王昱翔，殷希梅，陳 凱，胡子陽(yáng)

(陸軍炮兵防空兵學(xué)院 兵器工程系，合肥 230031)

二戰(zhàn)以來(lái)，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(zhēng)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(lái)嚴(yán)重的后果。因此高效、簡(jiǎn)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(chǎng)聲信號(hào)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(huì)表現(xiàn)在此類信號(hào)中。聲學(xué)故障診斷技術(shù)具有如下特點(diǎn)：非接觸式測(cè)量、設(shè)備簡(jiǎn)單、速度快、信號(hào)易于測(cè)取、易于發(fā)現(xiàn)早期故障、無(wú)須事先粘貼傳感器、可對(duì)移動(dòng)目標(biāo)進(jìn)行在線監(jiān)測(cè)等。對(duì)于發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)聲音這類非平穩(wěn)信號(hào)的特征提取一般分為兩步，首先用非平穩(wěn)信號(hào)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(duì)原始信號(hào)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(duì)發(fā)動(dòng)機(jī)聲信號(hào)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(cè)提供基礎(chǔ)。時(shí)域范圍內(nèi)選取聲信號(hào)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(hào)。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(shí)別，同時(shí)MFCC參數(shù)具有良好的識(shí)別性能和抗噪能力。因此將模擬人耳聽(tīng)覺(jué)機(jī)理的MFCC引入到發(fā)動(dòng)機(jī)異響信號(hào)的故障診斷領(lǐng)域，作為故障信息的特征參數(shù)。

1 聲信號(hào)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(hào)與缺兩個(gè)缸不工作時(shí)怠速運(yùn)轉(zhuǎn)聲信號(hào)。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(hào)，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(hào)波形也表現(xiàn)為周期性循環(huán)，截取中間部分信號(hào)分析也能減少部分計(jì)算量，提高特征提取速度。

聲信號(hào)在時(shí)域內(nèi)的波形圖不易觀察出信號(hào)特性，因此一般要對(duì)其進(jìn)行快速傅里葉變換轉(zhuǎn)換到頻域上，通過(guò)觀察幅頻分布圖分析信號(hào)特性。對(duì)采集的音頻信號(hào)進(jìn)行時(shí)頻域分析，發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)聲信號(hào)的時(shí)域波形及其頻譜圖如圖1，(a)、(b)、(c)為3輛同型號(hào)車輛，發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)時(shí)聲信號(hào)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(hào)所對(duì)應(yīng)的時(shí)域波形及頻譜圖如圖2，對(duì)比發(fā)現(xiàn)故障狀態(tài)下聲信號(hào)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(guò)總結(jié)大量的音頻數(shù)據(jù)來(lái)簡(jiǎn)化識(shí)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(hào)中包含著豐富的聲源信息，能反映其異?；蚬收蠣顟B(tài)，通過(guò)音頻特征參數(shù)提取從原始音頻信號(hào)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(shí)別打下基礎(chǔ)。在進(jìn)行特征提取之前，需要對(duì)原始聲信號(hào)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(hào)為x(n),預(yù)處理過(guò)程如下。

1)預(yù)加重。一般情況下，聲音信號(hào)的能量會(huì)隨著其頻率的升高呈指數(shù)級(jí)衰減，使低頻信號(hào)的強(qiáng)度大于高頻信號(hào)，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(hào)通過(guò)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(hào)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(guò)程通常用具有6 dB/倍頻程的一階數(shù)字濾波器來(lái)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(hào)的短時(shí)平穩(wěn)特性[7]。利用這一特性對(duì)音頻信號(hào)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(duì)應(yīng)的時(shí)間長(zhǎng)度為32 ms，為了避免信號(hào)間斷，讓每?jī)上噜弾g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(hào)的短時(shí)平穩(wěn)性，利用窗函數(shù)來(lái)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(hào)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(zhǎng)。

2.2 短時(shí)能量

音頻信號(hào)經(jīng)過(guò)預(yù)處理后的每一幀內(nèi)的信號(hào)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(hào)的總能量即為信號(hào)的短時(shí)能量[8]。音頻信號(hào)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(huì)夾雜著許多噪聲，通過(guò)對(duì)比正常運(yùn)轉(zhuǎn)時(shí)聲信號(hào)短時(shí)能量與發(fā)生故障時(shí)的異響信號(hào)短時(shí)能量，可以判斷發(fā)動(dòng)機(jī)狀態(tài)。對(duì)信號(hào)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(hào)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(hào)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(zhǎng)，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(hào)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(hào)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(hào)中出現(xiàn)多個(gè)尖點(diǎn)，是正常運(yùn)轉(zhuǎn)時(shí)信號(hào)短時(shí)能量的2～3倍；整體上觀察在大部分幀信號(hào)中缺缸工作時(shí)的短時(shí)能量都高于正常工作時(shí)信號(hào)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(hào)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(hào)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(yǔ)音識(shí)別和話者識(shí)別方面最常用到的特征參數(shù)，而異響信號(hào)故障診斷最初的方法聽(tīng)診法也是利用人耳聽(tīng)到的聲音對(duì)故障進(jìn)行判斷，有經(jīng)驗(yàn)的專業(yè)人員能夠通過(guò)發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)聲音對(duì)機(jī)器的狀態(tài)進(jìn)行判斷。人耳對(duì)不同頻率的聲波有不同的聽(tīng)覺(jué)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(lái)說(shuō)，低音容易掩蔽高音，而高音掩蔽低音較困難。MFCC利用人耳聽(tīng)覺(jué)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(duì)輸入信號(hào)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(shí)別性能和抗噪能力，因此被廣泛應(yīng)用于語(yǔ)音識(shí)別中。MFCC可以反映人類語(yǔ)音信號(hào)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(hào)可看作是一種“車輛語(yǔ)音”[9]。因此可將語(yǔ)音信號(hào)識(shí)別領(lǐng)域的MFCC方法移植到車輛噪聲信號(hào)分析中進(jìn)行特征提取。MFCC參數(shù)的提取過(guò)程如圖4所示。

圖4 MFCC提取過(guò)程框圖

具體計(jì)算過(guò)程如下：

1)FFT變換

由于在時(shí)域范圍內(nèi)不易看出信號(hào)的特性，因此通常將對(duì)預(yù)處理后的分析幀信號(hào)進(jìn)行FFT得到各幀的頻譜，并對(duì)頻譜取模平方計(jì)算得到信號(hào)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(hào)輸入梅爾濾波器組，定義最低頻率為零，最高頻率為信號(hào)采樣頻率的一半。Mel濾波器組將信號(hào)頻域劃分成一系列三角形的濾波器序列，來(lái)模擬類似人耳感知的對(duì)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(duì)功率譜信號(hào)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(guò)梅爾濾波器組后輸出的對(duì)數(shù)能量為

(5)

3)離散余弦變換

對(duì)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(duì)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(hào)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(guò)多的特征向量在下一步分類識(shí)別階段會(huì)影響識(shí)別效率，將每幀信號(hào)提取的MFCC系數(shù)各階取平均值作為聲信號(hào)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(hào)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(hào)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(guò)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(hào)的MFCC系數(shù)可以作為最終故障診斷與預(yù)測(cè)的特征參數(shù)之一。

圖5 車輛發(fā)動(dòng)機(jī)噪聲信號(hào)MFCC特征值示意圖

3 結(jié)論

車輛發(fā)動(dòng)機(jī)音頻信號(hào)經(jīng)過(guò)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(shí)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(duì)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(shí)別打下基礎(chǔ)，具有際應(yīng)用價(jià)值。