[发明专利]一种设备故障声源定位方法及系统

说明书

本发明提供了一种设备故障声源定位方法及系统，将采集的设备声音信号作为待分析信号，对待分析信号进行傅里叶变换，依据变换结果计算待分析信号的快速谱峭度指标，根据快速谱峭度指标确定故障特征选频结果；根据故障特征选频结果和待分析信号，计算互谱矩阵以及延迟求和导向响应，得到故障选频的延迟加和波束形成成像结果；将延迟加和波束形成成像结果输入经过训练的双通道卷积神经网络，得到故障声源点的定位信息。本发明具有实时性好、定位精度高以及泛化能力强等优点。

技术领域

本发明属于设备故障声源定位技术领域，具体涉及一种设备故障声源定位方法及系统，更为具体的，涉及一种基于快速谱峭度波束形成和双通道卷积神经网络的设备故障声源定位方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

设备运行中产生的振动和声音信号中蕴含着丰富的设备状态信息，通过采集振声信号并进行信号处理的方法可以有效反应设备的状态。对于工业生产中设备检修，不但需要提供设备的故障信息，还要提供精确的故障点位置信息，有助于检修工作的快速排查。

对于极端条件下，不适合采集振动信号的场景或设备结构复杂、车间中包含多个运行设备的场景，难以通过采集振动信号迅速反应设备故障及故障点位置。此时通过音频传感器阵列结合声源定位方法可以在无接触式测量下有效定位设备故障点或故障设备。目前的声源定位方法主要包括利用相位变换广义互相关的定位算法、基于波束形成的定位算法和基于反卷积成像的定位算法。

但据了解，在实际的工业生产中，复杂的环境噪声会对音频传感器阵列采集到的声音信号造成严重干扰，导致信噪比下降，定位结果受干扰。同时利用相位变换广义互相关的定位方法对信号采集设备精度要求较高，较轻程度的延迟也会导致结果精度的大幅下降。基于反卷积成像的定位算法对信号传输实时性要求相对宽松，但检测过程需要多次迭代运算，其算法的实时性较差。基于波束形成的定位结果相对粗略，精度有待进一步提高。

综上，目前的声源定位方法普遍存在定位精度不高、实时性差、容易受到干扰的问题。

发明内容

本发明为了解决上述问题，提出了一种设备故障声源定位方法及系统，本发明利用的延迟加和波束形成方法，将音频传感器矩阵采集的时域信号按频率输出声源点的声场强度分布图，直观地反映出声信号的传播；通过构建双输出通道的卷积神经网络实现基于波束形成成像的故障声源点定位，具有鲁棒性好、精度高等特点，能够实现实际工业生产条件下实时且精确的设备故障点定位。

根据一些实施例，本发明采用如下技术方案：

一种设备故障声源定位方法，包括以下步骤：

将采集的设备声音信号作为待分析信号，对待分析信号进行傅里叶变换，依据变换结果计算待分析信号的快速谱峭度指标，根据快速谱峭度指标确定故障特征选频结果；

根据故障特征选频结果和待分析信号，计算互谱矩阵以及延迟求和导向响应，得到故障选频的延迟加和波束形成成像结果；

将延迟加和波束形成成像结果输入经过训练的双通道卷积神经网络，得到故障声源点的定位信息。

作为可选择的实施方式，对待分析信号进行傅里叶变换的具体过程包括：计算待分析信号的短时傅里叶变换、2m阶矩谱函数和谱峭度，通过改变分析窗口宽度和窗口移动步长得到信号中不同分析窗口下的短时傅里叶变换结果。

作为可选择的实施方式，根据快速谱峭度指标确定故障特征选频结果的具体过程包括：设置谱峭度阈值，将谱峭度大于谱峭度阈值的频段作为故障特征选频的结果。

作为可选择的实施方式，故障选频的延迟加和波束形成成像结果的计算过程具体包括：根据故障特征选频结果和待分析信号计算互谱矩阵；根据互谱矩阵计算延迟求和导向响应；计算导向响应复共轭乘积并归一化得到故障选频的延迟加和波束形成成像结果。