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
一种基于麦克风阵列的多普勒畸变声学信号的校正方法 Download PDFInfo
- Publication number
- CN106226078B CN106226078B CN201610522049.2A CN201610522049A CN106226078B CN 106226078 B CN106226078 B CN 106226078B CN 201610522049 A CN201610522049 A CN 201610522049A CN 106226078 B CN106226078 B CN 106226078B
- Authority
- CN
- China
- Prior art keywords
- signal
- microphone
- array
- doppler
- time
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
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
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ts,该检测信号为x(tr)=[x1(tr),x2(tr),…,xM(tr)]T,x1(tr),x2(tr),…,xM(tr)为1,2,…,M麦克风采集的麦克风信号,tr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(tr)=[y1(tr),y2(tr),…,yM(tr)]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yD(tr)=[y1 D(tr),y2 D(tr),…,yM D(tr)]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(tr);其中接收角度θ(tr)代表tr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ts和麦克风接收到声波信号的时刻tr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trsmp=[ts(1),ts(2),…,ts(L)],其中L为信号长度;
步骤5)、依据重采样时间序列trsmp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ts为声源发射声波的时间,tr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(tr)代表tr时刻麦克风阵列的接收角度。设检测信号为x(tr)=[x1(tr),x2(tr),…,xM(tr)]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(tr)=[y1(tr),y2(tr),…,yM(tr)]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yD(tr)=[y1 D(tr),y2 D(tr),…,yM D(tr)]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(tr)。
步骤4)、如图1所示,声源发射声波时刻ts和麦克风接收到该声波的时刻tr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trsmp=[ts(1),ts(2),…,ts(L)],其中L为信号长度。
步骤5)、依据重采样时间序列trsmp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fo=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fi=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ts,该检测信号为x(tr)=[x1(tr),x2(tr),…,xM(tr)]T,x1(tr),x2(tr),…,xM(tr)分别为1,2,…,M麦克风采集的麦克风信号,tr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(tr)=[y1(tr),y2(tr),…,yM(tr)]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yD(tr)=[y1 D(tr),y2 D(tr),…,yM D(tr)]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(tr);其中接收角度θ(tr)代表tr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ts和麦克风接收到声波信号的时刻tr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trsmp=[ts(1),ts(2),…,ts(L)],其中L为信号长度;
步骤5)、依据重采样时间序列trsmp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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610522049.2A CN106226078B (zh) | 2016-07-01 | 2016-07-01 | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610522049.2A CN106226078B (zh) | 2016-07-01 | 2016-07-01 | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106226078A CN106226078A (zh) | 2016-12-14 |
CN106226078B true CN106226078B (zh) | 2018-08-21 |
Family
ID=57520263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610522049.2A Active CN106226078B (zh) | 2016-07-01 | 2016-07-01 | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106226078B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106595836B (zh) * | 2016-12-26 | 2019-04-26 | 哈尔滨工业大学 | 水下双声源频谱混叠情况下的频率提取方法 |
CN106872171B (zh) * | 2017-04-10 | 2019-04-26 | 中国科学技术大学 | 一种多普勒声学信号的自适应学习校正方法 |
CN108844741B (zh) * | 2018-07-05 | 2019-10-18 | 安徽大学 | 一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法 |
CN109163683B (zh) * | 2018-08-27 | 2021-03-02 | 成都云天智轨科技有限公司 | 轨道波磨病害诊断方法与装置 |
CA3110960A1 (en) * | 2018-08-30 | 2020-03-05 | Voestalpine Signaling Usa Inc. | Railcar acoustic monitoring system and method of use |
CN109406147B (zh) * | 2018-10-29 | 2020-11-13 | 安徽大学 | 一种变速工况下的列车轴承轨边声学诊断方法 |
CN110740407B (zh) * | 2019-10-24 | 2020-11-24 | 安徽大学 | 一种基于双麦克风的列车轴承轨边声学信号主动降噪方法 |
CN111024219B (zh) * | 2019-12-31 | 2021-04-23 | 神州高铁技术股份有限公司 | 信号的获取方法、系统及存储介质、诊断方法、检测系统 |
CN111623986A (zh) * | 2020-05-19 | 2020-09-04 | 安徽智寰科技有限公司 | 基于同步压缩变换与时频匹配的信号特征提取方法及系统 |
CN112766224B (zh) * | 2021-02-01 | 2023-05-30 | 华侨大学 | 畸变信号中提取真实信号的方法、装置、设备和存储介质 |
CN114136614B (zh) * | 2021-11-19 | 2023-04-07 | 珠海格力电器股份有限公司 | 一种磁轴承系统及其转子位置评估方法、装置和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424388A (zh) * | 2015-11-17 | 2016-03-23 | 苏州大学 | 一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法 |
CN205262744U (zh) * | 2015-11-17 | 2016-05-25 | 苏州大学 | 基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005043055A (ja) * | 2003-07-22 | 2005-02-17 | Asano Gear Co Ltd | 歯車装置の噛み合い伝達誤差測定方法、および装置 |
-
2016
- 2016-07-01 CN CN201610522049.2A patent/CN106226078B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424388A (zh) * | 2015-11-17 | 2016-03-23 | 苏州大学 | 一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法 |
CN205262744U (zh) * | 2015-11-17 | 2016-05-25 | 苏州大学 | 基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置 |
Non-Patent Citations (1)
Title |
---|
一种基于瞬时频率的多普勒畸变声信号校正方法;袁仲洲;《机械与电子》;20131231;第36-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106226078A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106226078B (zh) | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 | |
CN102636303B (zh) | 一种基于表面超声波测定薄镀层残余应力的方法 | |
CN102301216B (zh) | 漏孔检测器 | |
CN106772393A (zh) | 一种改进的基于飞行时间检测的超声波测距方法 | |
CN101957443B (zh) | 声源定位方法 | |
CN108444653A (zh) | 一种面阵型超声波气体泄漏点定位检测装置及方法 | |
EP1943953A3 (en) | Ultrasonic diagnostic apparatus, IMT measurement method, and IMT measurement program | |
WO2018133494A1 (zh) | 一种基于速度差的泄漏定位方法 | |
CN105953080B (zh) | 基于同侧传感器布置的声波泄漏定位方法 | |
CN106908755B (zh) | 无线声传感器网络下压缩气体泄漏的声源方位估计方法 | |
CN105865788A (zh) | 一种用于列车轴承缺陷在线监测的阵列声学检测方法 | |
CN104374532B (zh) | 航天器在轨泄漏定向方法 | |
CN107928674B (zh) | 一种基于声波测距的非接触式呼吸检测方法 | |
CN109900451B (zh) | 修正风洞实验测压模型风压信号畸变的方法 | |
CN109597021B (zh) | 一种波达方向估计方法及装置 | |
CN104748704A (zh) | 薄壁结构超声共振测厚频谱分析内插校正方法 | |
CN109991590A (zh) | 一种在有限空间压力罐内测试换能器低频发射特性的系统与方法 | |
CN106770668B (zh) | 一种用于单孔的基桩质量声波透射法检测方法 | |
CN205352653U (zh) | 一种低速风洞内的超声精确测距系统 | |
Liao et al. | Compressed air leak detection based on time delay estimation using a portable multi-sensor ultrasonic detector | |
JP2010259790A5 (zh) | ||
CN105300654B (zh) | 一种低速风洞内的超声精确测距系统 | |
US20150366470A1 (en) | Bio signal measuring apparatus using bandwidth of pulse signal and user monitoring system including the same | |
RU2628672C1 (ru) | Способ контроля герметичности и определения координаты места течи в продуктопроводе и устройство для его осуществления | |
Dokhanchi et al. | Acoustic Travel-Time Tomography: Optimal Positioning of Transceiver and Maximal Sound-Ray Coverage of the Room |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |