一种基于STFT周期性能量峰的船舶螺旋桨转速预报方法

一种基于stft周期性能量峰的船舶螺旋桨转速预报方法
技术领域
1.本发明属于船舶航速识别技术领域，尤其涉及一种基于stft周期性能量峰的船舶螺旋桨转速预报方法。


背景技术：

2.螺旋桨噪声是船舶三大噪声源之一，水中的螺旋桨旋转产生的不稳定水动力负荷反作用到螺旋桨上的结果是非均匀水流流经螺旋桨时会引起噪声，此处噪声分为有空泡噪声和无空泡噪声。
3.由于最初设计的螺旋桨的临界航速相对较低，导致螺旋桨的空泡噪声较严重；随着螺旋桨设计理念的革新和设计水平的提高，螺旋桨的空化性能得到改善，螺旋桨无空泡噪声逐渐引起研究人员的重视。
4.船舶无空泡螺旋桨低频噪声是由线谱噪声和宽带噪声两部分组成，其线谱噪声主要是由于螺旋桨工作在船尾的非均匀流场中，当螺旋桨叶片周期性旋转时，会和非均匀流场相互作用产生非定常升力脉动，从而辐射出周期性的离散谱噪声。而螺旋桨低频宽带噪声主要是由于螺旋桨工作在船尾的湍流场中，由于湍流和叶片的相互作用产生随机升力脉动，从而辐射出低频宽带噪声。
5.螺旋桨转速预测传统方法是根据螺旋桨尾流噪声信号做傅里叶变换，它有丰富的低频线谱信息，可以根据螺旋桨轴频基频、叶频等信息推断出螺旋桨的转速，但在实测信号中，此方法易受到其它噪声信号的干扰，使得其低频线谱包含大量的无效信息，造成判断错误。而进行stft的周期性能量峰的螺旋桨转速预报可以避免低频噪声信号的干扰，特别是中高频段的特征尤其明显，为船舶航速的识别提供了一种新方法。


技术实现要素：

6.1.发明要解决的技术问题
7.基于现有的螺旋桨转速预报技术存在的易受到其它噪声信号干扰，造成判断错误的问题，本发明提供了一种基于stft周期性能量峰的船舶螺旋桨转速预测方法，本发明利用信号处理技术对螺旋桨噪声信号进行stft分析后，提取周期性能量峰特征，利用这些特征与螺旋桨转速进行相关性分析，得到能够准确预报螺旋桨的转速。
8.2.技术方案
9.为达到上述目的，本发明提供的技术方案为：
10.本发明的一种基于stft周期性能量峰的船舶螺旋桨转速预报方法，其步骤为：
11.步骤一、将螺旋桨噪声信号进行stft处理，通过比较分析时频谱图中特征量来确定窗函数和窗口长度；
12.步骤二、利用步骤一所得窗函数及窗口长度参数，对螺旋桨噪声信号进行stft处理，获得时频谱图信息；
13.步骤三、提取螺旋桨噪声信号的时频特征，并且统计时频图出现的周期性能量峰
的时间节点；
14.步骤四、利用步骤三中所获得的能量峰时间节点，采用差值平均值法求得周期时间，并与螺旋桨转速进行相关性分析；建立平均周期时间与螺旋桨转速的相关关系，利用该相关关系进行螺旋桨转速预报。
15.更进一步地，步骤一中利用螺旋桨噪声信号作为实验示例，采用矩形窗、三角窗、汉宁窗、海明窗、高斯窗以及布莱克曼窗六种窗函数，对螺旋桨噪声信号进行stft处理，选择特征最明显的函数作为后续分析的窗函数；并且比较窗口长度分别为128、256、512、1024的时频谱图，获取最优窗口长度l。
16.更进一步地，步骤一选择三角窗函数作为后续分析的窗函数，确定窗口长度为512。
17.更进一步地，步骤二具体过程为：
18.窗口长度为l时，三角窗的系数w(n)如下，
[0019][0020]
对噪声信号x(t)加窗处理：y(t)＝x(t)
·
w(t-τ0)
[0021]
其中w(t-τ0)是中心位置在t＝τ0处的窗函数；
[0022]
对加窗信号y(t)进行傅里叶变换：
[0023][0024]
其中，stft(ω,τ)就是噪声信号进行stft处理后的结果。
[0025]
更进一步地，步骤二设置窗口移动步长为l/2，傅里叶变换长度为4l。
[0026]
更进一步地，步骤三具体过程为：
[0027]
(1)重复步骤二，获得至少三种转速情况下螺旋桨噪声信号的stft时频图；
[0028]
(2)提取时频谱图中以时间为变量的周期性能量峰，并统计各能量峰对应的时间点。
[0029]
更进一步地，步骤四具体过程为：
[0030]
将一个周期能量峰的时间与其对应的转速相乘，得到螺旋桨转速n与能量峰周期时间t的关系：
[0031]n×
t＝1
ꢀꢀꢀ
(3)
[0032]
将时频谱图中与0s最近的一条能量峰作为第一个时间点的能量峰，依次选取9个时间点的能量峰，每两个能量峰之间的时间之差为一个周期，依次求得9个能量峰的周期时间，利用差值平均值求得最终的平均周期时间t：
[0033][0034]
其中，m为总能量峰数，t为能量峰时间节点；
[0035]
将得到的平均周期时间与螺旋桨转速建立一一映射关系，通过螺旋桨噪声信号的stft来预报船舶螺旋桨的转速。
[0036]
3.有益效果
[0037]
采用本发明提供的技术方案，与已有的公知技术相比，具有如下显著效果：
[0038]
(1)本发明的一种基于stft周期性能量峰的船舶螺旋桨转速预报方法，采用信号处理领域的stft方法，研究了无空泡螺旋桨噪声的相关特征，利用stft谱图的能量峰特征来预报螺旋桨的转速，是研究螺旋桨噪声特征的一种新思路，对船舶航速识别技术有重要的指向性价值；
[0039]
(2)本发明的一种基于stft周期性能量峰的船舶螺旋桨转速预报方法，将螺旋桨转速和螺旋桨噪声信号的stft的时频谱图联系起来，构建螺旋桨转速与螺旋桨噪声的stft周期性能量峰的特征模型，与传统的螺旋桨转速识别方法相比，避免了低频噪声的干扰，提高了螺旋桨转速识别的准确率。
附图说明
[0040]
图1为本发明螺旋桨转速预报方法的流程图；
[0041]
图2为六种窗函数的stft时频谱图；
[0042]
图3为四种窗口长度的stft时频谱图；
[0043]
图4为螺旋桨转速为15r/s的螺旋桨噪声信号的stft时频谱图；
[0044]
图5为螺旋桨转速为20r/s的螺旋桨噪声信号的stft时频谱图；
[0045]
图6为螺旋桨转速为25r/s的螺旋桨噪声信号的stft时频谱图。
具体实施方式
[0046]
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。
[0047]
实施例1
[0048]
本实施例采用信号处理领域相关方法对螺旋桨噪声信号进行分析后，提取周期性能量峰特征，得到每个能量峰的周期性信息，然后与螺旋桨转速联系起来，得到最终的转速预报公式。
[0049]
参看图1，本实施例的一种基于stft周期性能量峰的船舶螺旋桨转速预报方法，具体步骤如下：
[0050]
步骤一、确定窗函数与窗长度
[0051]
对螺旋桨噪声信号进行stft时，要选择合适的窗函数和窗长度。本实施例首先选择螺旋桨转速n＝15r/s的噪声信号作为示例，分析六种典型的窗函数对结果的影响，包括矩形窗、三角窗、汉宁窗、海明窗、高斯窗以及布莱克曼窗，分析结果如图2所示，可以明显看出三角窗的效果最好，且能量更集中，故窗函数选择三角窗函数；图3是窗口长度分别为128、256、512、1024的stft时频谱图，通过比较最终确定窗口长度为512。
[0052]
步骤二、获取螺旋桨噪声信号的stft时频谱图信息
[0053]
窗口长度l为512时，三角窗的系数w(n)如下，
[0054]
[0055]
对噪声信号x(t)加窗处理：
[0056]
y(t)＝x(t)
·
w(t-τ0)
[0057]
其中w(t-τ0)是中心位置在t＝τ0处的窗函数。
[0058]
对加窗信号y(t)进行傅里叶变换：
[0059][0060]
其中，stft(ω,τ)就是噪声信号进行stft处理后的结果。
[0061]
其余参数设置：窗口移动步长：256，傅里叶变换长度：2048。
[0062]
具体地，在matlab软件中编写stft程序，实现螺旋桨噪声信号由时域到频域的变换，图4是螺旋桨转速n＝15r/s的噪声信号对应的stft时频谱图，可以看到谱图出现了周期性的线条特征。
[0063]
步骤三、统计周期性能量峰的时间节点
[0064]
本实施例对螺旋桨转速分别为15r/s、20r/s、25r/s的噪声信号进行分析，图4～图6是相对应的stft时频谱图，谱图中给出了部分节点的信息，提取谱图中各周期性能量峰的时间节点，如表1所示，给出了连续9个能量峰的时间节点。
[0065]
表1不同转速的能量峰时间节点
[0066][0067]
步骤四、周期性能量峰与螺旋桨转速的相关性
[0068]
同一转速每2个能量峰节点之间的周期时间t相差不大，且随着螺旋桨转速的增大，周期时间t减小，将一个周期能量峰的时间与其对应的转速相乘恰好等于1转，故可以得到螺旋桨转速n与能量峰周期时间t的关系：
[0069]n×
t＝1
ꢀꢀꢀ
(3)
[0070]
为了避免实验的偶然性，本实施例将时频谱图中的与0s最近的一条能量峰作为第一个时间点的能量峰，依次选取9个时间点的能量峰，每两个能量峰之间的时间之差为一个周期，依次求得9个能量峰的周期时间，利用差值平均值求得最终的平均周期时间t，
[0071][0072]
其中，m为总能量峰数，t为能量峰时间节点。
[0073]
通过计算，转速为15r/s的平均周期时间为0.0664s，转速为20r/s的平均周期时间为0.0499s，转速为25r/s的平均周期时间为0.0407s，将各个平均周期时间与其相应的转速相乘后都约为1，验证了螺旋桨转速n与能量峰周期时间t的关系模型，说明该特征能够准确预测螺旋桨的转速。
[0074]
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所
示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。