CN101959115B - 用于检测、定位和分类被测设备的缺陷的方法和装置 - Google Patents
用于检测、定位和分类被测设备的缺陷的方法和装置 Download PDFInfo
- Publication number
- CN101959115B CN101959115B CN201010228820.8A CN201010228820A CN101959115B CN 101959115 B CN101959115 B CN 101959115B CN 201010228820 A CN201010228820 A CN 201010228820A CN 101959115 B CN101959115 B CN 101959115B
- Authority
- CN
- China
- Prior art keywords
- signal
- output
- defect
- input
- source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R29/00—Monitoring arrangements; Testing arrangements
- H04R29/001—Monitoring arrangements; Testing arrangements for loudspeakers
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种用于在存在干扰的环境噪声的情况下评估和诊断被测设备的操作状态以及用于检测、定位和分类这些影响该被测设备的操作可靠性和质量的缺陷的装置和方法。至少两个传感器在被缺陷和环境噪声源所发射的信号所影响的任意位置监控信号。源分析器接收该监控的信号,识别这些源的数量和位置,分离缺陷和噪声源,以及分析由每个源所发射的确定性和随机性信号分量。该源分析器的输出端处的缺陷和噪声向量被提供给缺陷分类器,该缺陷分类器检测被环境噪声所损坏的测量的无效部分,累加有效部分,评估被测系统的质量并识别这些缺陷的物理成因和位置。
Description
技术领域
本发明总体涉及在存在环境噪音的情况下对被测设备的操作状态进行评估和诊断,以及用于检测、定位和分类那些影响了该设备的操作可靠性和质量的该设备的缺陷的装置和方法。该装置对于电气、机械以及具有接收激发信号的输入的其他系统来说是有用的;转换器(比如扬声器)是主要的应用。
背景技术
被测设备(例如,扬声器)被激励u(t)所激发,并且系统或输出信号(例如,声压p)的状态在特定的位置ri被测量。被测量的信号p(t,ri)由此得出:
p(t,ri)=plin(t,ri)+preg(t)+prb(t)+pstoch(t)+pn(t) (1)
该等式包括与输入信号u(t)相干的线性分量plin(t,ri),以及常规失真分量preg(t,ri)、非常规确定性失真分量prb(t,ri)、以及与输入信号u(t)非相干的随机分量pstoch(t,ri)。例如,该常规失真分量preg(t,ri)是由扬声器中固有的马达和悬挂的非线性度所产生的。该非常规确定性失真分量prb(t,ri)是由直接耦合到机械振动上的扬声器的缺陷所产生的,比如机械悬挂系统的硬极限、振动膜处以及蜂鸣部分的线的敲击。随机失真分量pstoch(t,ri)是由松动颗粒、摩擦线圈以及外壳缝隙所产生的湍流气流所产生的。所测量的信号p(t,ri)同样被生产环境中所产生的环境噪声pn(t)所损坏。
已知许多缺陷检测技术。例如,Zaschel在欧洲专利EU413845中陈述了将确定性和随机性分量分离对于缺陷的早期确认是有益的。Klippel在德国专利DE10214407中建议使用自适应滤波器来将常规失真分量preg(t,ri)从非常规确定性失真分量prb(t,ri)中分离出来。
随机失真分量pstoch(t,ri)产生一个达到超声波频率的密集振幅谱。G.Moshier在US专利号4096736中采用该特性用于泄漏检测。H.Yonak在US专利号6227036中建议了基于由二氧化碳(CO2)激光器所发起的光声声音发射的光声泄漏检测和定位系统和方法。Greene在US专利号5533383中建议使用麦克风阵列技术用于检测声音泄露。
如果环境噪声pn(t)在测量的信号p(t,ri)中变成主导时,那些为缺陷诊断和质量控制所开发的方法就会产生无效的结果。在日本专利申请JP61191868中,N.Tomoyasu建议使用第二麦克风来测量环境噪声源的声压p(t,rn)。如果该声压p(t,rn)超出了预定级别,那么在被测设备处测得的信号p(t,ri)就是不可靠的并且可能被噪声损坏。2006年9月在巴黎(法国)的“Loudspeaker Testing at the Production Line,Proceedings of the 120th Convention of the Audio Eng.Soc.”中,Klippel等建议损坏的测量应当被重复直到环境噪声p(t,rn)低于允许的极限。这种技术大大增加了测量时间,并且在给定的生产周期时间内不能保证有效的测量。该技术还要求环境噪声源rn远离该被测设备,并且第二噪声麦克风应当比测量麦克风被放置得更接近该噪声源。然而,在许多实际应用中,并不知道噪声源的位置rn,或者噪声源是移动的。
当环境噪声pn(t)小于线性测量的信号plin(t,ri),但分别大于常规的、随机的或确定的失真分量preg(t,ri)、pstoch(t,ri)和prb(t,ri)时,所有的已知技术在检测和分离缺陷时都会失败。
发明内容
因此,需要一种诊断系统,其检测被测设备的缺陷,识别它们的物理成因并定位这些缺陷的位置。当被测设备操作在正常(生产)环境并且由未知源所发射的环境噪声可能会影响测量的信号p(t,ri)时,该测量需要在短时间内被以高精确度执行。进一步的目的是使用最少的硬件元件来将系统成本保持在较低水平。
根据本发明,当前的诊断系统在多个测量点ri(1≤i≤I)处监控信号p(t,ri),这些测量点在位置rd,j受被测设备的缺陷源q(t,rd,j)(1≤j≤J)影响,并且在位置rn,k(1≤k≤K)受环境噪声源q(t,rn,k)影响。与现有技术相反,源分析器通过将空间分析和信号分析相结合,以利用关于这些源的位置的信息和由这些源所发射的随机和确定性分量的特性来分离由缺陷源q(t,rd,j)和噪声源q(t,rn,k)发射的信号。与激励u(t)相干的线性部分plin(t,ri)可以通过滤波被抑制,因为这部分并不包含关于被测设备的某些缺陷的重要线索。由源分析器所执行的空间分析包括对源的数量的识别、对缺陷和噪声源的分类以及对这些源的定位。该源分析器产生缺陷向量D(t,rd,j)和噪声向量N(t,rn,k),这两个向量包括确定性分量pdet(t,rd,j)和pdet(t,rn,k)、随机分量pstoch(t,rd,j)和pstoch(t,rn,k)、以及关于分别对应于分离的缺陷和噪声源的每一个确定的源τd,j和τn,k的位置的信息。应用于分离的源信号的信号分析使得诊断系统增加了对被测设备的缺陷的敏感度,其相对于环境噪声来说具有较小能量和类似频谱特性。对确定性分量pdet(t,rd,j)和随机信号分量pstoch(t,rd,j)的分离使得该系统能够对非相干信号的特性进行平均。因此,新的解调技术提供由空气泄露所产生的调制的随机信号的包络以及源的方向。可以通过增加测量时间并在增加了数量的时间段内平均化包络信号来提高信噪比。通过使用具有时变的周期长度T(t)≠T0的周期性激励,比如正弦扫描,确定性分量可以通过在相位空间内平均化所转换的信号并将测量的信号转换为恒定周期长度T0而确定。
缺陷向量D(t,rd,j)和噪声向量N(t,rn,k)中的正交特性被传递到缺陷分类器,该分类器确定该被测设备的质量并识别这些缺陷的物理成因。如果传感器、缺陷和噪声源的位置发生变化,该系统保持操作状态。与已知的波束控制相反,该系统仅需要较少量的传感器并且能够仅通过两个传感器来维持操作状态。入射波的角度可以被非常精确地检测到,因为由缺陷所发射的确定性和随机性信号分量包括许多覆盖了宽频带并与激励非相干的频谱分量。然而,仅包括两个传感器的阵列具有较低的方向性特性并且不能完全将缺陷和噪声源相分离,并且测量的缺陷分量D(t,rd,j)可被该噪声源损坏。在这种情况下,分离器通过将缺陷向量D(t,rd,j)和噪声向量N(t,rn,k)中的随机性和确定性分量相互比较和/或将它们与预定的阈值相比较来自动检测缺陷向量D(t,rd,j)中的无效部分。根据本发明,缺陷向量D(t,rd,j)中的有效部分被存储在累加器中并且和来自使用同样激励的重复测试的有效部分合并在一起,最终得出完整的有效数据集。由于大部分环境噪声是随机信号,有效数据的累加给出了完全的抗声扰性,而同时又使得测量时间比使用扩展平均化的传统技术来说短得多。该诊断系统将缺陷向量D(t,rd,j)中的分析数据转换为较低的频率范围以使得缺陷的症状可以被人耳更容易地分析。这种可听化技术提高了人类专家对缺陷的主观评估并给出了查找缺陷的物理成因的线索。该主观分类的结果可以与缺陷向量D(t,rd,j)中的客观数据一同被提供给专家系统,该系统创建知识库以用于对缺陷的自动分类。
本发明的这些和其他特点、方面和优势将通过参考下述附图、说明书和权利要求而被更好地理解。
附图说明
图1是显示根据本发明的用于诊断被测设备的操作状态的装置的概况图。
图2显示了使用两个可被使用在根据本发明的诊断系统中的传感器的源分析器的实施例。
图3显示了可被使用在根据本发明的诊断系统中的源估计器的实施例。
图4显示了可被使用在根据本发明的诊断系统中的互相关器的实施例。
图5显示了可被使用在根据本发明的诊断系统中的缺陷分析器的实施例。
图6显示了可被使用在根据本发明的诊断系统中的确定性信号处理器的实施例。
图7显示了可被使用在根据本发明的诊断系统中的分类器的实施例。
图8显示了可被使用在根据本发明的诊断系统中的噪声消除器的实施例。
图9显示了可被使用在根据本发明的诊断系统中的累加器的实施例。
具体实施方式
图1是显示根据本发明的用于诊断被测设备系统37的操作状态的装置的概况图,用以处理发射出噪声信号q(t,rn,k)的环境噪声源90,其中k=1,该信号上还被叠加了由该被测设备上的缺陷39、263所发射的缺陷信号q(t,rd,j),其中j=1,2。该被测设备37,例如是扬声器,具有输入端41,该输入端被提供有由发生器43所产生的激励u(t)。至少两个位于任意位置r1,r2的传感器45、47产生输出信号p(t,ri),其中i=1,2。每个信号p(t,ri)经过可控高通滤波器51、81之后作为滤波的信号p’(t,ri)被提供给源分析器65的输入端63、69。该源分析器65在对应于缺陷39和263的输出端259、257产生至少一个缺陷向量D(t,rd,j),以及在对应于检测的噪声源90的输出端303产生噪声向量N(t,rn,k),其中k>1。源分析器65的所有向量输出端259、257、303都被连接到分类器273的向量输入端269、271、272,该分类器提供源的位置信息、以及与诊断相关的确定性分量pdet(t)和统计性分量pstoch(t)的相关特性。分类器273评估系统的质量,识别缺陷的成因和位置并将这些结果通过输出端85交给显示器87。从缺陷向量中得出的可听化信号经过输出端86被提供给扬声器274以支持人耳对缺陷的主观评估。频率检测器280通过输入端283从发生器43接收激励u(t)或者通过输入端285从传感器45接收测量的信号p(t,ri),并且检测激发信号的瞬时周期长度T(t)和频率f(t)并将该信息经过输出端281分别提供给缺陷分类器273、源分析器65、和高通滤波器51、81的控制输入端275、83、57和53。
图2显示了源分析器65的实施例的框图,该源分析器65包括源估计器101、至少一个缺陷分析器93、94和至少一个噪声分析器309。源估计器101具有从输入端63、69接收滤波的信号p’(t,ri)的两个输入端103和106,其中i>1,具有至少一个缺陷位置输出端105、321和至少一个噪声位置输出端319,其提供描述源39、263、90的位置rd,j,rn,k和传感器45、47的测量位置ri之间的距离的信息。该信息例如由该传递函数给出:
假设这些源和传感器之间是自由场传播。实践中,这样完全能够使用波数k和声音的速度c0识别出时延中的差,如下:
或者得出衰减率:
位置输出端321、105、319被连接到缺陷分析器94、93和噪声分析器309的相应位置输入端301、305、311。分析器94、93和309中的每一个都具有在源分析器65的输出端259、257、303提供向量D(t,rd,j)、N(t,rn)的输出端299、99、315。
图3显示了源估计器101的实施例。在第一输入端103处的信号p’(t,r1)被提供给随机性相关器339的输入端305和确定性相关器151的输入端147。在第二输入端106处的信号p’(t,r2)经由可控滤波器137被分别提供给相关器339和151的输入端341和145。相关器的输出端153、154被提供给最大值检测器157的输入端159,该最大值检测器在提供给可控滤波器137的控制输入端133的控制输出端155处产生可变控制参数(例如时延τ)。最大值检测器157检测控制参数(例如时延估计τj)的数值,其中输出端153、154处的信号具有全局或本地最大值。该最大值检测器157的输出被提供给两个比较器161和162,这两个比较器将识别的参数τj和预定极限τT相比较以将它们分别分类为缺陷和噪声源的本地信息τd,j和τd,k。源识别例如利用由位置rd,j的源发射的入射波的角度和时延τd,j之间以及两个传感器之间的距离的关系:
图4显示了随机性相关器339的实施例。在输入端305和341的输入信号p’(t,r1)和p’(t-τ,r1)被预滤波器323和325转换为提供给乘法器147的输入端143和141的随机性分量p’stoch(t,r1)和p’stoch(t-τ,r1)。对于具有周期长度T的稳态激发信号,滤波器323和325通过下述传递函数来衰弱乘以了基本频率f0=1/T的所有分量:
由后置滤波器158通过以下传递函数滤波乘法器147的输出端145:
提供了调制的噪声信号的解调的平方包络:
e(t)2=F-1{Hdet(jω)}*(p′stoch(ri,t)p′stoch(rj,t+τ)) (8)
给相关器339的输出端154。
图4中的框图同样描述了确定性相关器151的总体结构。与随机性相关器相反,预滤波器323和325通过具有根据等式(7)的传递函数Hdet(jω)而因此增强了确定性分量,并且后置滤波器158仅选择dc分量。
图5显示了缺陷分析器93的实施例,但该框图的总体结构对于其他分析器94、309同样有效。输入端95的信号p’(t,r1)被提供给确定性信号处理器351的输入端327和随机性信号处理器439的输入端435。输入端307的信号p’(t,r2)经由校正滤波器343被分别连接到处理器351和439的其他输入端329和441。校正滤波器343可被实现为经由控制输入端347接收控制信号τd,1的延迟单元,其产生时延的信号p’(t+τd,1,r2)。随机性信号处理器439可通过使用用于图4中互相关器339的相同的实施例而被实现。在输出端437处产生的包络信号e(t)2对于对空气泄漏所产生的调制的噪声的检测来说是重要的特性。该包络信号e(t)2包括通过激励u(t)提供给被测设备的基本频率f0=1/T,以及f0的谐波。检测到的包络信号e(t)2的信噪比可通过延长测量时间而被提高。随机性和确定性信号处理器439和351分别的输出端437、331,以及时延控制信号τd,1在输出端99被汇总到缺陷向量D(t,rd,1)。处理器439和351分别具有控制输入端453和333,它们经由输入端97接收瞬时频率f(t)或周期长度T,其是经由源分析器65的输入端83从频率检测器280接收的。
图6显示了确定性信号处理器351的实施例。输入端327和329处的信号被提供给加法器357,并且输出端359处的求和后的信号psum(t)根据本发明在相位空间中被平均化,以产生确定性分量:
在相位空间中的平均化需要具有连接到加法器输出端359的输入端361的频率转换器367;并且该频率转换器将具有时变周期长度T(t)的求和后的信号psum(t)转换为输出端365处具有恒定频率周期长度T0的信号p’sum(t)。该频率转换器还可考虑由发生器43处的激励u(t)和缺陷源263之间的线性传递响应所产生的额外的相位偏移∠Hlin(jω)。具有与频率转换器输出端365相连接的输入端369的传统平均器371在输出端373处产生确定性分量,其被提供在处理器的输出端331。
图7显示了缺陷分类器273的实施例。在输入端269、271、272接收的缺陷向量D(t,rd,j)和噪声向量N(t,rn,k)被提供给环境噪声消除器251的输入端261、255、253,该环境噪声消除器在输出端267、265处产生没有被环境噪声源90所损坏的有效的缺陷向量D’(t,rd,j)。那些输出端被连接到比较器215的输入端213和217,该比较器将确定性和随机性信号分量的特性与预定的阈值相比较以产生用于被测设备37的质量评估(分等级或通过/失败决定),该评估被提供给分类器输出端85。该分类器还包括缺陷识别器205,其通过模糊逻辑实现并具有连接到输出端267、265和219的多个输入端203、405和209。该缺陷识别器205经由输入端206接收关于缺陷的物理成因的信息,并产生用于自动分类的内部知识库。在输出端207所提供的分类结果还被提供给输出端85。有效的缺陷向量D’(t,rd,j)还被提供给选择器411的输入端417,421,其通过利用分别经由输入端415和419所提供的模糊逻辑输出端207和比较器输出端219处接收的数据,来选择位置rd,j处的主要缺陷的确定性分量ddet(t,rd,j)或随机性分量dstoch(t,rd,j)。输出端413处的选择的信号经由频率转换器407被转换并提供给连接到扬声器的输出端86。该频率转换器407将高频部分转换成较低的频带,其中缺陷的频谱和时间特性可更容易地被人耳分析。
图8显示了环境噪声消除器251的实施例。噪声向量N(t,rn,k)在输入端253处被接收并被提供给噪声检测器391的输入端397。比较器235将该噪声向量N(t,rn,k)的元素与预定阈值Ti相比较,因此该比较器的输出将指示可能的噪声损坏。噪声检测器391还包括第二比较器399,其将经由输入端393接收的缺陷向量D(t,rd,j)与噪声向量N(t,rn,k)相比较。指示缺陷向量超出噪声向量的比较器399的输出在401中被与比较器235的输出相结合并被经由输出端395被分别提供给累加器375和387的控制输入端381和382。每个累加器387、375都具有分别从输入端261和255接收缺陷向量D(t,rd,j)的输入端389和379。累加器387、375通过在输入端381、382使用控制信号来仅存储缺陷向量D(t,rd,j)的有效部分,并提供有效的缺陷向量D(t,rd,j)给输出端265、267,如果数据是完整的话。
图9显示了累加器375的实施例。输入端379处的缺陷向量D(t,rd,j),根据经由输入端377、环境噪声消除器251的输入端287、以及缺陷分类器273的输入端275从频率检测器280所接收的瞬时频率f,经由开关189被分发给存储器195的输入端193、194和197。如果控制输入端381处的控制信号指示没有被环境噪声损坏的有效数据的话,该存储器存储输入数据。如果该存储器195的所有元件都包含数据,那么有效的缺陷向量D’(t,rd,j)被提供给输出端383。
Claims (17)
1.一种用于在存在环境噪声源的情况下诊断被测设备的操作状态以及检测、定位和分类所述设备的缺陷的装置,其特征在于,该装置包括:
激发部件,其提供激励u(t)用于激发该被测设备,
在任意位置ri测量信号p(t,ri)的两个传感器系统,其中i=1、2,并且每个传感器系统在输出端产生对应的电信号p’(t,ri),
具有两个输入端的源分析器,该两个输入端的每一个接收各自其中一个电信号p’(t,ri),并且该源分析器具有至少一个设备源输出端,其在抑制由不同位置rn,k≠rd,j处的至少一个环境噪声源所发射的信号q(t,rn,k)的同时,其中1≤k,提供包含由所述被测设备在位置rd,j处的至少一个缺陷源所发射的信号q(t,rd,j)的分析的特性的缺陷向量D(t,rd,j),其中1≤j,以及所述源分析器具有至少一个噪声源输出端,其提供包括在位置rn,k处的所述环境噪声源发射的信号q(t,rn,k)的分析的特性的噪声向量N(t,rn,k),由此任何缺陷源的信号q(t,rd,j)的信息减少,
分类器,其具有至少一个连接用以接收所述设备源输出的向量输入端,并且具有指示该被测设备的质量状态的分类器输出端,该分类器通过检查所述噪声向量N(t,rn,k)中的数值来识别被环境噪声源所损坏的缺陷向量D(t,rd,j)的无效部分,
其中,所述分类器包括环境噪声消除器,该环境噪声消除器具有与所述设备向量输入端相连接的至少一个设备输入端以及与所述至少一个噪声源输出端相连接的至少一个噪声输入端,并且所述环境噪声消除器具有至少一个提供有效缺陷向量D’(t,rd,j)的输出端,该向量包括由被测设备上的所述缺陷信号源所发射的没有被所述环境噪声源所损坏的信号q(t,rd,j)的有效特性。
2.如权利要求1所述的装置,其中,所述传感器系统包括具有向滤波器的输入端提供测量信号p(t,ri)的传感器输出端的传感器,所述滤波器具有产生所述电信号p’(t,ri)的输出端,其中衰减与激励u(t)相干的线性分量plin(t,ri),所述缺陷向量D(t,rd,j)包括确定性分量ddet(t,rd,j)、随机性分量dstoch(t,rd,j)和关于位置rd,j的信息,所述噪声向量N(t,rn,j)包括确定性分量ddet(t,rn,j)、随机性分量dstoch(t,rn,j)和关于位置rn,j的信息。
3.一种用于在存在环境噪声源的情况下诊断被测设备的操作状态以及检测、定位和分类所述设备的缺陷的装置,其特征在于,该装置包括:
激发部件,其提供激励u(t)用于激发该被测设备,
在任意位置ri测量信号p(t,ri)的两个传感器系统,其中i=1、2,并且每个传感器系统在输出端产生对应的电信号p’(t,ri),
具有两个输入端的源分析器,该两个输入端的每一个接收各自其中一个电信号p’(t,ri),并且该源分析器具有至少一个设备源输出端,其在抑制由不同位置rn,k≠rd,j处的至少一个环境噪声源所发射的信号q(t,rn,k)的同时,其中1≤k,提供包含由所述被测设备在位置rd,j处的至少一个缺陷源所发射的信号q(t,rd,j)的分析的特性的缺陷向量D(t,rd,j),其中1≤j,以及所述源分析器具有至少一个噪声源输出端,其提供包括在位置rn,k处的所述环境噪声源发射的信号q(t,rn,k)的分析的特性的噪声向量N(t,rn,k),由此任何缺陷源的信号q(t,rd,j)的信息减少,
分类器,其具有至少一个连接用以接收所述设备源输出的向量输入端,并且具有指示该被测设备的质量状态的分类器输出端,该分类器通过检查所述噪声向量N(t,rn,k)中的数值来识别被环境噪声源所损坏的缺陷向量D(t,rd,j)的无效部分,
所述源分析器包括:
源估计器,其具有两个连接到所述分析器输入端的输入端,并且具有至少一个缺陷位置输出端以提供时延估计τd,j或传递函数Hd,j(f),其对应于缺陷源与所述两个传感器之间的距离的差,以及具有至少一个噪声位置输出端以提供估计的时延τn,k或估计的传递函数Hn,k(f),其对应于环境噪声源与所述传感器之间的距离,
至少一个缺陷分析器,每一个都具有与所述源分析器输入端相连接的输入端,并具有与所述缺陷位置输出端相连接的控制输入端,以及具有与所述设备源输出相连接的、产生所述缺陷向量D(t,rn,j)的输出端,以及
至少一个噪声分析器,每个都具有与源分析器输入端相连接的输入端,并具有与所述噪声位置输出端相连接的控制输入端,以及具有与所述噪声源输出端相连接的、产生向量N(t,rn,k)的分析输出端。
4.如权利要求3所述的装置,其特征在于所述源估计器包括:
变化时延单元,其具有与所述源估计器输入端之一和控制输入端相连接的输入端,
互相关器,其具有与其他所述源估计器输入端相连接的第一输入端,与所述变化时延单元的输出端相连接的第二输入端,以及具有相对于延迟时间τ产生互相关函数的输出端,
最大值检测器,其具有接收所述互相关函数的输入端,以及具有产生包含时延数值τm的向量的输出端,其中m=1,...M,其中该互相关函数具有最大值,
第一比较器,其具有接收时延数值τm的输入端,以及产生提供给所述至少一个噪声缺陷位置输出端的时延数值τd,m的输出端,
第二比较器,其具有接收时延数值τm的输入端,以及产生提供给所述至少一个噪声位置输出端的时延数值τn,k的输出端。
5.如权利要求4所述的装置,其特征在于所述互相关器包括:
两个预滤波器,每个都具有与互相关器的输入端之一相连接的输入端,以及每个都具有产生确定性信号分量被抑制的信号的输出端,
乘法器,其具有两个输入端,每个都与所述预滤波器之一的输出端相连接,以及具有产生解调的输出信号的输出端,以及,
后置滤波器,其具有与所述乘法器输出端相连接的输入端,以及具有与产生包络的所述互相关器输出端相连接的输出端。
6.如权利要求3所述的装置,其特征在于所述缺陷分析器和所述噪声分析器包括:
校正滤波器,其具有连接到所述缺陷分析器输入端之一的输入端,以及具有连接到所述缺陷分析器控制输入端以接收控制数据的控制输入端,以及具有输出端,
至少一个随机信号处理器,其具有连接到其他所述缺陷分析器输入端的第一输入端,以及具有连接到所述校正滤波器的所述输出端的第二输入端,以及具有将随机特性dstoch(t,rd,j)提供给所述缺陷分析器输出端的输出端,
至少一个确定性信号处理器,其具有连接到其他所述缺陷分析器输入端的第一输入端,以及具有连接到所述校正滤波器的所述输出端的第二输入端,以及具有将确定性特性ddet(t,rd,j)提供给所述缺陷分析器输出端的输出端。
7.如权利要求6所述的装置,其特征在于所述确定性信号处理器包括:
加法器,其具有两个输入端,每个都连接到各自的其中一个所述确定性信号处理器输入端并在输出端产生总和信号,
频率转换器,其具有连接到所述加法器输出端的输入端,连接到频率检测器的输出端并接收激励u(t)的瞬时基本频率f(t)的控制输入端,以及具有提供具有恒定基本频率f0的输出信号的输出端,以及
周期性平均器,其具有连接到所述频率转换器输出端的输入端,以及具有连接到所述确定性信号处理器输出端并提供从所述周期性平均器输入端接收的输入信号的恒定长度T0=1/f0的相邻段的总和的输出端。
8.如权利要求1所述的装置,其特征在于所述环境噪声消除器包括:
噪声检测器,其具有至少一个连接到所述分类器噪声输入端的输入端,以及具有指示缺陷向量D(t,rd,j)中的非损坏数据的噪声检测器输出端,
至少一个累加器,每个都具有连接到环境噪声消除器输入端的输入端,以及具有连接到噪声检测器输出端的控制输入端,每个累加器都包括存储器,如果控制输入端的信号指示有效数据,那么瞬时缺陷向量D(t,rd,j)被存储在该存储器中,每个累加器具有被提供以该存储器的内容D’(t,rd,j)的输出端。
9.如权利要求1所述的装置,其特征在于所述分类器包括:
比较器,其具有从所述至少一个设备向量输入端接收信号的至少一个输入端,该比较器具有与分类器输出端相连接并考虑所有缺陷源产生被测设备通过/失败判决的输出端,具有经由分类器的输出端连接到所述激发装置的控制输入端以在测量的数据完整和有效的情况下停止测量的控制输出端,以及
缺陷识别器,其具有从所述至少一个设备向量输入端接收信号的至少一个输入端,以及具有与分类器输出端相连接并提供关于缺陷的位置的信息以及将这些缺陷分配到预定的类别的输出端。
10.如权利要求1所述的装置,其特征在于所述分类器包括:
选择器,其具有从所述至少一个设备向量输入端接收信号的至少一个输入端,具有连接到所述比较器的输出端的控制输入端,以及具有提供由缺陷源产生的失真信号的输出端,以及
频率转换器,其具有连接到选择器输出端的输入端,以及具有产生被转换为低频的输出信号的输出端,该输出信号经由分类器的输出端被提供用以使用声音重放系统的人类检查。
11.一种用于在存在环境噪声的情况下诊断被测设备的操作状态以及检测、定位和分类所述设备的缺陷的方法,该方法包括:
通过激励u(t)来激发该被测设备,
在任意位置ri获取两个信号p(t,ri),其中i=1、2,
识别这些缺陷的位置的本地信息,
对信号p(t,ri)执行组合的空间和信号分析,
在抑制由任何缺陷源所发射的信号分量q(t,rd,j)的同时,产生至少一个噪声向量N(t,rn,k),其描述了由位置rn,k处的环境噪声源所发射的信号q(t,rn,k)的特性,其中1≤k,
在抑制由不同位置rn,k≠rd,j处的环境噪声源所发射的信号q(t,rn,k)的同时,产生至少一个缺陷向量D(t,rd,j),该缺陷向量描述了由被测设备在位置rd,j处的至少一个缺陷源所发射的信号q(t,rd,j)的特性,其中1≤j,以及
通过检查所述噪声向量N(t,rn,k)中的数值来识别被环境噪声源所损坏的缺陷向量D(t,rd,j)的无效部分,
移除被所述环境噪声源所损坏的缺陷向量D(t,rd,j)的无效部分,
将缺陷向量D(t,rd,j)的有效部分存储在存储器中,
通过将相同的激励u(t)应用到该被测设备来重复损坏的测量,
在有效缺陷向量D’(t,rd,j)中累加在损坏的测量中找到的缺陷向量D(t,rd,j)的有效部分,
如果该缺陷向量D’(t,rd,j)是完整的那么停止该测量,以及
评估该缺陷向量D(t,rd,j)的元素以诊断该被测设备的操作状态。
12.一种用于在存在环境噪声的情况下诊断被测设备的操作状态以及检测、定位和分类所述设备的缺陷的方法,该方法包括:
通过激励u(t)来激发该被测设备,
在任意位置ri获取两个信号p(t,ri),其中i=1、2,
滤波来自所述传感器的所述测量的信号p(t,ri)以提供与该激励u(t)非相干的电信号p’(t,ri),
估计对应于第一缺陷源和两个传感器之间的距离的差的时延τd,j或传递函数Hd,j(f),这两个传感器在任意位置ri测量信号p(t,ri),
估计对应于环境噪声源和所述传感器之间的距离的差的时延τn,k或传递函数Hn,k(f),
产生至少一个缺陷向量D(t,rd,j),该缺陷向量描述了由被测设备在位置rd,j处的至少一个缺陷源所发射的信号q(t,rd,j)的特性,其中1≤j,其中,通过补偿所述时延τd,j或传递函数Hd,j(f)来分析该滤波的信号p’(t,ri)的确定性和/或随机性特性,以抑制所述环境噪声源和第二缺陷源在所产生的缺陷向量D(t,rd,j)中的影响,
产生至少一个噪声向量N(t,rn,k),其描述了由位置rn,k处的环境噪声源所发射的信号q(t,rn,k)的特性,其中1≤k,其中,通过补偿所述时延τn,j或传递函数Hn,k(f)来分析该电信号p’(t,ri)的确定性和/或随机性特性,以抑制所述第一缺陷源和第二缺陷源在所产生的噪声向量N(t,rn,1)中的影响,以及
评估该缺陷向量D(t,rd,j)的元素以诊断该被测设备的操作状态。
13.如权利要求12所述的方法,进一步包括:
将时延τd,2或传递函数Hd,2(f)应用到输入信号p’(t,r2)上以产生由p’(t-τd,2,r2)给出的输出信号,
滤波输入信号p’(t,r1)以抑制确定性信号分量并用以产生随机性信号p’stoch(t,r1),
滤波延迟的信号p’(t-τd,2,r2)以抑制确定性信号分量并用以产生随机性信号p’stoch(t-τd,2,r2),
将信号p’stoch(t-τd,2,r2)乘以p’stoch(t,r1)以解调该随机性分量,以及
滤波该解调的信号以提取确定性包络信号。
14.如权利要求12所述的方法,进一步包括:
将时延τd,2应用到输入信号p’(t,r2)以产生由p’(t-τd,2,r2)给出的输出信号,
将信号p’(t,r1)与时延的信号p’(t-τd,2,r2)相加以产生总和信号,
接收激励信号u(t)中的基本分量的瞬时频率f(t),
偏移该总和信号中的所有频谱分量的频率以实现输出信号中的恒定基本频率f0,
将该输出信号切割为对应于基本分量的周期T0=1/f0的恒定长度的相邻段,以及
平均化这些段以产生确定性信号。
15.如权利要求11-14的任一项所述的方法,进一步包括:
计算电输出信号p’(t,ri)之间的互相关函数,
产生包含至少一个时延数值τj的向量,其中该互相关函数具有本地或全局最大值,
将所述时延数值τj与预定数值τT相比较,以及
从噪声源中分离缺陷源。
16.如权利要求11-14的任一项所述的方法,进一步包括:
将所有缺陷源的设备向量与预定的极限相比较以产生用于该被测设备的通过/失败判决,
通过使用知识库来识别该缺陷的物理成因,
将该缺陷分配到由语言术语标示的预定分类,
向人类测试员显示该语言术语,
从人类测试员接收关于该识别的有效性的信息,以及
修正所述极限并扩展该知识库。
17.如权利要求11-14的任一项所述的方法,进一步包括:
从描述该被测设备中的缺陷的缺陷向量D(t,rd,j)中选择信号d’i(t,rd,j),
将所述信号d’i(t,rd,j)的所有频率分量偏移到较低的频带以产生减缓的时间信号,以及
经由头戴式耳机重现该减缓的时间信号给人耳以用于质量检查以及用于诊断该被测设备的缺陷。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102009033614.1 | 2009-07-17 | ||
DE102009033614.1A DE102009033614B4 (de) | 2009-07-17 | 2009-07-17 | Anordnung und Verfahren zur Erkennung, Ortung und Klassifikation von Defekten |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101959115A CN101959115A (zh) | 2011-01-26 |
CN101959115B true CN101959115B (zh) | 2015-06-24 |
Family
ID=43382836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010228820.8A Active CN101959115B (zh) | 2009-07-17 | 2010-07-16 | 用于检测、定位和分类被测设备的缺陷的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8401823B2 (zh) |
CN (1) | CN101959115B (zh) |
DE (1) | DE102009033614B4 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202008014792U1 (de) * | 2008-11-07 | 2010-03-25 | Qass Gmbh | Vorrichtung zum Bewerten von Zerspanungsprozessen |
US20120045068A1 (en) * | 2010-08-20 | 2012-02-23 | Korea Institute Of Science And Technology | Self-fault detection system and method for microphone array and audio-based device |
DE102012020271A1 (de) * | 2012-10-17 | 2014-04-17 | Wolfgang Klippel | Anordnung und Verfahren zur Steuerung von Wandlern |
EP2757468A1 (en) * | 2013-01-22 | 2014-07-23 | Siemens Aktiengesellschaft | Apparatus and method for managing a software development and maintenance system |
US8964996B2 (en) * | 2013-02-13 | 2015-02-24 | Klippel Gmbh | Method and arrangement for auralizing and assessing signal distortion |
US9007201B2 (en) * | 2013-05-17 | 2015-04-14 | Tyco Fire & Security Gmbh | Method for self-testing notification appliances in alarm systems |
US9672142B2 (en) | 2013-06-06 | 2017-06-06 | International Business Machines Corporation | Replacement of suspect or marginally defective computing system components during fulfillment test of build-to-order test phase |
WO2016194058A1 (ja) * | 2015-05-29 | 2016-12-08 | 東芝三菱電機産業システム株式会社 | ノイズ源分析方法 |
EP3171515B1 (en) | 2015-11-17 | 2020-01-08 | Nxp B.V. | Speaker driver |
JP6573986B2 (ja) * | 2015-12-25 | 2019-09-11 | 富士フイルム株式会社 | 損傷情報処理装置及び損傷情報処理方法 |
CN107167521A (zh) * | 2017-06-30 | 2017-09-15 | 四川升拓检测技术股份有限公司 | 一种提高识别混凝土缺陷和损伤能力的检测方法 |
US10264354B1 (en) * | 2017-09-25 | 2019-04-16 | Cirrus Logic, Inc. | Spatial cues from broadside detection |
EP4005241A1 (en) | 2019-07-31 | 2022-06-01 | Starkey Laboratories, Inc. | Ear-worn electronic device incorporating microphone fault reduction system and method |
US11153043B2 (en) | 2019-10-24 | 2021-10-19 | Roku, Inc. | Measuring and evaluating a test signal generated by a device under test (DUT) |
CN114577425B (zh) * | 2022-03-07 | 2023-12-05 | 中国工程物理研究院总体工程研究所 | 用于多输入多输出振动试验系统的传递函数识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5058434A (en) * | 1990-02-27 | 1991-10-22 | Carl Schenck Ag | Process for early detection of damage to machine parts |
US6474164B1 (en) * | 1999-08-20 | 2002-11-05 | Slx, Inc. | Noise suppression and signal enhancement system for ultrasonic non-destructive inspection/evaluation |
CN1518669A (zh) * | 2001-06-22 | 2004-08-04 | �ʼҷ����ֵ�������˾ | 超声杂波滤波器 |
WO2008006952A2 (fr) * | 2006-07-13 | 2008-01-17 | Regie Autonome Des Transports Parisiens | Procede et dispositif de diagnostic de l'etat de fonctionnement d'un systeme de sonorisation |
CN101247671A (zh) * | 2007-02-01 | 2008-08-20 | 沃尔夫冈·克利佩尔 | 变换器参数的最优估计 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4096736A (en) | 1977-02-25 | 1978-06-27 | American Can Company | Ultrasonic leak hole detection apparatus and method |
US4812746A (en) * | 1983-12-23 | 1989-03-14 | Thales Resources, Inc. | Method of using a waveform to sound pattern converter |
JPS61191868A (ja) | 1985-02-20 | 1986-08-26 | 松下冷機株式会社 | 断熱壁 |
EP0413845B1 (de) * | 1989-08-24 | 1993-04-28 | Carl Schenck Ag | Verfahren zur Schadensfrüherkennung an Maschinenteilen |
US5533383A (en) | 1994-08-18 | 1996-07-09 | General Electric Company | Integrated acoustic leak detection processing system |
DE19612981A1 (de) | 1995-03-31 | 1996-11-21 | Fraunhofer Ges Forschung | Akustische Prüfung von Lautsprechern |
EP0823090B1 (en) * | 1995-04-27 | 2005-01-26 | Northrop Grumman Corporation | Adaptive filtering neural network classifier |
US6227036B1 (en) | 1998-10-28 | 2001-05-08 | The Regents Of The University Of Michigan | Multiple microphone photoacoustic leak detection and localization system and method |
US7039198B2 (en) * | 2000-11-10 | 2006-05-02 | Quindi | Acoustic source localization system and method |
DE10214407C1 (de) | 2002-03-30 | 2003-06-18 | Klippel Gmbh | Anordnung und Verfahren zur Messung, Bewertung und Störungserkennung von Systemen |
US6850164B2 (en) | 2002-10-03 | 2005-02-01 | The Boeing Company | Air leak detection system and method |
US7831863B2 (en) * | 2007-01-11 | 2010-11-09 | International Business Machines Corporation | Method for enhancing the diagnostic accuracy of a VLSI chip |
US8146429B2 (en) * | 2009-08-03 | 2012-04-03 | Georgia Tech Research Corporation | Methods and systems for classifying the type and severity of defects in welds |
-
2009
- 2009-07-17 DE DE102009033614.1A patent/DE102009033614B4/de active Active
-
2010
- 2010-06-21 US US12/819,455 patent/US8401823B2/en active Active
- 2010-07-16 CN CN201010228820.8A patent/CN101959115B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5058434A (en) * | 1990-02-27 | 1991-10-22 | Carl Schenck Ag | Process for early detection of damage to machine parts |
US6474164B1 (en) * | 1999-08-20 | 2002-11-05 | Slx, Inc. | Noise suppression and signal enhancement system for ultrasonic non-destructive inspection/evaluation |
CN1518669A (zh) * | 2001-06-22 | 2004-08-04 | �ʼҷ����ֵ�������˾ | 超声杂波滤波器 |
WO2008006952A2 (fr) * | 2006-07-13 | 2008-01-17 | Regie Autonome Des Transports Parisiens | Procede et dispositif de diagnostic de l'etat de fonctionnement d'un systeme de sonorisation |
CN101247671A (zh) * | 2007-02-01 | 2008-08-20 | 沃尔夫冈·克利佩尔 | 变换器参数的最优估计 |
Non-Patent Citations (1)
Title |
---|
Loudspeaker Testing at the Production Line.;W. Klippel, 等.;《Proceedings of the 120th convention of the audio Eng. Soc.Paris France.05.2006,paper number:6845》;20060531;说明书中的2.5、2.7和3.2,附图5和13 * |
Also Published As
Publication number | Publication date |
---|---|
CN101959115A (zh) | 2011-01-26 |
DE102009033614B4 (de) | 2020-01-23 |
US8401823B2 (en) | 2013-03-19 |
DE102009033614A1 (de) | 2011-01-20 |
US20110015898A1 (en) | 2011-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101959115B (zh) | 用于检测、定位和分类被测设备的缺陷的方法和装置 | |
CN106323452B (zh) | 一种设备异音的检测方法及检测装置 | |
CN106104246B (zh) | 超声气体泄露检测器和测试方法 | |
US20140311245A1 (en) | Pipe inspection system and related methods | |
CN106842092A (zh) | 局部放电带电检测装置中传感器频响特性标定方法和装置 | |
CN104407054A (zh) | 基于兰姆波共线混叠的超声微损伤定位检测方法及装置 | |
CN109997023A (zh) | 用于工业设备的外部故障检测系统的内部故障检测 | |
US8483977B1 (en) | Method of laser vibration defect analysis | |
CN102625912A (zh) | 缺陷检测方法和系统 | |
JP2005147890A (ja) | 絶縁異常診断装置 | |
CN101644745B (zh) | 一种双频率超声检测发电机定子绝缘缺陷的方法 | |
CN110824007B (zh) | 一种管桩裂缝检测方法及系统 | |
JP2019109194A (ja) | 流量計測装置 | |
Moschioni et al. | Sound source identification using coherence-and intensity-based methods | |
US4480473A (en) | Acoustic inspection method | |
CN207232373U (zh) | 一种基于纵波法的局部放电超声检测传感器校准系统 | |
US11624687B2 (en) | Apparatus and method for detecting microcrack using orthogonality analysis of mode shape vector and principal plane in resonance point | |
CN113593536B (zh) | 一种检测语音识别准确率的装置和系统 | |
CN100418064C (zh) | 用于抽点和回放超声计量仪中的原始数据的方法 | |
CN111879479B (zh) | 集输气管道非高斯噪声环境微泄漏信号监测系统及方法 | |
JP2006308563A (ja) | 配管漏洩箇所検出方法 | |
JP5377723B2 (ja) | 状態判定装置及び方法 | |
US20240230598A1 (en) | Method and device for detecting and locating a fault point of a housing | |
JP5132741B2 (ja) | 状態判定装置及び方法 | |
WO2022262073A1 (zh) | 通过样本掺杂来训练目标设备的设备模型的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |