水下航行器聲學(xué)故障檢測(cè)中距離有效性的評(píng)價(jià)

徐榮武，何 琳，湯智胤，崔立林

(海軍工程大學(xué) 振動(dòng)與噪聲研究所，武漢 430033)

水下航行器聲學(xué)故障檢測(cè)中距離有效性的評(píng)價(jià)

徐榮武，何 琳，湯智胤，崔立林

(海軍工程大學(xué) 振動(dòng)與噪聲研究所，武漢 430033)

引入J-偏差作為有向偏差的改進(jìn)，并提出了一種新的距離有效性評(píng)價(jià)指標(biāo)-歸一化關(guān)鍵點(diǎn)高度(NKH)。利用仿真數(shù)據(jù)和艙段試驗(yàn)數(shù)據(jù)，以線譜頻率改變等4種類型的常見(jiàn)聲學(xué)故障為研究對(duì)象，針對(duì)歐氏距離等5種距離定義，系統(tǒng)地開(kāi)展聲學(xué)故障檢測(cè)有效性的評(píng)價(jià)研究。結(jié)果表明，J-偏差的檢測(cè)效果要優(yōu)于常用的歐式距離和Hausdorff距離。

水下航行器;聲學(xué)故障;距離檢測(cè)

水下航行器在使用過(guò)程中不可避免的會(huì)出現(xiàn)振動(dòng)噪聲的異常，此種現(xiàn)象稱為聲學(xué)故障。對(duì)水下航行器的安靜性狀態(tài)進(jìn)行監(jiān)測(cè)和了解，及時(shí)發(fā)現(xiàn)和修復(fù)出現(xiàn)的聲學(xué)故障，是水下航行器所面臨的重要安全性問(wèn)題。對(duì)于水下航行器，當(dāng)機(jī)器或設(shè)備出現(xiàn)故障時(shí)，其振聲信號(hào)特性一般會(huì)發(fā)生改變，因而通過(guò)實(shí)時(shí)監(jiān)測(cè)水下航行器的振動(dòng)和噪聲信號(hào)，對(duì)聲學(xué)故障進(jìn)行檢測(cè)識(shí)別，可以及時(shí)發(fā)現(xiàn)和消除水下航行器在使用過(guò)程中出現(xiàn)的聲學(xué)故障，確保其隱身性能始終處于良好的狀態(tài)［1，2］。

一種最常見(jiàn)的在線檢測(cè)思路是在水下航行器運(yùn)行工況保持不變的前提下，首先計(jì)算當(dāng)前振動(dòng)噪聲狀況的頻譜特征，然后將當(dāng)前特征與前一時(shí)刻進(jìn)行比較，一旦兩者之間的距離超過(guò)某一預(yù)設(shè)閾值，則作出聲學(xué)故障檢測(cè)結(jié)果為真的判決［3，4］。不難看出，如何準(zhǔn)確合理地給出頻譜間距離的定義，對(duì)于提高聲學(xué)故障檢測(cè)結(jié)果的置信度，降低誤報(bào)率具有非常重要的作用。

因此，本文利用仿真數(shù)據(jù)和艙段試驗(yàn)數(shù)據(jù)，以線譜頻率改變等4種類型的常見(jiàn)聲學(xué)故障為研究對(duì)象，針對(duì)歐氏距離等5種定義，系統(tǒng)地開(kāi)展檢測(cè)有效性的評(píng)價(jià)研究。

1 研究對(duì)象與度量指標(biāo)

1.1 聲學(xué)故障的類型

水下航行器輻射噪聲的三個(gè)主要來(lái)源是機(jī)械噪聲、螺旋槳噪聲和水動(dòng)力噪聲［5］。而且在低航速時(shí)，機(jī)械噪聲往往成為主要噪聲源。在一般情況下，輻射噪聲由寬帶連續(xù)譜和一系列線譜組成。其中線譜成分與推進(jìn)系統(tǒng)，螺旋槳及輔機(jī)有關(guān)。輔機(jī)產(chǎn)生的線譜分量通常是穩(wěn)定的，且這類線譜的頻率與航速無(wú)關(guān)。推進(jìn)系統(tǒng)和螺旋槳產(chǎn)生的線譜的幅度和頻率隨著航速變化而變化，且有周期性的調(diào)制現(xiàn)象。因此在聲學(xué)故障的研究中需要同時(shí)關(guān)注寬帶噪聲與線譜特征。一般地，聲學(xué)故障通常可分為以下4種主要類型［3］:

類型(1)——線譜頻率改變:原頻譜中某線譜的頻率發(fā)生明顯變化，且變化范圍超過(guò)某一預(yù)設(shè)閾值。

類型(2)——新線譜的出現(xiàn):在原頻譜中出現(xiàn)了明顯的新線譜。

類型(3)——窄帶功率增加:原頻譜中某線譜的功率或振幅的增加量大于某一容許的閾值。

類型(4)——寬帶功率增加:原頻譜中整個(gè)頻譜的總功率增加量大于某一容許的閾值。

1.2 研究對(duì)象概述

本文以如下5種不同的距離度量標(biāo)準(zhǔn)作為研究對(duì)象:歐氏距離 (Euclidean distance)［6］、頻譜角 (Spectral angle)［7］、J- 偏差 (J-divergence)［8］、總功率差(Diference in total power)［9］和 Hausdorff距離 (Hausdorff distance)［10］。

1.2.1 歐氏距離

假定研究對(duì)象為兩個(gè)包括n個(gè)不同頻段的頻譜P和Q，且頻譜P的第i個(gè)頻段功率大小表示為P(i)，頻譜Q的第i個(gè)頻段功率大小表示為Q(i)。則頻譜P和Q間的歐氏距離可表示為:

1.2.2 頻譜角

1.2.3 J- 偏差

1.2.4 總功率差

總功率差的計(jì)算公式為:

1.2.5 Hausdorff距離

Hausdorff距離是描述兩組點(diǎn)集之間相似程度的一種量度，它是集合與集合之間距離的一種定義形式。對(duì)于 P、Q 兩組頻譜，不妨設(shè) P={P1，P2，…，Pm} ，Q={Q1，Q2，…，Qn} 。則這兩組點(diǎn)集之間的 Hausdorff距離可以定義為:

1.3 評(píng)價(jià)指標(biāo)

現(xiàn)有研究中一般都是通過(guò)人工主觀判斷來(lái)對(duì)不同距離度量的性能差異進(jìn)行評(píng)價(jià)［12］，因此評(píng)價(jià)結(jié)果往往不夠客觀和穩(wěn)定。文獻(xiàn)［3］提出采用歸一化峰高(Normalized Peak Height，NPH)作為評(píng)價(jià)指標(biāo)，其定義為相鄰頻譜間距離的最高峰值除以相鄰頻譜間距離的標(biāo)準(zhǔn)偏差。但其缺點(diǎn)在于:(1)由于未對(duì)峰值位置進(jìn)行預(yù)判斷，因此當(dāng)信號(hào)信噪比過(guò)低時(shí)，所求得的最高峰位置(即理論上聲學(xué)狀態(tài)的變化點(diǎn))可能與實(shí)際上聲學(xué)狀態(tài)發(fā)生變化的時(shí)刻并不一致(圖1);(2)沒(méi)有考慮距離序列的平均水平對(duì)檢測(cè)性能的影響。即當(dāng)最高峰值相同時(shí)，距離序列的平均水平值越低，檢測(cè)效果就應(yīng)當(dāng)越好。

圖1 聲學(xué)狀態(tài)的變化點(diǎn)的不一致Fig.1 Unmatching between the change points in theory and practise

因此，基于上述討論，本文提出了一種新的量化的評(píng)價(jià)指標(biāo)，稱為歸一化關(guān)鍵點(diǎn)高度(Normalized Keypoints Height，NKH)。設(shè)相鄰頻譜間距離序列為S，且S中全體關(guān)鍵點(diǎn)(即聲學(xué)狀態(tài)變化時(shí)刻)的索引為INDkp，(S-SINDkp)表示S中剔除全部關(guān)鍵點(diǎn)后的子集，則NKH定義如下:

從公式(6)中不難看出，NKH的實(shí)質(zhì)是全體關(guān)鍵點(diǎn)進(jìn)行歸一化后的算術(shù)平均值。當(dāng)關(guān)鍵點(diǎn)峰值越高、剩余序列的平均值越低且變化越平穩(wěn)時(shí)，距離序列的NKH值就越大，表示檢測(cè)性能就越好。

2 仿真試驗(yàn)

［3］中的作法，本文同樣利用仿真試驗(yàn)為了研究信噪比對(duì)距離度量標(biāo)準(zhǔn)的影響。以第(2)類聲學(xué)故障(新線譜的出現(xiàn))作為研究對(duì)象。仿真數(shù)據(jù)可分為等長(zhǎng)度的3個(gè)數(shù)據(jù)段，其中數(shù)據(jù)段1和數(shù)據(jù)段3為白噪聲信號(hào)，而數(shù)據(jù)段2為白噪聲信號(hào)疊加線譜，用以模擬聲學(xué)狀態(tài)“正常—故障—正常”的變化過(guò)程，其詳細(xì)描述如表1所示。

顯然，表1中仿真數(shù)據(jù)對(duì)應(yīng)的相鄰樣本距離序列總長(zhǎng)度為192，其中關(guān)鍵點(diǎn)有2個(gè)，對(duì)應(yīng)序列索引為64和128，分別對(duì)應(yīng)線譜的出現(xiàn)時(shí)刻和消失時(shí)刻。試驗(yàn)數(shù)據(jù)分為10組，信噪比(SNR)分別為 -2 dB、-4 dB、-6 dB、-8 dB、-10 dB、-12 dB、-14 dB、-16 dB、-18 dB和-20 dB。為降低隨機(jī)因素的影響，每組試驗(yàn)均重復(fù)15次。

表1 數(shù)據(jù)段的描述Tab.1 Description of test data

試驗(yàn)結(jié)果表明(表2)，當(dāng)SNR＞-12 dB時(shí)，歐氏距離、頻譜角和 J-偏差均能順利地檢測(cè)出2個(gè)關(guān)鍵點(diǎn);而當(dāng)SNR≤-12 dB時(shí)，由于關(guān)鍵點(diǎn)已完全淹沒(méi)在噪聲信號(hào)中，此時(shí)5種距離度量都已無(wú)法準(zhǔn)確對(duì)聲學(xué)故障作出檢測(cè)。

表2 不同信噪比條件下關(guān)鍵點(diǎn)個(gè)數(shù)檢測(cè)結(jié)果(15次試驗(yàn)平均值)Tab.2 The number of key points under different SNR(15 times averaging)

因此，僅以歐氏距離、頻譜角和 J-偏差作為進(jìn)一步研究對(duì)象，分別計(jì)算其在SNR＞-12時(shí)的 NKH值，結(jié)果如表3所示:

表3 各種信噪比條件下不同距離度量的NKH比較Tab.3 The NKH value under different SNR

從表3中不難看出，J-偏差效果最佳，其平均NKH值分別是歐氏距離和頻譜角的1.84倍和7.39倍。

3 艙段模型試驗(yàn)

在仿真試驗(yàn)的基礎(chǔ)上，進(jìn)一步選擇選擇某水下航行器艙段模型作為試驗(yàn)對(duì)象。在模型內(nèi)部布置電機(jī)(圖2)、激振機(jī)(圖3)和海水泵(圖4)各一臺(tái)，通過(guò)設(shè)備不同工況的組合來(lái)模擬不同類型的噪聲源狀態(tài)。

試驗(yàn)測(cè)試系統(tǒng)如下:信號(hào)發(fā)生器—B＆K 1049;功率放大器—B＆K2707;激振機(jī)—B＆K 4801T;信號(hào)采集系統(tǒng)—B＆K 3560D+PULSE 8.0;加速度傳感器—PCB 352C33 ICP型加速度計(jì)。系統(tǒng)采樣頻率為800×2.56=2 048 Hz，采樣時(shí)間為8 s。加速度傳感器布置于艙段模型外殼左舷。

類似上節(jié)中的做法，每類聲學(xué)故障數(shù)據(jù)仍然分為3個(gè)數(shù)據(jù)段，用以表示“正常—故障—正常”的全過(guò)程，具體設(shè)置如表4所示。

表4 聲學(xué)故障工況設(shè)置Tab.4 List of acoustic fault conditions

此外，為更好的模擬水下航行器的實(shí)際工作環(huán)境，本文在每類工況的數(shù)據(jù)中人工疊加白噪聲(SNR=-5 dB)。試驗(yàn)的主要結(jié)果如表5和表6所示。

表5 不同聲學(xué)故障設(shè)置下關(guān)鍵點(diǎn)個(gè)數(shù)檢測(cè)結(jié)果(15次試驗(yàn)平均值)Tab.5 The number of key points when setting different acoustic faults(15 times averaging)

表6 各種信噪比條件下不同距離度量的NKH比較Tab.6 The NKH value when setting different acoustic faults

因此，從關(guān)鍵點(diǎn)檢測(cè)效果和 NKH值兩個(gè)方面看，J-偏差都要由于其他距離定義。這也驗(yàn)證了第2節(jié)仿真試驗(yàn)中的結(jié)論。

4 結(jié)論

本文引入J-偏差作為有向偏差的改進(jìn)，提出了一種新的距離有效性評(píng)價(jià)指標(biāo)—?dú)w一化關(guān)鍵點(diǎn)高度(NKH)。利用仿真數(shù)據(jù)和艙段試驗(yàn)數(shù)據(jù)，以線譜頻率改變等4種類型的常見(jiàn)聲學(xué)故障為研究對(duì)象，針對(duì)歐氏距離等5種定義，系統(tǒng)地開(kāi)展檢測(cè)有效性的評(píng)價(jià)研究。結(jié)果表明:

(1)歸一化關(guān)鍵點(diǎn)高度(NKH)與實(shí)際檢測(cè)結(jié)果具有很好的一致性，可以較好地刻劃不同距離度量的有效性能。

(2)與常用的距離定義如歐氏距離［3］和Hausdorff距離［12］相比，J-偏差能夠靈敏地反應(yīng)出傳感器頻譜特征中線譜頻率改變、新線譜的出現(xiàn)、窄帶功率增加和寬帶功率增加等水下航行器聲學(xué)狀態(tài)的變化，同時(shí)具有較好的抗噪性能，適合工程應(yīng)用。

參考文獻(xiàn)

［1］Eatwell G P，Dorling C M.Practical Techniques For Noise Path Identafication.Underwater Defence Technology.In:UDT;1990.

［2］周軍偉，朱海潮，章林柯.基于KNN分類算法的水下航行器聲學(xué)故障檢測(cè)識(shí)別研究［J］.噪聲與振動(dòng)控制，2009，29(2):59-62.

［3］O'Mara D，Gear G，McMahon D R.Automated self-noise monitoring and acoustic fault detection.In:UDT;2002.

［4］ Yamanishi K， Takeuchi J-i， Williams G. On-line Unsupervised Outlier Detection Using Finite Mixtures with Discounting Learning Algorithm［J］.Data Miningand Knowledge Discovery，2004，8(3):275-300.

［5］ Urick R J. PrincipalsofUnderwaterSound: McGraw Hill;1983.

［6］Waner S，Levine G C.Introduction to Differential Geometry and General Relativity:Departments of Mathematics and Physics，Hofstra University;1989.

［7］Ciminello M，Szlyk T.The Classification of Terrestrial Materials and Vegetation Using Remotely Sensed Multi-Spectral Data at the AUTEC's Main Base on Andros Island，Bahamas.In:UDT;2004.

［8］Lin J.Divergence Measures Based on the Shannon Entropy［J］.Ieee Transactions on Information Theory，1991，37(1):145-151.

［9］肖邵予，汪 浩，吳英友，等.統(tǒng)計(jì)學(xué)在結(jié)構(gòu)噪聲監(jiān)測(cè)中的運(yùn)用［J］.中國(guó)艦船研究，2008，3(4):45-49.

［10］ Hemminger T L.A real-time neural-net computing approach to the detection and classification of underwater acoustics transients:Western Reserve University;1992.

［11］ Kullback S.Information Theory and Statistics.New York:Dover Publications;1968.

［12］ Aiord?chioaie D，Dugan V.Metrics for Spectral Amplitude Classification.In:Proceedings of the 5th European Congress on IntelligentTechniques and SoftComputing; 1997;Aachen，Germany，1997，1784-1788.

Detection of underwater vehicle's acoustic fault

XU Rong-wu，HE Lin，TANG Zhi-yin，CUI Li-lin

(Naval University of Engineering，Wuhan 430033，China)

J-divergence was induced as an improvement of directive divergence.By introducing a new kind of evaluation index，normalized key-points height(NKH)，a simulation and a cabin model test were presented to evaluate the effect of five different distance concepts including Euclidean distance etc.on four kinds of acoustic faults.The result showed that J-divergence is the best choice for acoustic fault detection.

underwater vehicle;acoustic fault;distance-based detection

TB533;U674

A

國(guó)家自然科學(xué)基金(50775218)

2010-01-15

徐榮武 男，博士，講師，1980年3月生