CN106153363A - 一种基于声像监测的机械设备故障自动识别方法 - Google Patents

一种基于声像监测的机械设备故障自动识别方法 Download PDF

Info

Publication number
CN106153363A
CN106153363A CN201510159052.8A CN201510159052A CN106153363A CN 106153363 A CN106153363 A CN 106153363A CN 201510159052 A CN201510159052 A CN 201510159052A CN 106153363 A CN106153363 A CN 106153363A
Authority
CN
China
Prior art keywords
line spectrum
fault
acoustic image
plant equipment
storehouse
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.)
Granted
Application number
CN201510159052.8A
Other languages
English (en)
Other versions
CN106153363B (zh
Inventor
徐荣武
崔立林
陈景兵
任安民
袁辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval University of Engineering PLA
Original Assignee
Naval University of Engineering PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval University of Engineering PLA filed Critical Naval University of Engineering PLA
Priority to CN201510159052.8A priority Critical patent/CN106153363B/zh
Publication of CN106153363A publication Critical patent/CN106153363A/zh
Application granted granted Critical
Publication of CN106153363B publication Critical patent/CN106153363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种基于声像监测的机械设备故障自动识别方法，该方法在机械设备连续正常稳定工作的条件下，分别建立线谱识别库和故障声像识别库；对声像仪实时采集的机械设备的噪声信号的实测线谱在线谱识别库进行识别，如果识别成功，输出线谱故障指数，否则判断此线谱为异常线谱，计算异常线谱的声像图并在故障声像识别库进行识别，如果识别成功，输出声像综合故障指数和设备故障预案，否则，诊断异常线谱对应的设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到故障声像识别库中。在采用本发明的方法后，声成像故障检测***可以在任何复杂声场的条件下使用，并可以连续不间断地实现自动报警和故障提醒功能。

Description

一种基于声像监测的机械设备故障自动识别方法
技术领域
本发明属于传声器阵列测量技术领域，具体地说，本发明涉及一种基于声像监测的机械设备故障自动识别方法。
背景技术
声相仪，又名声学照相机，是利用传声器阵列测量一定范围内的声场分布的专用设备，可用于测量物体发出的声音的位置和声音辐射的状态，并用云图方式显示出直观的图像，即声成像测量。
声成像(acoustic imaging)是基于传声器阵列测量技术，通过测量一定空间内的声波到达各传声器的信号相位差异，依据相控阵原理确定声源的位置，测量声源的幅值，并以图像的方式显示声源在空间的分布，即取得空间声场分布云图－声像图，其中以图像的颜色和亮度代表声音的强弱。将声像图与阵列上配装的摄像实所拍的视频图像以透明的方式叠合在一起，就形成了可实时直观分析被测物声场的噪声源情况。这种利用声学、电子学和信息处理等技术，将声音变换成人眼可见的图像的技术可以帮助人们直观地认识声场、声波、声源，便捷地了解机械设备产生噪声的部位和原因，反应其当前所处的声场状态。
传声器阵列声成像测量***应用到机械设备故障监测时，在结合人工干预决策的条件下，能够从多个噪声源同时存在的情况下发现故障噪声源，并识别声学故障类型，这是声成像测量***的优势。但是目前声成像测量***还不能完全实现自动识别各种声学故障，主要原因是不同机械设备的声学故障成因千差万别，自动识别故障是一个技术难题。目前，声成像故障检测***都不具备自动识别故障的功能，需要人工长期值守，进而影响了声成像故障检测***的推广应用。
发明内容
本发明的目在于克服现有技术的不足，提供一种基于声像监测的设备故障自动识别方法，能够实现声成像故障检测***自动监测机械设备故障的功能。
为实现上述发明目的，本发明提供了一种基于声像监测的机械设备故障自动识别方法，该方法在机械设备连续正常稳定工作的条件下，分别建立线谱识别库和故障声像识别库；对声像仪实时采集的机械设备的噪声信号的实测线谱在线谱识别库进行识别，如果识别成功，输出线谱故障指数，否则判断此线谱为异常线谱，计算异常线谱的声像图并在故障声像识别库进行识别，如果识别成功，输出声像综合故障指数和设备故障预案，否则，诊断异常线谱对应的设备故障预案，将异常线谱、异常线谱的声像图及其对应的设备故障预案添加到故障声像识别库中。
所述方法进一步包括：
步骤1)声像仪监测机械设备，实时采集机械设备的噪声信号；将所述噪声信号的频谱进行谱平滑，得到实测线谱；
步骤2)将所述实测线谱在机械设备线谱识别库中进行识别，计算所述实测线谱与机械设备线谱识别库中每个线谱的不重叠率的最小值，作为线谱故障指数；当线谱故障指数小于1时，线谱匹配成功，输出线谱故障指数；否则，判断此线谱为异常线谱，转入步骤3)；
所述机械设备线谱识别库包括机械设备噪声频谱对应的线谱；
步骤3)统计所述异常线谱的出现次数N；判断N是否大于阈值N0，如果判断结果是肯定的，进入步骤4)；否则，转入步骤6)；
所述阈值N0通过经验和统计规律优选获得；
步骤4)计算异常线谱的声像图，在机械设备稳态故障声像库进行识别，如果识别成功；输出声像综合故障指数和设备故障预案；否则，转入步骤5)；
所述机械设备稳态故障声像库包括机械设备稳态故障对应的声像图；所述声像综合故障指数是所述异常线谱的声像图与识别出的声像图的类间距离；
步骤5)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备稳态故障声像库中；
步骤6)计算异常线谱的声像，在所述机械设备瞬态故障声像库中识别异常线谱声像，如果识别成功，输出声像综合故障指数和设备故障预案；否则，转入步骤7)；
所述机械设备瞬态故障声像库包括机械设备瞬态故障对应的声像图；
步骤7)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备瞬态故障声像库中。
上述技术方案中，在所述步骤1)之前，在机械设备在正常稳定工作条件下，建立机械设备线谱识别库、机械设备稳态故障声像库和机械设备瞬态故障声像库；具体包括：
建立机械设备线谱识别库：机械设备在正常稳定工作时，测量机械设备噪声的频谱，采用谱平滑技术得到精密频谱，并识别出每一条线谱；以频率点为标记，将其线谱列表依次存入所述机械设备线谱识别库；
建立机械设备稳态故障声像库：机械设备正常稳定工作时，声相仪从低频到高频，选择信噪比大于5dB的线谱，针对每条线谱，将声像动态范围调节到3dB，采用声像平滑技术得到稳态声像图，并对声像的强度、面积、频率进行5次平滑处理，以线谱为标记，将稳态声像图和对应的故障预案依次存入所述机械设备稳态故障声像库；
建立机械设备瞬态故障声像库：对幅度超出3dB的异常线谱计算声像图，以线谱为标记，将其声像图和对应的故障预案依次存入所述机械设备瞬态故障声像库。
上述技术方案中，所述阈值N0的取值为10。
本发明的优点在于：在采用本发明的设备故障自动识别方法后，声成像故障检测***可以在任何复杂声场的条件下使用，并可以连续不间断地实现自动报警和故障提醒功能。
附图说明
图1为本发明的基于声像监测的机械设备故障自动识别方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的说明。
如图1所示，一种基于声像监测的机械设备故障自动识别方法，所述方法包括：
步骤1)声像仪监测机械设备，实时采集机械设备的噪声信号；将所述噪声信号的频谱进行谱平滑，得到实测线谱；
在所述步骤1)之前，在机械设备在正常稳定工作条件下，建立机械设备线谱识别库、机械设备稳态故障声像库和机械设备瞬态故障声像库；具体包括：
建立机械设备线谱识别库：机械设备在正常稳定工作时，测量机械设备噪声的频谱，采用谱平滑技术得到精密频谱，并识别出每一条线谱；以频率点为标记，将其线谱列表依次存入所述机械设备线谱识别库；
建立机械设备稳态故障声像库：机械设备正常稳定工作时，声相仪从低频到高频，选择信噪比大于5dB的线谱，针对每条线谱，将声像动态范围调节到3dB，采用声像平滑技术得到稳态声像图，并对声像的强度、面积、频率进行5次平滑处理，以线谱为标记，将稳态声像图和对应的故障预案依次存入所述机械设备稳态故障声像库；
建立机械设备瞬态故障声像库：对幅度超出3dB的异常线谱计算声像图，以线谱为标记，将其声像图和对应的故障预案依次存入所述机械设备瞬态故障声像库。
步骤2)将所述实测线谱在机械设备线谱识别库中进行识别，计算所述实测线谱与机械设备线谱识别库中每个线谱的不重叠率的最小值，作为线谱故障指数；当线谱故障指数小于1时，线谱匹配成功，输出线谱故障指数；否则，判断此线谱为异常线谱，转入步骤3)；
步骤3)统计所述异常线谱的出现次数N；判断N是否大于阈值N0，如果判断结果是肯定的，进入步骤4)；否则，转入步骤6)；
所述阈值N0通过经验和统计规律优选获得；优选的，N0＝10；
步骤4)计算异常线谱的声像图，在机械设备稳态故障声像库进行识别，如果识别成功；输出声像综合故障指数和设备故障预案；否则，转入步骤5)；
所述声像综合故障指数是异常线谱的声像图与识别出的声像图的类间距离；
步骤5)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备稳态故障声像库中；
步骤6)计算异常线谱的声像，在所述机械设备瞬态故障声像库中识别异常线谱声像，如果识别成功，输出声像综合故障指数和设备故障预案；否则，转入步骤7)；
步骤7)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备瞬态故障声像库中。
需要强调的是，以上所述的具体实施例对本发明的目的、技术方案以及有益效果进行了详细的说明。所应理解的是，上述内容仅为本发明的具体实施例而已，并不用于限制本发明。凡在本发明的精神与原则之内，所做的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于声像监测的机械设备故障自动识别方法，该方法在机械设备连续正常稳定工作的条件下，分别建立线谱识别库和故障声像识别库；对声像仪实时采集的机械设备的噪声信号的实测线谱在线谱识别库进行识别，如果识别成功，输出线谱故障指数，否则判断此线谱为异常线谱，计算异常线谱的声像图并在故障声像识别库进行识别，如果识别成功，输出声像综合故障指数和设备故障预案，否则，诊断异常线谱对应的设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到故障声像识别库中。
2.根据权利要求1所述的基于声像监测的机械设备故障自动识别方法，其特征在于，所述方法进一步包括：
步骤1)声像仪监测机械设备，实时采集机械设备的噪声信号；将所述噪声信号的频谱进行谱平滑，得到实测线谱；
步骤2)将所述实测线谱在机械设备线谱识别库中进行识别，计算所述实测线谱与机械设备线谱识别库中每个线谱的不重叠率的最小值，作为线谱故障指数；当线谱故障指数小于1时，线谱匹配成功，输出线谱故障指数；否则，判断此线谱为异常线谱，转入步骤3)；
所述机械设备线谱识别库包括机械设备噪声频谱对应的线谱；
步骤3)统计所述异常线谱的出现次数N；判断N是否大于阈值N0，如果判断结果是肯定的，进入步骤4)；否则，转入步骤6)；
所述阈值N0通过经验和统计规律优选获得；
步骤4)计算异常线谱的声像图，在机械设备稳态故障声像库进行识别，如果识别成功；输出声像综合故障指数和设备故障预案；否则，转入步骤5)；
所述机械设备稳态故障声像库包括机械设备稳态故障对应的声像图；所述声像综合故障指数是所述异常线谱的声像图与识别出的声像图的类间距离；
步骤5)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备稳态故障声像库中；
步骤6)计算异常线谱的声像，在所述机械设备瞬态故障声像库中识别异常线谱声像，如果识别成功，输出声像综合故障指数和设备故障预案；否则，转入步骤7)；
所述机械设备瞬态故障声像库包括机械设备瞬态故障对应的声像图；
步骤7)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备瞬态故障声像库中。
3.根据权利要求2所述的基于声像监测的机械设备故障自动识别方法，其特征在于，在所述步骤1)之前，在机械设备在正常稳定工作条件下，建立机械设备线谱识别库、机械设备稳态故障声像库和机械设备瞬态故障声像库；具体包括：
建立机械设备线谱识别库：机械设备在正常稳定工作时，测量机械设备噪声的频谱，采用谱平滑技术得到精密频谱，并识别出每一条线谱；以频率点为标记，将其线谱列表依次存入所述机械设备线谱识别库；
建立机械设备稳态故障声像库：机械设备正常稳定工作时，声相仪从低频到高频，选择信噪比大于5dB的线谱，针对每条线谱，将声像动态范围调节到3dB，采用声像平滑技术得到稳态声像图，并对声像的强度、面积、频率进行5次平滑处理，以线谱为标记，将稳态声像图和对应的故障预案依次存入所述机械设备稳态故障声像库；
建立机械设备瞬态故障声像库：对幅度超出3dB的异常线谱计算声像图，以线谱为标记，将其声像图和对应的故障预案依次存入所述机械设备瞬态故障声像库。
4.根据权利要求2所述的基于声像监测的机械设备故障自动识别方法，其特征在于，所述阈值N0的取值为10。
CN201510159052.8A 2015-04-07 2015-04-07 一种基于声像监测的机械设备故障自动识别方法 Active CN106153363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510159052.8A CN106153363B (zh) 2015-04-07 2015-04-07 一种基于声像监测的机械设备故障自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510159052.8A CN106153363B (zh) 2015-04-07 2015-04-07 一种基于声像监测的机械设备故障自动识别方法

Publications (2)

Publication Number Publication Date
CN106153363A true CN106153363A (zh) 2016-11-23
CN106153363B CN106153363B (zh) 2018-09-14

Family

ID=57338691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510159052.8A Active CN106153363B (zh) 2015-04-07 2015-04-07 一种基于声像监测的机械设备故障自动识别方法

Country Status (1)

Country Link
CN (1) CN106153363B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212628A (zh) * 2018-10-22 2019-01-15 中国科学院声学研究所 一种用于检测汽车底盘非常规目标的检测***
CN109991003A (zh) * 2019-03-21 2019-07-09 北京宇航***工程研究所 基于声学监测的发动机状态监测与诊断***及实现方法
CN110006672A (zh) * 2019-04-09 2019-07-12 唐山百川智能机器股份有限公司 基于声成像技术的轨道车辆故障监测方法
CN110470379A (zh) * 2019-08-23 2019-11-19 武汉理工大学 一种变电站移动式智能噪声连续采集***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865789A (zh) * 2010-06-30 2010-10-20 上海交通大学 近场声全息声像模式识别故障检测装置及其检测方法
CN101936818A (zh) * 2010-08-27 2011-01-05 上海交通大学 非接触式旋转机械故障的诊断***
CN103220701A (zh) * 2013-03-21 2013-07-24 深信服网络科技（深圳）有限公司 一种ap故障检测方法及装置
CN103278801A (zh) * 2013-05-22 2013-09-04 河南省电力公司周口供电公司 一种变电站噪声成像侦测装置及侦测计算方法
US20130345563A1 (en) * 2012-06-26 2013-12-26 General Electric Company Diagnostic system and method for obtaining an ultrasound image frame

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865789A (zh) * 2010-06-30 2010-10-20 上海交通大学 近场声全息声像模式识别故障检测装置及其检测方法
CN101936818A (zh) * 2010-08-27 2011-01-05 上海交通大学 非接触式旋转机械故障的诊断***
US20130345563A1 (en) * 2012-06-26 2013-12-26 General Electric Company Diagnostic system and method for obtaining an ultrasound image frame
CN103220701A (zh) * 2013-03-21 2013-07-24 深信服网络科技（深圳）有限公司 一种ap故障检测方法及装置
CN103278801A (zh) * 2013-05-22 2013-09-04 河南省电力公司周口供电公司 一种变电站噪声成像侦测装置及侦测计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔立林 等: "基于SVDD的多设备故障源识别定位方法研究", 《噪声与振动控制》 *
鲁文波 等: "利用声场空间分布特征诊断滚动轴承故障", 《机械工程学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212628A (zh) * 2018-10-22 2019-01-15 中国科学院声学研究所 一种用于检测汽车底盘非常规目标的检测***
CN109991003A (zh) * 2019-03-21 2019-07-09 北京宇航***工程研究所 基于声学监测的发动机状态监测与诊断***及实现方法
CN109991003B (zh) * 2019-03-21 2021-06-11 北京宇航***工程研究所 基于声学监测的发动机状态监测与诊断***及实现方法
CN110006672A (zh) * 2019-04-09 2019-07-12 唐山百川智能机器股份有限公司 基于声成像技术的轨道车辆故障监测方法
CN110470379A (zh) * 2019-08-23 2019-11-19 武汉理工大学 一种变电站移动式智能噪声连续采集***

Also Published As

Publication number Publication date
CN106153363B (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
US11762089B2 (en) Systems and methods for representing acoustic signatures from a target scene
CN110991289B (zh) 异常事件的监测方法、装置、电子设备及存储介质
US20200075012A1 (en) Methods, apparatuses, systems, devices, and computer-readable storage media for processing speech signals
EP3480618B1 (en) Multi-modal acoustic imaging tool
CN106153363A (zh) 一种基于声像监测的机械设备故障自动识别方法
US11913829B2 (en) Portable acoustic imaging tool with scanning and analysis capability
CN102879763B (zh) 采用图像识别与声强扫描的噪声源快速定位***及方法
US20210099796A1 (en) Signal processing device and signal processing method
CN109756720B (zh) 使用距离信息的声学成像中的焦点和/或视差调整
KR20210129942A (ko) 이음 검사 장치 및 그 검사 방법
KR20120133330A (ko) 소리 기반 공간지도를 이용한 상황인식 장치 및 방법
US20140036631A1 (en) Active sonar apparatus, active sonar signal processing method, and recording medium storing signal processing program thereof
CN111046025A (zh) 无人机信号探测方法及装置
CN103886868A (zh) 冲击声检测方法及检测***
Alloza et al. Noise source localization in industrial facilities
CN110995821A (zh) 一种基于ai与智能头盔的配电网巡检***
CN114719961B (zh) 机器异响识别方法、装置、计算机设备及可读存储介质
US20230126604A1 (en) Remote monitoring apparatus for air valve for semiconductor equipment
CN113763679A (zh) 气体绝缘封闭式组合电器异响监测方法及装置
CN118430014A (zh) 基于太赫兹成像的人体安检方法及***
Harding et al. Using Post analysis of a noise sample stream in place of noise monitor based thresholds in the detection of aircraft noise
CN117572344A (zh) 声源定位***和方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant