CN117091848B - 一种基于声信号的发动机异响识别方法、装置及系统 - Google Patents
一种基于声信号的发动机异响识别方法、装置及系统 Download PDFInfo
- Publication number
- CN117091848B CN117091848B CN202311366156.7A CN202311366156A CN117091848B CN 117091848 B CN117091848 B CN 117091848B CN 202311366156 A CN202311366156 A CN 202311366156A CN 117091848 B CN117091848 B CN 117091848B
- Authority
- CN
- China
- Prior art keywords
- abnormal sound
- noise
- engine
- domain
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 249
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005855 radiation Effects 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000010276 construction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 8
- 230000001052 transient effect Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于声信号的发动机异响识别方法、装置及系统,根据异响域基底函数库确定采样频率,基于采样频率采集发动机在运行状态下的噪声信号;异响域基底函数库预先基于异响的噪声时域序列构建;对噪声信号进行模数转换,得到辐射噪声时间序列;根据辐射噪声时间序列和异响域基底函数库中的异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值;若坐标值大于预设异响限值,确定发动机发生异响。积累多个异响的噪声时域序列构建异响域基底函数库。采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证故障区分的准确率,提高异响识别的效率。
Description
技术领域
本发明涉及汽车检测技术领域,尤其涉及一种基于声信号的发动机异响识别方法、装置及系统。
背景技术
随着汽车发展的要求越来越高,在汽车开发过程中,对振动噪声性能需要特别关注,尤其是发动机异常的振动噪声。异常的振动噪声可能会使汽车的使用体验感降低,同时异常的振动噪声可能预示着存在安全问题,因此对发动机的异常响声进行检测识别是十分必要的。
目前主要基于时域特征提取和频域特征提取两方面,通过频域投影判断异常响声是否发生,但是不同异响提取到的时频域特征大量混叠难以区分,尤其是对于瞬态故障往往不能有效区分。存在区分准确率较低,异响识别效率低的问题。
发明内容
有鉴于此,本发明实施例提供一种基于声信号的发动机异响识别方法、装置及系统,以解决目前故障区分准确率较低,异响识别效率低的问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种基于声信号的发动机异响识别方法,所述方法包括:
根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号;所述异响域基底函数库预先基于异响的噪声时域序列构建;
对所述噪声信号进行模数转换,得到辐射噪声时间序列;
根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值;
若所述坐标值大于预设异响限值,确定所述发动机发生异响。
优选的,所述根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号,包括:
获取异响域基底函数库中异响基底函数的采样频率;
根据所述采样频率,采集发动机在运行状态下的噪声信号。
优选的,所述根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值,包括:
获取所述所述异响域基底函数库中的异响基底函数;
根据所述辐射噪声时间序列和所述异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值。
优选的,基于异响的噪声时域序列构建异响域基底函数库的过程,包括:
获取多个异响的噪声时域序列;
对多个所述异响的噪声时域序列进行加窗,得到所述异响的噪声时域序列对应的时间片段;
根据预设要求,对每个所述时间片段进行时域的偏置,得到异响基底函数;
根据多个所述异响基底函数构建异响域基底函数库。
优选的,若所述坐标值大于预设异响限值,确定所述发动机存在异响之后,还包括:
根据所述坐标值,绘制colormap图,并在所述colormap图中标注目标坐标值,所述目标坐标值为指示发动机存在异响的坐标值。
本发明实施例第二方面公开一种基于声信号的发动机异响识别装置,所述装置包括:
采集单元,用于根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号;所述异响域基底函数库预先基于异响的噪声时域序列构建;
转换单元,用于对所述噪声信号进行模数转换,得到辐射噪声时间序列;
运算单元,用于根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值;
确定单元,用于若所述坐标值大于预设异响限值,确定所述发动机发生异响。
优选的,所述采集单元,包括:
第一获取模块,用于获取异响域基底函数库中异响基底函数的采样频率;
采集模块,用于根据所述采样频率,采集发动机在运行状态下的噪声信号。
优选的,所述运算单元,包括:
第二获取模块,用于获取所述所述异响域基底函数库中的异响基底函数;
运算模块,用于根据所述辐射噪声时间序列和所述异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值。
优选的,所述装置还包括:
获取单元,用于获取多个异响的噪声时域序列;
加窗单元,用于对多个所述异响的噪声时域序列进行加窗,得到所述异响的噪声时域序列对应的时间片段;
偏置单元,用于根据预设要求,对每个所述时间片段进行时域的偏置,得到异响基底函数;
构建单元,用于根据多个所述异响基底函数构建异响域基底函数库。
本发明实施例第三方面公开一种基于声信号的发动机异响识别系统,所述系统包括:麦克风、信号采集卡、积分变换器、图形显示器和控制器;
所述麦克风设置于发动机近场;
所述麦克风和所述信号采集卡的一端连接;所述信号采集卡的另一端和所述积分变换器的一端连接;所述积分变换器的另一端与所述图形显示器连接;
所述积分变换器中设置有异响域基底函数库;
所述控制器用于执行如本发明实施例第一方面公开的基于声信号的发动机异响识别方法。
基于上述本发明实施例提供的一种基于声信号的发动机异响识别方法、装置及系统,根据异响域基底函数库确定采样频率,基于采样频率采集发动机在运行状态下的噪声信号;异响域基底函数库预先基于异响的噪声时域序列构建;对噪声信号进行模数转换,得到辐射噪声时间序列;根据辐射噪声时间序列和异响域基底函数库中的异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值;若坐标值大于预设异响限值,确定发动机发生异响。积累多个异响的噪声时域序列构建异响域基底函数库。采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证了故障区分的准确率,提高了异响识别的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于声信号的发动机异响识别系统的示意图;
图2为本发明实施例提供的一种基于声信号的发动机异响识别方法的流程图;
图3为本发明实施例提供的构建异响域基底函数库的流程图;
图4为本发明实施例提供的一种基于声信号的发动机异响识别装置的结构框图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,目前主要基于时域特征提取和频域特征提取两方面,通过频域投影判断异常响声是否发生,但是不同异响提取到的时频域特征大量混叠难以区分,尤其是对于瞬态故障往往不能有效区分。存在区分准确率较低,异响识别效率低的问题。
因此,本发明实施例提供一种基于声信号的发动机异响识别方法、装置及系统,根据异响域基底函数库确定采样频率,基于采样频率采集发动机在运行状态下的噪声信号;异响域基底函数库预先基于异响的噪声时域序列构建;对噪声信号进行模数转换,得到辐射噪声时间序列;根据辐射噪声时间序列和异响域基底函数库中的异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值;若坐标值大于预设异响限值,确定发动机发生异响。积累多个异响的噪声时域序列构建异响域基底函数库。采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证了故障区分的准确率,提高了异响识别的效率。
参见图1,示出了本发明实施例提供的一种基于声信号的发动机异响识别系统的示意图,该基于声信号的发动机异响识别系统包括:麦克风1、信号采集卡2、积分变换器4、图形显示器5和控制器。
具体的,麦克风1通过支架设置于发动机近场,麦克风1用于采集发动机在运行状态下的噪声信号;其中,发动机可以是柴油机。
麦克风1和信号采集卡2的一端连接;麦克风1采集到的噪声信号经信号线传递至信号采集卡2;信号采集卡2对噪声信号进行模数转换(A/D转换)处理,得到发动机在运行状态下的辐射噪声时间序列。
信号采集卡2的另一端和积分变换器4的一端连接;积分变换器4的另一端与图形显示器5连接。
结合图1示出的内容,积分变换器4中可以设置有异响域基底函数库3;或者,异响域基底函数库3可以设置于其他位置(如控制器内部),再与积分变换器4连接。
需要说明的是,预先对异响的噪声时域序列进行处理,以构建异响域基底函数库3。
信号采集卡2将辐射噪声时间序列发送至积分变换器4,以使积分变换器4基于辐射噪声时间序列和异响域基底函数库3进行卷积运算,得到辐射噪声时间序列对应的坐标值;通过图形显示器5绘制坐标值相应的colormap图并显示。
可以理解的是,控制器用于执行本发明实施例提供的一种基于声信号的发动机异响识别方法。下面对本发明实施例提供的一种基于声信号的发动机异响识别方法展开详细阐述。
参见图2,示出了本发明实施例提供的一种基于声信号的发动机异响识别方法的流程图,该基于声信号的发动机异响识别方法包括:
步骤S201:根据异响域基底函数库确定采样频率,基于采样频率采集发动机在运行状态下的噪声信号。
在具体实现步骤S201的过程中,利用麦克风获取异响域基底函数库中异响基底函数的采样频率;根据采样频率,采集发动机在运行状态下的噪声信号。
需要说明的是,异响域基底函数库中包含多个采样频率相同的异响基底函数,每个异响基底函数对应不同的异响,每个异响基底函数由异响的噪声时域序列处理得到,也就是说,异响域基底函数库预先基于异响的噪声时域序列构建。构建异响域基底函数库的具体实现方式详见以下本发明实施例图3中的内容。
步骤S202:对噪声信号进行模数转换,得到辐射噪声时间序列。
在具体实现步骤S202的过程中,利用信号采集卡对噪声信号进行模数转换(如A/D转换),得到噪声信号对应的辐射噪声时间序列N(t)。
步骤S203:根据辐射噪声时间序列和异响域基底函数库中的异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值。
在具体实现步骤S203的过程中,获取异响域基底函数库中的异响基底函数;将异响域基底函数库中的异响基底函数作为积分核函数φi(t),其中i的取值范围为1至n,利用积分变换器,根据辐射噪声时间序列N(t)和积分核函数φi(t)进行卷积运算,将辐射噪声时间序列N(t)投影到积分核函数φi(t)对应的坐标中,得到辐射噪声时间序列N(t)对应的坐标值Ψ1(t)。
需要说明的是,根据辐射噪声时间序列N(t)和积分核函数φi(t)进行卷积运算如公式(1)所示;其中,为积分核函数φi(t)对应的时间序列相较于辐射噪声时间序列N(t)的偏移量;t为时间。
步骤S204:若坐标值大于预设异响限值,确定发动机发生异响。
可以理解的是,坐标值为空间坐标值,包括时间、异响域序列号和异响值。异响域基底函数库中包含的若干个异响基底函数对应唯一一个异响域序列号。
在具体实现步骤S203的过程中,将坐标值中的异响值与预设异响限值进行比较,若坐标值中的异响值大于预设异响限值,则确定在当前坐标值对应的时间,发动机发生异响。
在一些具体实施例中,根据各个坐标值,在图形显示器中绘制colormap图;在colormap图中标注目标坐标值,其中,目标坐标值为指示发动机存在异响的坐标值。
也就是说,将公式(1)中计算得到的多个坐标值,以x轴为时间,y轴为异响序列号,绘制相应的colormap图。
需要说明的是,对于指示发动机存在异响的坐标值,则在colormap图中进行标注,以便用户通过图形显示器查看发动机的异响情况。
在本发明实施例中,采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证了故障区分的准确率,提高了异响识别的效率。
上述本发明实施例图2中涉及的基于异响的噪声时域序列构建异响域基底函数库的具体实现方式,参见图3,示出了本发明实施例提供的构建异响域基底函数库的流程图,包括:
步骤S301:获取多个异响的噪声时域序列。
在具体实现步骤S301的过程中,获取多个确认含有异响特征的噪声时域,序列,以积累异响域基底。
需要说明的是,异响域也就是以特定的某种异响时域信号作为基底函数,积累一定数量的异响样本,组成的以异响特征和时间轴为空间尺度的全新空间。
步骤S302:对多个异响的噪声时域序列进行加窗,得到异响的噪声时域序列对应的时间片段。
在具体实现步骤S302的过程中,对每个异响的噪声时域序列进行加窗,得到异响的噪声时域序列对应的时间片段。
步骤S303:根据预设要求,对每个时间片段进行时域的偏置,得到异响基底函数。
在具体实现步骤S303的过程中,根据预设要求(例如公式(2)所示)对每个时间片段进行时域的偏置(例如公式(3)所示),得到异响基底函数φn(t)。
也就是说,对每个时间片段进行时域的偏置,以满足如公式(2)所示的要求。
其中,T为时间片段对应的时长;t为时间。
步骤S304:根据多个异响基底函数构建异响域基底函数库。
在具体实现步骤S304的过程中,根据多个异响基底函数构建异响域基底函数库。
在本发明实施例中,通过积累异响基底函数,扩大样本空间,以便计算辐射噪声时间序列与异响基底函数的匹配度,确定发动机异响,提高了发动机异响识别的准确性和可靠性。
与上述本发明实施例提供的一种基于声信号的发动机异响识别方法相对应,参见图4,示出了本发明实施例提供的一种基于声信号的发动机异响识别装置的结构框图,该装置包括:采集单元401、转换单元402、运算单元403和确定单元404。
采集单元401,用于根据异响域基底函数库确定采样频率,基于采样频率采集发动机在运行状态下的噪声信号;异响域基底函数库预先基于异响的噪声时域序列构建。
转换单元402,用于对噪声信号进行模数转换,得到辐射噪声时间序列。
运算单元403,用于根据辐射噪声时间序列和异响域基底函数库中的异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值。
确定单元404,用于若坐标值大于预设异响限值,确定发动机发生异响。
在本发明实施例中,采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证了故障区分的准确率,提高了异响识别的效率。
优选的,结合图4示出的内容,采集单元401包括第一获取模块和采集模块,各个模块的实现原理如下:
第一获取模块,用于获取异响域基底函数库中异响基底函数的采样频率。
采集模块,用于根据采样频率,采集发动机在运行状态下的噪声信号。
优选的,结合图4示出的内容,运算单元403包括第二获取模块和运算模块,各个模块的实现原理如下:
第二获取模块,用于获取异响域基底函数库中的异响基底函数。
运算模块,用于根据辐射噪声时间序列和异响基底函数进行卷积运算,得到辐射噪声时间序列对应的坐标值。
优选的,结合图4示出的内容,该装置还包括获取单元、加窗单元、偏置单元和构建单元。
获取单元,用于获取多个异响的噪声时域序列。
加窗单元,用于对多个异响的噪声时域序列进行加窗,得到异响的噪声时域序列对应的时间片段。
偏置单元,用于根据预设要求,对每个时间片段进行时域的偏置,得到异响基底函数。
构建单元,用于根据多个异响基底函数构建异响域基底函数库。
优选的,结合图4示出的内容,该装置还包括绘制单元,用于根据坐标值,绘制colormap图,并在colormap图中标注目标坐标值,目标坐标值为指示发动机存在异响的坐标值。
综上所述,本发明实施例提供了一种基于声信号的发动机异响识别方法、装置及系统,积累多个异响的噪声时域序列构建异响域基底函数库。采集发动机瞬态下的噪声信号,处理得到辐射噪声时间序列,以异响基底函数为积分核函数,根据辐射噪声时间序列和积分核函数进行卷积运算,保证了故障区分的准确率,提高了异响识别的效率。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于声信号的发动机异响识别方法,其特征在于,所述方法包括:
根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号;所述异响域基底函数库预先基于异响的噪声时域序列构建;
对所述噪声信号进行模数转换,得到辐射噪声时间序列;
根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值;
若所述坐标值大于预设异响限值,确定所述发动机发生异响;
基于异响的噪声时域序列构建异响域基底函数库的过程,包括:
获取多个异响的噪声时域序列;
对多个所述异响的噪声时域序列进行加窗,得到所述异响的噪声时域序列对应的时间片段;
根据预设要求,对每个所述时间片段进行时域的偏置,得到异响基底函数;
根据多个所述异响基底函数构建异响域基底函数库。
2.根据权利要求1所述的方法,其特征在于,所述根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号,包括:
获取异响域基底函数库中异响基底函数的采样频率;
根据所述采样频率,采集发动机在运行状态下的噪声信号。
3.根据权利要求1所述的方法,其特征在于,所述根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值,包括:
获取所述异响域基底函数库中的异响基底函数;
根据所述辐射噪声时间序列和所述异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值。
4.根据权利要求1所述的方法,其特征在于,若所述坐标值大于预设异响限值,确定所述发动机存在异响之后,还包括:
根据所述坐标值,绘制colormap图,并在所述colormap图中标注目标坐标值,所述目标坐标值为指示发动机存在异响的坐标值。
5.一种基于声信号的发动机异响识别装置,其特征在于,所述装置包括:
采集单元,用于根据异响域基底函数库确定采样频率,基于所述采样频率采集发动机在运行状态下的噪声信号;所述异响域基底函数库预先基于异响的噪声时域序列构建;
转换单元,用于对所述噪声信号进行模数转换,得到辐射噪声时间序列;
运算单元,用于根据所述辐射噪声时间序列和所述异响域基底函数库中的异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值;
确定单元,用于若所述坐标值大于预设异响限值,确定所述发动机发生异响;
获取单元,用于获取多个异响的噪声时域序列;
加窗单元,用于对多个所述异响的噪声时域序列进行加窗,得到所述异响的噪声时域序列对应的时间片段;
偏置单元,用于根据预设要求,对每个所述时间片段进行时域的偏置,得到异响基底函数;
构建单元,用于根据多个所述异响基底函数构建异响域基底函数库。
6.根据权利要求5所述的装置,其特征在于,所述采集单元,包括:
第一获取模块,用于获取异响域基底函数库中异响基底函数的采样频率;
采集模块,用于根据所述采样频率,采集发动机在运行状态下的噪声信号。
7.根据权利要求5所述的装置,其特征在于,所述运算单元,包括:
第二获取模块,用于获取所述异响域基底函数库中的异响基底函数;
运算模块,用于根据所述辐射噪声时间序列和所述异响基底函数进行卷积运算,得到所述辐射噪声时间序列对应的坐标值。
8.一种基于声信号的发动机异响识别系统,其特征在于,所述系统包括:麦克风、信号采集卡、积分变换器、图形显示器和控制器;
所述麦克风设置于发动机近场;
所述麦克风和所述信号采集卡的一端连接;所述信号采集卡的另一端和所述积分变换器的一端连接;所述积分变换器的另一端与所述图形显示器连接;
所述积分变换器中设置有异响域基底函数库;
所述控制器用于执行如权利要求1-4任一项所述的基于声信号的发动机异响识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311366156.7A CN117091848B (zh) | 2023-10-20 | 2023-10-20 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311366156.7A CN117091848B (zh) | 2023-10-20 | 2023-10-20 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117091848A CN117091848A (zh) | 2023-11-21 |
CN117091848B true CN117091848B (zh) | 2024-02-20 |
Family
ID=88780284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311366156.7A Active CN117091848B (zh) | 2023-10-20 | 2023-10-20 | 一种基于声信号的发动机异响识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117091848B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61234332A (ja) * | 1985-04-10 | 1986-10-18 | Nissan Motor Co Ltd | エンジンの異音判別装置 |
CA2260336A1 (en) * | 1999-02-15 | 2000-08-15 | Robert Inkol | Modulation recognition system |
DE202015005578U1 (de) * | 2015-08-06 | 2015-12-07 | Borgward Trademark Holdings Gmbh | Vorrichtung zur Detektion ungewöhnlichen Geräusches für eine Hochdruck-Brennstoffpumpe eines Fahrzeugmotors |
CN109060371A (zh) * | 2018-07-04 | 2018-12-21 | 深圳万发创新进出口贸易有限公司 | 一种汽车零部件异响检测装置 |
CN110296842A (zh) * | 2019-06-28 | 2019-10-01 | 潍柴动力股份有限公司 | 发动机的诊断方法及装置 |
JP6644213B1 (ja) * | 2019-07-12 | 2020-02-12 | 三菱電機株式会社 | 音響信号処理装置、音響システム、音響信号処理方法、及び音響信号処理プログラム |
CN112098102A (zh) * | 2020-09-04 | 2020-12-18 | 常州工学院 | 一种基于ewt-scwt的内燃机异响识别与诊断方法 |
CN112378660A (zh) * | 2020-10-28 | 2021-02-19 | 西北工业大学 | 一种基于数据驱动的航空发动机轴承智能故障诊断方法 |
CN115219203A (zh) * | 2021-04-29 | 2022-10-21 | 广州汽车集团股份有限公司 | 发动机异响检测方法、装置、上位机和存储介质 |
CN115587337A (zh) * | 2022-12-14 | 2023-01-10 | 中国汽车技术研究中心有限公司 | 车门异响识别方法、设备和存储介质 |
CN115656926A (zh) * | 2022-10-21 | 2023-01-31 | 国网上海市电力公司 | 一种用于电力设备异响监测的定位识别方法和装置 |
CN115994302A (zh) * | 2023-02-21 | 2023-04-21 | 北京航空航天大学 | 基于柯西核贝叶斯自适应共振网络的航空发动机故障诊断方法 |
-
2023
- 2023-10-20 CN CN202311366156.7A patent/CN117091848B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61234332A (ja) * | 1985-04-10 | 1986-10-18 | Nissan Motor Co Ltd | エンジンの異音判別装置 |
CA2260336A1 (en) * | 1999-02-15 | 2000-08-15 | Robert Inkol | Modulation recognition system |
DE202015005578U1 (de) * | 2015-08-06 | 2015-12-07 | Borgward Trademark Holdings Gmbh | Vorrichtung zur Detektion ungewöhnlichen Geräusches für eine Hochdruck-Brennstoffpumpe eines Fahrzeugmotors |
CN109060371A (zh) * | 2018-07-04 | 2018-12-21 | 深圳万发创新进出口贸易有限公司 | 一种汽车零部件异响检测装置 |
CN110296842A (zh) * | 2019-06-28 | 2019-10-01 | 潍柴动力股份有限公司 | 发动机的诊断方法及装置 |
JP6644213B1 (ja) * | 2019-07-12 | 2020-02-12 | 三菱電機株式会社 | 音響信号処理装置、音響システム、音響信号処理方法、及び音響信号処理プログラム |
CN112098102A (zh) * | 2020-09-04 | 2020-12-18 | 常州工学院 | 一种基于ewt-scwt的内燃机异响识别与诊断方法 |
CN112378660A (zh) * | 2020-10-28 | 2021-02-19 | 西北工业大学 | 一种基于数据驱动的航空发动机轴承智能故障诊断方法 |
CN115219203A (zh) * | 2021-04-29 | 2022-10-21 | 广州汽车集团股份有限公司 | 发动机异响检测方法、装置、上位机和存储介质 |
CN115656926A (zh) * | 2022-10-21 | 2023-01-31 | 国网上海市电力公司 | 一种用于电力设备异响监测的定位识别方法和装置 |
CN115587337A (zh) * | 2022-12-14 | 2023-01-10 | 中国汽车技术研究中心有限公司 | 车门异响识别方法、设备和存储介质 |
CN115994302A (zh) * | 2023-02-21 | 2023-04-21 | 北京航空航天大学 | 基于柯西核贝叶斯自适应共振网络的航空发动机故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
基于轨迹平行测量的发动机异响诊断方法;徐光华, 贾维银, 侯成刚, 梁霖, 刘弹;西安交通大学学报(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117091848A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6922708B2 (ja) | 異常検出用コンピュータプログラム、異常検出装置及び異常検出方法 | |
JP6061693B2 (ja) | 異常診断装置およびこれを用いた異常診断方法 | |
EP3206003B1 (en) | System and method for detecting abnormality of rotating machines | |
US10796796B2 (en) | Fault diagnosis apparatus, fault diagnosis method, and fault diagnosis program | |
CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
JP4443247B2 (ja) | 状態監視システムおよび状態監視方法 | |
KR100254121B1 (ko) | 시계열 데이타 식별 장치 및 방법 | |
JP2013221877A (ja) | 異常検査方法および異常検査装置 | |
JP6019344B2 (ja) | 計測震度概算システム及び計測震度概算方法 | |
CN112491920A (zh) | 一种车载can总线的异常检测方法及装置 | |
CN117091848B (zh) | 一种基于声信号的发动机异响识别方法、装置及系统 | |
CN112665857B (zh) | 滚动轴承故障诊断方法、装置、设备及存储介质 | |
CN114356703A (zh) | 一种根因分析方法及装置 | |
JP3920715B2 (ja) | 振動信号の処理方法 | |
EP3015866A1 (en) | A method of automatic determination of rotational speed of a shaft in a rotating machine | |
JP3846560B2 (ja) | 機械設備又は機器の異常診断方法および異常診断装置 | |
KR101046748B1 (ko) | 발전기 고정자 권선의 전용 진동 진단 방법 및 분석 시스템 | |
CN115656700B (zh) | 检测方法、训练方法、电器、监控系统和存储介质 | |
CN116701840A (zh) | 一种机械振动信号的倒频谱优化计算方法和系统 | |
EP1686443A1 (en) | Methods, systems, and computer program products for implementing condition monitoring activities | |
CN109948487A (zh) | 基于时频谱相关性分析的旋转机械故障特征提取方法 | |
JP2006313169A (ja) | 機械設備又は機器の異常診断方法および異常診断装置 | |
CN108596215B (zh) | 多模态信号解析分离方法、装置、设备及存储介质 | |
CN111612879A (zh) | 设备检测方法、装置、设备及可读存储介质 | |
JP2002139376A (ja) | 異常診断システム及び異常診断サーバ |
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 |