CN110672313A - 一种基于声音信号的故障诊断方法及其设备 - Google Patents
一种基于声音信号的故障诊断方法及其设备 Download PDFInfo
- Publication number
- CN110672313A CN110672313A CN201911004946.4A CN201911004946A CN110672313A CN 110672313 A CN110672313 A CN 110672313A CN 201911004946 A CN201911004946 A CN 201911004946A CN 110672313 A CN110672313 A CN 110672313A
- Authority
- CN
- China
- Prior art keywords
- sound
- sound source
- fisheye lens
- incident
- microphone
- 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
Images
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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及故障检测技术领域,具体来说是一种基于声音信号的故障诊断方法及其设备,通过声音采集设备持续获取被检测设备周围的声音信息并存储于存储器中,并将每后一采样周期的声音信息与前一采样周期的声音信息进行比较,以判断被检测设备是否发生故障。本发明所提供的基于声音信号的故障诊断方法及其设备,将采集到的声音信息的幅值与前一采样周期的声音信息的幅值作比较,若两者比较后幅值变化超过事先设定的一定百分比,则认为故障发生;而后,则通过处理器根据声音信息的频率判断被检测设备的故障位置,从而便捷地发现故障并找到故障位置。
Description
技术领域
本发明涉及故障检测技术领域,具体来说是一种基于声音信号的故障诊断方法及其设备。
背景技术
我国专利公开号CN107941512A公开了一种列车轮对轴承探伤装置,预先设定好正常轮对轴承自身发出的声音信号的幅值、波形因数、波峰因数、概率密度、峭度系数等,再对采集到的轮对轴承的声音信号提取特征频率并进行波形分析,当采集到的轮对轴承的声音信号波形与正常轮对轴承自身发出的声音信号的波形有明显差异时,说明该轮对轴承出现异常。但是与预先设定好的声音信号可能与实际使用场景下的正常运行信号不相同,从而导致判断异常。
并且,目前传统的声学相机通过双耳麦克风进行定位,采用的是波束形成法,对声源位置进行定位,其存在一定的局限性,在麦克风阵列的极限位置上,比如在阵列的最右端或者最左端乃至最上和最下,以及超过这个范围内的声源会产生鬼影(即真是声源的位置与拍照所得的声源位置完全不一致),因此,目前传统声学相机存在着拍摄范围窄,无法覆盖大角度的缺陷。
发明内容
本发明的目的在于解决现有技术的不足,提供一种基于声音信号的故障诊断方法及其设备,新颖且有效,有助于通过声音信号的识别便捷地实现故障诊断。
为了实现上述目的,设计一种基于声音信号的故障诊断方法,所述的方法如下:通过声音采集设备持续获取被检测设备周围的声音信息并存储于存储器中,并将每后一采样周期的声音信息与前一采样周期的声音信息进行比较,以判断被检测设备是否发生故障。
本发明具有如下优选的技术方案:
若所测得的采样周期的声音信息的幅值大于或小于前一采样周期的声音信息的幅值且超过设定的区间范围,则认为被检测设备发生故障。
将一正常情况下的声音信息的幅值作为基准幅值,将测得的采样周期的所有不同频率的声音信息的幅值分别除以基准频率后生成频谱图并存储于存储器中,频谱图的横轴表征频率,纵轴表征采样周期中的声音信息的幅值与基准幅值的比值。
通过所述的声音信息的频率判断被检测设备的故障位置。
将所测得的采样周期的声音信息的频率与被检测设备的各组件的运动频率相比较,频率相同的组件即为故障组件。
所述的方法还结合声源定位的方法确定被检测设备中故障组件的位置,所述的声源定位方法包括如下步骤:
步骤a.建立声波的入射角和声源与鱼眼镜头之间的距离,与声源距离差之间的对应关系,具体包括:所述的声音采集设备包括一个鱼眼镜头和至少两个麦克风,以两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,计算不同的声波的入射角和声源与鱼眼镜头之间的距离所对应的每对麦克风组的声源距离差,所述的声源距离差是指声源与每对麦克风组中每个麦克风之间的距离的差的绝对值。
步骤b.通过所述的对应关系实现对声源的定位,并通过鱼眼镜头进行成像显示,具体包括:通过测得的麦克风组的声源距离差,得到麦克风组的声源距离差所对应的声波的入射角及声源与鱼眼镜头之间的距离,并在鱼眼镜头的成像画面中显示对声源的定位位置。
所述的方法具体包括:设置至少三个麦克风,从而获得至少一条声波的入射直线或者至少两个不相平行且重合的声波入射面,以两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,计算至少两对麦克风组的声源距离差,并通过任意一对麦克风组的声源距离差求得声波相对于所述的麦克风组的声波入射面,任意两对麦克风组的声波入射面的交线即为一条声波入射直线,所述的声源距离差是指声源与每对麦克风组中的两个麦克风之间的距离的差的绝对值,通过至少一条声波的入射直线,求得所述的声波的入射直线在任意的两个不相平行且重合的平面上相对于鱼眼镜头的入射角,或者通过至少两个声波的入射面,求得声波在两个不相平行且重合的平面上相对于鱼眼镜头的入射角,从而在鱼眼镜头的成像画面中显示对声源的定位位置。
设置至少四个麦克风,从而获得至少两条声波的入射直线,任意两条声波的入射直线的交点即为声源所在的位置,从而能在鱼眼镜头的成像画面中显示对声源的定位位置,通过至少一条声波的入射直线,得到所述的声波的入射直线在任意的两个平面上相对于鱼眼镜头的入射角,从而得到声源在鱼眼镜头的成像画面中的位置;通过至少两条声波的入射直线所得到的声源所在的位置,求得声源距离鱼眼相机的距离,从而能根据声源距离鱼眼相机的距离在鱼眼镜头的成像画面中通过不同大小的标识显示对声源的定位位置。
本发明还涉及一种用于所述的基于声音信号的故障诊断方法的设备,包括用于持续获取被检测设备周围的声音信息的声音采集设备、用于存储声音信息的存储器、以及用于将每后一采样周期的声音信息与前一采样周期的声音信息进行比较以判断被检测设备是否发生故障的处理器。
本发明再涉及一种用于所述的基于声音信号的故障诊断方法的设备,包括用于持续获取被检测设备周围的声音信息的声音采集设备、用于存储声音信息的存储器、用于将每后一采样周期的声音信息与前一采样周期的声音信息进行比较以判断被检测设备是否发生故障并进行声源定位处理的处理器、以及用于显示声源定位结果的显示设备,所述的声音采集设备包括固定设置的一个用于获取成像画面的鱼眼镜头及固定设置的至少两个用于采集声波数据的麦克风组。
发明的有益效果
本发明所提供的基于声音信号的故障诊断方法及其设备的优点包括但不限于:本发明所提供的基于声音信号的故障诊断方法及其设备,将采集到的声音信息的幅值与前一采样周期的声音信息的幅值作比较,若两者比较后幅值变化超过事先设定的一定百分比,则认为故障发生;而后,则通过处理器根据声音信息的频率判断被检测设备的故障位置,从而便捷地发现故障并找到故障位置;并且优选地利用鱼眼镜头的特征,采用角度定位而非采用位置定位,一般情况下无需通过公式计算的方式计算出声源的具体坐标,使得声学相机能够做到大范围大角度的声源定位,且通过此种算法能够降低麦克风的数量从而使声学相机小型化,同时成本也能够大大降低,极大地增大了声学相机的普及性。
附图说明
图1是点A、B、C及鱼眼相机在水平方向上的位置示意图;
图2是图1通过鱼眼相机进行成像得到的水平位置示意图;
图3是点A、B、C及鱼眼相机在竖直方向上的位置示意图;
图4是图1通过鱼眼相机进行成像得到的竖直位置示意图;
图5是鱼眼相机的成像位置示意图;
图6是本发明的声源定位方法的流程示意图;
图7是一实施方式中本发明设备的结构示意图;
图8是一实施方式中本发明故障诊断方法的流程示意图;
图中:1、鱼眼镜头 2、麦克风。
具体实施方式
下面结合附图对本发明作进一步说明,这种方法及结构的原理对本专业的人来说是非常清楚的。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
结合图8,本实施方式提供一种基于声音信号的故障诊断方法,能够实现对被检测设备的24小时监控,并将采集到的声音信息进行存储和保留以供后续查看。其主要通过声音采集设备持续获取被检测设备周围的声音信息并存储于存储器中,并将每后一采样周期的声音信息与前一采样周期的声音信息进行比较,以判断被检测设备是否发生故障。如果,所测得的当前采样周期的声音信息的幅值大于或小于前一采样周期的声音信息的幅值且超过设定的区间范围,则认为被检测设备发生故障,该设定的区间范围根据实际情况由使用者实现设定。而在处理区判断设备发生故障后,再通过所述的声音信息的频率判断被检测设备的故障位置。
在一个优选的实施方式中,将一个正常情况下采样周期的声音信息的幅值作为基准幅值,将测得的采样周期的所有不同频率的声音信息的幅值分别除以基准频率后生成频谱图并存储于存储器中,频谱图的横轴表征频率,纵轴表征采样周期中的声音信息的幅值与基准幅值的比值。通过频谱图可供操作人员直观的观察各不同频率声音信息的幅值变动状况,不同的频率分别能够表征不同的被检测设备的部件。
在一个优选的实施方式中,将所测得的采样周期的声音信息的频率与被检测设备的各组件的运动频率相比较,频率相同的组件即为故障组件。应当指出的是,由于检测以及实际运行的误差,这里所说的频率相同是指频率误差在设定的范围区间之内。
此外,在上述内容的基础上,还能进一步借助声音采集设备来进一步判断故障声源的位置,从而保证其定位的准确性。通过声音采集设备,能记录故障产生的详细位置,并通过服务器上传或者存储至本地系统内。
以下实施例1对所述的诊断方法进行示例说明,实施例2-5提供了声源定位方法的示例,实施例6提供了用于所述的诊断方法的设备的示例。
实施例1
本实施方式中通过所述的诊断方法得到的故障种类主要有敲击性故障和阶次故障两种,以下分别进行示例说明。
对于敲击性故障,敲击性故障主要是有脉冲信号所组成的,当第二个采样周期计算出的平均幅值要大于前一个采样周期的一定百分比时候,处理器即认定敲击声产生,若当前设备以每秒200K次的速度运行,设定一个采样周期有8216个采样点,相当于每41毫秒采集一次,当第二个41毫秒的幅值要远远大于前一个41毫秒数值时,我们认为脉冲产生,也就是敲击产生。而同时通过分析敲击发生的频率对照被检测设备发动机的转速,处理器能够推算出,敲击声具体与哪根旋转轴相关,比如检测出1秒钟有7次敲击声,而被检测设备的凸轮轴转速恰恰也是每秒7次,如此便能得知,该敲击的故障和凸轮轴相关。以此类推,也可对其他故障部件进行确认。
对于阶次故障,其主要是由旋转体所产生,主要是窄带的频率信号,计算主要由基准转速的倍数的频率所决定,我们假设被检测设备发动机的转速为720转每分钟,其频率就是720/60=12赫兹,设故障齿轮有23个齿,其直接和发动机曲轴相连,那么故障齿轮与当前转速相匹配的频率即为12*23=276赫兹,其可能产生的倍频为276*2,276*3......,可用于为后续的故障判断提供依据。并且,对于故障声的认定并不以发动机在无故障情况下的声音为基准声音,因为测量环境不同,其基准声音会发生很大的变化,比如在室内回响场就很大,在外场空旷地方声音小,因此我们会对无故障的声音做归一化的处理,处理过程如下,发动机最大的幅值一般在发动机的发火阶次上,比如,四缸发动机的发火阶次是两阶次,即发动机旋转一周点火两次,出现两次振动,因此当发动机转速在720转每分钟时,其两阶对应频率在720/60*2=24赫兹,将正常发动机的两阶频率幅值按1处理,剩下所有频率的幅值都除以两阶的幅值,就得出了该发动机正常情况下的归一化频谱图。当测量出的某个频率的幅值要大于一定的百分比,则认定,该频率出现故障,如果该频率会随着转速变化而变化,则我们认定该频率或者阶次为故障频率或故障阶次。从而通过倒推计算能够得出故障频率及故障阶次所相对应的零件。并且通过对历史数据的检索,我们能得到频率故障的原因。
实施例2
鱼眼镜头是一种焦距为16mm或更短的并且视角接近或等于180°的镜头。 它是一种极端的广角镜头,“鱼眼镜头”是它的俗称。由于鱼眼镜头拍摄的角度范围是上下左右接近180度的一个圆圈,各以水平和竖直方向入射夹角所形成的弧线列出圆的坐标方程,其中两组坐标方程的夹角即是目标声源在鱼眼镜头成像中的准确位置。
在水平方向上,当声源出现在鱼眼镜头的最右端也就是0度时,这时声源位置在鱼眼镜头所拍摄的照片的最右端,当声源在正中心线的位置时,这是声源位置在鱼眼镜头所拍摄的照片的中心线位置上。如图1和图2所示,鱼眼摄像头位于中央位置,三个声源位于最右面0度位置的A、最左面的 180度位置的B以及与右面水平位置夹角30度的C,这三个位置在鱼眼摄像头拍摄的照片中的位置分别在最左面的A,最右面的B以及C,A与B相差180度,将AB之间划分180格,AC之间相差30度,照片中央直线为l,所有水平位置与A相差30度的位置都在以中央线l为弦过C点的弧上,别的角度也可按同样方法进行标定。
同样地,对于竖直方向,如图3和图4所示,在侧视图中最下端的A点为0度位置,最上端的B点为180度位置,离下端往右夹角 30度位置的声源C,A点在照片中的投影位置分别是以中线l为弦、以上半圆为弧的弧上,B点在以中线l为弦、下半圆为弧的弧上,A与B相差180度,因此将A与B之间以180格进行分割,声源C距离A点30度位置,因此以中线l为弦,距离A点三十格的一段弧上,其余定位角度以相同方式进行定位。
见图5所示,声源入射的水平角度为α的弧,与声源入射的垂直角度为β的弧相交的点,即声源入射角度在鱼眼镜头上投影的点。这些点的集合通过计算机计算生成云图,能直观展示声源的位置和声场的情况。本实施方式中是以说平面和竖直面为例进行说明,而实际上,将任意两个不重合的平面上的入射角相结合后,就能够将入射角度位置在鱼眼镜头的照片上进行定位。
因此,参见图6,本实施方式基于鱼眼镜头的成像原理,提供一种采用鱼眼镜头的声源定位方法,结合鱼眼镜头,通过声波的入射直线或入射角实现对声源的定位。其主要包括如下步骤:
步骤a.求得声波的入射角或入射直线;
步骤b.结合鱼眼镜头,通过声波的入射角或入射直线实现对声源的定位。
其中,入射角和入射直线在实质上其实是相同的,因为当入射角确定时,入射直线也就确定了;而得到了一条确定的入射直线时,自然可以通过入射直线获得入射角。而声源角度入射的测量可以通过数个或者数十个麦克风对完成,通过增加麦克风的采样点数,能够使用互相关函数计算得出的声源到达一对麦克风之间的时间差更为准确。
实施例3
本实施例首先提供一种数据库扫描法,其比较适用于麦克风数量较多的阵列包括球型阵列中,主要思路是事先计算出所有相关空间位置到达阵列每对麦克风的声源距离差并建立数据库,如果扫描数据库,发现数个声源距离差和数据库内的值相符合,就能够对当前的入射角度进行确定。并且,由于本实施例中采用的方法是通过计算声波的入射方向来进行定位,如此则用到了鱼眼镜头,鱼眼镜头的优势在于能够上下左右进行180度进行定位。而当确定声源到达两个麦克风的声源距离差是一个确定的值时,则该声源的所有可能位置都处于一条直线上,这条直线则可以对其进行定向。
因此,在本实施例中,所述的步骤a是指尽可能多地求得声源在不同的位置时的入射直线或入射角,并建立声波的入射角和声源与鱼眼镜头之间的距离,与声源距离差之间的对应关系。其可以通过如下步骤实现,首先设置一个鱼眼镜头和至少两个麦克风,以两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,鱼眼镜头和所有麦克风设置后其相对位置坐标则固定不再变动,并记录下鱼眼镜头和所有麦克风的固定坐标值,该数据库的数据均是基于该麦克风和鱼眼镜头的坐标值而标定的,后续使用该数据库时鱼眼镜头和麦克风之间的相对数据位置均需与该记录的固定坐标值相同。而后计算不同的声波的入射角和声源与鱼眼镜头之间的距离所对应的每对麦克风组的声源距离差,所述的声源距离差是指声源与每对麦克风组中每个麦克风之间的距离的差的绝对值。
具体而言,首先需要对当前所定义的麦克风阵列进行相关位置的声源距离差计算以建立相关数据库,麦克风阵列由若干麦克风构成,阵列形状自由定义,可以是平面可以是立体,当需要观测的范围较窄时可以采用平面,当需要观测范围较广面积较大则可以采用立体(比如球型阵列)。但是所有麦克风在空间中的坐标位置都是固定的,鱼眼镜头的位置在空间坐标的位置也都是固定的。以水平面为例,设坐标原点为鱼眼镜头的位置,逐个计算声波的入射角从0度到180度时的扫描位置,例如,首先计算当入射角为0度时,声源与鱼眼镜头之间的距离为r时,所有的麦克风族的声源距离差,然后计算距离为2r、3r…直到边界点位置时所有麦克风族的声源距离差;而后依次计算当入射角为0+na(a为角度增量,n为正数)时,分别距离鱼眼镜头r,2r,3r…等等直到边界点时所有麦克风族的距离差,从而将整个半面扫描完毕。而后在竖直平面内同样进行操作,从而得到在不同的声波的入射角及声源与鱼眼镜头之间的距离时,所对应的麦克风组的声源距离差,并获得一个完整的数据库,在这个数据库中存在着空间范围内所有点的麦克风组的声源距离差信息。有了这些详细数据,就能够在测试过程中进行对比,比如,当声源入射角度在56度,距离中心位置为3r时,这时在数据库中就有相应的数据进行匹配,如果没有找到相关数据,则声源并非从此方向入射进麦克风,很可能是从鱼眼镜头的背后射入。
此外,在计算每对麦克风对的距离差时,还可以先对原始信号进行FIR滤波,然后再对信号进行两次求导,如此一来,两组信号的所有细节都会进行同等权重的比较,使得信号的相关性更为稳定,提高其鲁棒性。
而所述的步骤b则是指通过所述的对应关系实现对声源的定位,并通过鱼眼镜头进行成像显示,具体包括:通过测得的麦克风组的声源距离差,得到麦克风组的声源距离差所对应的声波的入射角及声源与鱼眼镜头之间的距离,并在鱼眼镜头的成像画面中显示对声源的定位位置。
在此种方式下,通过数据库扫描法,根据麦克风组的声源距离差即可得到其相对应的声波的入射角及声源与鱼眼镜头之间的距离,而通过声波的入射角及声源与鱼眼镜头之间的距离,即能根据鱼眼镜头对声源进行定位。而所设置的麦克风越多,则更易于通过数理统计的方法对数据进行处理如去除异常数据等并得到一个较为精确的结果,从而使最后的定位更加精确。
实施例4
本实施例提供了本技术方案的另一种实现方式,为直接计算的方法,其不需要事前设置数据库并对相关数据进行标定,用在数量较少的麦克风上非常经济,当麦克风数量只有几个(至少3个)时,就能通过此方法对单个声源进行定位。
在本实施例中,所述的步骤a是指获得声波的入射直线或者说入射角。具体而言,即是设置至少三个麦克风,以其中任意两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,计算至少两对麦克风组的声源距离差,并通过任意一对麦克风组的声源距离差求得声波相对于所述的麦克风组的声波入射面,任意两对麦克风组的声波入射面的交线即为一条声波入射直线,从而就获得了至少一条声波的入射直线。其中,所述的声源距离差是指声源与每对麦克风组中的两个麦克风之间的距离的差的绝对值。
对于同一平面内的两个麦克风,通过两个麦克风之间的声源距离差即能求得声源在所述的平面内的入射直线,声源到达数个麦克风之间的声源距离差是可以通过信号的互相关函数进行计算分析并获得的。并且,在计算两个麦克风之间的声源距离差时,需要先对原始信号进行FIR滤波,然后再对信号进行两次求导,如此一来,两组信号的所有细节都会进行同等权重的比较,使得信号的相关性更为稳定,提高其鲁棒性。
此时,所述的步骤b则具体包括通过至少一条声波的入射直线,求得所述的声波的入射直线在任意的两个平面上相对于鱼眼镜头的入射角,鱼眼镜头成像的原理前述已经提及,因此当求得了声波在任意的两个平面上相对于鱼眼镜头的入射角时,即能在鱼眼镜头的成像画面中确定声源的定位位置,并进而在成像画面中显示对声源的定位位置。而所述的入射直线在任意的两个不相平行且重合的平面上相对于鱼眼镜头的入射角,即是指获得该入射直线在任意的两个不相平行且重合的平面上的投影,从而将立体空间内的入射直线,转化为两个平面内的入射直线,并得到两个平面内的入射角。优选地,这两个平面可以选择为竖直面和水平面,或者其他的任意两个相互垂直的平面。
当然,由于在鱼眼镜头成像画面的定位中,最少只需要两个平面上的入射直线即可实现定位,那么在前述的步骤a中,其实也可以只求得至少两个不相平行且重合的声波入射面即可,通过声波入射面在与声波入射面相垂直的平面上的投影,即可获得在两个平面上的入射直线和入射角,并进而实现在鱼眼镜头的成像画面中的声源定位。
例如,我们以水平方向和竖直方向的两个平面为例进行说明,假设通过测量和相关信号的计算得出声源到达麦克风1和麦克风2的距离差为d,且麦克风1距离声源较近,我们假定鱼眼镜头的坐标位置为(0,0),首先对水平方向角度进行计算(竖直方向角度计算采用相同方法),以r1为半径、麦克风1为圆心画弧,以r2=r1+d为半径、麦克风2为圆心画弧,此两个弧线的交点即为声源在当前平面内的入射直线上的一点A,再以r11(r11>r1)为半径、麦克风1为圆心画弧,并以r22(r22=r11+d)为半径、麦克风2为圆心画弧,两个弧线的交点B即为声源在当前平面内的入射直线上的一点B,A、B两点的连线所在的直线即为声源在当前平面内的入射直线,而与当前平面相垂直且经过该入射直线的面即为声源的一个入射面,在获得入射直线后也自然就能获得入射角。这种方法计算速度较快,需要的麦克风数量少,因此对计算机要求不高,大大降低了声学照相机的入门门槛。
实施例5
本实施例是基于实施例4的改进,因此大部分内容均与实施例4相同,其区别仅在于本实施例设置有至少四个麦克风,通过至少四个麦克风,可以至少获得两条声波的入射直线,任意两条声波的入射直线的最接近处或者交点就是声源的位置,由此可以得到声源距离鱼眼相机的远近。通过实施例4的示例能够获得声源在鱼眼相机的成像画面中的位置,即成像画面中的一个点,而由于成像画面中的一个点实质上代表着三维空间中的一条线,因此,通过本实施例的方法,设置至少四个麦克风,在得到声源位于成像图片中的位置的同时还能得到声源距离鱼眼相机的远近,从而能根据声源距离鱼眼相机的距离在鱼眼镜头的成像画面中通过不同大小的标识显示对声源的定位位置,从而能更准确地实现对声源的定位。
实施例6
对于用于本发明的基于声音信号的故障诊断方法的设备,其主要包括持续获取被检测设备周围的声音信息的声音采集设备、用于存储声音信息的存储器、以及用于将每后一采样周期的声音信息与前一采样周期的声音信息进行比较以判断被检测设备是否发生故障的处理器。此外,还可以设置显示设备用于显示存储器存储的以及采集到的各类数据和信号。
而当结合声源定位方法使用时,所述的声音采集设备主要包括麦克风阵列和鱼眼镜头,其中,麦克风阵列用于采集声源的声波信号,并将相关数据传输给处理器,通过处理器的进行本发明方法的定位处理,而显示设备则用于呈现鱼眼镜头所采集到的画面,并根据处理器的处理结果在显示出的鱼眼镜头的成像画面中标识出声源定位的结果。
其中,麦克风阵列由若干麦克风构成,阵列形状自由定义,可以是平面可以是立体,当需要观测的范围较窄时可以采用平面,当需要观测范围较广面积较大则可以采用立体(比如球型阵列)。但是所有麦克风在空间中的坐标位置都是固定的,鱼眼镜头的位置在空间坐标的位置也都是固定的。区别在于采用实施例3的方法时最少需要设置两个麦克风,采用实施例4的方法时最少需要设置3个麦克风,而采用实施例5的方法时则最少需要设置4个麦克风。本实施例即提供了一种包括四个麦克风的装置,参见图7,其包括设备本体和显示设备,设备本体上表面设有中部固定设有鱼眼镜头,设备本体的四角固定设置有四个麦克风,鱼眼镜头和四个麦克风通过线路与设备本体内设有的处理器及电源灯部件电连接,且处理器和显示设备之间通过有线或无线的方式信号相连。使用时处理器鱼眼镜头为原点建立坐标系,并通过本实施方式所提供的各种定位方法实现声源定位并通过显示设备进行显示。
Claims (10)
1.一种基于声音信号的故障诊断方法,其特征在于所述的方法如下:
通过声音采集设备持续获取被检测设备周围的声音信息并存储于存储器中,并将每后一采样周期的声音信息与前一采样周期的声音信息进行比较,以判断被检测设备是否发生故障。
2.如权利要求1所述的一种基于声音信号的故障诊断方法,其特征在于若所测得的采样周期的声音信息的幅值大于或小于前一采样周期的声音信息的幅值且超过设定的区间范围,则认为被检测设备发生故障。
3.如权利要求1所述的一种基于声音信号的故障诊断方法,其特征在于将一正常情况下的声音信息的幅值作为基准幅值,将测得的采样周期的所有不同频率的声音信息的幅值分别除以基准频率后生成频谱图并存储于存储器中,频谱图的横轴表征频率,纵轴表征采样周期中的声音信息的幅值与基准幅值的比值。
4.如权利要求1所述的一种基于声音信号的故障诊断方法,其特征在于通过所述的声音信息的频率判断被检测设备的故障位置。
5.如权利要求4所述的一种基于声音信号的故障诊断方法,其特征在于将所测得的采样周期的声音信息的频率与被检测设备的各组件的运动频率相比较,频率相同的组件即为故障组件。
6.如权利要求1所述的一种基于声音信号的故障诊断方法,其特征在于还结合声源定位的方法确定被检测设备中故障组件的位置,所述的声源定位方法包括如下步骤:
步骤a.建立声波的入射角和声源与鱼眼镜头之间的距离,与声源距离差之间的对应关系,具体包括:
所述的声音采集设备包括一个鱼眼镜头和至少两个麦克风,以两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,计算不同的声波的入射角和声源与鱼眼镜头之间的距离所对应的每对麦克风组的声源距离差,所述的声源距离差是指声源与每对麦克风组中每个麦克风之间的距离的差的绝对值;
步骤b.通过所述的对应关系实现对声源的定位,并通过鱼眼镜头进行成像显示,具体包括:
通过测得的麦克风组的声源距离差,得到麦克风组的声源距离差所对应的声波的入射角及声源与鱼眼镜头之间的距离,并在鱼眼镜头的成像画面中显示对声源的定位位置。
7.如权利要求6所述的一种基于声音信号的故障诊断方法,其特征在于所述的方法具体包括:设置至少三个麦克风,从而获得至少一条声波的入射直线或者至少两个不相平行且重合的声波入射面,以两个麦克风构成一对麦克风组,且任意两对麦克风组包含的两个麦克风不完全相同,计算至少两对麦克风组的声源距离差,并通过任意一对麦克风组的声源距离差求得声波相对于所述的麦克风组的声波入射面,任意两对麦克风组的声波入射面的交线即为一条声波入射直线,所述的声源距离差是指声源与每对麦克风组中的两个麦克风之间的距离的差的绝对值,通过至少一条声波的入射直线,求得所述的声波的入射直线在任意的两个不相平行且重合的平面上相对于鱼眼镜头的入射角,或者通过至少两个声波的入射面,求得声波在两个不相平行且重合的平面上相对于鱼眼镜头的入射角,从而在鱼眼镜头的成像画面中显示对声源的定位位置。
8.如权利要求6所述的一种基于声音信号的故障诊断方法,其特征在于设置至少四个麦克风,从而获得至少两条声波的入射直线,任意两条声波的入射直线的交点即为声源所在的位置,从而能在鱼眼镜头的成像画面中显示对声源的定位位置,通过至少一条声波的入射直线,得到所述的声波的入射直线在任意的两个平面上相对于鱼眼镜头的入射角,从而得到声源在鱼眼镜头的成像画面中的位置;通过至少两条声波的入射直线所得到的声源所在的位置,求得声源距离鱼眼相机的距离,从而能根据声源距离鱼眼相机的距离在鱼眼镜头的成像画面中通过不同大小的标识显示对声源的定位位置。
9.一种用于如权利要求1所述的基于声音信号的故障诊断方法的设备,其特征在于包括用于持续获取被检测设备周围的声音信息的声音采集设备、用于存储声音信息的存储器、以及用于将每后一采样周期的声音信息与前一采样周期的声音信息进行比较以判断被检测设备是否发生故障的处理器。
10.一种用于如权利要求6所述的基于声音信号的故障诊断方法的设备,其特征在于包括用于持续获取被检测设备周围的声音信息的声音采集设备、用于存储声音信息的存储器、用于将每后一采样周期的声音信息与前一采样周期的声音信息进行比较以判断被检测设备是否发生故障并进行声源定位处理的处理器、以及用于显示声源定位结果的显示设备,所述的声音采集设备包括固定设置的一个用于获取成像画面的鱼眼镜头及固定设置的至少两个用于采集声波数据的麦克风组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911004946.4A CN110672313B (zh) | 2019-10-22 | 2019-10-22 | 一种基于声音信号的故障诊断方法及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911004946.4A CN110672313B (zh) | 2019-10-22 | 2019-10-22 | 一种基于声音信号的故障诊断方法及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110672313A true CN110672313A (zh) | 2020-01-10 |
CN110672313B CN110672313B (zh) | 2021-06-01 |
Family
ID=69083571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911004946.4A Active CN110672313B (zh) | 2019-10-22 | 2019-10-22 | 一种基于声音信号的故障诊断方法及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672313B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111264497A (zh) * | 2020-02-10 | 2020-06-12 | 江苏大学 | 一种基于声音信息的水稻喷雾机喷头堵塞实时监测装置和方法 |
CN113267330A (zh) * | 2021-05-14 | 2021-08-17 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
CN114804919A (zh) * | 2022-06-27 | 2022-07-29 | 中铁建电气化局集团第三工程有限公司 | 混凝土结构的智能养护方法以及智能养护系统 |
CN117109730A (zh) * | 2023-10-23 | 2023-11-24 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1332564A (zh) * | 2001-01-22 | 2002-01-23 | 耿刚 | 全方位成像和传递的方法及其系统 |
JP2002140090A (ja) * | 2000-11-02 | 2002-05-17 | Toshiba Corp | 異常監視装置 |
EP1304463A1 (en) * | 2001-10-05 | 2003-04-23 | General Electric Company | Method and system for monitoring bearings |
CN202735105U (zh) * | 2012-07-03 | 2013-02-13 | 上海电机学院 | 一种故障检测装置 |
CN104200813A (zh) * | 2014-07-01 | 2014-12-10 | 东北大学 | 基于声源方向实时预测跟踪的动态盲信号分离方法 |
CN105389649A (zh) * | 2015-10-21 | 2016-03-09 | 中国电力科学研究院 | 一种电能质量异常数据检测及处理方法 |
CN106291469A (zh) * | 2016-10-18 | 2017-01-04 | 武汉轻工大学 | 一种三维空间音源定位方法及系统 |
CN106842131A (zh) * | 2017-03-17 | 2017-06-13 | 浙江宇视科技有限公司 | 麦克风阵列声源定位方法及装置 |
CN108802690A (zh) * | 2018-05-30 | 2018-11-13 | 大连民族大学 | 一种基于麦克风阵列的机器人声源定位系统及装置 |
CN109612757A (zh) * | 2018-12-13 | 2019-04-12 | 深圳时珍智能物联技术有限公司 | 基于声音特征和温度特征进行设备诊断的方法 |
CN110133663A (zh) * | 2019-05-08 | 2019-08-16 | 西安联丰迅声信息科技有限责任公司 | 一种分布式声像联合校准定位方法 |
-
2019
- 2019-10-22 CN CN201911004946.4A patent/CN110672313B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140090A (ja) * | 2000-11-02 | 2002-05-17 | Toshiba Corp | 異常監視装置 |
CN1332564A (zh) * | 2001-01-22 | 2002-01-23 | 耿刚 | 全方位成像和传递的方法及其系统 |
EP1304463A1 (en) * | 2001-10-05 | 2003-04-23 | General Electric Company | Method and system for monitoring bearings |
CN202735105U (zh) * | 2012-07-03 | 2013-02-13 | 上海电机学院 | 一种故障检测装置 |
CN104200813A (zh) * | 2014-07-01 | 2014-12-10 | 东北大学 | 基于声源方向实时预测跟踪的动态盲信号分离方法 |
CN105389649A (zh) * | 2015-10-21 | 2016-03-09 | 中国电力科学研究院 | 一种电能质量异常数据检测及处理方法 |
CN106291469A (zh) * | 2016-10-18 | 2017-01-04 | 武汉轻工大学 | 一种三维空间音源定位方法及系统 |
CN106842131A (zh) * | 2017-03-17 | 2017-06-13 | 浙江宇视科技有限公司 | 麦克风阵列声源定位方法及装置 |
CN108802690A (zh) * | 2018-05-30 | 2018-11-13 | 大连民族大学 | 一种基于麦克风阵列的机器人声源定位系统及装置 |
CN109612757A (zh) * | 2018-12-13 | 2019-04-12 | 深圳时珍智能物联技术有限公司 | 基于声音特征和温度特征进行设备诊断的方法 |
CN110133663A (zh) * | 2019-05-08 | 2019-08-16 | 西安联丰迅声信息科技有限责任公司 | 一种分布式声像联合校准定位方法 |
Non-Patent Citations (2)
Title |
---|
PING SONG等: "Acoustic source localization using 10-microphone array based on wireless sensor network", 《SENSORS AND ACTUATORS A: PHYSICAL》 * |
陈健等: "基于振动噪声信号的永磁电机故障诊断", 《微电机》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111264497A (zh) * | 2020-02-10 | 2020-06-12 | 江苏大学 | 一种基于声音信息的水稻喷雾机喷头堵塞实时监测装置和方法 |
CN113267330A (zh) * | 2021-05-14 | 2021-08-17 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
CN113267330B (zh) * | 2021-05-14 | 2023-03-14 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
CN114804919A (zh) * | 2022-06-27 | 2022-07-29 | 中铁建电气化局集团第三工程有限公司 | 混凝土结构的智能养护方法以及智能养护系统 |
CN114804919B (zh) * | 2022-06-27 | 2023-03-28 | 中铁建电气化局集团第三工程有限公司 | 混凝土结构的智能养护方法以及智能养护系统 |
CN117109730A (zh) * | 2023-10-23 | 2023-11-24 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
CN117109730B (zh) * | 2023-10-23 | 2024-01-12 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110672313B (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672313B (zh) | 一种基于声音信号的故障诊断方法及其设备 | |
WO2011064969A1 (ja) | 検査装置、三次元形状測定装置、構造物の製造方法 | |
CN110441737B (zh) | 一种采用鱼眼镜头的声源定位方法及其设备 | |
JP4213590B2 (ja) | 高画質のハートマン・シャック画像のための範囲拡大システムと空間フィルタ及び関連方法 | |
CN112254663B (zh) | 一种基于影像识别的平面变形监测测量方法及其系统 | |
CN115272271A (zh) | 一种基于双目立体视觉的管道缺陷检测与定位测距系统 | |
WO2022111105A1 (zh) | 一种自由姿态的智能视觉3d信息采集设备 | |
JP2005106654A (ja) | 自動検査システム | |
Ngeljaratan et al. | System identification of large-scale bridges using target-tracking digital image correlation | |
CN115272560B (zh) | 一种基于三维声场云图的变电设备隐患定位方法及系统 | |
CN112215903A (zh) | 一种基于超声波和光流法检测河流流速的方法及装置 | |
CN114240854A (zh) | 产品检测方法及检测装置 | |
CN112254638B (zh) | 一种可俯仰调节的智能视觉3d信息采集设备 | |
JPH1195344A (ja) | 全方位ステレオ画像撮影装置 | |
JP4209637B2 (ja) | 監視システムの距離補正装置および距離補正方法 | |
JP2002156227A (ja) | 垂直降下時に平坦区域を検出する立体視システム | |
CN115326835B (zh) | 圆筒内表面检测方法、可视化方法以及检测系统 | |
CN112734712B (zh) | 一种船舶振动设备健康状态的成像检测方法及系统 | |
CN111964604B (zh) | 一种基于影像识别的平面变形监测测量方法 | |
CN209978890U (zh) | 一种多激光线快速检测系统 | |
JP2003057218A (ja) | 打音診断結果表示システム | |
CN102826209A (zh) | 用单臂爬壁机器人实现船舶水尺图像立体拍摄的方法 | |
JP2008292414A (ja) | X線ct装置 | |
Kelley | A camera calibration method for a hammer throw analysis tool | |
Naumov et al. | Reconstruction of three-dimensional surface structure of hard-to-reach objects using prism-based stereoscopic systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |