基于局部寻优的噪声特征线谱智能识别算法研究.pdf
《基于局部寻优的噪声特征线谱智能识别算法研究.pdf》由会员分享,可在线阅读,更多相关《基于局部寻优的噪声特征线谱智能识别算法研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 42 卷第 4 期2023 年 8 月Vol.42,No.4Aug.,2023声学技术Technical Acoustics基于局部寻优的噪声特征线谱智能识别算法研究杜德锋1,何江贤1,孟凡凯2(1.91388部队45分队,广东湛江 524002;2.海军工程大学,湖北武汉 430033)摘要:针对舰船噪声特征线谱的筛选问题,提出一种面向海量数据的线谱特征数据识别算法:噪声谱由连续谱和线谱组成,将连续谱作为该趋势项进行处理,基于最小二乘原理拟合功率谱得到功率谱趋势项,以趋势项为准零基线,将功率谱划分为上下两部分,对零线上不连续的谱线分组并进行局部寻优获取初步特征线谱,根据谱线权重进行峰值排
2、序得到舰船噪声特征线谱。算法实现了特征线谱的有效提取,并通过实测数据验证了算法的有效性,具有一定的工程应用价值。关键词:局部寻优;特征线谱;去趋势;智能识别中图分类号:TB566 文献标志码:A 文章编号:1000-3630(2023)-04-0552-05Research on the local optimization based noise feature line spectrum intelligent recognition algorithmDU Defeng1,HE Jiangxian1,MENG Fankai2(1.Unit 45,No.91388 Troops of PL
3、A,Zhanjiang 524002,Guangdong,China;2.Naval University of Engineering,Wuhan 430033,Hubei,China)Abstract:To screen out ship noise feature line spectrum,a feature data recognition algorithm for massive data is proposed.The noise spectrum is composed of continuous spectrum and line spectrum,which is tre
4、ated as the trend term.The power spectrum trend term is obtained by fitting the power spectrum based on the least square principle.Taking the trend term as the quasi-zero baseline,the power spectrum is divided into two parts.The discontinuous spectral lines on the zero line are grouped and the local
5、 optimization is carried out to obtain the initial feature line spectrum.The ship noise feature line spectrum is obtained by peak sorting according to the spectral line weight.The algorithm realizes the effective extraction of feature line spectrum.The effectiveness of the algorithm is verified by t
6、he measured data,which has a certain practical engineering application value.Key words:local optimization;characteristic line spectrum;detrend;intelligent identification0引 言复杂旋转机械系统中的设备加装隔振装置后,在振动信号低频段中仍表现出突出的特征线谱1。这些特征线谱通过船舶壳体传到水中,形成辐射噪声,对船舶隐身性能造成了危害。为降低船舶的振动噪声水平,应准确定位振源,阻断振动传递路径,减小振动对船舶壳体的冲击。系统各测点
7、的特征线谱间的耦合关系反映了振动的传递路径,特征线谱的智能识别对于快速找到各测点特征线谱的耦合关系具有重要意义。在旋转机械振动特性分析过程中,常采用功率谱法分析特征线谱进而判断设备状态。目前应用较广泛的方法有:(1)通过小波阈值方法对信号进行降噪处理,根据奇异性分析结果提取线谱2。(2)采用自适应线谱增强器,在线谱识别和筛选过程中增强线谱,抑制宽带干扰3。(3)人工对线谱进行识别提取。上述方法主要侧重于抑制噪声,提高信噪比,使线谱特征在功率谱信号中更加明显,因而存在计算误差大、运算效率低、测点布放受限等缺点,有的方法还需要特征频谱的先验知识3-5。为解决机械系统复杂运行工况下的特征线谱提取问题
8、,以最小二乘法拟合的趋势项为准零线将功率谱分为上下两部分,对于零线上的不连续谱线进行分组,对每组线谱簇进行局部寻优初步获取特征线谱,并按照谱线权重排序,得到准确有效的特征线谱序列。经过验证,该方法运算速度快,提取结果准确可靠,可实现指定频段特征线谱的快速提取。引用格式:杜德锋,何江贤,孟凡凯.基于局部寻优的噪声特征线谱智能识别算法研究J.声学技术,2023,42(4):552-556.DU Defeng,HE Jiangxian,MENG Fankai.Research on the local optimization based noise feature line spectrum in
9、telligent recognition algorithmJ.Techni-cal Acoustics,2023,42(4):552-556.DOI:10.16300/ki.1000-3630.2023.04.021收稿日期:2022-03-11;修回日期:2022-06-07基金项目:国家自然科学基金(11974429)。作者简介:杜德锋(1983),男,湖北宜昌人,博士,工程师,研究方向为噪声信号测量。通信作者:杜德锋,E-mail:defeng_第 4 期杜德锋等:基于局部寻优的噪声特征线谱智能识别算法研究1特征线谱的理论模型由于机械运动件的几何轴线不对中、质量不平衡、轴颈轴承间隙过
10、大等因素引起机械的强迫振动,其中包括周期振动、冲击振动、随机振动6,因此振动功率谱由连续的谱和大量周期性特征频率叠加而成7-8。连续谱可以用宽带平稳随机过程拟合,因此振动噪声可表示为s(t)=x(t)+i=1nli()t(1)式中:x(t)表示为宽带平稳随机过程,li(t)表示为相位随机的周期信号。振动功率谱可表示为S(f)=limT1TE|SKT(f)|2(2)式中:T为做傅里叶变换时参与运算的每段信号的长度,E为求集合平均,K为信号段编号8-9,SKT()f代表第K段的长度为T的样本序列x(t)对应的功率谱密度。通过对每段信号的功率谱求平均得到该信号的功率谱估计,该方法能够克服直接法中由于
11、数据长度T过大引起的谱曲线起伏加剧、T太小导致分辨率下降的问题。周期信号li(t)带来的特征频率是一系列线谱。特征线谱一般包含主峰和旁瓣,在特征线谱附近的频域范围内,特征线谱的幅度最大,在特征线谱两侧幅度呈递减趋势。特征线谱幅度相对于附近频域的幅度均值应高出6 dB。2基于局部寻优的特征线谱识别功率谱可视为连续谱与特征线谱的叠加。因此特征线谱识别前应分解功率谱,获得无连续谱数据干扰的特征线谱数据基底。根据最小二乘法原理拟合出连续谱(如图1(a)所示),以连续谱为准零线将功率谱分为上下两部分,并把零线上具有非连续特点的特征线谱数据基底分组(如图1(b)所示),对各组数据进行局部分析。特征频谱在各
12、分组中会表现出凸起的特点,因此只需找出局部最大值且满足6 dB信噪比的线谱,就识别出了该组的特征线谱。功率谱的线谱频率记为xi(i=12n),功率用振动加速度来表征,记为yi(i=12n)。功率谱趋势项可准确反映计算频段内系统幅频特性变化趋势,为兼顾收敛速度及精度,采用多项式拟合趋势项yFi:yFi=a0+a1x1+a2x2+aKxK=m=0Kamxmi(3)式中:K为多项式的最高次幂,am为多项式系数。am可基于最小二乘法原理获得,进而获得拟合趋势项yFi。最小二乘法就是以残差的平方和最小为拟合准则,寻找最优逼近曲线9-10,即:=mini=1nEi=mini=1n()yi-yFi2=min
13、i=1n()yi-m=0Kamxmi2(4)为满足的极小值要求,逐个对am求偏导:am=2i=1n()m=0Kamxmi-yi()xmim=01K(5)设其偏导值为0,得到K+1个线性方程组:i=1nj=0Kajxj+mi=i=1nxmiyim=01K(6)通过求解式(6)中方程组,进而求得拟合多项式系数am及拟合值yF。以趋势项为基准将初始功率划分为零上部分和零下部分,得到非连续特征线谱数据簇,划分方程为图1 去除连续谱后功率谱经“0”“1”映射的分组Fig.1 Power spectrum grouping mapped with“0”and“1”after removal of cont
14、inuous spectrum5532023 年声学技术YF1YF2YFn-1YFn=y1y2yn-1yn-yF1yF2yFn-1yFn(7)式中:YFi代表去除趋势项后的新的功率谱值。通过判断零上或零下实现功率谱序列“0”“1”映射。为了获取所关心频率区间首、尾处可能存在的特征线谱,需要在首、尾外侧补“0”,使得所有可能出现特征线谱的数据都能被分组而不被遗漏。功率谱序列映射方程为YF1YF2YFn if YFi0Yi=1if YFi0Yi=0Y1Y2Yn(8)0Y1Y2Yn0Yi=0或1 i=12n(9)有效特征线谱取值索引方程为XOR(Yi-1Yi)=1 Yi=1(10)XOR(YiYi+
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 局部 噪声 特征 线谱 智能 识别 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。