CN112557512A - 声成像方法、装置、设备及基于声成像设备的巡检机器人 - Google Patents

Abstract

本发明涉及一种声成像方法、装置、设备及基于声成像设备的巡检机器人，通过将声信号互谱矩阵进行奇异值分解，并在确定有效奇异值后对互谱矩阵进行重构，从而获得目标范围内的全面声成像信息，并将该声成像信息应用到变电站巡检机器人的业务系统中，以构建具备可见光、红外、可视化声像识别功能的智能电力巡检机器人，该声成像方法识别速度快，完善了智能巡检中声音定向性采集分析，替代了人工对设备异常快速定位诊断，准确性和诊断效率都得到了极大的提高。

Description

声成像方法、装置、设备及基于声成像设备的巡检机器人

技术领域

本发明涉及电力系统监测相关技术领域，尤其涉及一种声成像方法、装置、设备及基于声成像设备的巡检机器人。

背景技术

变电站是电力系统重要的供电和传输枢纽，随着智能技术的发展，集自主巡检、智能监控、数据智能采集分析、状态报警等功能于一体的智能电力巡检机器人日益普及，从而解决人工巡检方式任务范围广、工作强度大、效率低、危险性高、巡检工作不到位等难题。目前电力巡检机器人可根据实际需求配置高清可见光摄像头、红外热成像仪、紫外成像仪、局放检测设备、振动传感器、噪声传感器等多种检测设备，并根据巡检任务优先级合理规划线路，逐一对变电设备作扫描体检，通过无线信号向远程后台传输各类数据以及发出报警，远方的运维人员则凭借电脑终端中里面的即时交互画面，实时掌控判断现场设备运行状态，分析排查故障隐患，可实现24小时无阻碍自动化精细巡检。但目前电力巡检机器人只能通过拾音器来初步分析声音信息进行设备异响检测，无法像人工巡检那样听声辩位识别异常部位和设备；另外，只有实现定向性的声音采集和分析，才能实现非接触方式的对被测设备状态信息的准确采集判断。

发明内容

基于现有技术的上述情况，本发明的目的在于在变电站巡检机器人的基础上融合声阵列装备，构建具备可见光、红外、可视化声像识别功能的智能电力巡检机器人。

为达到上述目的，根据本发明的一个方面，提供了一种声成像方法，包括步骤：

获取多个声信号互谱矩阵，并对每个互谱矩阵进行奇异值分解；

确定有效奇异值，并利用所述有效奇异值进行互谱矩阵的重构；

基于所述重构后的各互谱矩阵，获得各个声源的成像结果；

根据各个声源的成像结果，获得目标范围内的全面声成像信息。

进一步的，所述确定有效奇异值，包括：

针对某次声源能量E_i，δ_i为该声源的奇异值，

E_i＝σ_i(i＝1,2,...,M)

若E_i/E₁<CM,则将此奇异值E_i及其之后的奇异值均删除，留下的奇异值为有效奇异值；其中，E₁为主声源能量，CM为有效奇异值阈值。

进一步的，所述基于所述重构后的各互谱矩阵，获得各个声源的成像结果，包括：

基于所述重构后的各互谱矩阵，分别反向聚焦声源平面各网格点进行声源成像，以获得各个声源的成像结果。

根据本发明的第二个方面，提供了一种声成像装置，包括矩阵分解模块、矩阵重构模块、以及成像模块；所述矩阵分解模块、矩阵重构模块、以及成像模块依次连接；其中，

所述矩阵分解模块，获取多个声信号互谱矩阵，并对每个互谱矩阵进行奇异值分解；

所述矩阵重构模块，确定有效奇异值，并利用所述有效奇异值进行互谱矩阵的重构；

所述成像模块，基于所述重构后的各互谱矩阵，获得各个声源的成像结果；以及根据各个声源的成像结果，获得目标范围内的全面声成像信息。

进一步的，所述矩阵重构模块确定有效奇异值，包括：

针对某次声源能量E_i，δ_i为该声源的奇异值，

E_i＝σ_i(i＝1,2,...,M)

若E_i/E₁<CM,则将此奇异值E_i及其之后的奇异值均删除，留下的奇异值为有效奇异值；其中，E₁为主声源能量，CM为有效奇异值阈值。

进一步的，所述成像模块获得各个声源的成像结果，包括：

基于所述重构后的各互谱矩阵，分别反向聚焦声源平面各网格点进行声源成像，以获得各个声源的成像结果。

根据本发明的第三个方面，提供了一种声成像设备，包括声阵列模块和声成像装置；其中，

所述声阵列模块，获取多个声源的多个声信号互谱矩阵，并将其输出至声成像装置；

所述声成像装置，包括如本发明第二个方面所述的声成像装置，以实现多个声源的声成像。

根据本发明的第四个方面，提供了一种基于声成像设备的巡检机器人，其特征在于，包括主控系统、通信系统、动力系统、导航系统、电源系统、以及业务系统；其中，

所述业务系统包括如本发明第三个方面所述的声成像设备。

进一步的，所述业务系统还包括环境气体监测设备、温湿度监测设备、高清可见光监测设备、红外热成像监测设备、声成像设备、以及表计识别设备。

进一步的，所述电源系统包括机器人自主接触式充电设备、人工充电设备和无线充电设备。

综上所述，本发明提供了一种声成像方法、装置、设备及基于声成像设备的巡检机器人，通过将声信号互谱矩阵进行奇异值分解，并在确定有效奇异值后对互谱矩阵进行重构，从而获得目标范围内的全面声成像信息，并将该声成像信息应用到变电站巡检机器人的业务系统中，以构建具备可见光、红外、可视化声像识别功能的智能电力巡检机器人，该声成像方法识别速度快，完善了智能巡检中声音定向性采集分析，替代了人工对设备异常快速定位诊断，准确性和诊断效率都得到了极大的提高。

附图说明

图1是本发明声成像方法的流程图；

图2是本发明声成像装置及声成像设备的构成框图；

图3是本发明基于声成像设备的巡检机器人的构成框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

下面结合附图对本发明的技术方案进行详细说明。传统波束形成声源识别方法识别声源时，往往存在主瓣宽度过大，旁瓣过高的现象，导致高频时成像图被严重污染，因而一些弱小声源无法清晰的被识别。为解决传统波束形成因旁瓣过高带来的无法识别弱源等缺陷，本发明的一个实施例提供了一种声成像方法，该方法采用基于特征功率谱分解重构理论的声源结果优化方法，该方法的流程图如图1所示。

特征功率谱分解重构理论是在互谱延时求和的基础上，通过对阵列传声器测量到的信号互谱矩阵进行奇异值分解，根据需要进行互谱矩阵的重构，基于分解重构后的互谱矩阵进行互谱延时求和波束形成的运算，进而得到主声源及各级次声源的成像云图。详细的理论推导如下:

基于球面波假设，互谱延时求和波束形成输出为:

特征功率谱分解重构理论可以将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的信号子空间中，根据实际需求去除不需要的非零奇异值，利用有效的奇异值进行互谱矩阵的重构，以达到提取有用信息的目的。

传声器接收信号的M阶互谱矩阵C是满秩矩阵且为Hermite矩阵，根据奇异值分解理论，信号的互谱矩阵C可分解为:

C＝U∑U^H

因矩阵C是方阵，征功率谱分解重构理论这一特例又是特征值分解。式中U为M阶酉矩阵，则有UUH＝E(E为单位矩阵，上标“H”表示转置共扼)，称U、UH为奇异值的左、右奇异值向量矩阵，U的每一列为奇异值对应的列向量，记为u_i，∑是M阶对角线为互谱矩阵C的奇异值δ_i(i＝1，2，…，m) 的对角矩阵，且δ₁>δ₂>…>δ_m≈0。互谱矩阵经过分解处理后，可以以各个奇异值及对应的奇异值向量单独形成的矩阵之和的形式重构回原矩阵，表示为:

由此可见，通过引入矩阵的奇异值分解，可以将阵列各传声器接收的多个不相干声源信号形成的互谱矩阵C分解得到各不相干声源的能量对应的奇异值及对应的包含位置信息的奇异值向量。因信号的互谱矩阵是满秩矩阵，即存在M个由大到小排列的奇异值，理论上不相干声源代表的奇异值亦是按声源强度大小对应排列，而其他的奇异值则远小于真实声源的奇异值甚至趋近于零，从而可知不相干声源的个数决定了携带有用信息的奇异值个数。因在实际信号的采集时，仪器自身往往存在电噪声或者一些其他的噪声干扰，此时对采集的互谱矩阵进行奇异值分解后会出现相对于较大奇异值而言较小的奇异值，此类噪声奇异值被剔除。从另一个角度讲，信号的互功率谱矩阵表示的是声能量，因此奇异值分解获得的各个奇异值δi则可以认为是该声源能量大小的代表，大的奇异值对应能量强的声源，而较小的奇异值则为相应能量较弱的声源。在复杂的测量声场环境中，目标声源是最被需要的，其能量一般也最大，则对应的奇异值即为最大的，即为E₁≈δ₁；而其他噪声干扰一般会被控制在极低的程度，对应的奇异值就会小的多甚至趋近为零；除此之外也可能存在被忽略的能量小于目标声源的次声源，对应的奇异值小于最大奇异值却又远大于噪声等干扰的奇异值。此时，准确识别主导声源的同时进一步识别在目标范围内的次声源亦十分必要。因此，在进行互谱矩阵重构之前，剔除不关注的弱声源及噪声干扰等对应的奇异值，确定目标范围内有效的奇异值成为关键。

E_i＝σ_i(i＝1,2,...,M)

对于如何确定重构矩阵所需的有效奇异值个数q，在此引进一个阈值记为 CM(CM<1)，代表次声源能量与主声源能量的比重。假设某一次声源的能量与主声源的能量之比刚好小于CM，即Ei/E1<CM(i＝2，…，M)时，此时将此奇异值及其以后的所有奇异值均剔除。根据声学理论以及选取的阈值CM可进一步得到主声源与次声源的强度之差△：

Δ＝|10log C_M|

由确定的q个奇异值δi(i＝1，2，…，q)进行各声源独立的互谱矩阵重构，表示为：

根据重构后的各互谱矩阵C，分别反向聚焦声源平面各网格点进行声源成像，即可获取各个声源的单独成像结果，得到目标范围内的全面声场信息。除此之外该算法因涉及的计算简单，所以计算效率极高，成像速度也极快。

根据本发明的第二个实施例，提供了一种声成像装置，包括矩阵分解模块、矩阵重构模块、以及成像模块；所述矩阵分解模块、矩阵重构模块、以及成像模块依次连接。该声成像装置的各个模块执行上述第一个实施例中的声成像方法，以实现目标范围内的全面声成像。

矩阵分解模块，获取多个声信号互谱矩阵，并对每个互谱矩阵进行奇异值分解。

矩阵重构模块，确定有效奇异值，并利用所述有效奇异值进行互谱矩阵的重构。

成像模块，基于所述重构后的各互谱矩阵，获得各个声源的成像结果；以及根据各个声源的成像结果，获得目标范围内的全面声成像信息。

根据本发明的第三个实施例，提供了一种声成像设备，该声成像设备包括声阵列模块和声成像装置，该声成像装置及声成像设备的构成框图如图2所示。其中，声成像装置可以采用如第二个实施例所述的声成像装置。

声阵列模块，获取多个声源的多个声信号互谱矩阵，并将其输出至声成像装置。声阵列模块是由多个声传感器设备按照一定规律排列组成，阵列的拓扑结构会影响到声源识别的空间分辨率及声源识别的频率范围，所以需要分析影响阵列性能的因素，以期找寻到最合理的阵列结构。阵列的设计参数包括了几何参数和特征参数两个方面，几何参数主要有传声器间距、传声器空间位置、阵列孔径大小、传声器数目等，特征参数包含了阵列的指向性、主瓣宽度、旁瓣大小、空间分辨率等。阵列的排列方式需要考虑积极性与实用性，合理的阵列结构可以使得在传声器数量一定的情况下获得较高的阵列性能。阵列孔径影响阵列对低频声源的响应，孔径尺寸越大，可以测得的声源频率就越小，其次孔径越小的阵列空间分辨也越低，阵元间距决定了阵列可识别声源频率的范围，传声器的空间几何形式使得阵列具有了不同的主瓣宽度和旁瓣数级。在实际应用中，需要综合器材及需求等因素，选取合理阵列参数，比较不同的阵列形状，选择一个性能较好的拓扑结构。

根据本发明的第四个实施例，提供了一种基于声成像设备的巡检机器人，该巡检机器人的构成框图如图3所示。巡检机器人主要包括主控系统、通信系统、动力系统、导航系统、电源管理系统、业务系统等。

主控系统：主控系统的功能为控制本体及各业务设备，使其按照指定命令进行运动。系统包含嵌入式软硬件开发平台、业务应用软件平台等。

通信系统：通信系统功能是为巡检机器人搭载的主控系统、高清可见光、热成像相机等设备提供网络接入功能，实现巡检机器人本体与监控后台的无线通信和视频图传、语音对讲功能。

动力系统：动力系统为应用于变电站运维巡检机器人四轮全向转动功能的底盘，具体包括行走底盘机构、驱动电机及其配套驱动器、运动控制器和机械传动机构、超声波传感器模块等部分。

导航系统：本系统根据存储的变电站离线地图数据库、设备分布数据库、自身SLAM激光导航传感器与RFID地标位置标签、动力执行数据等数据计算出巡检机器人的所在位置以及需要执行的任务；本系统包含变电站地理数据库及设备信息数据库的建模、SLAM激光导航传感器定位与实时地图构建模块和自主导航模块等。

电源系统：电源系统功能为自主充电管理，放电管理，电池管理以及BMS 通信。机器人本体的动力源设计为磷酸铁锂电池供电，具备三种充电方式及相应的充电设备：

(1)机器人自主接触式充电：机器人自主回归到接触式充电位置，通过接触充电插针自行充电。

(2)人工充电：工作人员或维修人员通过人工充电口直接插拔电源线对机器人充电。

(3)无线充电：机器人自主回归到无线充电位置，通过无线模块自行充电。

业务系统：本系统接入各类传感、检测设备，包括环境气体监测设备、温湿度监测设备、高清可见光监测设备、红外热成像监测设备、声成像设备、以及表计识别设备等部分，完成对变电站设备运行状态的多参量协同感知和巡检作业。其中，声成像设备可以采用本发明第三个实施例提供的声成像设备，通过声阵列传感设备(器)拓扑结构设计技术、基于特征值分解优化的声成像算法理论、感知设备软硬件设计技术，将声场云图和实景图片进行叠加显示，实现复杂电磁信号与背景声信号多重干扰下的设备异响多源检测识别从而诊断电力设备的缺陷。

综上所述，本发明涉及一种声成像方法、装置、设备及基于声成像设备的巡检机器人，通过将声信号互谱矩阵进行奇异值分解，并在确定有效奇异值后对互谱矩阵进行重构，从而获得目标范围内的全面声成像信息，并将该声成像信息应用到变电站巡检机器人的业务系统中，以构建具备可见光、红外、可视化声像识别功能的智能电力巡检机器人，该声成像方法识别速度快，完善了智能巡检中声音定向性采集分析，替代了人工对设备异常快速定位诊断，准确性和诊断效率都得到了极大的提高。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种声成像方法，其特征在于，包括步骤：

获取多个声信号互谱矩阵，并对每个互谱矩阵进行奇异值分解；

确定有效奇异值，并利用所述有效奇异值进行互谱矩阵的重构；

基于所述重构后的各互谱矩阵，获得各个声源的成像结果；

根据各个声源的成像结果，获得目标范围内的全面声成像信息。

2.根据权利要求1所述的方法，其特征在于，所述确定有效奇异值，包括：

针对某次声源能量E_i，δ_i为该声源的奇异值，

E_i＝σ_i(i＝1,2,...,M)

若E_i/E₁<CM,则将此奇异值E_i及其之后的奇异值均删除，留下的奇异值为有效奇异值；其中，E₁为主声源能量，CM为有效奇异值阈值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述重构后的各互谱矩阵，获得各个声源的成像结果，包括：

基于所述重构后的各互谱矩阵，分别反向聚焦声源平面各网格点进行声源成像，以获得各个声源的成像结果。

4.一种声成像装置，其特征在于，包括矩阵分解模块、矩阵重构模块、以及成像模块；所述矩阵分解模块、矩阵重构模块、以及成像模块依次连接；其中，

所述矩阵分解模块，获取多个声信号互谱矩阵，并对每个互谱矩阵进行奇异值分解；

所述矩阵重构模块，确定有效奇异值，并利用所述有效奇异值进行互谱矩阵的重构；

所述成像模块，基于所述重构后的各互谱矩阵，获得各个声源的成像结果；以及根据各个声源的成像结果，获得目标范围内的全面声成像信息。

5.根据权利要求4所述的装置，其特征在于，所述矩阵重构模块确定有效奇异值，包括：

针对某次声源能量E_i，δ_i为该声源的奇异值，

E_i＝σ_i(i＝1,2,...,M)

若E_i/E₁<CM,则将此奇异值E_i及其之后的奇异值均删除，留下的奇异值为有效奇异值；其中，E₁为主声源能量，CM为有效奇异值阈值。

6.根据权利要求5所述的装置，其特征在于，所述成像模块获得各个声源的成像结果，包括：

基于所述重构后的各互谱矩阵，分别反向聚焦声源平面各网格点进行声源成像，以获得各个声源的成像结果。

7.一种声成像设备，其特征在于，包括声阵列模块和声成像装置；其中，

所述声阵列模块，获取多个声源的多个声信号互谱矩阵，并将其输出至声成像装置；

所述声成像装置，包括如权利要求4-6中任意一项所述的声成像装置，以实现多个声源的声成像。

8.一种基于声成像设备的巡检机器人，其特征在于，包括主控系统、通信系统、动力系统、导航系统、电源系统、以及业务系统；其中，

所述业务系统包括如权利要求7所述的声成像设备。

9.根据权利要求8所述的巡检机器人，其特征在于，所述业务系统还包括环境气体监测设备、温湿度监测设备、高清可见光监测设备、红外热成像监测设备、声成像设备、以及表计识别设备。

10.根据权利要求9所述的巡检机器人，其特征在于，所述电源系统包括机器人自主接触式充电设备、人工充电设备和无线充电设备。

Images