申请/专利权人：华北电力大学(保定)

申请日：2023-03-07

公开（公告）日：2024-06-21

公开（公告）号：CN116223040B

主分类号：G01M13/045

分类号：G01M13/045;B65G43/02;B65G15/00;G06F17/15;G06F18/213;G06F18/10;G06F18/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.06.23#实质审查的生效;2023.06.06#公开

摘要：本发明公开了一种托辊故障声学信号特征提取及定位方法，包括以下步骤：S1、对麦克风阵列阵元参数化仿真及选型；S2、利用麦克风阵列对托辊轴承故障音频信息进行采集和预处理；S3、对各通道信号进行VMD分解，提取声学信号中的故障特征信息，实现不同信源分离，从而抑制传递路径的噪声干扰；S4、选取包含托辊轴承故障循环冲击特征的最优子带；S5、利用C‑Beamforming算法对VMD最优子带信号进行旁瓣抑制，进行声源成像及声源定位，以实现高分辨率声源定位。本发明采用上述托辊故障声学信号特征提取及定位方法，能够有效抑制干扰声源及传递路径耦合噪声影响，实现托辊轴承故障声源的特征提取及高分辨率定位。

主权项：1.一种托辊故障声学信号特征提取及定位方法，其特征在于：包括以下步骤：S1、对麦克风阵列阵元参数化仿真及选型；S2、利用麦克风阵列对托辊轴承故障音频信息进行采集和预处理；S3、对各通道信号进行VMD分解，提取声学信号中的故障特征信息，实现不同信源分离，从而抑制传递路径的噪声干扰；步骤S3具体包括以下步骤：S31、构造变分：假设原始信号被分解为个模态，保证分解序列为具有中心频率的有限带宽的模态分量，同时各模态的估计带宽之和最小，约束条件为所有模态之和与原始信号相等，则相应约束变分表达式为： （1）式中，为虚数，表示时间，为需要分解的模态个数，表示分解后第个模态分量，表示第个中心频率，为狄拉克函数，为卷积运算符；S32、求解式（1），引入Lagrange乘法算子，将约束变分问题转变为非约束变分问题，得到增广Lagrange表达式为： （2）式中，表示对进行拉格朗日计算；为乘法算子；α为二次惩罚因子，作用是降低高斯噪声的干扰；S33、利用交替方向乘子迭代算法结合ParsevalPlancherel、傅里叶等距变换，优化得到各模态分量和中心频率，并搜寻增广Lagrange函数的鞍点，交替寻优迭代后的、和的表达式如下 （3） （4） （5）式中，表示频率，为噪声容忍度，其满足信号分解的保真要求；为迭代次数；为对的傅里叶变换；为对的傅里叶变换；为对的傅里叶变换；为对的傅里叶变换；步骤S33中VMD迭代方法具体包括以下步骤：S331、初始化、、；S332、利用公式（3）和（4）更新和；S333、利用公式（5）更新；S334、精度收敛判据，若不满足，且则返回步骤S332，否则完成迭代，输出最终的，；S4、选取包含托辊轴承故障循环冲击特征的最优子带；S5、利用C-Beamforming算法对VMD最优子带信号进行旁瓣抑制，进行声源成像及声源定位，以实现高分辨率声源定位；步骤S5具体包括以下步骤：S51、通过波束成形技术获得声源图，即迭代过程从开始，定义递退互谱矩阵为： （6）其中表示互谱矩阵从i开始，表示互谱矩阵从0开始；表示麦克风的互谱矩阵；步骤S51所述的波束成形包括以下步骤：S511、确定阵列各麦克风之间的互谱矩阵：将麦克风采集到的时域数据信号进行分块，采用快速傅里叶变换转换为频域信号，得到麦克风的互谱矩阵： （9）式中，矩阵元素为： （10）式中：为阵列信号数据块数，表示阵列中麦克风的数目，表示第个麦克风第段数据块的频域信号，且，，表示第个麦克风第段数据块的频域信号，且，，为频谱分析选取的数据窗函数因子，为带宽，上标表示共轭；S512、在声学实验中设一阵列扫描区域，其中任一扫描点处的声功率由表示，设为维的引导向量，由扫描点处的一组点声源诱导的麦克风声压幅值所组成，为第个麦克风的引导向量，为第个麦克风引导向量共轭，若组合是的一个集，那么由下式的最小化得到声功率： （11）解式如下： （12）式中，表示第个麦克风的引导向量；S513、考虑一个位于平面的阵元均匀圆环阵，假设，观察其常规时延求和波束响应；假设期望波束观察方向与信号方向都位于水平面上，即，同时，假设波束观察方向角度为，采用下式： （13）其中，，表示角度，为一类N阶贝塞尔函数,表示阵列距目标距离，表示关于的阶贝塞尔函数，表示关于的0阶贝塞尔函数；S52、通过波束成形技术，扫描区域网格点的声功率为： （7）为消除麦克风自噪声的影响，加入加权向量表示虚数，上标T表示共轭；从而得到一张无序的声源图；S53、从得到的声源图中寻找声源峰值的位置，即在扫描区域网格点处的声功率为最大值，在声源图中减去位置处峰源的影响，即可得到一个清理图，即不受峰源影响的递退声功率为： （8）式中，为由处的声源引发的互谱矩阵。

全文数据：

权利要求：

百度查询： 华北电力大学(保定) 一种托辊故障声学信号特征提取及定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD