CN105659064A - 用于对机器进行声学分析的方法、系统及计算机程序 - Google Patents
用于对机器进行声学分析的方法、系统及计算机程序 Download PDFInfo
- Publication number
- CN105659064A CN105659064A CN201480055830.2A CN201480055830A CN105659064A CN 105659064 A CN105659064 A CN 105659064A CN 201480055830 A CN201480055830 A CN 201480055830A CN 105659064 A CN105659064 A CN 105659064A
- Authority
- CN
- China
- Prior art keywords
- machine
- acoustic signature
- sound source
- acoustic
- feature
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 title claims description 9
- 238000000926 separation method Methods 0.000 claims abstract description 30
- 230000007547 defect Effects 0.000 claims description 37
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000012880 independent component analysis Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 16
- 230000002950 deficient Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- 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
- H04R29/004—Monitoring arrangements; Testing arrangements for microphones
- H04R29/005—Microphone arrays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2693—Rotor or turbine parts
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
- H04R2499/10—General applications
- H04R2499/13—Acoustic transducers and sound field adaptation in vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Otolaryngology (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于对机器(M)进行声学分析的方法，该方法包括采集由位于所述机器中的至少一个麦克风(7)所提供的至少一个声学信号，其特征在于，所述方法还包括如下步骤：将至少一个声学信号分离成多个声源，所述信号被建模为分量的组合，每个所述分量对应于一个声源；针对至少一个分离的声源，确定特征声学签名；将至少一个特征声学签名与参考数据库(5)中记录的至少一个参考声学签名进行比较。
Description
技术领域
本发明涉及机器(例如，诸如飞行器发动机之类的发动机)的监测领域。具体地，本发明涉及一种用于对机器进行声学分析以对该机器内的异常进行检测或预测的方法及系统。
背景技术
机器是一种机械系统，该机械系统会承受应力，该应力能够导致其部件出现磨损。因此，总体而言，试图尽可能高效地对机器的状态进行监测以对缺陷的出现进行检测或预测。
如果机器(例如，飞行器发动机)具有产生噪声的缺点，然而可以想象利用该缺点以非入侵的方式实现缺陷的诊断或预后。
因此，根据公开专利US2007/0255563A1已知一种用于监测飞机涡轮喷气发动机的系统，根据该公开专利，使用位于涡轮喷气发动机的机舱下方的两个麦克风记录源自正在运行的涡轮喷气发动机的声学信号，并且使用语音识别算法将所采集的信号与参考信号进行比较。通过这种方式，可以对所采集的信号中的表示涡轮喷气发动机的状态的“字(words)”进行识别。
尽管这样的系统具有使用完善的语音识别算法的优点，但是其功效仍然有限。由于实际上在涡轮喷气发动机上的噪声源具有多样性，分析所采集的声学信号会相对复杂并且表示缺陷的“字”在幅度、相位和/或频率方面可能存在相当大的差异。因此，很难识别出这样的具有代表性的“字”，从而存在无法对所采集的实际上表示所给定的缺陷的声学信号进行管理的风险，尤其是在源自所获得的声学信号的“字”明显不同于参考信号的“字”的情况下。
发明内容
本发明的目的在于提出一种技术以使得能够根据对机器所产生的噪声的分析来改善对机器的缺陷的诊断或预后。为此，提出了一种对机器进行声学分析的方法，该方法包括：采集由位于机器中的至少一个麦克风所提供的至少一个声学信号，其特征在于，该方法还包括如下步骤：
-将至少一个声学信号分离成多个声源，所述信号被建模为多个分量的组合，每个分量对应于一个声源；
-针对至少一个所分离的声源，确定特征声学签名；以及
-将至少一个特征声学签名与参考数据库中记录的至少一个参考声学签名进行比较。
下面为本发明的某些优选的而非限定性的方面：
-每个参考声学签名可以对应于机器的缺陷的声学签名特征，并且该方法包括：当所分离的声源的特征声学签名与一缺陷的参考声学签名特征之间的差值低于阈值时，识别所述机器的所述缺陷。
-该方法可以包括用于确定至少一个参考声学签名的步骤，所述步骤包括：
○采集由位于至少一个参考机器中的至少一个麦克风所提供的至少一个参考声学信号；
○将至少一个参考声学信号分离成多个参考声源；
○针对至少一个分离的参考声源，确定参考声学签名；
○将所述至少一个分离的参考声源的特征声源签名记录到参考数据库中。
-至少一个参考机器可以是无缺陷的机器；
-至少一个参考机器可以是与之前所考虑的机器相同的机器或者可以是相同类型的、具有相同运行历史的机器；以及
-至少一个参考机器可以包括至少两个机器。
此外，本发明的主题还是一种用于对机器进行声学分析的系统，包括：用于采集位于所述机器中的至少一个麦克风所提供的至少一个声学信号的装置以及记录有至少一个参考声学签名的参考数据库，其特征在于，所述系统还包括：声源分离模块、声学签名确定模块以及声学签名比较模块，这些模块被配置成执行根据本发明的方法。
本发明的主题还是一种计算机程序产品，该计算机程序产品包括代码指令，当所述程序在计算机上运行时，所述代码指令用于执行根据本发明的方法中的步骤。
附图说明
通过阅读以下通过非限制性方式给出并且参考附图而做出的形成本发明的优选实施例的详细描述，本发明的其他方面、目标、优点及特征将变得更清楚，在附图中：
图1以示意性的方式示出了根据本发明第一可能实施例的在用于对机器进行声学分析的系统或方法中执行的材料装置的示例；
图2以示意性的方式示出了根据本发明第二可能实施例的在用于对机器进行声学分析的系统或方法中执行的材料装置的示例；
图3以示意性的方式示出了根据本发明第三可能实施例的在用于对机器进行声学分析的系统或方法中执行的材料装置的示例；
图4以示意性的方式示出了根据本发明第四可能实施例的在用于对机器进行声学分析的系统或方法中执行的材料装置的示例。
具体实施方式
本发明提出了一种方法、系统及计算机程序产品，以使得能够通过对机器所产生的噪声的分析来检测或预测机器的缺陷。总的来说，本发明通过对机器生成的噪声的记录的分解为所述记录的声源所得到的信号而非对所述记录使用识别算法来跟踪特征声学签名。
图1至图4示出了根据本发明的可能实施例的、在用于对待测机器M进行声学分析的系统及方法的不同的可能实施例中执行的材料装置的示例。在这些附图中，相同的元件具有相同的附图标记。
所测试的机器M可以是空中或陆地交通工具的发动机，例如，如图1至图4中示意性地描述的飞行器发动机。然而，本发明并不限定于这样的示例性示例，而是以通用的方式扩展至任何产生噪声的机械系统的研究。
至少一个麦克风7位于机器M中，例如，位于飞行器发动机的机舱下方。优选地，可以使用多个麦克风，例如，十个左右麦克风，使得这些麦克风能够在机器的不同部件之间展开，例如，在飞行器发动机的风扇壳体、主壳体以及气体喷射锥体之间展开。
系统包括用于采集位于所测试机器M中的麦克风7所提供的至少一个声学信号的装置1，以及记录有至少一个参考声学签名Sign(Rj)的参考数据库5。
该采集使得能够形成声学信号的矩阵X，该矩阵的行数为麦克风的个数，并且该矩阵的列数取决于进行分析所考虑的样本的个数。因此，矩阵X的第i行对应于麦克风在给定的时间段内记录的声学信号的不同样本。矩阵X的第j列对应于给定的采样时刻关于来自不同的麦克风的信号的测量值。因此，在本发明的范围内，所采集的声学信号是指在给定时间段的时间块内的一组样本。本发明在时间块内实现，并且可以明显地在其他时间块内重复。
系统还包括处理链，该处理链由用于声源分离模块2、声学签名确定模块3以及声学签名比较模块4组成。
更具体地，声源分离模块2被配置成执行声源分离算法以将至少一个声学信号分离(分解)成多个声源，所述声学信号被建模成多个分量的组合，每个分量对应于一个声源。该算法根据所测量的声学信号(也称为基于声源分离情况下的观察)估算声源。
由于噪声源数量众多，因此到目前为止所采集的声学信号相对复杂。因此，可以认为声学信号收集了声源的不同组合。本发明提出对麦克风7所采集的组合进行分解以产生虚拟信号，该虚拟信号能够隔离原始声源。
出于此目的，声源分离模块2可以被配置成对声源执行盲分离，所述盲分离是基于以多个分量的线性组合形式对所采集的信号进行建模的方式实现的，其中，每一个分量对应于一个声源。
声源的盲分离使得能够从所测量的信号中提取出独立的声源。换句话说，这种分离使得能够估算声源的矩阵S和分离矩阵A，使得S＝A*X，其中，X对应于所采集的声学信号的矩阵。由此，X＝A-1*S，其中，分离矩阵A的逆矩阵(组合矩阵A-1)示出了每个声源对各个声学信号的形成做出的贡献，也就是说，与一个声源对应的光学信号的每个分量的权重。
在一实施例中，认为矩阵S与矩阵X具有相同的维数，声源的数量因此等于测量通道的数量。
在一实施例中，声源的盲分离是例如根据JADE(JointApproximateDiagonalizationofEigenmatrices，本征矩阵的联合近似对角化)算法进行的ICA(IndependentComponentAnalysis，独立分量分析)类型的分离。在另一实施例中，声源的盲分离是SCA(SparseComponentAnalysis，稀疏分量分析)类型的分离。
在一实施例变型中，系统包括Gabor滤波器组，该Gabor滤波器组被设置在声源分离模块2的上游，并且被配置成在对所测量的信号应用盲源分离之前对所测量的信号应用离散Gabor变换。Gabor滤波器对应于由高斯调制的纯净频率。这些纯净频率非常适合于识别图像上的纹理，并且因此可以容易地应用于所测量的信号的时间—频率表示。
离散Gabor变换具有可逆的优点，并且因此使得不仅能够分析信号而且还能够构造滤波器组(滤波之后重构时间信号)。应用该滤波器组使得能够对传感器的数量不足进行补偿，并且能够对与周期图的不同纹理对应的多个声源进行模拟。从而，声源分离被应用于滤波器组的出口处而不是应用于声源信号。
声源分离模块2还可以被配置成执行非盲分解。例如，当发动机的独立旋转轴的数量已知时，就可以使用顺序追踪方法来将源自每个轴的信息项与影响旋转速度的噪声分离。
非盲声源分离利用发动机的物理配置。总的来说，轴的转速和齿轮叶片的数量以及抗摩擦轴承的限定(滚珠或滚子的直径和数量)意味着能够提前得知与高压主体和低压部件对应的频率。因此，能够对对应的频率以及各种调制进行滤波。从而，可以将唯一取决于每个轴的信号隔离。这对于每个轴承(幅度)或齿轮(频率)的经演绎的调制的信号是同样的，在不平衡所导致的缺陷的情况出现的调制。在提取所隔离的信号之后，于是可以独立处理残留信号。该残留信号明显地包括壳体的共振以及来自流体传播(发嘶嘶声)和燃烧室的噪声。当已知发动机的部件的基本模式时，还可以对这些共振的一些进行滤波。
在模块2执行对声源进行分离的步骤的最后，声源的矩阵因而在分离的声源Si的样本的每一行上可以进行分组。下文所描述的将这些“虚拟”声源用于实现参考声学签名的识别证明其有利之处在于，不同于所采集的声学信号，这些声源是独立的或者实际上独立的。于是对参考声学签名的识别更快速并更可靠。
声学签名确定模块3其自身具体地被配置成确定至少一个分离的声源Si的至少一个特征声学签名Sign(Si)。优选地，确定分离的声源Si中每一个的特征声学签名Sign(Si)。在一可能的实施例中，分离的声源Si中的一个或更多个被认为是并非机器M的特定组件所引起的噪声，并且因此并不是进行声学签名的确定和比较的对象。
特征签名是指声源的、形式为例如向量的唯一指纹，所述向量包括通过分析(例如，执行对分离的声源的傅立叶变换的频率分析)提取的一个或更多个指示符。
声学签名比较模块4其自身被配置成将声学签名确定模块3所生成的特征声学签名Sign(Si)与参考数据库5中所记录的参考声学签名Sign(Rj)进行比较。
这些模块3和4因此被配置成实现对声学信号(这里，信号来自于分离的声源)中的参考签名的识别，例如，声音或音乐提取识别方法。作为说明示例，模块3和4执行于2003年Shazam娱乐公司Wang,AveryLi-Chun发表的题名为“AnIndustrial-StrengthAudioSearchAlgorithm(工业级音频搜索算法)”的文章所描述的方法。从而，声学签名确定模块3被配置成：绘制至少一个分离的声源的频谱、通过设定频谱的阈值识别强度峰值以及计算强度峰值之间的距离。
模块3和4也可以执行稀疏投影方法，根据该稀疏投影方法，可以将分离的声源的频谱变换(声谱图)投影到设置有度量的维度减小的空间上。可以根据实现例如根据PCA(PrincipalComponentAnalysis，主成分分析)或NMF(Non-NegativeMatrixFactorization，非负矩阵分解)的线形回归的学习投影模型来执行该投影，或者根据基于例如曲波的滤波器的数学投影模型来执行该投影。
可以将参考签名的识别结果提供给人机界面模块6，该人机界面模块6明显被配置成当检测或预测到测试机M的缺陷时能够通知操作员。
在图1中所示的用于执行识别缺陷的签名的第一实施例中，每个参考声学签名Sign(Rj)都对应于机器的缺陷的声学签名特征。签名比较模块4则被配置成对分离的声源的签名中的缺陷签名进行跟踪。换句话说，模块4则被配置成当分离的声源的特征声学签名Sign(Si)与所述缺陷的参考声学签名特征Sign(Rj)之间的差值低于阈值时，完成对机器的缺陷j的识别。
在一可能的实施例中，当所识别的缺陷j经由例如维修检查而被证实时，则可以通过将与所述缺陷的参考声学签名特征Sign(Rj)接近的分离的声源的特征声源签名Sign(Si)记录在参考数据库5中来丰富该参考数据库5。否则，可以对缺陷识别阈值进行修改以避免任何错误警报。此外，当出现缺陷时，并且该缺陷是在运行过程中或者在维护期间被识别的，而不是通过对声学签名进行比较而识别的，该缺陷的声学信号可以被采集并且用于将该缺陷的参考声学签名记录到参考数据库中。
在图2至图4所示的其他实施例中，执行用于确定至少一个参考声学签名的步骤以完善参考数据库5。该步骤包括如下操作：
-采集由麦克风提供的至少一个参考声学信号，该麦克风位于参考机器Ms、Mt、Ms、Ms2、Md1、Md2中，该麦克风优选地与麦克风7位于所测试的机器M中的同一位置；
-使用类似于前述模块2的声源分离模块20来将至少一个参考声学信号分离成多个参考声源Rj；
-针对分离的至少一个参考声源Rj，优选地，针对参考机器的特定部件所引起的每个参考声源，使用类似于前述模块3的声学签名确定模块30来确定特征声学签名Sign(Rj)；
-将分离的至少一个参考声源Rj的特征声学签名Sign(Rj)记录到参考数据库5中。
在图2所示的第二实施例中，根据该第二实施例，试图识别出没有被识别的声音签名，可以考虑形式为无缺陷的机器Ms的参考机器。通过这种方式，可以将用于表征机器的声音运行的参考声源的一个或更多个声源特征记录在参考数据库5中。
然后，签名比较模块4被配置成核查是否对于所测试的机器M而言的参考声源的所有签名特征都可以在分离声源的特征签名中找到，如果没有找到表征声音运行的参考签名，则缺陷得以被识别。换句话说，模块4被配置成：当分离声源的特征声学签名Sign(Si)与参考数据库中所记录的声学签名Sign(Rj)之间的差值低于阈值时，识别所测试的机器M的缺陷运行。
在图3所述的第三实施例中，根据该第三实施例，对签名的演进进行了表征。参考机器是与所测试的机器M相同的机器Mt，机器M是之前考虑的用于执行确定参考声学签名的步骤，例如已知机器Mt没有缺陷的同时离开工厂时，或者在机器的运行期间(例如，在特定的飞行次数之后)。
从而，签名比较模块4被配置成计算所测试的机器M的声源的签名与参考机器Mt的声源的签名之间的整体差值。这种差值能够通过执行前面的确定参考声学签名的步骤来表征发动机的潜在恶化。换句话说，这里，模块4被配置为：当机器的由分离的声源的特征声源签名Sign(Si)所组成的指纹向量与由参考数据库中所记录的声学签名Sign(Rj)组成的指纹向量之间的差值高于阈值时，识别机器的缺陷运行。
在该第三实施例的变型中，参考机器Mt与所测试的机器M是相同类型的机器，并且具有相同的运行历史。参考机器Mt和所测试机器M例如是同一飞行器的发动机。
在图4所示的第四实施例中使用了多个参考机器，目的在于识别最接近所测试的机器的参考机器。
参考机器可以包括一个或更多个无缺陷机器Ms1、Ms2，以及一个或更多个缺陷机器Md1、Md2，这些缺陷机器Md1、Md2可根据异常的类型将这些有缺陷的机器组合成不同的类别(例如，一类为有缺陷的涡轮发动机，另一类为有缺陷的压缩机发动机)。专家可以根据对机器所产生的噪声的分析(根据专家的工作专长进行分析、或者根据一组频谱(已经针对可比较的机器确定的频谱或者参考数据库中可获得的频谱)进行分析、基于专家对频谱中相同的区域的识别进行分析)来限定类别。还可以通过使用自动分类工具来执行例如层次分类、高斯组合模型(例如，通过最大期望算法)、或自组织映射等来限定类别。
这里，签名比较模块4被配置成针对每个参考机器或每类参考机器计算由分离的声源的特征声学签名组成的所测试的机器的指纹向量与由参考数据库中记录的对应于参考机器或一类参考机器的声学签名组成的指纹向量之间的差值。最小差值表示最接近于所测试的机器的参考机器或者一类参考机器。如果参考机器是有缺陷的机器，或者如果参考机器的类别是代表异常的类别，则可以通过人机界面模块6发出缺陷运行的警报。在一可能的实施例中，当所测试的机器的指纹向量与每个参考指纹向量之间的差值高于阈值时，则认为该待测机器具有缺陷并且针对所测试的机器创建新的类别。
在图2至图4的实施例中，当识别出所测试的机器的缺陷，但是该缺陷并没有经由例如维护检查进行证实时，则可以对缺陷识别阈值进行修改以避免任何错误的警报。
本发明并不限定于如前所述的系统和方法，而是扩展至包括代码指令的计算机程序产品，当该程序在计算机上执行时，该计算机程序产品用于执行根据本发明所述的方法的步骤。
Claims (10)
1.一种用于对机器(M)进行声学分析的方法，包括采集由位于所述机器中的至少一个麦克风(7)所提供的至少一个声学信号，其特征在于，所述方法还包括如下步骤：
-将所述至少一个声学信号分离成多个声源，所述信号被建模为分量的组合，每个所述分量对应于一个声源；
-针对至少一个分离的声源，确定特征声学签名；
-将至少一个特征声学签名与参考数据库(5)中记录的至少一个参考声学签名进行比较。
2.根据权利要求1所述的方法，其中，每个所述参考声学签名对应于所述机器的缺陷的声学签名特征，所述方法包括：当所分离的声源的特征声学签名与一缺陷的参考声学签名特征之间的差值低于阈值时，识别所述机器的所述缺陷。
3.根据权利要求1所述的方法，包括用于确定至少一个参考声学签名的步骤，所述步骤包括：
-采集由位于至少一个参考机器中的至少一个麦克风所提供的至少一个参考声学信号；
-将至少一个参考声学信号分离成多个参考声源；
-针对至少一个分离的参考声源，确定参考声学签名；
-将所述至少一个分离的参考声源的所述特征声源签名记录到所述参考数据库中。
4.根据权利要求3所述的方法，其中，至少一个参考机器是无缺陷的机器，所述方法包括：当分离的声源的特征声学签名与所述参考数据库中记录的声学签名之间的差值高于阈值时，识别所述机器的缺陷运行。
5.根据权利要求3所述的方法，其中，至少一个参考机器是与之前所考虑的机器相同的机器或者是相同类型的、具有相同运行历史的机器，所述方法包括：当由至少一个分离的声源的至少一个特征声学签名组成的所述机器的指纹向量与由所述参考数据库中记录的至少一个声学签名组成的指纹向量之间的差值高于阈值时，识别所述机器的缺陷运行。
6.根据权利要求4所述的方法，其中，所述至少一个参考机器包括至少两个机器，所述方法包括：计算由至少一个分离的声源的至少一个特征声学签名组成的所述机器的指纹向量与每个均由所述参考数据库中记录的与所述参考机器之一对应的至少一个声学签名组成的指纹向量之间的差值。
7.根据权利要求1至6中任一项所述的方法，其中，所述确定分离的声源的特征声学签名包括：绘制所述分离的声源的频谱、通过设定所述频谱的阈值识别强度峰值、计算所述强度峰值之间的距离。
8.根据权利要求1至7中任一项所述的方法，其中，所述将至少一个声学信号分离成多个声源是通过计算机处理装置来执行的，该计算机处理装置被配置成执行独立分量分析。
9.一种用于对机器(M)进行声学分析的系统，包括用于采集位于所述机器中的至少一个麦克风(7)所提供的至少一个声学信号的装置(1)以及记录有至少一个参考声学签名的参考数据库(5)，其特征在于，所述系统还包括：
-声源分离模块(2)，配置成将至少一个声学信号分离成多个声源，所述信号被建模为多个分量的组合，每个所述分量对应于一个声源；
-声学签名确定模块(3)，配置成确定至少一个所分离的声源的至少一个特征声学签名；
-比较声学签名比较模块(4)，配置成将至少一个特征声学签名与所述参考数据库中记录的至少一个参考声学签名进行比较。
10.一种计算机程序产品，所述计算机程序产品包括代码指令，当所述程序在计算机上运行时，所述代码指令用于执行根据权利要求1至8中任一项所述的方法中的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1359897 | 2013-10-11 | ||
| FR1359897A FR3011936B1 (fr) | 2013-10-11 | 2013-10-11 | Procede, systeme et programme d'ordinateur d'analyse acoustique d'une machine |
| PCT/FR2014/052556 WO2015052438A1 (fr) | 2013-10-11 | 2014-10-09 | Procédé, système et programme d'ordinateur d'analyse acoustique d'une machine |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105659064A true CN105659064A (zh) | 2016-06-08 |
Family
ID=50231270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480055830.2A Pending CN105659064A (zh) | 2013-10-11 | 2014-10-09 | 用于对机器进行声学分析的方法、系统及计算机程序 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US10495546B2 (zh) |
| EP (1) | EP3039397B1 (zh) |
| CN (1) | CN105659064A (zh) |
| BR (1) | BR112016007121B1 (zh) |
| CA (1) | CA2926216C (zh) |
| FR (1) | FR3011936B1 (zh) |
| RU (1) | RU2669128C2 (zh) |
| WO (1) | WO2015052438A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109246570A (zh) * | 2018-08-29 | 2019-01-18 | 北京声智科技有限公司 | 麦克风质检的装置及方法 |
| CN110296842A (zh) * | 2019-06-28 | 2019-10-01 | 潍柴动力股份有限公司 | 发动机的诊断方法及装置 |
| CN110992977A (zh) * | 2019-12-03 | 2020-04-10 | 北京声智科技有限公司 | 一种目标声源的提取方法及装置 |
| CN114026403A (zh) * | 2019-06-26 | 2022-02-08 | 西门子股份公司 | 机器状态的声学分析 |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
| FR3027667B1 (fr) | 2014-10-22 | 2020-10-09 | Snecma | Procede et dispositif de surveillance d'une roue aubagee de moteur d'aeronef par mesure de position d'equilibre |
| KR101625304B1 (ko) * | 2014-11-18 | 2016-05-27 | 경희대학교 산학협력단 | 음향 정보에 기초한 사용자 다수 행위 인식 방법 |
| WO2018149500A1 (en) * | 2017-02-16 | 2018-08-23 | Areva Gmbh | Method for identifying an acoustic source in a component |
| FR3064070B1 (fr) * | 2017-03-20 | 2021-02-26 | Safran Aircraft Engines | Procede de surveillance des moteurs d'un aeronef |
| US11659322B1 (en) * | 2017-06-26 | 2023-05-23 | Wing Aviation Llc | Audio based aircraft detection |
| US10466210B2 (en) * | 2017-07-07 | 2019-11-05 | Baxton Chen | Pottery shard analysis using matching vibration signatures |
| WO2019204883A1 (en) * | 2018-04-26 | 2019-10-31 | Ping Services Pty Ltd | An apparatus and method of detecting anomalies in an acoustic signal |
| US10705057B2 (en) | 2018-05-10 | 2020-07-07 | Baxton Chen | Precious material analysis using vibration signature comparison |
| GB201903646D0 (en) | 2019-03-18 | 2019-05-01 | Rolls Royce Plc | Condition determination of a gas turbine engine |
| US11579598B2 (en) * | 2019-10-17 | 2023-02-14 | Mitsubishi Electric Research Laboratories, Inc. | Manufacturing automation using acoustic separation neural network |
| US20220178324A1 (en) * | 2020-12-09 | 2022-06-09 | Transportation Ip Holdings, Llc | Systems and methods for diagnosing equipment |
| DE102021200649A1 (de) | 2021-01-26 | 2022-07-28 | Zf Friedrichshafen Ag | Verfahren und Steuereinrichtung zur Schadenserkennung an einem Bauteil |
| CN115344531A (zh) * | 2021-05-14 | 2022-11-15 | 皇家飞利浦有限公司 | 用于经压缩的快速医疗互操作资源（fhir）文件相似性搜索的方法和系统 |
| IT202100019682A1 (it) * | 2021-07-23 | 2023-01-23 | Leonardo Spa | Metodo e dispositivo per il monitoraggio del funzionamento di una coppia di motori turboelica mediante elaborazione numerica di una grandezza acustica |
| US20240060428A1 (en) * | 2022-08-22 | 2024-02-22 | Pratt & Whitney Canada Corp. | Acoustical health monitoring of gas turbine engines |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5309378A (en) * | 1991-11-18 | 1994-05-03 | Hughes Aircraft Company | Multi-channel adaptive canceler |
| US5918233A (en) * | 1996-05-30 | 1999-06-29 | The Foxboro Company | Methods and systems for providing electronic documentation to users of industrial process control systems |
| US20020165676A1 (en) * | 2001-03-01 | 2002-11-07 | Wu Sean F. | Circuit Substrate, Battery Pack and Method of Manufacturing Circuit Substrate |
| US20040034482A1 (en) * | 2002-08-16 | 2004-02-19 | Gross Kenny C. | Method and apparatus for using acoustic signals to identify one or more disk drives that are likely to fail |
| CN1478195A (zh) * | 2000-12-01 | 2004-02-25 | 大发工业株式会社 | 异常声音评估系统、声音记录设备以及异常声音评估设备 |
| US20090091441A1 (en) * | 2007-10-09 | 2009-04-09 | Schweitzer Iii Edmund O | System, Method, and Apparatus for Using the Sound Signature of a Device to Determine its Operability |
| US20100033313A1 (en) * | 2008-06-19 | 2010-02-11 | Personics Holdings Inc. | Ambient situation awareness system and method for vehicles |
| US20100139403A1 (en) * | 2008-12-04 | 2010-06-10 | University Of Ottawa | Parameter independent detection of rotating machinery faults |
| US20100161255A1 (en) * | 2008-12-18 | 2010-06-24 | Mian Zahid F | Acoustic-Based Rotating Component Analysis |
| US20120027217A1 (en) * | 2010-07-28 | 2012-02-02 | Pantech Co., Ltd. | Apparatus and method for merging acoustic object information |
| CN102519726A (zh) * | 2011-12-28 | 2012-06-27 | 昆明理工大学 | 一种针对滚动轴承复合故障的声学诊断方法 |
| EP2538034A2 (en) * | 2011-06-23 | 2012-12-26 | United Technologies Corporation | MFCC and CELP to detect turbine engine faults |
| US20120327745A1 (en) * | 2011-06-27 | 2012-12-27 | General Electric Company | Electrical substation fault monitoring and diagnostics |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5918223A (en) * | 1996-07-22 | 1999-06-29 | Muscle Fish | Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information |
| CA2502346A1 (en) * | 2005-03-24 | 2006-09-24 | Royal Group Technologies Limited | Fire barrier component |
| US20070255563A1 (en) * | 2006-04-28 | 2007-11-01 | Pratt & Whitney Canada Corp. | Machine prognostics and health monitoring using speech recognition techniques |
| RU2395068C2 (ru) * | 2008-10-02 | 2010-07-20 | Открытое акционерное общество "Научно-производственное объединение "Сатурн" | Способ диагностики колебаний рабочего колеса турбомашины |
| FR2965915B1 (fr) | 2010-10-11 | 2013-08-02 | Snecma | Systeme de surveillance d'un banc d'essai de moteur d'aeronef |
| FR2968038B1 (fr) | 2010-11-26 | 2012-12-28 | Snecma | Systeme de detection d'un evenement fugace sur une roue aubagee de moteur d'aeronef |
| FR2971595B1 (fr) | 2011-02-15 | 2013-03-22 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
| RU2459281C1 (ru) * | 2011-09-15 | 2012-08-20 | Общество с ограниченной ответственностью "Цифрасофт" | Устройство и способ формирования сигнатуры акустического сигнала, устройство идентификации акустического сигнала |
| FR2983662B1 (fr) | 2011-12-02 | 2015-02-27 | Commissariat Energie Atomique | Dispositif de regulation d'un flux aleatoire d'impulsions de tension en entree d'un convertisseur analogique-numerique. |
| FR2988130B1 (fr) | 2012-03-13 | 2014-05-09 | Snecma | Systeme de detection de defaut sur une roue aubagee de moteur d'aeronef |
| FR2997451B1 (fr) | 2012-10-26 | 2015-01-16 | Snecma | Systeme de surveillance d'un ensemble de composants moteur |
| JP6349383B2 (ja) | 2013-03-29 | 2018-06-27 | サフラン・エアクラフト・エンジンズ | 物体上の欠陥を検出するためのシステム |
| FR3005732B1 (fr) | 2013-05-17 | 2016-10-07 | Snecma | Procede et systeme d'analyse vibratoire d'un moteur |
| FR3009581B1 (fr) | 2013-08-09 | 2015-09-25 | Snecma | Procede de surveillance d'une vanne d'un moteur d'aeronef |
| FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
| FR3012636B1 (fr) | 2013-10-24 | 2015-12-25 | Snecma | Procede de non-regression d'un outil de conception d'un systeme de surveillance de moteur d'aeronef |
| FR3015670B1 (fr) | 2013-12-20 | 2018-08-10 | Safran Aircraft Engines | Dispositif de detection de premices de defaillance d'un systeme mecanique |
-
2013
- 2013-10-11 FR FR1359897A patent/FR3011936B1/fr active Active
-
2014
- 2014-10-09 BR BR112016007121-2A patent/BR112016007121B1/pt active IP Right Grant
- 2014-10-09 CA CA2926216A patent/CA2926216C/fr active Active
- 2014-10-09 CN CN201480055830.2A patent/CN105659064A/zh active Pending
- 2014-10-09 RU RU2016118146A patent/RU2669128C2/ru active
- 2014-10-09 WO PCT/FR2014/052556 patent/WO2015052438A1/fr active Application Filing
- 2014-10-09 US US15/028,284 patent/US10495546B2/en active Active
- 2014-10-09 EP EP14796806.9A patent/EP3039397B1/fr active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5309378A (en) * | 1991-11-18 | 1994-05-03 | Hughes Aircraft Company | Multi-channel adaptive canceler |
| US5918233A (en) * | 1996-05-30 | 1999-06-29 | The Foxboro Company | Methods and systems for providing electronic documentation to users of industrial process control systems |
| CN1478195A (zh) * | 2000-12-01 | 2004-02-25 | 大发工业株式会社 | 异常声音评估系统、声音记录设备以及异常声音评估设备 |
| US20020165676A1 (en) * | 2001-03-01 | 2002-11-07 | Wu Sean F. | Circuit Substrate, Battery Pack and Method of Manufacturing Circuit Substrate |
| US20040034482A1 (en) * | 2002-08-16 | 2004-02-19 | Gross Kenny C. | Method and apparatus for using acoustic signals to identify one or more disk drives that are likely to fail |
| US20090091441A1 (en) * | 2007-10-09 | 2009-04-09 | Schweitzer Iii Edmund O | System, Method, and Apparatus for Using the Sound Signature of a Device to Determine its Operability |
| US20100033313A1 (en) * | 2008-06-19 | 2010-02-11 | Personics Holdings Inc. | Ambient situation awareness system and method for vehicles |
| US20100139403A1 (en) * | 2008-12-04 | 2010-06-10 | University Of Ottawa | Parameter independent detection of rotating machinery faults |
| US20100161255A1 (en) * | 2008-12-18 | 2010-06-24 | Mian Zahid F | Acoustic-Based Rotating Component Analysis |
| US20120027217A1 (en) * | 2010-07-28 | 2012-02-02 | Pantech Co., Ltd. | Apparatus and method for merging acoustic object information |
| EP2538034A2 (en) * | 2011-06-23 | 2012-12-26 | United Technologies Corporation | MFCC and CELP to detect turbine engine faults |
| US20120327745A1 (en) * | 2011-06-27 | 2012-12-27 | General Electric Company | Electrical substation fault monitoring and diagnostics |
| CN102519726A (zh) * | 2011-12-28 | 2012-06-27 | 昆明理工大学 | 一种针对滚动轴承复合故障的声学诊断方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张敬春: "《基于盲源分离和小波分析的电机声频故障诊断研究》", 《中国优秀博硕士学位论文全文数据库 (硕士)》 * |
| 樊永生: "《机械设备诊断的现代信号处理方法》", 31 May 2009, 国防工业出版社 * |
| 葛华: "基于TIFROM的盲源分离算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 马建仓 等: "《盲信号处理》", 30 June 2006, 国防工业出版社 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109246570A (zh) * | 2018-08-29 | 2019-01-18 | 北京声智科技有限公司 | 麦克风质检的装置及方法 |
| CN114026403A (zh) * | 2019-06-26 | 2022-02-08 | 西门子股份公司 | 机器状态的声学分析 |
| US12130198B2 (en) | 2019-06-26 | 2024-10-29 | Siemens Aktiengesellschaft | Acoustic analysis of a state of a machine |
| CN110296842A (zh) * | 2019-06-28 | 2019-10-01 | 潍柴动力股份有限公司 | 发动机的诊断方法及装置 |
| CN110992977A (zh) * | 2019-12-03 | 2020-04-10 | 北京声智科技有限公司 | 一种目标声源的提取方法及装置 |
| CN110992977B (zh) * | 2019-12-03 | 2021-06-22 | 北京声智科技有限公司 | 一种目标声源的提取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2016118146A3 (zh) | 2018-05-14 |
| FR3011936B1 (fr) | 2021-09-17 |
| US20160238486A1 (en) | 2016-08-18 |
| EP3039397A1 (fr) | 2016-07-06 |
| BR112016007121B1 (pt) | 2022-07-19 |
| FR3011936A1 (fr) | 2015-04-17 |
| CA2926216A1 (fr) | 2015-04-16 |
| US10495546B2 (en) | 2019-12-03 |
| EP3039397B1 (fr) | 2024-09-04 |
| WO2015052438A1 (fr) | 2015-04-16 |
| CA2926216C (fr) | 2023-03-14 |
| BR112016007121A2 (pt) | 2017-08-01 |
| RU2669128C2 (ru) | 2018-10-08 |
| RU2016118146A (ru) | 2017-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105659064A (zh) | 用于对机器进行声学分析的方法、系统及计算机程序 | |
| JP7340265B2 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
| Ai et al. | Fusion information entropy method of rolling bearing fault diagnosis based on n-dimensional characteristic parameter distance | |
| US8655571B2 (en) | MFCC and CELP to detect turbine engine faults | |
| CN107631867B (zh) | 一种基于深度学习的旋转机械故障智能分类方法 | |
| Yang et al. | Bearing fault automatic classification based on deep learning | |
| CN107209512B (zh) | 用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序 | |
| Martin-del-Campo et al. | Online feature learning for condition monitoring of rotating machinery | |
| CN113469060A (zh) | 多传感器融合卷积神经网络航空发动机轴承故障诊断方法 | |
| CN110940539A (zh) | 一种基于人工经验及声音识别的机器设备故障诊断方法 | |
| Hashim et al. | Combustion fault detection technique of spark ignition engine based on wavelet packet transform and artificial neural network | |
| Sun et al. | A non-probabilistic metric derived from condition information for operational reliability assessment of aero-engines | |
| CN105841797A (zh) | 一种基于mfcc和svm的车窗电机异常噪声检测方法及装置 | |
| WO2019043600A1 (en) | ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR | |
| Regan et al. | Wind turbine blade damage detection using various machine learning algorithms | |
| Ding et al. | Machine tool fault classification diagnosis based on audio parameters | |
| Koshekov et al. | Testing a pump unit by identification measurements of vibration signals | |
| Tian et al. | Rolling element bearing fault detection using density-based clustering | |
| Hou et al. | Bearing fault diagnosis based on spatial features of 2.5 dimensional sound field | |
| Tastimur et al. | Defect diagnosis of rolling element bearing using deep learning | |
| Pradeep et al. | Smart Factory Setting Awareness by Noise-Pattern Analysis | |
| Tossavainen | Sound based fault detection system | |
| Zare et al. | Real-time online drilling vibration analysis using data mining | |
| Wang et al. | Acoustic Feature Extraction of Wind Turbine Blades Based on Improved MFCC-GFCC | |
| Talmoudi et al. | An unsupervised big data visualization-based scheme for anomalous sound detection of facilities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160608 |
|
| WD01 | Invention patent application deemed withdrawn after publication |