CN107918032B - 一种空间多源声音信号融合的转速测量方法 - Google Patents

Abstract

本发明提供了一种空间多源声音信号融合的转速测量方法，主要步骤如下：一、确定采样率fs，对音频信号进行低通滤波处理后进行离散采样，利用多传感器信号融合算法剔除环境噪声；二、构造长度为N的一阶梯形汉宁混合卷积窗函数；三、应用窗函数对长度为N的离散信号序列加权，进行自相关运算后应用快速傅里叶变换得到傅里叶变换序列S_FFT(i)；四、根据转速rpm与频率的关系rpm＝Y(f)(Y(f)表示以频率f为变量的线性方程)以及能量谱与频率的关系，找出对应合理转速的谱线，记为i₁；五、找出其相邻谱线i₂、i₃，通过i₁、i₂、i₃，应用多项式逼近法求出精确频率f_ma，将f_ma带入转速与频率的关系式即可求出t时刻对应的转速rpm。

Description

一种空间多源声音信号融合的转速测量方法

技术领域

本发明属于机械测量技术领域，涉及一种空间多源声音信号融合的转速测量方法。

背景技术

旋转机械是指那些由旋转动作来完成特定功能的机械，典型的旋转机械主要包括汽轮机、燃气轮机、离心式和轴流式压缩机、风机、栗、水轮机、发电机和航空发动机等，在机械、能源、石化、冶金、电力、航空航天和国防军工等行业中应用广泛。而旋转机械的状态监测是通过对旋转机械在运行过程中的各种状态参数进行监控，掌握其变化规律，从而确定机组设备运行是否正常，以便及时发现故障，并对可能出现的故障做出预警。近半个世纪以来，随着科学技术的飞速发展和工业自动化水平的日益提高，机械设备的可靠性、可用性、可维修性和安全性的问题日益突出，从而促使了人们对机械设备状态监测技术的研究。一方面，随着现代机械设备日益大型化、复杂化、高速化和智能化，它在提高生产力、减少成本开支、节约环境资源、改进产品质量、优化生产条件等方面具有许多优势；另一方面，机械设备也会面临突发性故障，产生停机损失大、维护成本高等一系列问题，而一旦这些事故发生，都会造成严重的经济损失和人员伤亡。

传统的测量旋转机械瞬时转速的方法的测量精基本上能满足实际需求，但是在测量过程中需要在机器内部的旋转部件和结构件上安装对应的传感器，这给实际测量带来了诸多不便，且测量效率偏低，不适应诸如汽车检测站这一类检测量大的场合。

本发明提出的方法解决了了传统方法操作复杂，现场噪声干扰大的问题。采用多传感器信号融合算法，加窗自相关提高了频率检测的可靠性，峰值筛选滤除了倍频干扰，在保证精度的前提下，提高了测量的时效性以及操作的简便性。

发明内容

本发明提供了一种空间多源声音信号融合的转速测量方法，通过测量声音的频率来确定旋转机械的转速。利用多传感器信号融合算法，加窗自相关来滤除噪音，增强基频信号，利用峰值筛选滤除了倍频干扰，三点插值算法，提高了频率测量的精度。

为解决上述技术问题，本发明提出的解决方案为：一、确定采样率fs，对声音信号进行低通滤波处理后进行离散采样，利用多传感器信号融合算法剔除环境噪声；二、构造一阶梯形汉宁混合卷积窗函数对长度为N的离散信号序列进行加权；三、自相关运算后应用快速傅里叶变换得到傅里叶变换序列S_FFT(i)；四、根据转速与频率的公式，以及能量谱与频率的关系求出序列S_FFT(i)中与当前转速对应的谱线i₁；五、找出其相邻谱线i₂，i₃，通过i₁，i₂，i₃，应用多项式逼近法求出精确频率f_ma，将f_ma带入转速与频率的关系式求出对应的转速。

本发明的技术方案如下：

一种空间多源声音信号融合的转速测量方法，其特征在于：利用多传感器信号融合算法剔除环境噪声，应用一阶梯形汉宁混合卷积窗对声音信号加权，将加权信号做自相关后进行快速傅里叶变换，根据得到的序列找出峰值对应的谱线并通过筛选得出对应该时刻转速的谱线，应用插值法求出准确频率，进而根据频率与转速的关系得出该时刻的转速，具体包括以下步骤：

a.将1个主音频传感器吸附在旋转机械上，P个辅助音频传感器随机分布在被测机械周围，以采样率fs进行同步采样，各传感器采集的信号序列依次记为x₀，x₁，x₂，...，x_P；利用基于空间分布的多传感器信号融合算法，得到离散采样序列S(n)；

b.用长度为N/4的梯形窗与长度为N/4的汉宁窗做时域一阶混合卷积运算，得到长度为N-3的一阶梯形汉宁混合卷积窗w(n)，为便于FFT运算，补零使得w(n)长度为N；

c.对N点离散信号序列S(n)用窗函数w(n)进行加权，自相关运算后进行快速傅里叶变换得到序列S_FFT(i)；

d.基于能量与频率的关系对谱线进行选择，根据转速rpm与频率的关系rpm＝Y(f)(Y(f)表示以频率f为变量的线性方程)以及能量谱与频率的关系，将筛选出来的谱线记为i₁；

e.应用插值法，找出谱线i₁相邻的谱线记为i₂，i₃，根据序列S_FFT(i)可得出i₁,i₂,i₃对应的幅值，记为y₁,y₂,y₃，由公式

和α＝i_m-i₁，其中i_m为真实转速对应的谱线位置，可得公式：

应用多项式逼近法，解得峰值谱线参数α；

f.应用公式f_ma＝(α+i₁)fs/N，求出精确频率f_ma；根据转速与频率的关系rpm＝Y(f)求出精确转速；

所述方法中，其特征在于，利用基于空间分布的多传感器信号融合算法，方法如下：吸附在旋转机械上的主音频传感器的采样序列记为x₀，分布在机械周围不同距离的P个辅助音频传感器的采样序列记为x₁，x₂，...，x_P；

d_i表示辅助音频传感器到主音频传感器的距离；

所述方法，其特征在于，构造梯形汉宁混合卷积窗，采用长度为M的梯形窗w_Tra(m)和长度为M的w_Hn(m)进行一阶混合卷积运算得到一阶梯形汉宁混合卷积窗w(n)，其公式如下：

为便于FFT，补零使得长度N＝4M，其中，w_Tra(m)表示时域长度为M，上底长度为L的离散梯形窗函数；

w_Hn(m)表示时域长度为M的离散汉宁窗函数，如下所示：

基于能量与频率的关系对谱线进行选择的方法如下：根据窗函数的能量谱对幅值进行校正：

取u(t)＝1，w(t)为窗函数的连续时域表达式，求出窗函数的能量恢复系数，由于转速对应的能量谱幅值呈线性相关，即

C为常数，与机械结构相关，其中f_i为谱线i所对应的频率。将所有峰值谱线代入

中，取结果与C偏差最小的峰值谱线，记为i₁；

本发明提供了一种空间多源声音信号融合的转速测量方法，克服了传统旋转机械转速测量复杂和繁琐的缺点，在保证精度的前提下使测量方式更加简便。

附图说明

图1为本发明中实现空间多源声音信号融合的转速测量方法的程序流图。

具体实施方式

基于空间多源声音信号融合的转速测量方法的具体实施过程如下：

为测试本发明，测试机械选用四缸四冲程柴油发动机，柴油发动机的转速rpm从800均匀增加到3000，设置采样率fs＝1024。

第一步、将1个主音频传感器吸附在旋转机械上，3个辅助音频传感器随机分布在被测机械周围，以采样率fs进行同步采样，采样点数N＝1024，记为x₀，x₁，x₂，x₃；利用多传感器剔除环境噪声算法：

d_i表示辅助音频传感器到主音频传感器的距离，求得去除环境噪声后的信号序列S(n)；

第二步、构造梯形汉宁混合卷积窗，采用长度为M的梯形窗w_Tra(m)和长度为M的w_Hn(m)进行一阶混合卷积运算得到一阶梯形汉宁混合卷积窗w(n)，其公式如下：

为便于FFT，补零使得长度N＝4M，其中，w_Tra(m)表示时域长度为M，上底长度为L的离散梯形窗函数；

w_Hn(m)表示时域长度为M的离散汉宁窗函数，如下所示：

根据自相关和傅里叶变换公式：

运用窗函数对S(n)加权，自相关运算后进行傅里叶变换可得：

第三步、找出序列S_FFT(i)中的最大峰值对应的谱线，由于fs＝N，所以谱线的序号对应的就是频率，根据转速rpm与频率的关系rpm＝Y(f)(Y(f)表示以频率f为变量的线性方程)，判断转速是否处于合理范围，该实例中发动机转速的关系式为

(τ为发动机冲程数，Z为发动机缸数),根据窗函数的能量谱对幅值进行校正：

取x(t)＝1，w(t)为窗函数的连续时域表达式，求出窗函数的能量恢复系数，由于转速对应的能量谱幅值呈线性相关，即

C为常数，与机械结构相关，其中f_i为谱线i所对应的频率。将所有峰值谱线代入

中，取结果与C偏差最小的峰值谱线，记为i₁；

第四步、应用插值法，找出谱线i₁相邻的谱线记为i₂，i₃，根据序列S_FFT(i)可得出i₁，i₂，i₃对应的幅值，记为y₁，y₂，y₃：

y₁＝S_FFT(i₁) (9)

y₂＝S_FFT(i₂) (10)

y₃＝S_FFT(i₃) (11)

假设峰值谱线参数α，β，如下所示

α＝i_m-i₁ (12)

其中i_m为峰值所对应的位置；

由上述公式可得：

应用多项式逼近法求得α，应用公式

求出精确转速，重复上述计算，即可求出1到100秒对应的瞬时转速，实际测得这100秒的转速是从800转左右增加到3000转，至此完成测量。

综上所述，本发明提供了一种基于空间多源声音信号融合的转速测量方法，克服了传统转速测量方法复杂和繁琐的缺点，在保证精度的前提下，提高了测量的时效性以及操作的简便性。

Claims (3)

1.一种空间多源声音信号融合的转速测量方法，其特征在于：利用多传感器信号融合算法剔除环境噪声，应用一阶梯形汉宁混合卷积窗对信号加权，将加权后的信号做自相关后进行快速傅里叶变换，根据得到的序列找出峰值对应的谱线并通过筛选得出对应转速的谱线，应用插值法求出准确频率，进而根据频率与转速的关系得出转速，具体包括以下步骤：

a.将1个主音频传感器吸附在旋转机械上，P个辅助音频传感器随机分布在被测机械周围，以采样率fs进行同步采样，吸附在旋转机械上的主音频传感器的采样序列记为x₀，分布在机械周围不同距离的P个辅助音频传感器的采样序列记为x₁，x₂，...，x_P；利用基于空间分布的多传感器信号融合算法，

d_i表示辅助音频传感器到主音频传感器的距离，得到离散采样序列S(n)；

b.用长度为N/4的梯形窗与长度为N/4的汉宁窗做时域一阶混合卷积运算，得到长度为N-3的一阶梯形汉宁混合卷积窗w(n)，为便于FFT运算，补零使得w(n)长度为N；

c.对N点离散信号序列S(n)用窗函数w(n)进行加权，自相关运算后进行快速傅里叶变换得到序列S_FFT(i)；

d.基于能量与频率的关系对谱线进行选择，根据转速rpm与频率的关系rpm＝Y(f)(Y(f)表示以频率f为变量的线性方程)以及能量谱与频率的关系，将筛选出来的谱线记为i₁；

e.应用插值法，找出谱线i₁相邻的谱线记为i₂，i₃，根据序列S_FFT(i)可得出i₁,i₂,i₃对应的幅值，记为y₁,y₂,y₃，由公式

和α＝i_m-i₁，其中i_m为真实转速对应的谱线位置，可得公式：

应用多项式逼近法，解得峰值谱线参数α；

f.应用公式f_ma＝(α+i₁)fs/N，求出精确频率f_ma；根据转速与频率的关系rpm＝Y(f)求出精确转速。

2.根据权利要求1中所述方法，其特征在于，构造梯形汉宁混合卷积窗，采用长度为M的梯形窗w_Tra(m)和长度为M的w_Hn(m)进行一阶混合卷积运算得到一阶梯形汉宁混合卷积窗w(n)，其公式如下：

为便于FFT，补零使得长度N＝4M，

其中，w_Tra(m)表示时域长度为M，上底长度为L的离散梯形窗函数；

w_Hn(m)表示时域长度为M的离散汉宁窗函数，如下所示：

3.根据权利要求1中所述方法，其特征在于，基于能量与频率的关系对谱线进行选择，方法如下：

根据窗函数的能量谱对幅值进行校正：

取u(t)＝1，w(t)为窗函数的连续时域表达式，求出窗函数的能量恢复系数，由于转速对应的能量谱幅值呈线性相关，即

C为常数，与机械结构相关，其中f_i为谱线i所对应的频率，将所有峰值谱线代入

中，取结果与C偏差最小的峰值谱线，记为i₁。

Images