CN114994650A - 一种改进的螺旋桨转速估计方法 - Google Patents
一种改进的螺旋桨转速估计方法 Download PDFInfo
- Publication number
- CN114994650A CN114994650A CN202210595143.6A CN202210595143A CN114994650A CN 114994650 A CN114994650 A CN 114994650A CN 202210595143 A CN202210595143 A CN 202210595143A CN 114994650 A CN114994650 A CN 114994650A
- Authority
- CN
- China
- Prior art keywords
- frequency
- spectrum
- demon
- line
- line spectrum
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种改进的螺旋桨转速估计方法,所述估计方法包括以下步骤:步骤1:DEMON解调谱分析:对接收的舰船辐射噪声信号x(n)进行DEMON分析得到DEMON解调谱分析结果X(f);步骤2:DEMON调制线谱提取;步骤3:确定备选基频;步骤4:线谱谐波序列提取;步骤5:备选基频线谱谐波序列能量特征提取及螺旋桨转速估计。
Description
技术领域
本发明涉及水声信号处理的技术领域,尤其是涉及一种改进的螺旋桨转速估计方法。
背景技术
被动声纳目标分类识别作为声纳***的主要功能,是各国重点发展的技术领域,具有重要的应用价值,传统被动目标分类识别主要是基于目标物理属性及其辐射噪声特性,通过对目标辐射噪声进行分析并提取表征目标物理属性的线谱、连续谱和解调谱(DEMON谱)等特征来实现的,特征提取的优劣直接关系到识别结果的好坏。
解调谱特征是被动目标分类识别中最常用的特征之一,也是最重要的一类特征,通过解调谱分析可以获取目标螺旋桨参数信息,主要包括螺旋桨转速、叶率、桨叶数、轴数等,这些信息是表征目标物理属性的重要参数,也是目标分类识别的最有效的信息之一。
在目标辐射噪声解调谱结构清晰完整的情况下可以有效提取其转速(基频)、桨叶数等信息,但是在实验过程中,目标噪声解调谱结构往往不清晰、谐波结构不完整,如基频缺失、叶率缺失、仅有基频和部分谐波等,这为螺旋桨参数信息估计带来了巨大的困扰,目标转速难以准确估计,桨叶数和轴数的估计则更为困难,错误的螺旋桨参数信息估计结果可能会直接导致识别结果发生错误,螺旋桨转速估计的准确度偏低。
发明内容
本发明要解决的问题是针对现有技术中所存在的上述不足而提供一种改进的螺旋桨转速估计方法,其解决了现有技术中存在的螺旋桨转速估计的准确度偏低的问题。
本发明的上述发明目的是通过以下技术方案得以实现的:一种改进的螺旋桨转速估计方法,所述估计方法包括以下步骤:
步骤1:DEMON解调谱分析:对接收的舰船辐射噪声信号x(n)进行DEMON分析得到DEMON解调谱分析结果X(f);
步骤2:DEMON调制线谱提取;
步骤3:确定备选基频;
步骤4:线谱谐波序列提取;
步骤5:备选基频线谱谐波序列能量特征提取及螺旋桨转速估计。
本发明进一步设置为:所述步骤1还包括:
1.1带通滤波:根据目标在不同频段的调制强弱变化情况,选取带通滤波器对接收的舰船辐射噪声信号x(n)进行带通滤波,得到带通滤波信号xf(n),n=1,2,...,N,即
1.2检波:采用平方律对带通滤波信号进行检波,得到检波信号y1(n)=|xf(n)|2,n=1,2,...,N;
1.3低通滤波:对检波信号y1(n),n=1,2,...,N进行低通滤波处理,得到低通滤波信号
1.4降采样:对低通滤波信号y2(n),n=1,2,...,N进行降采样处理,得到降采样信号
y3(i)=y2(1:D:N),i=1,2,...,N/D
式中,D为降采样倍数;
式中,X(f)即为DEMON解调谱分析结果,K为累积批次。
9.本发明进一步设置为:所述步骤2还包括:
2.1对DEMON解调谱分析结果X(f)进行分析,若频点fj处谱线满足以下两个约束条件则认定其为线谱:
①fj处谱线能量为邻域内的极大值,即X(fj)>X(fj-1)且X(fj)>X(fj+1),同时
X(fj)>X(fj-2)且X(fj)>X(fj+2);
②fj处谱线能量较该谱线的背景高出βdB,即,
式中,MB为背景滑动窗长;XC(f)为解调谱背景计算结果;
2.2对不满足以上约束条件的谱线位置进行置零,满足条件的谱线位置处进行保留,所有频点遍历后得到DEMON调制线谱提取结果PL(f),即,
本发明进一步设置为:所述β取6~10dB。
本发明进一步设置为:所述步骤3还包括:
3.1设共提取到ML根线谱且其对应频点位置为ki,i=1,2,...,ML,分别计算两两线谱间的频率差得到差频计算结果△fi,i=1,2,...,M,M为差频个数,即
3.2设定频率误差百分比δ,则[△fi-δ△fi,△fi+δ△fi]范围内的差频认为是同一个差频频率,并统计每个差频出现次数,选取在预设频率范围内的线谱和差频作为备选基频sfi,i=1,2,...,P,P为备选基频个数。
本发明进一步设置为:所述预设频率范围为大于0.5Hz且小于40Hz。
本发明进一步设置为:所述步骤4还包括:针对备选基频sfi,i=1,2,...,P,分析提取的线谱与备选基频的关系,设定一个频率误差门限△,当满足|fi-round(fi/sfi)×sfi|≤△时,认为该线谱为当前备选基频的倍频谐波,以此类推,得出所有备选基频对应的倍频谐波,对于备选基频sfi,其线谱谐波序列的集合表示为
ZXi={fj||fj-round(fj/sfi)×sfi|≤△},
式中,fj∈F,F为提取的线谱集合,i=1,2,...,N。
本发明进一步设置为:所述步骤5还包括:
5.1分别计算所有线谱谐波序列的能量值,其中线谱谐波序列能量值的集合表示为
Ei=∑j{X(fj)||fj-round(fj/sfi)×sfi|≤△},
式中,X(fj)表示DEMON解调谱中fj对应的幅值,fj∈F,F为提取的线谱集合,i=1,2,...,N;
5.2挑选能量最大且谐波数量不小于预设值的线谱序列,其对应的基频即为螺旋桨基频fshaft,螺旋桨转速估计结果为rn=fshaft×60转/分。
综上所述,本发明的有益技术效果为:
(1)针对实际中基频缺失或DEMON调制谐波结构不完整等情况下螺旋桨转速估计不准确的问题,给出了一种改进的螺旋桨转速估计方法,可有效实现基频缺失或解调谱结构不完整条件下的转速估计。
(2)该方法将提取的DEMON调制线谱和线谱差频作为备选基频,通过谐波搜索和能量比较的方法进行螺旋桨转速估计,一方面可有效克服调制基频缺失情况下的转速估计问题,另一方面也可有效解决基频清晰但谐波结构不完整情况下的螺旋桨转速估计问题。
(3)仿真和实际数据分析结果表明:本发明所提方法有效地实现了DEMON调制线谱结构不清晰或不完整情况下的转速估计。
附图说明
图1是本发明中改进的螺旋桨转速估计方法的流程图;
图2是本发明中仿真数据螺旋桨谐波结构完整条件下的转速估计结果图;
图3是本发明中仿真数据螺旋桨基频缺失条件下的转速估计结果图;
图4是本发明中仿真数据螺旋桨谐波结构不完整条件下的转速估计结果图;
图5是本发明中实际数据螺旋桨基频缺失条件下的转速估计结果图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与作用更加清楚及易于了解,下面结合附图和具体实施方式对本发明作进一步阐述。
(一)实施过程
如图1所示,本发明提出了一种改进的螺旋桨转速估计方法,所述估计方法包括以下步骤:
步骤1:DEMON解调谱分析:对接收的舰船辐射噪声信号x(n)进行DEMON分析得到DEMON解调谱分析结果X(f)。
1.1带通滤波:根据目标在不同频段的调制强弱变化情况,选取带通滤波器对接收的舰船辐射噪声信号x(n)进行带通滤波,得到带通滤波信号xf(n),n=1,2,...,N,即
1.2检波:采用平方律对带通滤波信号进行检波,得到检波信号y1(n)=|xf(n)|2,n=1,2,...,N;
1.3低通滤波:对检波信号y1(n),n=1,2,...,N进行低通滤波处理,得到低通滤波信号
1.4降采样:对低通滤波信号y2(n),n=1,2,...,N进行降采样处理,得到降采样信号
y3(i)=y2(1:D:N),i=1,2,...,N/D
式中,D为降采样倍数;
式中,X(f)即为DEMON解调谱分析结果,K为累积批次。
所述步骤1中,在声纳信号处理中把通过对接受的宽带信号进行解调以计算低频解调谱的算法称为DEMON分析,解调后的低频时域信号称为包络信号,其功率谱称为DEMON解调谱,通过DEMON解调谱进行分析处理能够得到DEMON解调谱分析结果X(f),通过DEMON分析可以获得诸如螺旋桨转速等舰船物理特性,这对于水下装备的自动化和智能化信号处理都有重要的价值。
步骤2:DEMON调制线谱提取。
2.1对DEMON解调谱分析结果X(f)进行分析,若频点fj处谱线满足以下两个约束条件则认定其为线谱:
①fj处谱线能量为邻域内的极大值,即X(fj)>X(fj-1)且X(fj)>X(fj+1),同时
X(fj)>X(fj-2)且X(fj)>X(fj+2);
②fj处谱线能量较该谱线的背景高出βdB,即,
式中,MB为背景滑动窗长;XC(f)为解调谱背景计算结果;β取6~10dB;
2.2对不满足以上约束条件的谱线位置进行置零,满足条件的谱线位置处进行保留,所有频点遍历后得到DEMON调制线谱提取结果PL(f),即,
所述步骤2中,结合线谱的特征表征,通过极大值搜索和信噪比筛选提取出DEMON调制线谱,上述的DEMON调制线谱可以反映舰船有关物理属性的节奏信息,诸如螺旋桨转速和螺旋桨叶片数等。
步骤3:确定备选基频。
3.1设共提取到ML根线谱且其对应频点位置为ki,i=1,2,...,ML,分别计算两两线谱间的频率差得到差频计算结果△fi,i=1,2,...,M,M为差频个数,即
3.2设定频率误差百分比δ,则[△fi-δ△fi,△fi+δ△fi]范围内的差频认为是同一个差频频率,并统计每个差频出现次数,选取大于0.5Hz且小于40Hz频率范围内的线谱和差频作为备选基频sfi,i=1,2,...,P,P为备选基频个数。
所述步骤3中,综合利用提取的DEMON调制线谱,将DEMON调制线谱和线谱差频作为备选基频,以解决轴频缺失或DEMON调制谐波结构不完整时的目标轴频估计问题。
步骤4:线谱谐波序列提取,针对备选基频sfi,i=1,2,...,P,分析提取的线谱与备选基频的关系,设定一个频率误差门限△,当满足|fi-round(fi/sfi)×sfi|≤△时,认为该线谱为当前备选基频的倍频谐波,以此类推,得出所有备选基频对应的倍频谐波,对于备选基频sfi,其线谱谐波序列的集合表示为
ZXi={fj||fj-round(fj/sfi)×sfi|≤△},
式中,fj∈F,F为提取的线谱集合,i=1,2,...,N。
所述步骤4中,通过设定频率误差门限确定各备选基频的谐波线谱,可保证谐波搜索的宽容性。
步骤5:备选基频线谱谐波序列能量特征提取及螺旋桨转速估计。
5.1分别计算所有线谱谐波序列的能量值,其中线谱谐波序列能量值的集合表示为
Ei=∑j{X(fj)||fj-round(fj/sfi)×sfi|≤△},
式中,X(fj)表示DEMON解调谱中fj对应的幅值,fj∈F,F为提取的线谱集合,i=1,2,...,N;
5.2挑选能量最大且谐波数量不小于预设值的线谱序列,其对应的基频即为螺旋桨基频fshaft,螺旋桨转速估计结果为rn=fshaft×60转/分。
所述步骤5中,通过分析各备选基频线谱谐波组的能量关系及谐波线谱数量来确定螺旋桨轴频,提高螺旋桨轴频估计的可信度。
本改进的螺旋桨转速估计方法将提取的DEMON调制线谱和线谱差频作为备选基频,通过谐波搜索和能量比较的方法进行螺旋桨转速估计,一方面可有效克服调制基频缺失情况下的转速估计问题,另一方面也可有效解决基频清晰但谐波结构不完整情况下的螺旋桨转速估计问题。
针对实际中基频缺失或DEMON调制谐波结构不完整等情况下螺旋桨转速估计不准确的问题,给出了一种改进的螺旋桨转速估计方法,可有效实现基频缺失或解调谱结构不完整条件下的转速估计。
(二)仿真及海试数据测试结果
在“(一)实施过程”的基础上,通过仿真和实际海试数据进行分析处理,给出本发明的处理结果,仿真数据处理结果如图2~4所示,实际录取的某商船目标海试数据处理结果如图5所示。
计算机仿真:仿真目标基频4.2Hz,转速252转/分,4叶桨,仿真分3种情况,第一种情况目标螺旋桨谐波结构完整,第二种情况目标螺旋桨基频缺失,第三种情况存在目标基频但谐波结构不完整。
由仿真处理结果可以看出,在目标螺旋桨谐波结构完整、基频缺失以及存在基频但谐波结构不完整等条件下,利用所提的改进螺旋桨转速估计方法均可准确有效提取并估计出目标转速。
海试数据处理:实际数据为海试中录取的某商船目标,其基频为2.28Hz,转速为137转/分,录取的数据中目标基频缺失。
由海试数据处理结果可以看出,针对实际海试目标数据,在目标存在一定DEMON谐波结构但基频缺失的情况下,利用所提的改进螺旋桨转速估计方法可准确估计目标螺旋桨转速。
通过上述的仿真分析和海试数据处理结果表明:通过采用所提的改进螺旋桨转速估计方法可以准确有效实现螺旋桨谐波结构完整、螺旋桨基频缺失以及存在基频但谐波结构不完整等条件下的螺旋桨转速估计,进而为目标分类识别提供特征信息支持,该方法具有较好的应用前景。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种改进的螺旋桨转速估计方法,其特征在于:所述估计方法包括以下步骤:
步骤1:DEMON解调谱分析:对接收的舰船辐射噪声信号x(n)进行DEMON分析得到DEMON解调谱分析结果X(f);
步骤2:DEMON调制线谱提取;
步骤3:确定备选基频;
步骤4:线谱谐波序列提取;
步骤5:备选基频线谱谐波序列能量特征提取及螺旋桨转速估计。
2.根据权利要求1所述的一种改进的螺旋桨转速估计方法,其特征在于:所述步骤1还包括:
1.1带通滤波:根据目标在不同频段的调制强弱变化情况,选取带通滤波器对接收的舰船辐射噪声信号x(n)进行带通滤波,得到带通滤波信号xf(n),n=1,2,...,N,即
1.2检波:采用平方律对带通滤波信号进行检波,得到检波信号y1(n)=|xf(n)|2,n=1,2,...,N;
1.3低通滤波:对检波信号y1(n),n=1,2,...,N进行低通滤波处理,得到低通滤波信号
1.4降采样:对低通滤波信号y2(n),n=1,2,...,N进行降采样处理,得到降采样信号
y3(i)=y2(1:D:N),i=1,2,...,N/D
式中,D为降采样倍数;
式中,X(f)即为DEMON解调谱分析结果,K为累积批次。
4.根据权利要求3所述的一种改进的螺旋桨转速估计方法,其特征在于:所述β取6~10dB。
6.根据权利要求5所述的一种改进的螺旋桨转速估计方法,其特征在于:所述预设频率范围为大于0.5Hz且小于40Hz。
7.根据权利要求5所述的一种改进的螺旋桨转速估计方法,其特征在于:所述步骤4还包括:针对备选基频sfi,i=1,2,...,P,分析提取的线谱与备选基频的关系,设定一个频率误差门限△,当满足|fi-round(fi/sfi)×sfi|≤△时,认为该线谱为当前备选基频的倍频谐波,以此类推,得出所有备选基频
对应的倍频谐波,对于备选基频sfi,其线谱谐波序列的集合表示为
ZXi={fj||fj-round(fj/sfi)×sfi|≤△},
式中,fj∈F,F为提取的线谱集合,i=1,2,...,N。
8.根据权利要求7所述的一种改进的螺旋桨转速估计方法,其特征在于:所述步骤5还包括:
5.1分别计算所有线谱谐波序列的能量值,其中线谱谐波序列能量值的集合表示为
Ei=∑j{X(fj)||fj-round(fj/sfi)×sfi|≤△},
式中,X(fj)表示DEMON解调谱中fj对应的幅值,fj∈F,F为提取的线谱集合,i=1,2,...,N;
5.2挑选能量最大且谐波数量不小于预设值的线谱序列,其对应的基频即为螺旋桨基频fshaft,螺旋桨转速估计结果为rn=fshaft×60转/分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595143.6A CN114994650A (zh) | 2022-05-28 | 2022-05-28 | 一种改进的螺旋桨转速估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595143.6A CN114994650A (zh) | 2022-05-28 | 2022-05-28 | 一种改进的螺旋桨转速估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114994650A true CN114994650A (zh) | 2022-09-02 |
Family
ID=83029386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210595143.6A Pending CN114994650A (zh) | 2022-05-28 | 2022-05-28 | 一种改进的螺旋桨转速估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114994650A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400337A (zh) * | 2023-06-08 | 2023-07-07 | 中国人民解放军国防科技大学 | 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 |
-
2022
- 2022-05-28 CN CN202210595143.6A patent/CN114994650A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400337A (zh) * | 2023-06-08 | 2023-07-07 | 中国人民解放军国防科技大学 | 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 |
CN116400337B (zh) * | 2023-06-08 | 2023-08-18 | 中国人民解放军国防科技大学 | 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135316B (zh) | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 | |
CN109029999B (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及*** | |
CN114994650A (zh) | 一种改进的螺旋桨转速估计方法 | |
Zhang et al. | Improved local cepstrum and its applications for gearbox and rolling bearing fault detection | |
CN112782421B (zh) | 一种基于音频的转速识别方法 | |
CN110596458B (zh) | Demon谱谐波线谱和基频自动估计方法 | |
CN114486263A (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
CN110457644B (zh) | 基于LoG算子和Grubbs检验的时频脊线提取方法 | |
CN112697482A (zh) | 一种vmd多尺度波动分析状态监测方法及装置 | |
CN112697484A (zh) | 一种ssd多尺度波动分析状态监测方法及装置 | |
CN112697483A (zh) | 一种lmd多尺度波动分析状态监测方法及装置 | |
CN112683393A (zh) | 一种lmd设备故障诊断方法及*** | |
CN112697266A (zh) | 一种itd和gzc机器状态监测方法及装置 | |
CN113887450B (zh) | 基于调制谱特征的水中目标在线筛选方法 | |
Pang et al. | Weak fault diagnosis of rolling bearings based on singular spectrum decomposition, optimal Lucy–Richardson deconvolution and speed transform | |
CN115795295A (zh) | 一种基于最优加权包络谱的旋转机械特征频率增强提取方法 | |
CN111160207B (zh) | 一种基于辐射噪声调制的桨叶数特征提取方法 | |
CN116625681A (zh) | 一种基于短时傅里叶变换的谱幅值调制滚动轴承故障诊断方法 | |
CN115047082A (zh) | 一种绝缘子裂纹声振信号的经典谱估计处理方法及*** | |
CN112697479A (zh) | 一种itd多尺度波动分析状态监测方法及装置 | |
JP6926695B2 (ja) | 振幅変調成分の分析方法及び変調信号分析システム | |
CN112697470A (zh) | 一种ssd设备故障诊断方法及*** | |
CN112697263A (zh) | 一种eemd多尺度波动分析状态监测方法及装置 | |
CN116304584B (zh) | 一种基于包络谱峰值筛选的自适应噪声滤波方法 |
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 |