一种用于燃气轮机隔声罩噪声源识别方法及系统

本发明属于噪声源识别，尤其涉及一种用于燃气轮机隔声罩噪声源识别方法及系统。

背景技术：

1、燃气轮机的噪声监测信号往往是各个噪声源信号经过复杂混合过程的结果。在实际的噪声测试中，噪声源成分往往比较复杂。噪声源识别对象主要包括窄带和宽带噪声，同时各个噪声源之间也会存在辐射频带范围重叠的现象，在这种情况下，传统的噪声测试方法难以区分各个主要噪声源的空间位置信息和辐射能量信息。

2、目前常见的噪声源识别多采用基于波束形成的声聚焦阵列方法，可以利用阵列信号处理中的相关理论，可供选择的阵型和算法较多，易于工程实现。声源成像反卷积算法不仅性能稳健，而且有较高的精度。衡量噪声源识别性能的指标主要有角度分辨能力和旁瓣抑制水平。在实际的工程应用中，噪声源成分往往比较复杂。

3、通过上述分析，现有技术存在的问题及缺陷为：传统的噪声测试方法难以区分各个主要噪声源的空间位置信息和辐射能量信息。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种用于燃气轮机隔声罩噪声源识别方法及系统。

2、本发明是这样实现的，一种用于燃气轮机隔声罩噪声源识别方法，包括：

3、s1，建立时域波束形成模型、频域波束形成模型；

4、s2，对燃气轮机隔声罩接收到的信号进行分类处理，窄带信号运用时域波束成形方法处理，宽带信号运用频域波束成形方法处理；

5、s3，基于波束形成算法运用damas算法对阵元接收到的燃气轮机隔声罩噪声源信号进行识别。

6、进一步，时域波束形成算法通过对燃气轮机隔声罩的强强窄带声源存在的区域进行搜索网格点划分，然后根据各个网格点的位置，对传声器阵列中每个阵元的接收信号以乘上一个复加权系数的方式进行相位和幅度补偿，最后叠加输出就可以得到燃气轮机隔声罩窄带声源对应的波束形成空间谱，空间谱峰值处所对应的网格点就是燃气轮机隔声罩强窄带噪声源的实际位置。

7、进一步，用m个阵元的传声器阵列对d个窄带信号进行采集，该阵列中第i个阵元的接收信号可以表示为：

8、

9、式子中的gij表示编号为i的阵元对第j个窄带信号的增益，τij表示第i个声信号到达编号为j的传声器与参考阵元之间的时间延迟，ni(t)表示编号为i的传声器接收到的噪声，对于整个传声器阵列的接收信号可以用下式表示：

10、

11、传声器阵列的波束输出结果可以表示为：

12、

13、式中*代表共轭复数

14、各个阵元的接收信号以及加权系数可以表示为：

15、x(t)＝[x1(t)x2(t)…xm(t)]t

16、w＝[w1 w2…wm]t

17、式中t代表转置。

18、阵列的波束输出结果输出可以表示为：

19、

20、式中h代表共轭转置

21、在实际的噪声源识别中，通常用功率来表示波束输出结果：

22、

23、其中r是传声器阵列数据的协方差矩阵：

24、r＝e(x(t)xh(t))

25、由于采样过程的数据有限，阵列数据的协方差矩阵r可以采用以下方式进行代替：

26、

27、是k个快拍数的样本均值。

28、进一步，燃气轮机隔声罩宽带声源的频域波束形成结果可以表示为：

29、

30、其中，阵列的协方差矩阵r可以表示为：

31、

32、σ2代表阵列所采集到的噪声干扰的方差。

33、进一步，damas算法在每个搜索网格点处所构建的噪声源模型与各网格点处对应的点扩展函数之间的数学关系可以通过式子来表达：

34、

35、式子中的xn表示第n个网格点，n是搜索网格点的总数，等式左边的y(xn)表示搜索网格点xn处的常规波束形成算法的输出结果，表示搜索网格点xn处所构建的噪声源能量，ai(xj)是搜索网格点xj处的单位强度噪声源辐射到网格点xi处的系数，上式可以简化为：

36、

37、其中a的每个列向量表示相应搜索网格点处相应的点扩展函数，通过高斯迭代法得到上述方程的解：

38、

39、最终得到搜索区域每个网格点处的声能量。

40、本发明的另一目的在于提供一种应用所述用于燃气轮机隔声罩噪声源识别方法的用于燃气轮机隔声罩噪声源识别系统，包括：

41、信号分类模块，用于将信号分类为宽带信号和窄带信号；

42、时域波束形成模块，用于对窄带信号运用时域波束成形方法处理；

43、频域波束形成模块，用于对宽带信号运用频域波束成形方法处理；

44、声源成像反卷积模块，用于对处理后的信号进行生源城乡反卷积处理；

45、噪声源识别模块，用于进行噪声源识别。

46、本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的用于燃气轮机隔声罩噪声源识别方法的步骤。

47、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的用于燃气轮机隔声罩噪声源识别方法的步骤。

48、本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的用于燃气轮机隔声罩噪声源识别系统。

49、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

50、第一，针对上述现有技术存在的技术问题以及解决该问题的难度，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

51、本发明采用精度较高的波束形成类方法，将噪声源识别和强度估计问题简化为分布式声源的参数估计问题。

52、本发明的技术方案提供了一种针对燃气轮机噪声源识别方法，为解决燃气轮机噪声问题奠定了一定的基础。

53、第二，本发明利用基于波束形成声源成像反卷积算法，实现燃气轮机噪声源的精准识别，为控制噪声传播奠定基础，减少噪声传入到人耳中，避免噪声对人身心健康造成影响。本发明实用性强，工程性强，避免声污染。

54、本发明相较于现有技术，在噪声源识别的精确性和处理效率上都有显著提升，特别是在处理复杂噪声环境(如燃气轮机隔声罩内部)时，能够提供更为准确的噪声源定位信息。不仅适用于燃气轮机隔声罩内的噪声源识别，也可以推广应用于其他工业设备和环境中的噪声源识别和分析，具有广泛的应用前景。

55、第三，本发明的技术方案转化后的预期收益和商业价值为：本发明通过对燃气轮机噪声源进行识别，便于对其强噪声位置处进行控制，便于针对性地对燃气轮机开展减振降噪工作，也可以采取措施改善设备的运行情况，减少噪声污染，提高人们工作的效率。本发明技术转化后可以较好地应用到工程实际，改善设备工作状态，避免设备过度损耗，避免设备噪声造成严重的声污染；改善人们的身心健康，提高企业生产设备质量，创造更多的价值。本发明不止局限于燃气轮机一种设备噪声源识别，对于其他设备均具有较好地效果。

56、本发明的技术方案填补了国内外业内技术空白：本发明的技术方案提供了一种针对燃气轮机噪声源识别方法，为解决燃气轮机噪声问题奠定了一定的基础。

57、本发明的技术方案克服了技术偏见：本发明精确地识别出燃气轮机的噪声信号。一般地，燃气轮机与齿轮变速箱、电机等多个设备处于同一空间，设备运转时视为串联同时运行，会产生多个激励源响应之间相互干扰，噪声传播路径复杂，精确模型难以建立，给噪声源的识别带来困难。在实际的噪声测试中，噪声源成分往往比较复杂。噪声源识别对象主要包括窄带和宽带噪声，同时各个噪声源之间也会存在辐射频带范围重叠的现象。本发明精确地识别出燃气轮机噪声位置，实现了燃气轮机噪声源的精准识别。

58、第四，本发明提供的机巢云边智能巡检与设备状态监控系统体现了显著的技术进步，主要体现在以下几个方面：

59、1.边缘计算与云计算的结合：通过在边缘计算节点进行数据的初步处理和分析，系统能够实现快速响应和减少对云端的数据传输需求。这不仅降低了网络带宽的占用和传输成本，也提高了系统的实时性和可靠性。边缘计算的引入为实时监控和即时决策提供了技术支持，尤其是在网络连接不稳定或数据量极大的情况下更显重要。

60、2.轻量级机器学习模型的应用：在边缘节点部署轻量级机器学习模型进行初步的状态判断，这意味着即使在计算资源有限的环境下也能进行有效的数据分析。这种设计使得系统可以广泛部署在各种设备上，包括那些计算能力较弱的设备，极大扩展了系统的应用范围。

61、3.深度数据分析：云端服务器利用复杂的人工智能算法对数据进行深度分析，提供了对设备状态更准确的判断和预测。这种深度分析能够揭示设备运行中的复杂模式和潜在问题，为预测性维护和长期设备健康管理提供了强有力的数据支持。

62、4.智能巡检与自动化：系统根据设备状态分析结果自动生成巡检任务和计划，可以有效指导巡检人员或自动化机器人进行针对性巡检。这种智能化的巡检计划大大提高了维护工作的效率和准确性，减少了因人为遗漏而导致的设备故障。

63、5.实时状态监控与报警：系统能够实时监控设备状态，并在检测到异常时立即通过多种通信手段向相关人员发送报警信息。这种实时报警机制极大提高了对潜在设备问题的响应速度，有助于及时采取措施避免更大的损失。

64、综上所述，该系统通过技术创新实现了设备监控和维护工作的自动化、智能化，不仅提高了监控的准确性和实时性，也为设备的长期健康管理和预测性维护提供了强大的技术支持，体现了显著的技术进步。