基于近场声阵列的转子噪声源识别方法

摘要

本发明公开了基于近场声阵列的转子噪声源识别方法，在转子匀速转动阶段，采集转子的声压信号，记录转子位置和声传感器位置，将传统的波束成形结果作为已知条件，利用声源成像反卷积法从中提取需要的声场信息，即该信号的频谱特性、声压级大小、位置等，从而对声源面进行重构，最终找出噪声源位置。本发明采用声压传感器构建近场声阵列来识别噪声源，不受空间限制，可以同时识别多个噪声源和设备内部的噪声源。

主权项

基于近场声阵列的转子噪声源识别方法，其特征在于，包括以下步骤：(1)选择识别转子噪声源的近场声阵列的拓扑结构；(2)将声压传感器采集的信号p_m(t)和p_m'(t)通过快速傅立叶变换，并经过K个时间段的平均化，得到相应的互谱矩阵元素G_mm'：$G_{{\mathrm{mm}}^{\prime }}\left(f\right)=\frac{2}{{\mathrm{K\omega }}_{s}T}\underset{k=1}{\overset{K}{\Sigma }}\left[p_{mk}^{*}(f,T)p_{m^{\prime }k}(f,T)\right]---\left(1\right)$并由G_mm'组成互谱矩阵$\hat{G}=\left[\begin{array}{ccc}{G}_{11}& ...& G_{1m_0}\\ \begin{array}{c}.\\ .\\ .\end{array}& & \begin{array}{c}.\\ .\\ .\end{array}\\ G_{m_{0}1}& ...& G_{m_0{m}_0}\end{array}\right]---\left(2\right)$上式中，下标m和m'表示任意两个声压传感器，ω_s为时间窗常数，T为傅里叶变换的时间长度，KT表示总时间，*号表示复数共轭，m₀为近场声阵列中生涯传感器总数；(3)构建导向因子e_m：$e_m=a_m\frac{r_m}{r_0}\exp \left(\frac{j2{\mathrm{\pi fr}}_m}{c}\right)---\left(3\right)$并由导向因子e_m构成导向因子向量$\hat{e}=[e_1...e_{m_0}]---\left(4\right)$上式中，a_m为对流折射修正因子，f为声源频率；c为常温下空气中声信号传播的速度，r₀为声源到近场声阵列中心的距离，r_m为声源到第m个声压传感器的距离；(4)根据互谱矩阵和导向因子向量求出中间声源点信号$Y\left(\hat{e}\right)=\frac{{\hat{e}}^T\hat{G}\hat{e}}{m_0^2}---\left(5\right)$(5)通过导向因子e_m，把最终声源点信号转化为虚拟声压传感器信号p_m:n：$p_{m:n}=Q_n{e}_{m:n}^{-1}---\left(6\right)$上式中，下标m:n表示第m个声压传感器、第n个最终声源点，Q_n表示第n个最终声源点的声压信号的平方，n＝1,2,…,N，N为最终声源点总数；(6)任意两个虚拟声压传感器信号乘积为：$p_{m:n}^{*}{p}_{m^{\prime }:n}={\left(Q_n{e}_{m:n}^{-1}\right)}^{*}\left(Q_n{e}_{m^{\prime }:n}^{-1}\right)=Q_n^{*}{Q}_n{\left(e_{m:n}^{-1}\right)}^{*}{e}_{m^{\prime }:n}^{-1}---\left(7\right)$令将式(7)代入式(2)中，得，${\hat{G}}_{n_{mod}}=X_n\left[\begin{array}{ccc}{\left(e_1^{-1}\right)}^{*}{e}_1^{-1}& \mathrm{...}& {\left(e_1^{-1}\right)}^{*}{e}_{m_0}^{-1}\\ \begin{array}{c}.\\ .\\ .\end{array}& & \begin{array}{c}.\\ .\\ .\end{array}\\ {\left(e_{m_0}^{-1}\right)}^{*}{e}_1^{-1}& \mathrm{...}& {\left(e_{m_0}^{-1}\right)}^{*}{e}_{m_0}^{-1}\end{array}\right]---\left(8\right)$并求出${\hat{G}}_{\mathrm{mod}}=\underset{n}{\overset{N}{\Sigma }}{\hat{G}}_{n_{mod}};$(7)根据和求出修正后的中间声源点信号$Y_{n_{\mathrm{mod}}}\left(\hat{e}\right)=\left[\frac{{\hat{e}}^T{\hat{G}}_{\mathrm{mod}}\hat{e}}{m_0^2}\right]=\frac{{\hat{e}}^T\underset{n^{\prime }}{\Sigma }{X}_{n^{\prime }}{\left[\right]}_{n^{\prime }}\hat{e}}{m_0^2}=\underset{n^{\prime }}{\Sigma }\frac{{\hat{e}}^T{\left[\right]}_{n^{\prime }}\hat{e}}{m_0^2}{X}_{n^{\prime }}=\hat{A}{X}_n---\left(9\right)$上式中，下标n'和n和分别表示中间声源点和最终声源点，${\left[\right]}_{n^{\prime }}=\left[\begin{array}{ccc}{\left(e_1^{-1}\right)}^{*}{e}_1^{-1}& \mathrm{...}& {\left(e_1^{-1}\right)}^{*}{e}_{m_0}^{-1}\\ \begin{array}{c}.\\ .\\ .\end{array}& & \begin{array}{c}.\\ .\\ .\end{array}\\ {\left(e_{m_0}^{-1}\right)}^{*}{e}_1^{-1}& \mathrm{...}& {\left(e_{m_0}^{-1}\right)}^{*}{e}_{m_0}^{-1}\end{array}\right],\hat{A}=\underset{n^{\prime }}{\Sigma }\frac{{\hat{e}}^T{\left[\right]}_{n^{\prime }}\hat{e}}{m_0^2},$且是N阶方阵；(8)令$Y\left(\hat{e}\right)=Y_{n_{mod}}\left(\hat{e}\right),$求出X_n；(9)根据声源点的空间坐标和步骤(8)中得到的声压值X_n进行声源面重构，从而识别出噪声源位置。