列 。 正面麦克风拾音孔有硅胶套华为和小米ai智能音响, 主板正中间有一颗LED灯珠 , 外围有一圈泡棉缓冲垫 , 四个触控位置没有实体按键 , 表面用四块导电泡棉接触主板铜皮产生电信号实现控制 。

本文插图

本文插图

音箱顶部导光罩用少量双面胶固定 , 很容易取下 。

本文插图

集合图

本文插图

主板IC信息:

主板正面主要IC(下图):

本文插图

1.--音频功放芯片

2.Media Tek--电源管理芯片

3.Nanya--EK-128MB内存

4.Media Tek--集成WIFI、蓝牙功能4核处理器

主板背面主要IC(下图):

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第7张

本文插图

1. - -256MB闪存芯片

2.FUDAN MICRO- - NFC控制芯片

麦克风阵列主板背面主要IC(下图):

智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ) 第8张

本文插图

1.Chip ON- -集成触控灯控功能MCU芯片

2. - -音频解码芯片

3.-麦克风

总结

华为AI音箱2整个采用ABS工程塑料制造 ,上半部分使用钢琴烤漆工艺智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 ),下半部分使用飞织网布包裹 。 音箱拆解较为复杂华为和小米ai智能音响,整机内使用十字螺丝加双面胶组装部件, 主板与各个部件之间大量使用导线连接 , 并且多处使用焊接工艺 。

特别鸣谢: 拆解公司提供专业技术支援

加入微信交流群:************ ,请猛戳这里→点击入群

扫描二维码推送至手机访问。

版权声明:本文由智潮脉搏发布,如需转载请注明出处。

本文链接:https://zcmobo.com/post/4394.html

分享给朋友:

“智能音箱|【集微拆评 】华为AI音箱2拆解:整机采用ABS制造,拆解较为复杂( 二 )” 的相关文章

深度剖析:最新研究如何让深度学习模型训练速度翻倍​

深度剖析:最新研究如何让深度学习模型训练速度翻倍​

在当今的人工智能领域,深度学习模型的训练速度一直是研究的热点和关键问题。随着数据量的不断增大和模型复杂度的日益提高,训练一个深度学习模型往往需要耗费大量的时间和计算资源,这严重限制了深度学习技术的应用和发展。最近的一些最新研究成果为解决这一问题带来了新的希望和突破,使得深度学习模型的训练速度得以翻倍...

机器学习领域革新:在线学习算法的优化与实践​

在当今快速发展的机器学习领域,在线学习算法正逐渐成为研究和应用的热点。它的出现为处理大规模数据和实时更新模型提供了强大的工具,极大地推动了机器学习在各个领域的应用和发展。本文将深入探讨在线学习算法的优化与实践,展示其在机器学习领域的革新之处。在线学习算法的核心思想是在数据不断流入的情况下,实时地对模...

深度学习最新进展:长短期记忆网络在时间序列预测中的创新​

深度学习最新进展:长短期记忆网络在时间序列预测中的创新在当今的深度学习领域,时间序列预测一直是一个备受关注的重要研究方向。随着数据量的不断增长和计算能力的飞速提升,各种深度学习模型应运而生,其中长短期记忆(Long Short-Term Memory,LSTM)网络在时间序列预测中展现出了卓越的创新...

机器学习新突破:基于决策树算法的智能决策系统优化​

机器学习新突破:基于决策树算法的智能决策系统优化​

机器学习新突破:基于决策树算法的智能决策系统优化在当今数字化时代,机器学习技术正以惊人的速度发展,并在各个领域展现出巨大的潜力。其中,决策树算法作为一种经典的机器学习方法,在智能决策系统中发挥着关键作用。本文将探讨机器学习的新突破——基于决策树算法的智能决策系统优化,介绍其原理、优势以及在实际应用中...

机器学习算法新进展:用于图像分类的支持向量机优化​

机器学习算法领域不断发展,新进展层出不穷。其中,用于图像分类的支持向量机优化备受关注。在当今数字化信息爆炸的时代,图像数据海量增长,如何精准、高效地对图像进行分类成为亟待解决的重要问题。支持向量机作为一种经典的机器学习算法,在图像分类中发挥着关键作用。随着技术的进步,对其进行优化以提升性能和效果显得...

机器学习领域革新:基于贝叶斯算法的不确定性推理优化​

机器学习领域不断演进,基于贝叶斯算法的不确定性推理优化成为关键革新点。它为处理复杂数据和不确定信息提供了强大手段,推动着各行业的智能化发展。贝叶斯算法在机器学习中有着重要地位,它基于贝叶斯定理,通过先验概率和后验概率的计算来进行推理。在传统的机器学习模型中,对于不确定性的处理往往存在一定的局限性。例...