CN106226078B - 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 - Google Patents

Abstract

本发明公开了一种基于麦克风阵列的多普勒畸变声学信号的校正方法，该方法校正存在于轨边声学诊断系统所测取的声学信号中的多普勒畸变，实现列车轴承故障的精确诊断。该方法对检测信号进行Hilbert变换，获取复数信号，对复数信号加窗，获取信号片段，计算每个信号片段所对应的接收角，依据发射时间与接收时间的关系构造重采样时间序列，对阵列中央的麦克风采集的信号进行三次样条差值重采样，对校正信号做Hilbert变换和快速傅里叶变换，进行诊断。相比于基于单麦克风的传统方法，本发明方法基于麦克风阵列，具有算法简单，计算量少，无需先验知识，对噪声鲁棒性好等优点，在实际应用中具有明显的优势。

Description

一种基于麦克风阵列的多普勒畸变声学信号的校正方法

技术领域

本发明涉及一种基于麦克风阵列的多普勒畸变声学信号的校正方法，适用于故障诊断领域，尤其适用于轨边列车轴承的声学故障诊断领域。

背景技术

列车轴承发生故障会激发出一种周期性暂态声学信号。因此可通过检测该声学信号对列车轴承实现非接触式的故障诊断与状态监测。但由于列车轴承与麦克风的相对移动，使得测取的声学信号出现频谱扩展和移动的多普勒畸变现象，给列车轴承的故障诊断带来了困难。因此，校正多普勒畸变，消除频谱中的扩展和移动是精确诊断列车轴承故障的前提。

传统的基于单麦克风的多普勒校正方法可以分为两类，一类是基于瞬时频率提取的校正方法，一类是基于几何模型的多参数匹配的校正方法。基于瞬时频率提取的校正方法需要预知轴承的特征频率。但由于主轴系统的复杂耦合，在实际应用中获取该特征频率基本不可能，这大大降低了其实用性。另一类基于几何模型的多参数匹配的校正方法，尽管避免了轴承特征频率这一先验条件，但由于运算量大，计算时间长，使得该方法并不适用于实际系统中。

发明内容

本发明提出了一种基于麦克风阵列的多普勒畸变声学信号的校正方法，校正存在于轨边声学诊断系统所测取的声学信号中的多普勒畸变，实现列车轴承故障的精确诊断。相比于基于单麦克风的传统方法，本发明方法基于麦克风阵列，具有算法简单，计算量少，无需先验知识，对噪声鲁棒性好等优点，在实际应用中具有明显的优势。

本发明采用的技术方案为：一种基于麦克风阵列的多普勒畸变声学信号的校正方法，在铁轨边设置麦克风阵列用于采集列车轴承发出的声波信号作为检测信号，列车轴承发出的声波信号的时刻为t_s，该检测信号为x(t_r)＝[x₁(t_r),x₂(t_r),…,x_M(t_r)]^T，x₁(t_r),x₂(t_r),…,x_M(t_r)为1,2,…,M麦克风采集的麦克风信号，t_r为麦克风接收到声波信号的时刻，M为麦克风的总个数，对检测信号进行多普勒校正，步骤如下：

步骤1)、对检测信号的每一个麦克风信号进行Hilbert变换，获取具有相位信息的复数 阵列信号y(t_r)＝[y₁(t_r),y₂(t_r),…,y_M(t_r)]^T；

步骤2)、对复数阵列信号添加滑动窗，获取短时阵列信号片段y^D(t_r)＝[y₁ ^D(t_r),y₂ ^D(t_r),…,y_M ^D(t_r)]^T，其中，

其中，i＝1,2,…,M，D代表窗长；

步骤3)、通过基于阵列信号的接收角估计算法计算每个短时信号片段的接收角度θ(t_r)；其中接收角度θ(t_r)代表t_r时刻麦克风阵列的接收角度；

步骤4)、列车轴承发出的声波信号的时刻t_s和麦克风接收到声波信号的时刻t_r满足如下关系：

其中，c代表声速，l为麦克风阵列到铁轨边的垂直距离，由上式，计算每一个接收时刻所对应的声波发射时刻，并以此构造重采样时间序列t_rsmp＝[t_s(1),t_s(2),…,t_s(L)]，其中L为信号长度；

步骤5)、依据重采样时间序列t_rsmp对阵列中央的麦克风信号进行三次样条插值重采样，即可得到消除频率扩展和移动的多普勒校正信号；

步骤6)、对校正信号进行Hilbert变换和快速傅里叶变换，获取校正信号的包络谱和频谱，观察包络谱和频谱，对轴承进行诊断。

其中，步骤3)基于阵列信号的接收角估计算法为MUSIC算法或ESPRIT算法。

本发明该方法的优点主要有以下三点：

(1)、在实际应用中，该方法只需要知道麦克风阵列与铁轨之间的距离。由于这个距离易于测得且不会发生变化，因此该方法可视为一种无需先验知识的方法，具有很好的实用性。

(2)、该方法简单，计算量小，适用于在线诊断系统。

(3)、该方法对噪声具有较强的鲁棒性。

附图说明

图1为本发明方法适用的轨边声学诊断系统的基本模型；

图2为本发明方法的流程图；

图3(a)和图3(b)分别为本发明的外圈信号的频谱和包络谱；

图4(a)和4(b)分别为本发明中基于麦克风阵列的多普勒畸变声学信号校正方法校正后 的外圈信号的频谱和包络谱；

图5(a)和图5(b)分别为本发明的内圈信号的频谱和包络谱；

图6(a)和6(b)分别为本发明中基于麦克风阵列的多普勒畸变声学信号校正方法校正后的内圈信号的频谱和包络谱。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

本发明一种基于麦克风阵列的多普勒畸变声学信号的校正方法。该方法对检测信号进行Hilbert变换，获取复数信号，对复数信号加窗，获取信号片段，计算每个信号片段所对应的接收角，依据发射时间与接收时间的关系构造重采样时间序列，对阵列中央的麦克风采集的信号进行三次样条差值重采样，对校正信号做Hilbert变换和快速傅里叶变换，进行诊断。在铁轨边设置麦克风阵列用于采集列车轴承发出的声学信号作为检测信号。如图1所示，为轨边声学诊断系统的基本模型。其中t_s为声源发射声波的时间，t_r为麦克风接收到该声波的时间，l为麦克风阵列到铁轨边的垂直距离，R代表在声源与麦克风阵列的直线距离，角度θ(t_r)代表t_r时刻麦克风阵列的接收角度。设检测信号为x(t_r)＝[x₁(t_r),x₂(t_r),…,x_M(t_r)]^T的麦克风阵列信号，对其进行多普勒校正，步骤如下：

步骤1)、对检测信号的每一个麦克风信号进行Hilbert变换，获取具有相位信息的复数阵列信号y(t_r)＝[y₁(t_r),y₂(t_r),…,y_M(t_r)]^T。

步骤2)、对该复数信号添加滑动窗,获取短时阵列信号片段y^D(t_r)＝[y₁ ^D(t_r),y₂ ^D(t_r),…,y_M ^D(t_r)]^T。其中，

D代表窗长。

步骤3)、通过MUSIC算法，ESPRIT算法等基于阵列信号的接收角估计算法，计算每个短时信号片段的接收角度θ(t_r)。

步骤4)、如图1所示，声源发射声波时刻t_s和麦克风接收到该声波的时刻t_r满足如下关系：

其中，c代表声速。由上式，计算每一个接收时刻所对应的声源发射时间点，并以此构造重采样时间序列t_rsmp＝[t_s(1),t_s(2),…,t_s(L)]，其中L为信号长度。

步骤5)、依据重采样时间序列t_rsmp对阵列中央的麦克风信号进行三次样条插值重采 样，即可得到消除频率扩展和移动的多普勒校正信号。

步骤6)、对校正信号进行Hilbert变换和快速傅里叶变换，获取该信号的包络谱。观察频谱，对轴承进行诊断。

实施例1：

对具有多普勒畸变的轴承外圈故障信号进行处理。该信号由等距麦克风线阵采集得到，阵元间距0.1m，阵元数目为4。麦克风阵列与声源的垂直距离为2m，声速340m/s。外圈故障的轴承型号为NJ(P)3226X1，参数如表1所示。

表1：列车轴承NJ(P)3226X1规格参数(单位：mm)

信号采样率为25.6kHz，转速576r/min。在该转速下，轴承外圈故障频率为f_o＝55.9Hz。

图3(a)和图3(b)分别为采集信号的频谱和包络谱。由于多普勒畸变的存在，信号的频谱和包络谱频率均发生了展宽和移动，无法对轴承故障进行诊断。利用本发明提出的基于麦克风阵列的多普勒畸变声学信号的校正方法对该信号处理，具体步骤如下：

步骤1)、对采集的阵列信号进行Hilbert变换，获取具有相位信息的复数阵列信号。

步骤2)、取窗长D＝150，对阵列信号添加时移窗，将阵列信号分割成信号片段。

步骤3)、对每个信号片段采用MUSIC算法，估算该信号片段所对应的麦克风阵列接收角。

步骤4)、将计算出来的接收角度、声速、麦克风与声源的垂直距离带入声源发射时间与麦克风阵列接收时间关系式中，建立重采样时间序列。

步骤5)、依据计算出来的重采样时间序列对阵列中央的麦克风信号进行三次样条插值重采样，得到频域校正的信号。

步骤6)、对校正信号做Hilbert变换和快速傅里叶变换。其频谱和包络谱分别如图4(a)和4(b)所示。可以看出，相比于校正前，校正后信号的频谱的能量得到了明显的集中。并且存在于测取信号包络谱中的故障频率及其倍频的移动和扩展也得到了消除。这些现象表明测取信号的多普勒畸变已经被校正。从包络谱中可以看到明显的故障频率55.9Hz及其倍频。这表明外圈故障的存在，与实际情况相符。从对该实验分析结果来看，本发明的基于麦克风阵列的多普勒校正方法在校正轨边声学诊断系统中测取的声学信号十分有效。

实施例2：

对具有多普勒畸变的轴承内圈故障信号进行处理。与实施例1相同，该信号由等距麦克风线阵采集得到，阵元间距0.1m，阵元数目为4。麦克风阵列与声源的垂直距离为2m,声速340m/s。外圈故障的轴承型号为NJ(P)3226X1，参数如表1所示。信号采样率为25.6kHz，转速576r/min。在该转速下，轴承内圈故障频率为f_i＝78.5Hz。

图5(a)和图5(b)分别为采集信号的频谱和包络谱。由于多普勒畸变的存在，信号的频谱和包络谱频率均发生了展宽和移动，无法对轴承故障进行诊断。利用本发明提出的基于麦克风阵列的多普勒畸变声学信号的校正方法对该信号处理，具体步骤如下：

步骤1)、对采集的阵列信号进行Hilbert变换，获取具有相位信息的复数阵列信号。

步骤2)、取窗长D＝150，对阵列信号添加时移窗，将阵列信号分割成信号片段。

步骤3)、对每个信号片段采用MUSIC算法，估算该信号片段所对应的麦克风阵列接收角。

步骤4)、将计算出来的接收角度、声速、麦克风与声源的垂直距离带入声源发射时间与麦克风阵列接收时间关系式中，建立重采样时间序列。

步骤5)、依据计算出来的重采样时间序列对阵列中央的麦克风信号进行三次样条插值重采样，得到频域校正的信号。

步骤6)、对校正信号做Hilbert变换和快速傅里叶变换。其频谱和包络谱分别如图6(a)和6(b)所示。可以看出，相比于校正前，校正后信号的频谱的能量得到了明显的集中。并且存在于测取信号包络谱中的故障频率及其倍频的移动和扩展也得到了消除。同时由转速调整的故障频率的变频带也得到了很好的恢复。这些现象表明测取信号的多普勒畸变已经被校正。从包络谱中可以看到明显的故障频率78.5Hz及其倍频。这表明内圈故障的存在，与实际情况相符。从对该实验分析结果来看，本发明的基于麦克风阵列的多普勒校正方法在校正轨边声学诊断系统中测取的声学信号十分有效。

本发明中涉及到的本领域公知技术未详细阐述。

Claims (2)

1.一种基于麦克风阵列的多普勒畸变声学信号的校正方法，其特征在于：在铁轨边设置麦克风阵列用于采集列车轴承发出的声波信号作为检测信号，列车轴承发出的声波信号的时刻为t_s，该检测信号为x(t_r)＝[x₁(t_r),x₂(t_r),…,x_M(t_r)]^T，x₁(t_r),x₂(t_r),…,x_M(t_r)分别为1,2,…,M麦克风采集的麦克风信号，t_r为麦克风接收到声波信号的时刻，M为麦克风的总个数，对检测信号进行多普勒校正，步骤如下：

步骤1)、对检测信号的每一个麦克风信号进行Hilbert变换，获取具有相位信息的复数阵列信号y(t_r)＝[y₁(t_r),y₂(t_r),…,y_M(t_r)]^T；

步骤2)、对复数阵列信号添加滑动窗，获取短时阵列信号片段y^D(t_r)＝[y₁ ^D(t_r),y₂ ^D(t_r),…,y_M ^D(t_r)]^T，其中，

其中，i＝1,2,…,M，D代表窗长；

步骤3)、通过基于阵列信号的接收角估计算法计算每个短时信号片段的接收角度θ(t_r)；其中接收角度θ(t_r)代表t_r时刻麦克风阵列的接收角度；

步骤4)、列车轴承发出的声波信号的时刻t_s和麦克风接收到声波信号的时刻t_r满足如下关系：

其中，c代表声速，l为麦克风阵列到铁轨边的垂直距离，由上式，计算每一个接收时刻所对应的声波发射时刻，并以此构造重采样时间序列t_rsmp＝[t_s(1),t_s(2),…,t_s(L)]，其中L为信号长度；

步骤5)、依据重采样时间序列t_rsmp对阵列中央的麦克风信号进行三次样条插值重采样，即可得到消除频率扩展和移动的多普勒校正信号；

步骤6)、对校正信号进行Hilbert变换和快速傅里叶变换，获取校正信号的包络谱和频谱，观察包络谱和频谱，对轴承进行诊断。

2.根据权利要求1所述的一种基于麦克风阵列的多普勒畸变声学信号的校正方法，其特征在于：步骤3)基于阵列信号的接收角估计算法为MUSIC算法或ESPRIT算法。