基于局部近場聲全息聲成像的機械故障特征提取方法研究.pdf

1、基于噪聲測量與分析的聲學診斷技術具有非接觸式測量、信號易于獲取、傳感器安裝靈活等優(yōu)點，在振動測量受限的場合可以作為振動診斷技術的替代或有益補充。機械故障特征提取是聲學診斷技術的關鍵環(huán)節(jié)。常規(guī)的聲學特征提取方法通常是在單點或少數(shù)幾個點處進行噪聲測量，然后進行頻譜分析或時頻分析，無法給出故障特征隨聲源位置變化的規(guī)律，因此只能對單一設備的簡單故障進行診斷。而且，聲信號的傳播路徑復雜，信號的信噪比低，抗干擾能力差，對測點位置敏感，因此難以提取到

2、穩(wěn)定有效的故障特征，診斷效果較差。
　　近場聲全息(NAH，Near-field Acoustical Holography)技術具有強大的聲場可視化功能，成像結(jié)果具有較高的分辨率。利用NAH技術對設備進行聲場重建，不僅可以方便直觀地從重建聲像中得到機械噪聲源的位置、強度、對總體聲場貢獻的大小，分析聲源的輻射特性，還可以掌握聲場的空間分布變化規(guī)律，從中挖掘出穩(wěn)定有效的聲學特征用于機械故障診斷。因此，為了更有效地利用機械噪聲信號進行

3、故障特征提取與診斷，本文研究了基于局部 NAH聲成像的故障特征提取技術。首先，針對基于NAH的聲成像技術在實際應用中存在的適用性、精度以及效率等方面的問題，對Helmholtz方程最小二乘(Helmholtz Equation Least Square，HELS)法進行研究，提出了一種適用于復雜形面聲源的改進的HELS方法，并在此基礎上建立了基于改進HELS方法的局部NAH技術，在小全息孔徑測量條件下仍然可以獲得良好的重建效果，從而保證

4、了聲成像結(jié)果的正確性與可靠性。然后，在局部 NAH聲成像技術的基礎上，進一步研究了基于NAH聲像的機械故障特征提取與診斷方法，借鑒常用的圖像分析與處理方法，從局部NAH聲場重建得到的設備聲像中提取出能夠穩(wěn)定有效地反映設備狀態(tài)變化的特征，并采用特征約減方法對提取到的聲像特征進行融合、降維，最后結(jié)合支持向量機(SVM)分類器實現(xiàn)智能故障診斷。該方法綜合了測試技術、NAH聲成像技術、圖像處理、模式識別等多個領域的研究成果，既能對設備進行聲場可

5、視化，獲得機械噪聲源的位置、強度等特征，又能從重建聲像中挖掘出有效的故障特征實現(xiàn)設備的智能故障診斷。由于NAH技術聲場重建得到的聲像包含了豐富的設備聲場分布信息，所以基于聲像的特征提取方法可以得到更為全面而穩(wěn)定的機械故障特征，具有較高的診斷精度與較強的抗干擾能力。
　　論文的主要研究內(nèi)容如下：
　　(1)闡述論文的研究背景與意義，詳細回顧了NAH技術的發(fā)展概況，重點介紹了局部NAH技術的特點與實現(xiàn)算法，并指出了聲學特征提取與

6、診斷技術的研究現(xiàn)狀與發(fā)展方向，在此基礎上確立了本文的研究內(nèi)容與基本框架。
　　(2)分析機械設備結(jié)構(gòu)聲輻射的產(chǎn)生機理，介紹基于FFT的平面NAH的聲場重建原理，分析重建誤差的主要來源與解決方法。通過數(shù)值仿真說明有限孔徑效應對傳統(tǒng)NAH技術的影響，從而說明采用局部NAH技術的必要性。
　　(3)對基于HELS方法的聲場重建技術進行研究，討論了在HELS方法聲場重建過程中存在的不適定問題及正則化策略。根據(jù)HELS方法的特點，分別

7、以球形聲源與非球形聲源為對象進行數(shù)值仿真，全面分析基函數(shù)中心位置、正則化策略、全息面形狀與尺寸、測量距離等因素對聲場重建精度的影響，給出了重建參數(shù)設置的指導原則。
　　(4)提出一種改進的HELS方法，該方法將多個相干聲源或者復雜形面聲源的聲場視為聲源的各個組成部分輻射聲場的疊加，各部分聲源的輻射聲場都由一組獨立的球面波函數(shù)的線性組合來表達，與常規(guī)的HELS方法相比對多源或復雜形面聲源的聲場重建精度更高，具有較強的適用性。數(shù)值仿真

8、與實驗驗證了改進的HELS方法在復雜形面聲源聲場重建中的正確性與優(yōu)越性。
　　(5)將改進的HELS方法引入局部NAH技術中關鍵的全息數(shù)據(jù)外推過程中，建立了基于改進HELS方法的局部NAH技術。利用改進的HELS方法進行小全息孔徑上測量數(shù)據(jù)的近場外推，然后根據(jù)外推數(shù)據(jù)采用NAH技術實現(xiàn)聲場重建，從而等效地增大全息孔徑，減小有限孔徑效應的影響，提高聲場重建成像結(jié)果的精度。數(shù)值仿真與實驗驗證了基于改進HELS方法的局部NAH技術在小全

9、息孔徑條件下仍然可以有效地實現(xiàn)多源或復雜形面聲源的聲場重建成像，具有較高的重建精度。
　　(6)在基于局部 NAH的聲成像技術研究的基礎上，提出了基于NAH聲像的機械故障特征提取與診斷方法，分別采用奇異值分解、基于灰度直方圖的統(tǒng)計特征提取方法、基于Gabor小波變換以及基于共生矩陣的紋理特征提取方法，對設備不同狀態(tài)下通過局部NAH聲場重建得到的聲像進行故障特征提取，并采用特征約減方法對提取到的聲像特征進行融合、降維，最后采用SVM