一种复杂噪声环境下的机电系统故障在线监测声学处理方法_白兴宇.pdf

2023 年第 36 卷第 3 期Electronic Sci.Tech./Mar.15，2023h t t p s:/j o u r n a l.x i d i a n.e d u.c n收稿日期:2021-09-18基金项目:国家自然科学基金(61871163);浙江省公益技术项目(GF21F010010)National Natural Science Foundation of China(61871163);Zhe-jiang Provincial Public Benefit Technology Project(GF21F010010)作者简介:白兴宇(1973 )，男，博士，高级工程师。研究方向:水声信号处理。苟宇涛(1997 )，男，硕士研究生。研究方向:复杂噪声环境下机械设备运行状态信号的在线监测处理。一种复杂噪声环境下的机电系统故障在线监测声学处理方法白兴宇，苟宇涛，姜煜，刘明禹(杭州电子科技大学 电子信息学院，浙江 杭州 310018)摘要针对复杂背景噪声环境下的机电系统故障检测问题，文中提出了一种基于宽带声学处理的噪声抑制和故障监测方法。该方法以声学信号拾取和处理为出发点，通过对机电设备正常运行状态下声学信号进行采集、数据跟踪和复杂背景噪声抑制，建立系统正常运行状态声纹库，并进一步通过基于宽带声学处理的声纹信号匹配和模式识别技术来实现故障信号的检测与分类，进而实现对机电系统运行状态的在线监测和隐形故障的自主预警。该处理方法将基于数据跟踪的自相关噪声抑制技术与基于宽带声学处理的故障信号检测以及分类判型技术有机结合，可对机电系统早期隐性故障进行监测，有效解决了复杂噪声环境下的机电系统故障检测问题。仿真实验也证明了该处理方法的有效性和良好的实用性。关键词复杂噪声环境;宽带声学处理;噪声抑制;故障监测;声纹信号匹配;模式识别;隐性故障;分类判型中图分类号TP277文献标识码A文章编号1007 7820(2023)03 055 07doi:10.16180/ki.issn1007 7820.2023.03.009An Acoustic Treatment Method for On Line Fault Monitoring of ElectromechanicalSystems in Complex Noise EnvironmentBAI Xingyu，GOU Yutao，JIANG Yu，LIU Mingyu(School of Electronics and Information Engineering，Hangzhou Dianzi University，Hangzhou 310018，China)AbstractIn view of the problem of electromechanical system fault detection under complex background noiseenvironment，this study proposes a noise suppression and fault monitoring method based on broadband acoustic pro-cessing This method starts from acoustic signal pick up and processing，and establishes the voiceprint database ofthe normal operating state of the system by collecting，tracking the data and suppressing the complex backgroundnoise of the acoustic signal under the normal operating state of the electromechanical equipment In addition，the pro-posed method further realizes the detection and classification of fault signals through the voiceprint signal matchingand pattern recognition technology based on broadband acoustic processing，and then realizes the online monitoring ofthe operating state of the electromechanical system and the autonomous early warning of invisible faults This process-ing method organically combines the autocorrelation noise suppression technology based on data tracking and the faultsignal detection and classification technology based on broadband acoustic processing，which can monitor the earlyhidden faults of the electromechanical system and effectively solve the fault detection problem of the electromechanicalsystem in the complex noise environment The simulation experiment finally proves the effectiveness and good practi-cability of the proposed methodKeywordscomplex noise environment;broadband acoustic processing;noise suppression;fault monitoring;voiceprint signal matching;pattern recognition;hidden failure;classification随着科学技术的进步，机械设备不断向大型化、高速化、连续化、集中化和自动化的方向发展，其组成和结构也日益复杂，不同设备之间的联系也越来越密切，一旦设备的某个部分在运行过程中出现故障，且故障发展并积累到一定程度时，就会引发机械系统重大事故，因此越早发现故障，越有助于机械设备安全可靠运行。但是由于机械设备早期故障特征较弱，以及实际运行过程中复杂背景噪声叠加，使得提取和识别早期故障信号变得十分困难1。因此，先进的微弱信号检测技术和背景噪声抑制技术对于提高识别机械设备故障的准确性具有十分重要的作用。随着信号处理、人工智能、模式识别等技术的发55Electronic Science and Technology白兴宇，等:一种复杂噪声环境下的机电系统故障在线监测声学处理方法h t t p s:/j o u r n a l.x i d i a n.e d u.c n展，各种新的融合方法也不断地被引入到机电故障监测中。文献 2对背景噪声的系统进行去噪处理，结合小波去噪提出改进的阈值去噪方法。文献 3 对谱减法语音增强算法进行了改进，重点对声纹识别特征参数进行了提取，详细分析了高斯混合模型参数估计。常见的机电故障检测方法包括经验模态分解4 6、独立分量分析7 9、小波分析10 14 等。文献 15 将峰值检测专利技术在实际的滚动轴承故障诊断中进行了应用，证明了峰值检测技术在轴承故障诊断中的突出作用。文献 16 通过对峰值检测技术的应用，发现机器小幅不平稳运转不会对诊断结果产生影响，效果较为突出。在实际复杂的操作环境中，机电各个部件以及背景噪声的影响使得采集真正有用的信号非常困难，这也导致机电早期故障不易被发现17 18。针对复杂背景噪声环境下的机电系统故障检测问题，本文提出了一种基于声学处理的噪声抑制和故障监测方法。该方法首先通过声学传感器拾取机电系统运行过程的声纹信号，再通过背景噪声抑制技术去除机电系统运行过程中背景噪声，结合峰值检测技术，同时通过测量信号间动态时间弯曲距离对信号分类判型，最终实现对复杂噪声下的机电系统故障的在线监测和识别。该算法将基于动态时间弯曲算法的声纹信息匹配技术与峰值检测技术以及基于数据跟踪的自相关处理技术进行有机结合，有效解决了复杂噪声环境下的机电系统故障检测问题。为验证该算法的有效性，本文采用数值仿真分析了该算法在低信噪比情况下的噪声抑制能力、峰值检测的应用效果以及故障信号判型效果。1复杂噪声环境下机电系统故障在线监测声学处理方法原理传统故障检测方法仅能发现和判断已经发生且较为严重的典型机电设备故障，其对一些隐性故障的预判能力相对不足，难以辨别复杂噪声环境下的故障信号特征频率及其倍频。基于此，本文利用具有良好信息拾取能力的声学传感器，结合自相关噪声抑制技术、峰值检测技术以及声纹信号匹配比对技术，通过对机电系统运行状态下产生的声纹信号采集、跟踪和背景噪声抑制，实现了对机电设备故障的在线监测。本文设计的一种复杂噪声环境下的机电系统故障在线监测声学处理方法总体原理框图如图 1 所示。图 1 复杂噪声环境下的机电系统故障声学处理方法总体原理框图Figure 1 Schematic diagram of acoustic treatmentmethod for mechanical and electrical system faultsincomplex noise environment1.1复杂背景干扰噪声抑制在工程实践中，机电设备运行状态的信号包含有用的特征信号与背景干扰噪声信号。在故障早期，真正的有效信号较为微弱，容易淹没在复杂的强背景干扰噪声中。为了能较好地提取到有用的声学信号，首先需要对背景干扰噪声进行抑制，使提取到的机电设备运行状态声学信号能够最大程度地表征机电设备运行状态的特征信息。自相关滤波技术进行噪声抑制效果较好，该方法可在输入信号与噪声的统计特性未知或变化的情况下，自动估计出所需的统计特性，并以此为依据自动调整参数，以达到最佳的降噪效果。自相关函数描述的是同一信号在不同时刻的相互依赖关系，其定义如式(1)所示。()=limT1T0 x(t)x(t+)dt(1)在实际生活中背景噪声多种多样，主要包括带通噪声、冲击噪声和白噪声。白噪声在现实中十分常见，其既是时域上的随机信号也是频域上的随机信号。标准的白噪声应该是方差恒定不变的数值，均值为 0，即E x(n)=0，E x(n)2=2。机电系统正常运行过程产生的目标信号具有较强的相关性，复杂的背景噪声相关性较弱，而自相关处理方法实际上是根据信号的相关详细程度滤除信号里不相关的部分，因此自相关处理技术可滤除机电系统正65白兴宇，等:一种复杂噪声环境下的机电系统故障在线监测声学处理方法Electronic Science and Technologyh t t p s:/j o u r n a l.x i d i a n.e d u.c n常运行状态下的背景噪声信号，适用于机电系统运行过程的背景噪声抑制。正弦信号或者其他确定性信号在所有的时间位移上都有自相关函数，本文采取特定频率的正弦信号和白噪声信号来模拟实际运行过程中的正常信号和噪声信号。运用自相关处理技术降噪后，噪声信号的自相关函数随 的增大趋于零，使得信噪比提升，故此方法具有显著的降噪效果。1.2机电系统运行状态声纹信号的峰值检测峰值检测技术作为一项由国外发展而来的振动信号分析技术，是一种在某时间间隔内对信号时域波形峰值进行捕捉的信号处理与检测方法。当机电系统中的金