車輛發(fā)動(dòng)機(jī)異響信號的故障特征參數(shù)提取方法

王昱翔，殷希梅，陳 凱，胡子陽

(陸軍炮兵防空兵學(xué)院 兵器工程系，合肥 230031)

二戰(zhàn)以來，摩托化、機(jī)械化的腳步迅速加快，軍用車輛的數(shù)量、種類也急劇增加，出現(xiàn)了許多功能、用途各異的特種車。軍用車輛這類有動(dòng)力武器裝備中，發(fā)動(dòng)機(jī)是其最重要的設(shè)備之一，然而因其結(jié)構(gòu)復(fù)雜，工作條件差，導(dǎo)致故障率較高，在戰(zhàn)爭中發(fā)生故障若不能及時(shí)診斷并進(jìn)行維修保障，可能帶來嚴(yán)重的后果。因此高效、簡便的車輛發(fā)動(dòng)機(jī)故障診斷技術(shù)是武器裝備維修保障領(lǐng)域的迫切需求，故障診斷中最關(guān)鍵的環(huán)節(jié)就是故障信息的特征提取[1]。

發(fā)動(dòng)機(jī)近場聲信號中含有豐富的周期信息和脈沖成分[2]，因此當(dāng)其發(fā)生故障時(shí)通常會表現(xiàn)在此類信號中。聲學(xué)故障診斷技術(shù)具有如下特點(diǎn)：非接觸式測量、設(shè)備簡單、速度快、信號易于測取、易于發(fā)現(xiàn)早期故障、無須事先粘貼傳感器、可對移動(dòng)目標(biāo)進(jìn)行在線監(jiān)測等。對于發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)聲音這類非平穩(wěn)信號的特征提取一般分為兩步，首先用非平穩(wěn)信號處理方法，例如短時(shí)傅里葉變換(STFT)、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、小波分析等對原始信號時(shí)頻分解，再采用傳統(tǒng)方法包括時(shí)域統(tǒng)計(jì)量分析、頻譜分析、功率譜分析、倒譜分析等方式進(jìn)行故障特征提取[3-4]。

本研究將采用時(shí)域、頻域結(jié)合的分析方法對發(fā)動(dòng)機(jī)聲信號中反映故障特征的參數(shù)進(jìn)行提取，為故障診斷與預(yù)測提供基礎(chǔ)。時(shí)域范圍內(nèi)選取聲信號短時(shí)能量作為特征參數(shù)，頻域范圍內(nèi)應(yīng)用梅爾頻率倒譜分析的方式處理發(fā)動(dòng)機(jī)異響信號。梅爾頻率倒譜系數(shù)主要體現(xiàn)聲音的靜態(tài)特征[5]。發(fā)動(dòng)機(jī)內(nèi)部是循環(huán)往復(fù)運(yùn)動(dòng)的機(jī)械系統(tǒng)，運(yùn)轉(zhuǎn)時(shí)發(fā)出規(guī)則噪音，靜態(tài)特征可被識別，同時(shí)MFCC參數(shù)具有良好的識別性能和抗噪能力。因此將模擬人耳聽覺機(jī)理的MFCC引入到發(fā)動(dòng)機(jī)異響信號的故障診斷領(lǐng)域，作為故障信息的特征參數(shù)。

1 聲信號獲取與特性分析

本研究選取某型運(yùn)輸車發(fā)動(dòng)機(jī)怠速運(yùn)轉(zhuǎn)時(shí)聲音作為樣本，車輛配備六缸、四沖程柴油發(fā)動(dòng)機(jī)，分別采集發(fā)動(dòng)機(jī)正常狀態(tài)下的怠速運(yùn)轉(zhuǎn)聲信號與缺兩個(gè)缸不工作時(shí)怠速運(yùn)轉(zhuǎn)聲信號。使用SONY ICD-SX2000立體聲數(shù)碼錄音棒采集汽車發(fā)動(dòng)機(jī)聲音信號，音頻格式為.WAV，采樣率為16 kHz，采樣時(shí)間30 s。截取中間段10s左右作為樣本分析，避免起始端、末尾端的噪聲干擾。發(fā)動(dòng)機(jī)為循環(huán)往復(fù)運(yùn)動(dòng)的機(jī)械系統(tǒng)，聲信號波形也表現(xiàn)為周期性循環(huán)，截取中間部分信號分析也能減少部分計(jì)算量，提高特征提取速度。

聲信號在時(shí)域內(nèi)的波形圖不易觀察出信號特性，因此一般要對其進(jìn)行快速傅里葉變換轉(zhuǎn)換到頻域上，通過觀察幅頻分布圖分析信號特性。對采集的音頻信號進(jìn)行時(shí)頻域分析，發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)聲信號的時(shí)域波形及其頻譜圖如圖1，(a)、(b)、(c)為3輛同型號車輛，發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)時(shí)聲信號時(shí)域波形穩(wěn)定，頻率主要集中低頻區(qū)域，最高大約在8 kHz。人為設(shè)置發(fā)動(dòng)機(jī)故障，使發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)時(shí)缺少兩個(gè)缸工作，其運(yùn)轉(zhuǎn)聲信號所對應(yīng)的時(shí)域波形及頻譜圖如圖2，對比發(fā)現(xiàn)故障狀態(tài)下聲信號時(shí)域波形幅值分散范圍更大，不穩(wěn)定。頻譜圖雖存在差異但不明顯，需要進(jìn)一步頻域分析，提取特征參數(shù)。

圖1 車輛發(fā)動(dòng)機(jī)正常怠速運(yùn)轉(zhuǎn)時(shí)域波形和頻譜圖

圖2 車輛發(fā)動(dòng)機(jī)缺缸怠速運(yùn)轉(zhuǎn)時(shí)域波形和頻譜圖

2 特征參數(shù)提取

特征提取的主要目的是通過總結(jié)大量的音頻數(shù)據(jù)來簡化識別，同時(shí)不丟失原始音頻的聲學(xué)特性。汽車發(fā)動(dòng)機(jī)聲音信號中包含著豐富的聲源信息，能反映其異?；蚬收蠣顟B(tài)，通過音頻特征參數(shù)提取從原始音頻信號中獲得一種能夠描述發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)狀態(tài)的特征，為進(jìn)一步模式匹配、故障識別打下基礎(chǔ)。在進(jìn)行特征提取之前，需要對原始聲信號進(jìn)行預(yù)處理，便于分析。

2.1 預(yù)處理

假設(shè)輸入的音頻信號為x(n),預(yù)處理過程如下。

1)預(yù)加重。一般情況下，聲音信號的能量會隨著其頻率的升高呈指數(shù)級衰減，使低頻信號的強(qiáng)度大于高頻信號，影響后續(xù)分析處理[6]。預(yù)加重處理實(shí)質(zhì)是將聲音信號通過一個(gè)高通濾波器，保持低頻成分能量水平不變的前提下有效提高高頻成分的能量水平，使信號的頻譜在整個(gè)頻帶中變得較為平坦，以便于提取特征。預(yù)加重過程通常用具有6 dB/倍頻程的一階數(shù)字濾波器來實(shí)現(xiàn)，其表達(dá)式為:

H(Z)=1-μz-1

其中μ為常數(shù),一般取0.97。

2)分幀加窗。由于發(fā)動(dòng)機(jī)屬于循環(huán)運(yùn)動(dòng)器械，可認(rèn)為其運(yùn)轉(zhuǎn)噪聲在一小段時(shí)間內(nèi)的物理特征參數(shù)和頻譜特性基本保持不變，或是緩慢的，即聲音信號的短時(shí)平穩(wěn)特性[7]。利用這一特性對音頻信號進(jìn)行交疊分幀，截取一小段進(jìn)行分析。取512個(gè)采樣點(diǎn)數(shù)據(jù)為一幀，對應(yīng)的時(shí)間長度為32 ms，為了避免信號間斷，讓每兩相鄰幀之間存在一定的重疊區(qū)，幀間重疊取256個(gè)點(diǎn)數(shù)據(jù)。為了保持信號的短時(shí)平穩(wěn)性，利用窗函數(shù)來減少由截?cái)喾謳幚韺?dǎo)致的吉布斯現(xiàn)象。漢明窗的主瓣稍寬，有較小的邊瓣，更具有平滑的低通特性，能夠在較高程度上反映短時(shí)信號的頻率特性，防止FFT變換后高頻部分泄露。漢明窗形式如下：

(1)

其中,a為常數(shù)，一般取0.46;為幀長。

2.2 短時(shí)能量

音頻信號經(jīng)過預(yù)處理后的每一幀內(nèi)的信號特性基本保持不變，可看作一個(gè)整體進(jìn)行分析處理，一幀信號的總能量即為信號的短時(shí)能量[8]。音頻信號短時(shí)能量代表著音量的高低，發(fā)動(dòng)機(jī)出現(xiàn)故障時(shí)往往會夾雜著許多噪聲，通過對比正常運(yùn)轉(zhuǎn)時(shí)聲信號短時(shí)能量與發(fā)生故障時(shí)的異響信號短時(shí)能量，可以判斷發(fā)動(dòng)機(jī)狀態(tài)。對信號短時(shí)能量的分析能在時(shí)域上反映不同狀態(tài)下聲信號能量的變化，還能有效降低周圍環(huán)境噪聲的影響，具有直觀性與良好的抗噪性。

預(yù)處理后的音頻信號為x(τ)，短時(shí)能量計(jì)算如下，

(2)

其中:E(n)為單幀的短時(shí)能量;N為幀長，取值為512;τ為一幀內(nèi)的樣本點(diǎn)。

分別計(jì)算發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)與缺缸運(yùn)轉(zhuǎn)狀態(tài)下聲音信號的短時(shí)能量，做出短時(shí)能量與幀數(shù)的關(guān)系圖如圖3。

由圖3得出，車輛發(fā)動(dòng)機(jī)音頻信號的短時(shí)能量局部表現(xiàn)為在缺缸運(yùn)轉(zhuǎn)時(shí)某些幀信號中出現(xiàn)多個(gè)尖點(diǎn)，是正常運(yùn)轉(zhuǎn)時(shí)信號短時(shí)能量的2～3倍；整體上觀察在大部分幀信號中缺缸工作時(shí)的短時(shí)能量都高于正常工作時(shí)信號短時(shí)能量。本實(shí)驗(yàn)采集樣本經(jīng)分析后均滿足這一結(jié)論，則可以將車輛發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)音頻信號的短時(shí)能量作為反映故障信息的特征之一。

圖3 車輛發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)音頻信號短時(shí)能量

2.3 梅爾頻率倒譜系數(shù)

梅爾頻率倒譜參數(shù)(MFCC)是在語音識別和話者識別方面最常用到的特征參數(shù)，而異響信號故障診斷最初的方法聽診法也是利用人耳聽到的聲音對故障進(jìn)行判斷，有經(jīng)驗(yàn)的專業(yè)人員能夠通過發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)聲音對機(jī)器的狀態(tài)進(jìn)行判斷。人耳對不同頻率的聲波有不同的聽覺敏感度，由于頻率較低的聲音在內(nèi)耳蝸基底膜上行波傳遞的距離大于頻率較高的聲音，故一般來說，低音容易掩蔽高音，而高音掩蔽低音較困難。MFCC利用人耳聽覺模型的研究成果，從低頻到高頻頻帶內(nèi)按臨界帶寬的大小由密到疏安排一組帶通濾波器，對輸入信號進(jìn)行濾波，將線性頻譜映射到基于人耳頻率感知的Mel非線性頻譜中，然后轉(zhuǎn)換到倒譜上提取倒譜參數(shù)。MFCC參數(shù)反映了音頻短時(shí)幅度譜的特征，同時(shí)具有良好的識別性能和抗噪能力，因此被廣泛應(yīng)用于語音識別中。MFCC可以反映人類語音信號在時(shí)、頻域上的差異，如果將車輛的發(fā)動(dòng)機(jī)看作“聲帶”，排氣道看作“聲道”，則車輛噪聲信號可看作是一種“車輛語音”[9]。因此可將語音信號識別領(lǐng)域的MFCC方法移植到車輛噪聲信號分析中進(jìn)行特征提取。MFCC參數(shù)的提取過程如圖4所示。

圖4 MFCC提取過程框圖

具體計(jì)算過程如下：

1)FFT變換

由于在時(shí)域范圍內(nèi)不易看出信號的特性，因此通常將對預(yù)處理后的分析幀信號進(jìn)行FFT得到各幀的頻譜，并對頻譜取模平方計(jì)算得到信號的離散功率譜。

(4)

P(k)=|X(k)|2

式中N表示傅里葉變換的點(diǎn)數(shù)。

2)Mel濾波器組

將功率譜信號輸入梅爾濾波器組，定義最低頻率為零，最高頻率為信號采樣頻率的一半。Mel濾波器組將信號頻域劃分成一系列三角形的濾波器序列，來模擬類似人耳感知的對數(shù)關(guān)系和掩蔽效應(yīng)[10]，在頻譜上表現(xiàn)為低頻段濾波器數(shù)量多，高頻段濾波器數(shù)量少；其中心頻域在梅爾頻率域內(nèi)呈線性分布。實(shí)際頻率與梅爾頻率的轉(zhuǎn)換關(guān)系式為：

M(f)=1 125ln(1+f/700)

本實(shí)驗(yàn)使用40個(gè)Mel帶通濾波器對功率譜信號進(jìn)行濾波，第m個(gè)帶通濾波器的傳遞函數(shù)可表示為：

功率譜P(k)通過梅爾濾波器組后輸出的對數(shù)能量為

(5)

3)離散余弦變換

對濾波器輸出的向量作離散余弦變換(DCT)得到MFCC系數(shù)。

n=0,1,2,…,L

(6)

式中：C(n)為第n個(gè)MFCC系數(shù);S(m)為濾波器輸出對數(shù)能量梅爾譜，L指MFCC系數(shù)階數(shù)，這里L(fēng)取16。則每幀可得到17個(gè)MFCC，其中n=0時(shí)得到的0階倒譜系數(shù)反映頻譜能量，其能量很大且代表直流成分，一般不作為特征參數(shù)使用[11]，故第i幀信號的16個(gè)MFCC特征值可以構(gòu)成一個(gè)特征向量K0I：

K0I=[k01,k02, …,k015,k016]

4)輸出特征向量

過多的特征向量在下一步分類識別階段會影響識別效率，將每幀信號提取的MFCC系數(shù)各階取平均值作為聲信號樣本的特征向量K：

(7)

車輛發(fā)動(dòng)機(jī)正常和缺缸運(yùn)轉(zhuǎn)音頻信號的MFCC特征值示意圖如圖5。由圖5看出，發(fā)動(dòng)機(jī)兩種運(yùn)轉(zhuǎn)狀態(tài)下音頻信號的MFCC特征值差異主要集中在第3至第8階系數(shù)之間，通過這幾階的系數(shù)特征能夠區(qū)分正常運(yùn)轉(zhuǎn)與缺缸運(yùn)轉(zhuǎn)的聲音。因此，發(fā)動(dòng)機(jī)聲信號的MFCC系數(shù)可以作為最終故障診斷與預(yù)測的特征參數(shù)之一。

圖5 車輛發(fā)動(dòng)機(jī)噪聲信號MFCC特征值示意圖

3 結(jié)論

車輛發(fā)動(dòng)機(jī)音頻信號經(jīng)過預(yù)處理后，在時(shí)域范圍內(nèi)得到的短時(shí)能量特征與頻域范圍內(nèi)提取的MFCC系數(shù)在辨識發(fā)動(dòng)機(jī)是否缺缸運(yùn)轉(zhuǎn)上效果明顯，均可作為反映發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)狀態(tài)的特征參數(shù)。

對于分析其他故障類型時(shí)提供一種特征參數(shù)提取的方法，為混合特征的提取以及多故障識別打下基礎(chǔ)，具有際應(yīng)用價(jià)值。