方夫民 , ,柳小勤 , ,伍星 , ,郭祥 ,
(1.昆明理工大學 機電工程學院,昆明 650500;2.云南省先進裝備智能制造技術重點實驗室,昆明 650500)
工業機械設備運行中產生的噪聲蘊含著設備狀態的重要信息[1],通過對噪聲源的識別和分離能快速確定機械設備的噪聲位置并準確得到噪聲源的特性,從而有針對性地降噪[2]。
聲源識別中,聲強法因為本身具有矢量性,受環境噪音影響小,方便聲功率的測量[3],被廣泛應用于聲源信號處理中。Suzuki 等提出將4 個傳聲器放于正四面體頂點處的三維聲強計算公式[4-5]。Basten等使用單個三維聲強探頭,準確定位了兩個不相關聲源[6]。王紅衛等針對四傳聲器和六傳聲器布置形式的聲強陣列測試精度進行數值分析,比較了兩種陣列在聲強測量過程中聲強幅值及相位誤差[7]。魯毅等使用3 個三維聲強探頭對同頻率多聲源進行矢量分解,將聲強值帶入優化算法中,計算得到聲源所處極坐標角度、各聲功率值等聲源信息[8]。Cai 等改進了魯毅的方法,將聲源信息已知化,對多聲源頻譜進行分離[9]。該方法雖然拓寬聲強探頭的應用場景,但聲源識別前需人工明確聲源數量;準確設置優化算法的上下限,否則對求解結果偏差較大。
除聲強法應用于聲學外,波束形成也廣泛用于瞬態、運動的機械設備噪聲源識別定位與聲源聲功率計算中[10]。Hald 等推導出聲強縮放系數,利用波束形成輸出的聲壓貢獻量縮放為聲源表面聲強,從而計算出聲源的聲功率級[11];褚志剛和楊洋進一步完善聲強縮放系數理論,解決了Hald 在理論推導時忽略的半球遺漏問題,并推導出聲強縮放系數理論也可應用于近場球面波[12];……