CN115656926A - 一种用于电力设备异响监测的定位识别方法和装置 - Google Patents
一种用于电力设备异响监测的定位识别方法和装置 Download PDFInfo
- Publication number
- CN115656926A CN115656926A CN202211290857.2A CN202211290857A CN115656926A CN 115656926 A CN115656926 A CN 115656926A CN 202211290857 A CN202211290857 A CN 202211290857A CN 115656926 A CN115656926 A CN 115656926A
- Authority
- CN
- China
- Prior art keywords
- sound
- spherical
- positioning
- monitoring
- noise source
- 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.)
- Pending
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于电力设备异响监测的定位识别方法和装置,所述方法首先定义球坐标系,确定球形麦克风阵列中麦克风数量及其各麦克风的坐标位置;然后构建球形麦克风阵列的理想声信号模型,并基于此构造聚焦面与阵列面的传递矩阵进而得到噪声源强求解方程,由于聚焦面划分点数远多于阵列麦克风数,故该方程为欠定方程组;最后构建块稀疏贝叶斯学习优化框架并求解得到源强系数向量,最终达到电力设备异响的可靠监测与准确定位的目的。与现有技术相比,本发明克服了常规平面阵列难以实现三维空间声场的灵活自主定位的不足,可有效提升空间声场的定位精度,并在低信噪比的环境下仍能保证良好的抗干扰性能。
Description
技术领域
本发明涉及故障检测技术领域,尤其是涉及一种用于电力设备异响监测的定位识别方法和装置。
背景技术
城市变电站是电力系统中对电能进行变换的重要场所,其运行的稳定性与可靠性直接影响整个电力系统的安全稳定运行。然而,变电站内实际环境复杂、发声设备众多且其产生的噪声大小等级也不尽相同,其产生的噪声将严重影响附近居民的身心健康,因此在多源耦合因素影响、变电站复杂声环境的情况下,如何实现站内电力设备异响的精准位置定位对于明确变电站声场分布进而采取相应的降噪措施意义重大。
目前主流的麦克风阵列异响监测系统大多采用平面阵列的拓扑结构,但该形式的阵列在监测过程中受其拓扑结构限制,只能满足单一方向的监测要求,而难以适应变电站的三维声场环境异响检测需求。且该阵列形式在需布置大量麦克风时其尺寸将极为庞大,不利于现场测试与携带。
基于球形麦克风阵列的波束形成技术是一种可靠的三维空间声源定位技术,但其在低信噪比的环境下通常难以得到良好的定位效果,同时受“瑞利判据”限制,声源定位精度与传感器数量成正比,在指定球半径的情况下、单个球面上能布置的麦克风数量存在上限,不利于定位效果的提升。
中国专利申请号CN202110529779.6公开了一种基于声学成像的GIS设备机械故障检测系统及方法,系统包括声信号采集模块、声信号处理模块、声场成像模块、视频采集模块、叠加定位输出模块和人机交互终端,声信号采集模块包括非均匀螺旋布置结构的麦克风阵列和模数转换模块,用于采集多通道声音信号;检测方法通过谱减法对采集声信号进行处理,基于阵列构建声场模型,包括测点平面测点模型和声源聚焦点模型,之后通过波束形成算法计算获得中间结构,结合反卷积DAMAS算法进行迭代计算,输出声场云分布图,再将与声信号同步采集的图像数据进行叠加融合,输出声场效果图。该发明通过以非均匀螺旋形结构设置麦克风阵列,减少阵列的旁瓣同时增强了抗干扰能力。但是,该发明需要大量的麦克风构成麦克风阵列才能保证故障的检测效果,在麦克风数量较少时,故障的检出率较低。
综上所述,当前缺少一种用于变电站电力设备异响监测的定位识别方法、存储介质及电子装置,在低信噪比的复杂环境下、麦克风数量有限的情况下得到准确的异响定位精度。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够在低信噪比、麦克风数量有限的情况下得到准确的异响定位精度的电力设备异响监测的定位识别方法和装置。
本发明的目的可以通过以下技术方案来实现:
本发明的一个方面,提供了一种用于电力设备异响监测的定位识别方法,通过建立球形麦克风阵列实现定位识别,包括如下步骤:根据所述球形麦克风阵列的位置信息,建立所述麦克风阵列的理想声信号模型;根据所述理想声信号模型,获取噪声源强求解方程;根据所述噪声源强求解方程,获取噪声源信息,实现噪声源的定位识别。
作为优选的技术方案,所述的理想声信号模型的建立过程的步骤包括:建立球坐标系,获取各麦克风在所述球坐标系上的坐标信息;根据所述坐标信息,建立所述理想声信号模型。
作为优选的技术方案,所述的噪声源强求解方程的获取步骤包括:根据所述理想声信号模型,构造聚焦面与阵列面的传递矩阵,获取所述噪声源强求解方程。
作为优选的技术方案,所述的噪声源强求解方程为欠定方程组。
作为优选的技术方案,所述的噪声源信息的获取过程的步骤包括:根据所述噪声源强求解方程,构建块稀疏贝叶斯学习优化框架,获得优化后的求解方程;根据所述优化后的求解方程,求解得到源强系数向量,获取所述噪声源信息。
本发明的另一个方面,提供了一种用于电力设备异响监测的定位识别装置,包括:数据感知模块,包括球形麦克风阵列;数据采集模块,与所述数据感知模块连接,用于采集来自麦克风的信号并进行预处理;数据分析模块,用于按照上述用于电力设备异响监测的定位识别方法获取噪声源信息。
作为优选的技术方案,所述的数据分析模块通过无线通信获取经预处理后的麦克风信号。
作为优选的技术方案,还包括与所述数据分析模块连接的结果可视化模块,用于展示所述噪声源信息。
本发明的另一个方面,提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行上述用于电力设备异响监测的定位识别方法的指令。
本发明的另一个方面,提供了一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行上述用于电力设备异响监测的定位识别方法的指令。
与现有技术相比,本发明具有以下优点:
(1)相对于主流的采用平面阵列的拓扑结构的麦克风阵列异响监测系统,本发明通过建立球形麦克风阵列进行异响的定位识别,克服了常规平面阵列难以实现三维空间声场的灵活自主定位的不足,能够准确地重构目标声源的声学参量,进而实现声源的有效定位;
(2)球形麦克风阵列的声源定位精度与传感器数量成正比,在指定球半径的情况下、单个球面上能布置的麦克风数量存在上限,本发明针对麦克风数量少、信噪比低的环境,采用稀疏采样技术中具备较好信号重构性能与较快重构速度的块稀疏贝叶斯学习方法对建立的噪声源强求解方程进行求解,明显改善信号的重构性能与重构速度;
(3)数据分析模块通过无线通信获取数据采集模块的麦克风信号,便于在多个数据采集模块的使用场景下电力设备的异响检测。
附图说明
图1为实施例中用于电力设备异响监测的定位识别方法的流程图;
图2为实施例中用于电力设备异响监测的定位识别装置的示意图;
图3为仿真中的球形阵列示意图;
图4为仿真中的聚焦区域示意图;
图5为常规压缩感知波束形成方法与本发明提出方法的双声源定位对比结果的示意图,其中,(a)为采用常规压缩感知波束形成方法获得的声源定位结果示意图,(b)为采用本实施例方法获得的声源定位结果示意图;
图6为常规压缩感知波束形成方法与本发明提出方法的五声源定位结果的示意图,其中,(a)为采用常规压缩感知波束形成方法获得的声源定位结果示意图,(b)为采用本实施例方法获得的声源定位结果示意图,
其中,1、数据感知模块,101、球形麦克风阵列,2、数据采集模块,3、数据分析模块,4、结果可视模块,5、供电模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例1
如图1所述,本实施例提供了一种用于电力设备异响监测的定位识别方法,包括如下步骤:
步骤S1,建立球坐标系,获取各麦克风在所述球坐标系上的坐标信息,建立理想声信号模型。具体步骤如下:首先基于球坐标定义球形阵列上各个麦克风的声信号模型:
式中,rh表示球形麦克风阵列的半径,Ns表示真实声源总数,qi表示第i个声源的源强系数,表示第m个麦克风和第i个声源之间的传递函数,分别表示第m个麦克风、第i个声源的球坐标。进一步地,将上式表示为矩阵形式:
[ph]m×1=[Gf]m×n·[q]n×1 (2)
式中,ph表示m×1维度的球形阵列所有麦克风的声压信号向量,Gf表示m×n维度的麦克风阵列面与声源聚焦面之间的传递矩阵,q表示待求的n×1维度的源强系数向量。
步骤S2,根据理想声信号模型,构造聚焦面与阵列面的传递矩阵,获取噪声源强求解方程。具体步骤如下:传递矩阵Gf可被具体表示为:
对于球坐标系下的声源定位技术而言,其真实声源的聚焦面通常为一个与球形阵列同心且半径更大的球形表面上,则其反演得到的聚焦声源坐标范围为θ∈[0,180°],φ∈[0,360°]。为避免反演得到的聚焦声源坐标与真实声源不一致的情况,通常划分的聚焦面节点数n远大于麦克风数m,即求解未知源强的过程成为一个欠定方程组的求解,常规方法通常难以得到良好的求解结果。
步骤S3,根据噪声源强求解方程,构建块稀疏贝叶斯学习优化框架,获得优化后的求解方程,根据优化后的求解方程,求解得到源强系数向量,获取噪声源信息。具体步骤如下:采用稀疏采样技术中具备较好信号重构性能与较快重构速度的块稀疏贝叶斯学习方法进行求解,求解方程可进一步表示为:
与其他稀疏采样技术不同的是,块稀疏贝叶斯学习方法先将声压信号ph、传递矩阵Gf进行块分割,即有:
上述操作手段充分利用了数据块内的相关性,再利用块稀疏贝叶斯学习方法求解式(5),可明显改善信号的重构性能与重构速度。
为凸显本实施例方法的优越性,针对某一实测数据采用本发明方法进行计算。仿真设置为:设定球形阵列测量面半径、麦克风数分别为0.5m、100个。设定期望声源聚焦球形区域与阵列同心、且半径为2.5m,聚焦网格点被以Δθ=7.2°、Δφ=7.35°的角度间隔离散成1106个节点在仿真计算时,本文发明方法与常规压缩感知波束形成方法都添加了信噪比为20dB的高斯白噪声以模拟实际测试环境。仿真中的球形阵列示意图如图3所述,仿真中的聚焦区域示意图如图4所述。
仿真1设置:设定两个强度不同的点声源,初始坐标分别为(r,θ,φ)=(2.5m,90°,90°)和(r,θ,φ)=(2.5m,270°,90°),且声源频率为2000Hz。仿真1的结果如图5所述,其中,(a)是采用常规压缩感知波束形成方法获得的声源定位结果示意图,(b)是采用本实施例方法获得的声源定位结果示意图。
仿真2设置:设定五个强度相同的点声源,初始坐标分别为(4.5m,90°,45°)、(4.5m,135°,67.5°)、(4.5m,180°,90°)、(4.5m,225°,112.5°)和(4.5m,270°,135°),且声源频率为3000Hz。仿真结果如图6所述,其中,(a)是采用常规压缩感知波束形成方法获得的声源定位结果示意图,(b)是采用本实施例方法获得的声源定位结果示意图。
由图5、6的声源定位结果可知,本发明方法能够准确地定位出声源的位置,相较于常规压缩感知波束形成具有良好的定位效果。本声源定位识别方法克服了常规平面阵列难以实现三维空间声场的灵活自主定位的不足,能够准确地重构目标声源的声学参量,进而实现声源的有效定位;并在低信噪比的环境下仍能保证良好的抗干扰性能。综上,本发明简单、高效、准确,得到的三维空间声场定位识别方法为变电站内电力设备的异响监测提供了精确、可靠的技术支撑。
实施例2
如图2所述,本实施例提供了一种用于电力设备异响监测的定位装置,包括:数据感知模块1,包括球形麦克风阵列101;数据采集模块2,与数据感知模块1连接,用于从数据感知模块1获取原声压数据并进行包括滤波、信号放大、模数转换在内的预处理,获得预处理后的声压信息;数据分析模块3,用于根据获得的声压信息,按照实施例1中的方法获取噪声源信息;可视化模块4,与数据分析模块3连接,用于展示所述噪声源信息。用于展示噪声源信息;电源模块5,与数据感知模块1连接。数据分析模块3通过无线通信获取经预处理后的麦克风声压信号。
数据感知模块1被用来采集目标设备的声纹信号,数据采集模块2被用来处理原始声纹数据,具体包括收集所述数据感知模块获得的声纹信号并进行信号放大,ADC采集和信号存储,并将数据传送至所述数据分析模块。数据分析模块3被用来处理、计算声纹信号数据。首先利用采集得到的声纹信号构建球形麦克风阵列101的声信号模型,并基于此构造聚焦面与阵列面的传递矩阵进而得到噪声源强求解方程,并利用稀疏采样技术中的块稀疏贝叶斯学习方法构建求解优化框架并求解得到源强系数向量,通过确定权重系数的峰值,定位噪声源的位置信息并得到强度量化结果。同时对图像信号进行处理,生成监测背景图像并与声场云图进行叠加,输出声纹-图像匹配的噪声云图。可视化模块4被用来输出监测区域电力设备的声场环境分布云图。
实施例3
本实施例提供了一种电子设备,包括一个或多个处理器和存储器,存储器内储存有一个或多个程序,一个或多个程序包括用于执行如实施例1所述用于电力设备异响监测的定位识别方法的指令。
实施例4
本实施例提供了一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,一个或多个程序包括用于执行如实施例1所述用于电力设备异响监测的定位识别方法的指令。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于电力设备异响监测的定位识别方法,其特征在于,通过建立球形麦克风阵列实现定位识别,所述方法包括如下步骤:
获取声压信息,根据所述球形麦克风阵列的位置信息和所述声压信息,建立所述麦克风阵列的理想声信号模型;
根据所述理想声信号模型,获取噪声源强求解方程;
根据所述噪声源强求解方程,获取噪声源信息,实现噪声源的定位识别。
4.根据权利要求1所述的一种用于电力设备异响监测的定位识别方法,其特征在于,所述的噪声源强求解方程为欠定方程组。
6.一种用于电力设备异响监测的定位识别装置,其特征在于,包括:
数据感知模块(1),包括球形麦克风阵列(101);
数据采集模块(2),与所述数据感知模块(1)连接,用于从所述数据感知模块(1)获取原声压数据并进行预处理,获得预处理后的声压信息;
数据分析模块(3),用于从所述数据采集模块(2)获取所述预处理后的声压信息并按照权利要求1-5中任一所述用于电力设备异响监测的定位识别方法获取噪声源信息。
7.根据权利要求6所述的一种用于电力设备异响监测的定位识别装置,其特征在于,所述的数据分析模块(3)通过无线通信获取经预处理后的麦克风信号。
8.根据权利要求6所述的一种用于电力设备异响监测的定位识别装置,其特征在于,还包括与所述数据分析模块(3)连接的结果可视化模块(4),用于展示所述噪声源信息。
9.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-5任一所述用于电力设备异响监测的定位识别方法的指令。
10.一种计算机可读存储介质,其特征在于,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-5任一所述用于电力设备异响监测的定位识别方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211290857.2A CN115656926A (zh) | 2022-10-21 | 2022-10-21 | 一种用于电力设备异响监测的定位识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211290857.2A CN115656926A (zh) | 2022-10-21 | 2022-10-21 | 一种用于电力设备异响监测的定位识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115656926A true CN115656926A (zh) | 2023-01-31 |
Family
ID=84988589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211290857.2A Pending CN115656926A (zh) | 2022-10-21 | 2022-10-21 | 一种用于电力设备异响监测的定位识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115656926A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117091848A (zh) * | 2023-10-20 | 2023-11-21 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
-
2022
- 2022-10-21 CN CN202211290857.2A patent/CN115656926A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117091848A (zh) * | 2023-10-20 | 2023-11-21 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
CN117091848B (zh) * | 2023-10-20 | 2024-02-20 | 潍柴动力股份有限公司 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113267330B (zh) | 一种基于声学成像的gis设备机械故障检测系统及方法 | |
CN106680376B (zh) | 一种基于三维声强阵列的隔声测量系统与测量方法 | |
CN103969560B (zh) | 一种用于局部放电故障检测的可视化超声波检测系统 | |
CN103743469B (zh) | 压电水声换能器声辐射模态测量方法及系统 | |
CN113868583B (zh) | 一种子阵波束聚焦的声源距离计算方法及系统 | |
CN103235286B (zh) | 一种对电噪声源的高精度定位方法 | |
CN114414963A (zh) | 一种变电站域故障智能监测的声学成像定位系统及方法 | |
CN113030671A (zh) | 一种电气设备局部放电故障现场检测与定位装置及方法 | |
CN115656926A (zh) | 一种用于电力设备异响监测的定位识别方法和装置 | |
CN115436759A (zh) | 基于声学成像感知技术的巡检机器人监测方法及系统 | |
CN116755036A (zh) | 一种野生动物鸣声声源定位系统 | |
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 | |
CN114838810A (zh) | 一种巡检机器人 | |
CN103048641B (zh) | 具有联合约束优化形式的矢量阵稳健聚焦处理方法 | |
CN105203937A (zh) | 一种变压器内部放电模式识别方法及故障诊断系统 | |
CN113567822B (zh) | 一种用于电气设备局部放电的监测装置 | |
CN114942273A (zh) | 一种建筑隔音性能检测评估方法、装置、设备及介质 | |
CN114578197A (zh) | 基于平面uhf传感器的变压器套管局放三维定位方法及系统 | |
CN110161459B (zh) | 一种幅度调制声源的快速定位方法 | |
CN117825898B (zh) | 一种gis分布式振声联合监测方法、装置及介质 | |
Li et al. | Wind parameters measurement method based on co-prime array signal processing | |
CN106197881A (zh) | 一种阀门泄漏监测的无线声学成像装置 | |
Qian et al. | Acoustic imaging detection technology of electrical equipment based on passive sound source ranging | |
CN116482501B (zh) | 用于高压电缆接头局部放电检测的超声成像方法及系统 | |
CN114858271B (zh) | 一种声音探测用的阵列放大方法 |
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 |