水下航行器聲學故障檢測中距離有效性的評價

徐榮武，何 琳，湯智胤，崔立林

(海軍工程大學 振動與噪聲研究所，武漢 430033)

水下航行器聲學故障檢測中距離有效性的評價

徐榮武，何 琳，湯智胤，崔立林

(海軍工程大學 振動與噪聲研究所，武漢 430033)

引入J-偏差作為有向偏差的改進，并提出了一種新的距離有效性評價指標-歸一化關鍵點高度(NKH)。利用仿真數據和艙段試驗數據，以線譜頻率改變等4種類型的常見聲學故障為研究對象，針對歐氏距離等5種距離定義，系統地開展聲學故障檢測有效性的評價研究。結果表明，J-偏差的檢測效果要優(yōu)于常用的歐式距離和Hausdorff距離。

水下航行器;聲學故障;距離檢測

水下航行器在使用過程中不可避免的會出現振動噪聲的異常，此種現象稱為聲學故障。對水下航行器的安靜性狀態(tài)進行監(jiān)測和了解，及時發(fā)現和修復出現的聲學故障，是水下航行器所面臨的重要安全性問題。對于水下航行器，當機器或設備出現故障時，其振聲信號特性一般會發(fā)生改變，因而通過實時監(jiān)測水下航行器的振動和噪聲信號，對聲學故障進行檢測識別，可以及時發(fā)現和消除水下航行器在使用過程中出現的聲學故障，確保其隱身性能始終處于良好的狀態(tài)［1，2］。

一種最常見的在線檢測思路是在水下航行器運行工況保持不變的前提下，首先計算當前振動噪聲狀況的頻譜特征，然后將當前特征與前一時刻進行比較，一旦兩者之間的距離超過某一預設閾值，則作出聲學故障檢測結果為真的判決［3，4］。不難看出，如何準確合理地給出頻譜間距離的定義，對于提高聲學故障檢測結果的置信度，降低誤報率具有非常重要的作用。

因此，本文利用仿真數據和艙段試驗數據，以線譜頻率改變等4種類型的常見聲學故障為研究對象，針對歐氏距離等5種定義，系統地開展檢測有效性的評價研究。

1 研究對象與度量指標

1.1 聲學故障的類型

水下航行器輻射噪聲的三個主要來源是機械噪聲、螺旋槳噪聲和水動力噪聲［5］。而且在低航速時，機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系統，螺旋槳及輔機有關。輔機產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關。推進系統和螺旋槳產生的線譜的幅度和頻率隨著航速變化而變化，且有周期性的調制現象。因此在聲學故障的研究中需要同時關注寬帶噪聲與線譜特征。一般地，聲學故障通?？煞譃橐韵?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，且變化范圍超過某一預設閾值。

類型(2)——新線譜的出現:在原頻譜中出現了明顯的新線譜。

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:原頻譜中整個頻譜的總功率增加量大于某一容許的閾值。

1.2 研究對象概述

本文以如下5種不同的距離度量標準作為研究對象: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

假定研究對象為兩個包括n個不同頻段的頻譜P和Q，且頻譜P的第i個頻段功率大小表示為P(i)，頻譜Q的第i個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

總功率差的計算公式為:

1.2.5 Hausdorff距離

Hausdorff距離是描述兩組點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。對于 P、Q 兩組頻譜，不妨設 P={P1，P2，…，Pm} ，Q={Q1，Q2，…，Qn} 。則這兩組點集之間的 Hausdorff距離可以定義為:

1.3 評價指標

現有研究中一般都是通過人工主觀判斷來對不同距離度量的性能差異進行評價［12］，因此評價結果往往不夠客觀和穩(wěn)定。文獻［3］提出采用歸一化峰高(Normalized Peak Height，NPH)作為評價指標，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準偏差。但其缺點在于:(1)由于未對峰值位置進行預判斷，因此當信號信噪比過低時，所求得的最高峰位置(即理論上聲學狀態(tài)的變化點)可能與實際上聲學狀態(tài)發(fā)生變化的時刻并不一致(圖1);(2)沒有考慮距離序列的平均水平對檢測性能的影響。即當最高峰值相同時，距離序列的平均水平值越低，檢測效果就應當越好。

圖1 聲學狀態(tài)的變化點的不一致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價指標，稱為歸一化關鍵點高度(Normalized Keypoints Height，NKH)。設相鄰頻譜間距離序列為S，且S中全體關鍵點(即聲學狀態(tài)變化時刻)的索引為INDkp，(S-SINDkp)表示S中剔除全部關鍵點后的子集，則NKH定義如下:

從公式(6)中不難看出，NKH的實質是全體關鍵點進行歸一化后的算術平均值。當關鍵點峰值越高、剩余序列的平均值越低且變化越平穩(wěn)時，距離序列的NKH值就越大，表示檢測性能就越好。

2 仿真試驗

［3］中的作法，本文同樣利用仿真試驗為了研究信噪比對距離度量標準的影響。以第(2)類聲學故障(新線譜的出現)作為研究對象。仿真數據可分為等長度的3個數據段，其中數據段1和數據段3為白噪聲信號，而數據段2為白噪聲信號疊加線譜，用以模擬聲學狀態(tài)“正?！收稀！钡淖兓^程，其詳細描述如表1所示。

顯然，表1中仿真數據對應的相鄰樣本距離序列總長度為192，其中關鍵點有2個，對應序列索引為64和128，分別對應線譜的出現時刻和消失時刻。試驗數據分為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。為降低隨機因素的影響，每組試驗均重復15次。

表1 數據段的描述Tab.1 Description of test data

試驗結果表明(表2)，當SNR＞-12 dB時，歐氏距離、頻譜角和 J-偏差均能順利地檢測出2個關鍵點;而當SNR≤-12 dB時，由于關鍵點已完全淹沒在噪聲信號中，此時5種距離度量都已無法準確對聲學故障作出檢測。

表2 不同信噪比條件下關鍵點個數檢測結果(15次試驗平均值)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-偏差作為進一步研究對象，分別計算其在SNR＞-12時的 NKH值，結果如表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

在仿真試驗的基礎上，進一步選擇選擇某水下航行器艙段模型作為試驗對象。在模型內部布置電機(圖2)、激振機(圖3)和海水泵(圖4)各一臺，通過設備不同工況的組合來模擬不同類型的噪聲源狀態(tài)。

試驗測試系統如下:信號發(fā)生器—B＆K 1049;功率放大器—B＆K2707;激振機—B＆K 4801T;信號采集系統—B＆K 3560D+PULSE 8.0;加速度傳感器—PCB 352C33 ICP型加速度計。系統采樣頻率為800×2.56=2 048 Hz，采樣時間為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，每類聲學故障數據仍然分為3個數據段，用以表示“正?！收稀！钡娜^程，具體設置如表4所示。

表4 聲學故障工況設置Tab.4 List of acoustic fault conditions

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

表5 不同聲學故障設置下關鍵點個數檢測結果(15次試驗平均值)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，從關鍵點檢測效果和 NKH值兩個方面看，J-偏差都要由于其他距離定義。這也驗證了第2節(jié)仿真試驗中的結論。

4 結論

本文引入J-偏差作為有向偏差的改進，提出了一種新的距離有效性評價指標—歸一化關鍵點高度(NKH)。利用仿真數據和艙段試驗數據，以線譜頻率改變等4種類型的常見聲學故障為研究對象，針對歐氏距離等5種定義，系統地開展檢測有效性的評價研究。結果表明:

(1)歸一化關鍵點高度(NKH)與實際檢測結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出傳感器頻譜特征中線譜頻率改變、新線譜的出現、窄帶功率增加和寬帶功率增加等水下航行器聲學狀態(tài)的變化，同時具有較好的抗噪性能，適合工程應用。

參考文獻

［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故障檢測識別研究［J］.噪聲與振動控制，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.統計學在結構噪聲監(jiān)測中的運用［J］.中國艦船研究，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

國家自然科學基金(50775218)

2010-01-15

徐榮武 男，博士，講師，1980年3月生