基于时域近场声全息的旋转机械非稳态声场重构与故障诊断方法研究

Nonstationary sound field can be radiated from rotating machinery under non-steady operating conditions. Rotating machinery sound field visualization and analysis, as well as further acoustic feature extraction and fault diagnosis, are significant for its operation safety and maintenance. For this reason, taking electromotors, compressors, and other rotating machinery as research objects, in-depth study will be conducted in this project, based on time domain NAH (TDNAH), rotating machinery signal processing, acoustic image feature extraction, and pattern recognition. In view of the nonstationary sound field character, time-frequency anylysis, order tracking and other signal processing methods, are introduced into TDNAH to develop a nonstationary sound field reconstruction technique which is especially suitable for rotating machinery. Utilizing the proposed technique, the nonstationary sound field can be reconstructed with respect to the variable rotating speed and different orders. Furthermore, sound field characteristics are analyzed based on the nonstationary sound field reconstruction results. And then, texture analysis and other acoustic image processing methods are studied to extract fault features. Finally, rotating machinery fault diagnosis is realized through nonstationary sound field visualization and feature extraction. This project will provide an effective rotating machinery nonstationary sound field reconstruction and fault diagnosis method, which can overcome the limitations of the existing methods and techniques, and be beneficial for the operation safety and noise control of rotating machinery.

旋转机械在变转速等工况下会产生非稳态声场，对设备的非稳态声场进行可视化重构与分析，并提取声学特征用于故障诊断，对于设备的安全运行与科学维护有重要意义。本项目拟以时域NAH、旋转机械信号处理、声像特征提取、智能模式识别等技术为基础，以小型电机、压缩机等旋转机械为研究对象，针对设备在变转速工况下的非稳态声场特点，将时频分析、转速跟踪阶比分析等信号处理方法与时域NAH技术相结合，提出具有较强适用性的旋转机械非稳态声场重构技术，建立重构声场与设备转速、阶比等关键特征参数的关系。在非稳态声场重构的基础上，开展旋转机械的声学故障特征提取与诊断方法研究，采用纹理分析等方法从重构的全息声像中挖掘出有效的故障特征，最终实现旋转机械的智能故障诊断。项目将提供一套完整有效的旋转机械非稳态声场重构与故障诊断方法，弥补现有理论和技术的不足，为旋转机械的安全运行与噪声控制提供理论和技术上的有力支持。

旋转机械是现代工业生产中应用面最广、数量最多，也是非常具有代表性的设备之一，在航空航天、高铁、石化等国民经济支柱产业中发挥着重要作用。利用先进的声学原理与技术，对旋转机械的辐射声场特性进行分析，发现设备运转过程中异常噪声产生的根源，从设备的空间声场中挖掘出潜在的故障特征，对于设备的状态监测与故障诊断、噪声控制等有着重要意义。旋转机械在结构、运转方式、运行工况等方面的特点，使得旋转机械在运行过程中产生的辐射声场具有周期时变特征，且与设备转速密切相关，是典型的非稳态声场。然而，传统的近场声全息等声场可视化技术大多用于稳态声场的重构，对于旋转机械的辐射声场，尤其是旋转机械变转速工况下产生的非稳态声场，还缺少具有较强针对性的声场重构及特征提取方法。本项目围绕着旋转机械非稳态声场重构与故障诊断这一核心问题，对时域NAH理论、旋转机械非稳态声场特征提取与故障诊断方法等进行了深入研究。首先，对基于时域等效源法的时域NAH理论开展了深入研究，详细分析了该方法在非稳态声场重构中的各个影响因素。然后，针对旋转机械变转速声场信号的特点，将基于VoldKalman滤波的阶次追踪滤波技术分别与时域NAH及时域波束形成技术相结合，建立重构声场与设备转速、阶次等关键特征参数的关系，形成一套适用于变转速工况下的旋转机械声场近场及远场重构与特性分析的理论方法。在声场重构的基础上，采用Gabor小波变换等方法从旋转机械的声场重构结果中提取出敏感有效的故障特征，通过支持向量机（SVM）实现了旋转机械非接触式的故障诊断。进一步，将深度学习方法用于旋转机械的故障诊断，把声像特征提取与故障诊断过程合二为一，避免了复杂的声场特征提取过程，并且提高诊断正确率。实验研究结果验证了上述方法的有效性。综上所述，研究工作基本按照原计划进行，完成了对关键问题的研究和解决，研究成果达到了预定的目标。