CN105241544A - 基于近场声阵列的转子噪声源识别方法 - Google Patents
基于近场声阵列的转子噪声源识别方法 Download PDFInfo
- Publication number
- CN105241544A CN105241544A CN201510629747.8A CN201510629747A CN105241544A CN 105241544 A CN105241544 A CN 105241544A CN 201510629747 A CN201510629747 A CN 201510629747A CN 105241544 A CN105241544 A CN 105241544A
- Authority
- CN
- China
- Prior art keywords
- prime
- sound
- source
- near field
- sound pressure
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000007493 shaping process Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于近场声阵列的转子噪声源识别方法,在转子匀速转动阶段,采集转子的声压信号,记录转子位置和声传感器位置,将传统的波束成形结果作为已知条件,利用声源成像反卷积法从中提取需要的声场信息,即该信号的频谱特性、声压级大小、位置等,从而对声源面进行重构,最终找出噪声源位置。本发明采用声压传感器构建近场声阵列来识别噪声源,不受空间限制,可以同时识别多个噪声源和设备内部的噪声源。
Description
技术领域
本发明属于机电诊断领域,特别涉及了一种转子噪声源识别方法。
背景技术
转子的应用十分普遍和广泛,能在各种大小的电机和发动机中作为旋转部件,在水利、运输、航空、发电站、家用电器、日用品等领域都发挥着重要作用。
许多机械设备本身或一部分是旋转式的,常因组装或轴承的缺陷而产生异常的振动,进而产生噪音,已经成为噪声污染的主要来源。为防治噪声污染,保障城乡居民生活工作和学习的声环境质量,国家环境保护部发布了《工业企业厂界环境噪声排放标准》,并于2008年10月1日开始实施。降低生产设备的噪音已经得到了工业、交通运输业等诸多行业的重视,而对噪声源的准确识别是降低设备噪声的关键。
目前,对于转子的研究,多集中于通过对转子系统的动力学分析和振动特性分析,从而确定和识别转子主要振动位置,而利用噪声源识别并确定转子振动位置非常少见。利用振动特性分析振动位置,即利用位移,加速度等传感器测量振动信号对测点要求较高,利用激光传感器则要求被测物体结构较为简单,但对内部振动源测量较为困难。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供基于近场声阵列的转子噪声源识别方法,采用声压传感器构建近场声阵列来识别噪声源,不受空间限制,可以同时识别多个噪声源和设备内部的噪声源。
为了实现上述技术目的,本发明的技术方案为:
基于近场声阵列的转子噪声源识别方法,其特征在于,包括以下步骤:
(1)选择识别转子噪声源的近场声阵列的拓扑结构;
(2)将声压传感器采集的信号pm(t)和pm'(t)通过快速傅立叶变换,并经过K个时间段的平均化,得到相对应的互谱矩阵元素Gmm':
并由Gmm'组成互谱矩阵
上式中,下标m和m'表示任意两个声压传感器,ωs为时间窗常数,T为傅里叶变换的时间长度,KT表示总时间,*号表示复数共轭,m0为近场声阵列中生涯传感器总数;
(3)构建导向因子em:
并由导向因子em构成导向因子向量
上式中,am为对流折射修正因子,f为声源频率;c为常温下空气中声信号传播的速度,r0为声源到近场声阵列中心的距离,rm为声源到第m个声压传感器的距离;
(4)根据互谱矩阵和导向因子向量求出中间声源点信号
(5)通过导向因子em,把最终声源点信号转化为虚拟声压传感器信号pm:n:
上式中,下标m:n表示第m个声压传感器、第n个最终声源点,Qn表示第n个最终声源点的声压信号的平方,n=1,2,…,N,N为最终声源点总数;
(6)任意两个虚拟声压传感器信号乘积为:
令将式(7)代入式(2)中,得,
并求出
(7)根据和求出修正后的中间声源点信号
上式中,下标n'和n和分别表示中间声源点和最终声源点, 且是N阶方阵;
(8)令 求出Xn;
(9)根据声源点的空间坐标和步骤(8)中得到的声压值Xn进行声源面重构,从而识别出噪声源位置。
进一步地,近场声阵列的拓扑结构为均匀线性拓扑结构。
进一步地,当处于静态测量时,对流折射修正因子am≈1。
进一步地,在步骤(8)中,若是奇异矩阵,则利用改进的高斯迭代法计算出Xn:
上式中,Yn即为Ann'为中第n行第n'列元素。
进一步地,声源到第m个声压传感器的距离其中,dm为第m个声压传感器到近场声阵列中心的距离,θ0为声源入射角。
采用上述技术方案带来的有益效果:
(1)本发明传感器布置在近场范围,考虑了声源的衰减,且传感器布置方式可以根据实际情况进行调整(线性、弧形、L型等);
(2)本发明可利用转子运行过程中测量得到的噪声源信号进行声场重构,从而识别出噪声源位置。
(3)本发明属于非接触式测量,测量过程中不会对被测目标产生附加质量或附加刚度的影响,不会对精密仪器的表面精密度产生影响。
附图说明
图1是本发明的近场声阵列结构示意图;
图2是本发明的流程图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
将声压传感器布置在声源的近场范围,即信号源到声压传感器的距离r满足经验公式(11),此时考虑信号源到声阵列的阵元的幅值衰减,即需要用近场波前模型代替平面波模型来描述声波的传播,模型结构如图1所示:
式中:L为阵列长度,λ为声波波长。
根据图1,运用几何关系可以得到
上式中,r0为声源和近场声阵列中心的距离,rm为声源到第m个声压传感器的距离,d为两个相邻阵元的间距,dm为第m个声压传感器与阵列中心的距离,θ0为声源入射角,m0为声压传感器总数。
r0、rm是所要定位声源的距离参数,通过这两个参数可以得到声源位置。
如图2所示本发明的流程图,包括以下步骤:
(1)选择识别转子噪声源的近场声阵列的拓扑结构。根据实际情况采用线性、弧形或L型拓扑结构。本文采用均匀线性拓扑结构对转子噪声源识别系统进行描述。
(2)将声压传感器采集的信号pm(t)和pm'(t)通过快速傅立叶变换,并经过K个时间段的平均化,得到相对应的互谱矩阵元素Gmm':
并由Gmm'组成互谱矩阵
上式中,下标m和m'表示任意两个声压传感器,ωs为时间窗常数,T为傅里叶变换的时间长度,KT表示总时间,*号表示复数共轭,m0为近场声阵列中生涯传感器总数。
(3)构建导向因子em:
并由导向因子em构成导向因子向量
上式中,am为对流折射修正因子,当处于静态测量时,am≈1;f为声源频率;c为常温下空气中声信号传播的速度,r0为声源到近场声阵列中心的距离,rm为声源到第m个声压传感器的距离。
(4)根据互谱矩阵和导向因子向量求出中间声源点信号
(5)通过导向因子em,把最终声源点信号转化为虚拟声压传感器信号pm:n:
上式中,下标m:n表示第m个声压传感器、第n个最终声源点,Qn表示第n个最终声源点的声压信号的平方,n=1,2,…,N,N为最终声源点总数。
(6)任意两个虚拟声压传感器信号乘积为:
令将式(7)代入式(2)中,得,
并求出
(7)根据和求出修正后的中间声源点信号
上式中,下标n'和n和分别表示中间声源点和最终声源点, 且是N阶方阵;
(8)令求出Xn。如果非奇异,Xn可以直接求逆得到,即如果奇异,则需要利用改进的高斯迭代法进行计算:
(9)根据声源点的空间坐标和步骤(8)中得到的声压值Xn进行声源面重构,从而识别出噪声源位置。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.基于近场声阵列的转子噪声源识别方法,其特征在于,包括以下步骤:
(1)选择识别转子噪声源的近场声阵列的拓扑结构;
(2)将声压传感器采集的信号pm(t)和pm'(t)通过快速傅立叶变换,并经过K个时间段的平均化,得到相应的互谱矩阵元素Gmm':
并由Gmm'组成互谱矩阵
上式中,下标m和m'表示任意两个声压传感器,ωs为时间窗常数,T为傅里叶变换的时间长度,KT表示总时间,*号表示复数共轭,m0为近场声阵列中生涯传感器总数;
(3)构建导向因子em:
并由导向因子em构成导向因子向量
上式中,am为对流折射修正因子,f为声源频率;c为常温下空气中声信号传播的速度,r0为声源到近场声阵列中心的距离,rm为声源到第m个声压传感器的距离;
(4)根据互谱矩阵和导向因子向量求出中间声源点信号
(5)通过导向因子em,把最终声源点信号转化为虚拟声压传感器信号pm:n:
上式中,下标m:n表示第m个声压传感器、第n个最终声源点,Qn表示第n个最终声源点的声压信号的平方,n=1,2,…,N,N为最终声源点总数;
(6)任意两个虚拟声压传感器信号乘积为:
令将式(7)代入式(2)中,得,
并求出
(7)根据和求出修正后的中间声源点信号
上式中,下标n'和n和分别表示中间声源点和最终声源点, 且是N阶方阵;
(8)令 求出Xn;
(9)根据声源点的空间坐标和步骤(8)中得到的声压值Xn进行声源面重构,从而识别出噪声源位置。
2.根据权利要求1所述基于近场声阵列的转子噪声源识别方法,其特征在于:近场声阵列的拓扑结构为均匀线性拓扑结构。
3.根据权利要求1所述基于近场声阵列的转子噪声源识别方法,其特征在于:当处于静态测量时,对流折射修正因子am≈1。
4.根据权利要求1所述基于近场声阵列的转子噪声源识别方法,其特征在于:在步骤(8)中,若是奇异矩阵,则利用改进的高斯迭代法计算出Xn:
上式中,Yn即为Ann'为中第n行第n'列元素。
5.根据权利要求1所述基于近场声阵列的转子噪声源识别方法,其特征在于:声源到第m个声压传感器的距离其中,dm为第m个声压传感器到近场声阵列中心的距离,θ0为声源入射角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510629747.8A CN105241544B (zh) | 2015-09-28 | 2015-09-28 | 基于近场声阵列的转子噪声源识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510629747.8A CN105241544B (zh) | 2015-09-28 | 2015-09-28 | 基于近场声阵列的转子噪声源识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105241544A true CN105241544A (zh) | 2016-01-13 |
CN105241544B CN105241544B (zh) | 2018-08-21 |
Family
ID=55039270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510629747.8A Expired - Fee Related CN105241544B (zh) | 2015-09-28 | 2015-09-28 | 基于近场声阵列的转子噪声源识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105241544B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107765221A (zh) * | 2017-09-28 | 2018-03-06 | 合肥工业大学 | 适用于相干和非相干声源的反卷积声源成像算法 |
CN111551943A (zh) * | 2020-05-19 | 2020-08-18 | 中国科学院声学研究所 | 一种基于damas2的稀疏布阵高分辨三维声成像方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6170326B1 (en) * | 1998-06-29 | 2001-01-09 | Veri-Tek Inc. | Signal processing system for energy transfer arrangement under test |
JP2004212331A (ja) * | 2003-01-08 | 2004-07-29 | Mitsubishi Heavy Ind Ltd | 船舶の音響雑音監視システム、及びプログラム |
US20060080418A1 (en) * | 2004-10-13 | 2006-04-13 | Wayne State University | Farfield analysis of noise sources |
CN101076203A (zh) * | 2007-06-15 | 2007-11-21 | 南京大学 | 拾取近场声源信号的传声器阵列 |
CN103728013A (zh) * | 2013-12-25 | 2014-04-16 | 广西科技大学 | 噪声源识别方法 |
CN103941229A (zh) * | 2014-03-21 | 2014-07-23 | 哈尔滨工程大学 | 一种局部近场声全息法的移动噪声源识别方法 |
-
2015
- 2015-09-28 CN CN201510629747.8A patent/CN105241544B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6170326B1 (en) * | 1998-06-29 | 2001-01-09 | Veri-Tek Inc. | Signal processing system for energy transfer arrangement under test |
JP2004212331A (ja) * | 2003-01-08 | 2004-07-29 | Mitsubishi Heavy Ind Ltd | 船舶の音響雑音監視システム、及びプログラム |
US20060080418A1 (en) * | 2004-10-13 | 2006-04-13 | Wayne State University | Farfield analysis of noise sources |
CN101076203A (zh) * | 2007-06-15 | 2007-11-21 | 南京大学 | 拾取近场声源信号的传声器阵列 |
CN103728013A (zh) * | 2013-12-25 | 2014-04-16 | 广西科技大学 | 噪声源识别方法 |
CN103941229A (zh) * | 2014-03-21 | 2014-07-23 | 哈尔滨工程大学 | 一种局部近场声全息法的移动噪声源识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107765221A (zh) * | 2017-09-28 | 2018-03-06 | 合肥工业大学 | 适用于相干和非相干声源的反卷积声源成像算法 |
CN111551943A (zh) * | 2020-05-19 | 2020-08-18 | 中国科学院声学研究所 | 一种基于damas2的稀疏布阵高分辨三维声成像方法及系统 |
CN111551943B (zh) * | 2020-05-19 | 2022-07-12 | 中国科学院声学研究所 | 一种基于damas2的稀疏布阵高分辨三维声成像方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105241544B (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Salomons et al. | Eulerian time-domain model for sound propagation over a finite-impedance ground surface. Comparison with frequency-domain models | |
CN107238826B (zh) | 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法 | |
Zhao et al. | Fault diagnosis of wind turbine bearing based on stochastic subspace identification and multi-kernel support vector machine | |
CN100510697C (zh) | 区间b样条小波单元用于转子横向裂纹定量诊断的方法 | |
CN102857850B (zh) | 一种高频超声发射器及阵列声学参数近场校准方法 | |
CN103076397B (zh) | 土木工程墙板结构损伤检测的微动测试方法与系统 | |
CN103645248B (zh) | 一种基于超声相速度的高温合金晶粒度评价方法 | |
CN105589066A (zh) | 一种利用垂直矢量阵估计水下匀速运动航行器参数的方法 | |
CN111651896B (zh) | 一种基于实际风速及实际复杂地形的风电场流场计算方法 | |
CN102661782B (zh) | 一种超低频振动参数量值的快速测量方法 | |
CN103176163A (zh) | 基于相位模型的舰船线谱噪声源位置识别方法 | |
CN108731913A (zh) | 一种模拟特定非线性波浪序列的方法 | |
CN106202977A (zh) | 一种基于盲源分离算法的低频振荡模式分析方法 | |
Mollasalehi et al. | Contribution of small wind turbine structural vibration to noise emission | |
CN101587007A (zh) | 识别柔性桥梁结构动力参数的惟输出小波基分析方法 | |
CN105136073A (zh) | 一种在边坡形变监测中的气象校正模型 | |
CN105929444B (zh) | 一种基于互相关偏移与最小二乘思想的微地震定位方法 | |
CN105241544A (zh) | 基于近场声阵列的转子噪声源识别方法 | |
Di Lorenzo et al. | Dynamic characterization of wind turbine gearboxes using Order-Based Modal Analysis | |
Gecgel et al. | Deep convolutional neural network framework for diagnostics of planetary gearboxes under dynamic loading with feature-level data fusion | |
Chen et al. | Deep learning for compressed sensing-based blade vibration reconstruction from sub-sampled tip-timing signals | |
Etien et al. | A tacholess order analysis method for PMSG mechanical fault detection with varying speeds | |
Wu et al. | Fast calibration for vibration-based pavement roughness measurement based on model updating of vehicle dynamics | |
CN114757240B (zh) | 一种水声目标运动参数联合估计方法 | |
Van Zwieten et al. | Design and analysis of an ocean current turbine performance assessment system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180821 |