基于相对量分析与声学成像的异响识别定位方法及系统与流程

1.本发明涉及异响识别定位领域，更具体地，涉及基于相对量分析与声学成像的异响识别定位方法及系统。


背景技术：

2.发动机异响问题因声频、声源不同，且导致异响的因素众多，既有整车相关部件的影响又有发动机内外部零件的影响，因此对异响的问题处理难度较大。工程上针对发动机异响，主要通过采集客观数据，结合频谱分析，声品质分析等技术，结合工程经验进行异响识别与分析。传统的分析手段及经验只能识别一些常见的异响，同时也很依赖于相关人员的工程经验。
3.现有会采用一种航空发动机的异响位置识别定位方法，其包括以下步骤：s1：在航空发动机的多个位置上均匀零散设置传感器，所述传感器包括速度传感器、加速度传感器、声音传感器中的一种或多种；s2：采集异响信号，所述异响信号包括异响振动信号和异响声音信号；s3：对采集到的异响信号进行格式转换，当采集到的异响信号是异响振动信号时，将采集到异响振动信号转换为异响声音信号，当采集到的异响信号是异响声音信号时，将采集到的多个异响声音信号的采样率修正为一致；s34：对格式转换得到的异响声音信号进行统一放大处理；s4：对放大处理后的异响声音信号进行分析处理以确定准确的异响位置。
4.异响实际就是一段声音中出现如“哨响声”，但是这个异响声音具有较强的人主观判断因素，因为异响声音的与正常声音的区别在在采集的时候数据上表现区别不大，因此在上述的方法中，使用传感器采集异响信号，实际上传感器并不具备区分异响还是正常的声音的能力，因此采集到的异响信号具有非常多的数据且可能大部分不是异响，因此其在需要对每个异响信号进行处理并进行判断。而判断的方法是基于已有的异响数据库进行特征比较，进而识别并锁定异响的来源，目前的技术依赖于已有的异响数据库，对于偶发性异响，如果没有相关数据库，则难以通过特征比较进行异响定位，而且要采用逐步排除的方式来逐一对采集的信号进行判断，计算量大，难以快速定位异响的位置。


技术实现要素：

5.本发明为克服上述现有技术中不能判断偶发性异响的问题，提供基于相对量分析与声学成像的异响识别定位方法及系统，能够无论是偶发性还是常发性异响均能进行判断并快速定位异响的位置。
6.为解决上述技术问题，本发明采用的技术方案是：基于相对量分析与声学成像的异响识别定位方法，包括如下步骤：
7.步骤一：采集发动机运行的声学信号和对应的时间信号；
8.步骤二：对步骤一中采集到的声学信号进行相对量分析，锁定可能的异响频率；相对量分析为以某一个频率作为预估值与声学信号中的频率作为实际值进行比较，与预估值相差大的频率实际值为异响频率。
9.步骤三：对步骤二中的异响频率进行声音回放，判定是否为实际的异响声音；
10.步骤四：对步骤三中的判定为异响声音的异响频率进行声学成像，确定发动机异响声音的源位置。
11.在上述的技术方案中，通过预估值和实际值之间的比较对信号进行相对量分析来先直接锁定有可能是异响声音的异响频率，大幅度减少了可能被误判为异响声音的数量。并且通过对异响频率对应的声音进行回放，直接确定该异响频率是否就是实际采集中听到的异响声音，若为异响声音后再以该异响频率进行声学成像，无需进行数据对比且能准确找到发动机的异响声音的来源。而由于采用声音频率直接对比的方式来锁定异响频率，无需与数据库进行比较，因此无论是在数据库中的异响还是不在数据库中的异响均能被识别和定位。
12.优选的，在所述步骤二中，具体的流程为：
13.s2.1:对采集的时间信号进行倍频程滤波器法分析，将时间信号转换为时频信号，根据所分析的信号特征选择合适的倍频程带宽，并设置时间常数；
14.s2.2:对某点时域或频域周围一定区间内的信号通过回归算法计算出一个预估值；
15.s2.3:计算预估值和实际值之间的差，用于计算时域或频域上突变的大小，得到信号的突变部分，采用线性回归算法对时域/频域数据进行平滑处理，时域平滑区间为200ms；通过计算实际值与平滑之后的结果之间的差别对信号中的突变部分进行提取，进而确定出异响声音发生的时间和频率点。
16.预估值并非一个固定值，而且而是声音信号中某点时域以及(或者)频域区间内的信号，利用声音自身信号建立一系列的参考量，通过分析实际信号和这些参考量之间的变化，将声音中的异响给提取出来。预估值来源与采集的声音信号，由于采集的声音信号绝大多数都是正常的声音信号，因此相当于预估值是采集声音信号中正常的频率，而与该频率差值越大，说明声音突变就越明显，也就是人耳所感受到的异响声音特征越强，并且以自身信号位于预估值的选择范围，更加适应所采集到的声音信号以及能够更加准确锁定异响频率。
17.优选的，在步骤s2.1中，倍频程为十二分之一；时间常数t为1024ms。
18.优选的，在所述步骤三中，对异响频率对应的声学信号进行滤波后进行声音回放。经过滤波后的声音没有噪声，能够放大异响声音的特征，从而能够毫无疑义地确认所回放的声音是否就是异响声音。
19.优选的，使用双耳回放式耳机对滤波后的声学信号进行回放，通过听觉判断是否为异响声音。由于发动机的异响声发生的时间短，而人耳对于一段重复声音中出现的异响声音是最为敏感的，上述的步骤中将异响频率锁定为仅有的几个，因此通过听觉判断可以准备快速地将异响声音对应的频率找出。
20.优选的，在步骤一中，采集声学信号的方法为令信号采集器在距离发动机本体0.4-0.6m处，围绕发动机移动至少一圈。
21.优选的，在步骤四中，利用传声器阵列采集判定为异响声音的异响频率的声音信号，通过波束形成算法使异响频率对应的声源所在的网格点输出加强，形成“主瓣”，其他聚焦网格点处的输出衰减，形成“旁瓣”，进而识别异响频率的声源位置，即发动机异响声音的
源位置。
22.优选的，在步骤四中，传声器阵列至少有两个，分别设置于发动机相对的对角处。发动机是一个体积较大的机械机构，通过至少两个相对的方位进行成像才能更好地显示出异响声音的源位置。
23.还提供一种基于相对量分析与声学成像的异响识别定位系统，包括用于采集声音信号和时间信号的采集模块、与所述采集模块电连接并用于进行数据处理的分析模块和与所述分析模块电连接并用于声学成像的传声器模块。该系统可用于实现上述的方法。
24.与现有技术相比，本发明的有益效果是：首先通过相对量分析确定异响可能出现的频率点，通过声音回放锁定异响声音的异响频率，最后基于声学成像技术进行锁定异响频率点下的声学成像，不需要与数据库记载的异响声音进行对比，能够识别定位出常规异响和偶发性异响。同时能够直接锁定少量的异响频率，无需进行大量数据对比，异响的识别更加快速。
附图说明
25.图1为本发明的基于相对量分析与声学成像的异响识别定位方法的流程图；
26.图2为本发明的实施例2的步骤二中相对量分析的结果图；
27.图3为本发明的实施例2的步骤四中声学成像的结果图；
28.图4为本发明的基于相对量分析与声学成像的异响识别定位系统的框架图。
具体实施方式
29.附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
30.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”“长”“短”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
31.下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体描述：
32.实施例1
33.如图1所示为基于相对量分析与声学成像的异响识别定位方法的实施例1，包括如下步骤：
34.步骤一：采集发动机运行的声学信号和对应的时间信号；采集信号的方法为令信号采集器在距离发动机本体0.4-0.6m处，围绕发动机移动至少一圈；
35.步骤二：对步骤一中采集到的声学信号进行相对量分析，锁定可能的异响频率；相对量分析为以某一个频率作为预估值与声学信号中的频率作为实际值进行比较，与预估值相差大的频率实际值为异响频率。具体的流程为：
36.s2.1:对采集的时间信号进行十二分之一倍频程滤波器法分析，将时间信号转换为时频信号，根据所分析的信号特征选择合适的倍频程带宽，并设置时间常数t为1024ms；设置fftsize为8192
37.s2.2:对某点时域或频域周围一定区间内的信号通过回归算法计算出一个预估值；
38.s2.3:计算预估值和实际值之间的差，用于计算时域或频域上突变的大小，得到信号的突变部分，采用线性回归算法对时域/频域数据进行平滑处理，时域平滑区间为200ms；通过计算实际值与平滑之后的结果之间的差别对信号中的突变部分进行提取，进而确定出异响声音发生的时间和频率点。
39.步骤三：对步骤二中的异响频率对应的声学信号进行滤波后进行声音回放，使用双耳回放式耳机对滤波后的声学信号进行回放，通过听觉判断是否为实际的异响声音。经过滤波后的声音没有噪声，能够放大异响声音的特征，从而能够毫无疑义地确认所回放的声音是否就是异响声音。由于发动机的异响声发生的时间短，而人耳对于一段重复声音中出现的异响声音是最为敏感的，上述的步骤中将异响频率锁定为仅有的几个，因此通过听觉判断可以准备快速地将异响声音对应的频率找出。
40.步骤四：对步骤三中的判定为异响声音的异响频率进行声学成像，确定发动机异响声音的源位置。声学成像是利用传声器阵列采集判定为异响声音的异响频率的声音信号，通过波束形成算法使异响频率对应的声源所在的网格点输出加强，形成“主瓣”，其他聚焦网格点处的输出衰减，形成“旁瓣”，进而识别异响频率的声源位置，即发动机异响声音的源位置。其中，传声器阵列至少有两个，分别设置于发动机相对的对角处。
41.本实施例的工作原理或工作流程：通过预估值和实际值之间的比较对信号进行相对量分析来先直接锁定有可能是异响声音的异响频率，大幅度减少了可能被误判为异响声音的数量。并且通过对异响频率对应的声音进行回放，直接确定该异响频率是否就是实际采集中听到的异响声音，若为异响声音后再以该异响频率进行声学成像，无需进行数据对比且能准确找到发动机的异响声音的来源。而由于采用声音频率直接对比的方式来锁定异响频率，无需与数据库进行比较，因此无论是在数据库中的异响还是不在数据库中的异响均能被识别和定位。
42.本实施例的有益效果：首先通过相对量分析确定异响可能出现的频率点，通过声音回放锁定异响声音的异响频率，最后基于声学成像技术进行锁定异响频率点下的声学成像，不需要与数据库记载的异响声音进行对比，能够识别定位出常规异响和偶发性异响。同时能够直接锁定少量的异响频率，无需进行大量数据对比，异响的识别更加快速。
43.实施例2
44.基于相对量分析与声学成像的异响识别定位方法的实施例2，以某型发明动机的指定工况为例，具体工况见于下表1
45.表1发动机异响识别及分析工况
[0046][0047]
具体的步骤如下：
[0048]
步骤一：每个工况下专业nvh技术人员头戴双耳麦克风，距离发动机本体0.5m处，围绕发动机走动一圈，采集声学信号，声学信号中有对应的时间信号。
[0049]
步骤二：对步骤一中采集到的声学信号进行相对量分析，锁定可能的异响频率；相对量分析为以某一个频率作为预估值与声学信号中的频率作为实际值进行比较，与预估值相差大的频率实际值为异响频率，具体的流程为：
[0050]
s2.1:对采集的时间信号进行十二分之一倍频程滤波器法分析，将时间信号转换为时频信号，根据所分析的信号特征选择合适的倍频程带宽，并设置时间常数t为1024ms；设置fftsize为8192
[0051]
s2.2:对某点时域或频域周围一定区间内的信号通过回归算法计算出一个预估值；
[0052]
s2.3:计算预估值和实际值之间的差，用于计算时域或频域上突变的大小，得到信号的突变部分，采用线性回归算法对时域/频域数据进行平滑处理，时域平滑区间为200ms；通过计算实际值与平滑之后的结果之间的差别对信号中的突变部分进行提取，进而确定出异响声音发生的时间和频率点。
[0053]
在本实施例中，相对量分析结果如图2所示，发动机在2000hz和5000hz处有存在异响声音的可能性。
[0054]
步骤三：对步骤二中的2000hz和5000hz对应的声学信号进行滤波后进行声音回放，使用双耳回放式耳机对滤波后的声学信号进行回放，通过听觉判断5000hz为实际的异响声音，而2000hz频率下的声音经过回放确定为发动机本体噪音。
[0055]
步骤四：对步骤三中的判定为异响声音的异响频率进行声学成像，确定发动机异响声音的源位置。声学成像是利用传声器阵列采集判定为异响声音的异响频率的声音信号，通过波束形成算法进行5000hz频率处的声学成像计算，使5000hz对应的声源所在的网格点输出加强，形成“主瓣”，其他聚焦网格点处的输出衰减，形成“旁瓣”，进而识别异响频率的声源位置，即发动机异响声音的源位置，其成像结果如图3所示。
[0056]
在本实施例中，传声器阵列至少有两个，均为声学相机，分别设置于发动机相对的对角处。
[0057]
实施例3
[0058]
如图4所示为基于相对量分析与声学成像的异响识别定位系统的实施例，可用于实现实施例1或实施例2的方法，包括用于采集声音信号和时间信号的采集模块、与所述采集模块电连接并用于进行数据处理的分析模块和与所述分析模块电连接并用于声学成像的传声器模块。该系统可用于实现上述的方法。
[0059]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。