Полная версия этой страницы: акустическая диагностика
Форум разработчиков электроники ELECTRONIX.ru > Аналоговая и цифровая техника, прикладная электроника > Метрология, датчики, измерительная техника
Кто-нибудь знает серийно выпускаемые образцы апаратуры для акустической диагностики ? и насколько вообще шум двигателя может быть информативен для анализа технического состояния агрегата?
Цитата(Д.К. @ Sep 14 2012, 15:21) 
Кто-нибудь знает серийно выпускаемые образцы апаратуры для акустической диагностики ? и насколько вообще шум двигателя может быть информативен для анализа технического состояния агрегата?
Вот нечто похожее:
http://www.vdmk.com/information/rotor.htm
Посмотрите здесь: http://www.vibration.ru/about-site.shtml
Всётаки я имел ввиду диагностику не вибраций, а именно шумов. Когда анализаируется сигнал с микрофона. При этом шум, работающего двигателя рассматривается как сигнал. Слышал о таких методах, но не могу найти информацию
Цитата(Д.К. @ Oct 4 2012, 09:26)
Всётаки я имел ввиду диагностику не вибраций, а именно шумов. Когда анализаируется сигнал с микрофона. При этом шум, работающего двигателя рассматривается как сигнал. Слышал о таких методах, но не могу найти информацию
УмнО! Виброускорение с акселерометра не может рассматриватися как сигнал :-) Смешно
Цитата(Д.К. @ Sep 14 2012, 16:21)
Кто-нибудь знает серийно выпускаемые образцы апаратуры для акустической диагностики ? и насколько вообще шум двигателя может быть информативен для анализа технического состояния агрегата?
в 2005 для финов делали анализатор, для грузовых в основном, по звуку с микрофонов можно было определить проблемы ступицы, дифференциалов, прокол колеса, низкое давление в шинах или высокое, в серию не пошло, никому не надо было.
Цитата(Andrey_1 @ Oct 5 2012, 09:43)
УмнО! Виброускорение с акселерометра не может рассматриватися как сигнал :-) Смешно
Это Вы пытаетесь наложить стандартный спектр выхода вибродатчика на постановку задачи?
Вам жеж говорят: микрофон. Понимаете?
Цитата(ilyxa_SPB @ Oct 5 2012, 10:44)
в 2005 для финов делали анализатор, для грузовых в основном, по звуку с микрофонов можно было определить проблемы ступицы, дифференциалов, прокол колеса, низкое давление в шинах или высокое, в серию не пошло, никому не надо было.
не поделитесь инфрмацией по обработке таких сигналов (шумовых). Применительно именно к сигналу с микрофона. Насколько я знаю стандартные методы (как Фурье) не подходят. Какой алгоритм был применён у вас?
Цитата(Д.К. @ Oct 5 2012, 12:38)
не поделитесь инфрмацией по обработке таких сигналов (шумовых). Применительно именно к сигналу с микрофона. Насколько я знаю стандартные методы (как Фурье) не подходят. Какой алгоритм был применён у вас?
Отчего же? Какие ещё можно изобрести алгоритмы для обработки сигналов? Для ЦОС есть инструменты ЦОС. Стандартные, универсальные, классические. Для построения спектра - то же преобразование Фурье. Скорее всего, необходимо лишь иметь в базе данных "матрицы спектров" - образцы, соответствующие различным неисправностям. И уметь сопоставлять их комбинации с требуемой достоверностью. Вот где взять такие образцы - это вопрос. На месте специалистов по диагностике, использующих этот метод, я бы держал их в строгом секрете.
В том то и дело. Но! Например анализ спектра тока для выявления неисправностей двигателя довольно подробно изложен в статьях. Там есть и примеры спектров соответствующие различным повреждениям.
По акустической диагностике такого не видел.
изобретают. и пишут что Фурье никуда не годится для диагностики шумовых сигналов.
Вот что удалось найти:
По акустической диагностике такого не видел.
Цитата(Herz @ Oct 5 2012, 14:29)
Отчего же? Какие ещё можно изобрести алгоритмы для обработки сигналов?
изобретают. и пишут что Фурье никуда не годится для диагностики шумовых сигналов.
Вот что удалось найти:
CODE
Предлагается новый метод анализа нестационарных акустических про-
цессов, основанный на рекуррентном интегрировании, что позволяет увели-
чить разрешающую способность статистического анализа во временной об-
ласти. Метод применим для детектирования статистически-однородных (ква-
зистационарных) участков, сопоставления различных участков временного
ряда по величине функции корреляции и выявления внутренних диагности-
ческих признаков в нестационарных акустических процессах различной при-
роды.
В большинстве случаев шум рассматривается как помеха, но нередко
он используется в качестве источника информации [15]. Для анализа неста-
ционарных акустических процессов традиционно используется спектрально-
корреляционный анализ. Однако он неэффективен, если временной масштаб
возникшей нестационарности меньше продолжительности анализируемого
шумового процесса, поскольку в таком случае усредняется спектр мощности
флуктуаций на всем промежутке времени наблюдения возможного детекти-
руемого сигнала. Как правило, спектральный анализ проводится по выборке
данных большой протяженности. Этим в значительной мере исключается
вклад отдельных локальных участков нестационарности в результирующий
Фурье-спектр сигнала. Но во многих анализируемых временных последова-
тельностях именно локальные изменения свойств исследуемых шумов на ма-
лых временных масштабах, могут содержать полезную информацию. К тому же при статистическом подходе к анализу акустических процессов, порож-
дающая их динамическая сущность, как правило, не прослеживается.
В последнее время все большее применение находят специальные
спектральные методы, ориентированные на анализ нестационарных процес-
сов. Из таких методов наибольшее распространение получили оконный Фу-
рье анализ [16-18], вейвлет анализ [19,20] и полиспектральный анализ [21].
Применение алгоритмов анализа со скользящими окнами позволяет сущест-
венно увеличить разрешающую способность анализа во временной области
при сохранении достаточно высокого разрешения в частотной области. Но
это сопряжено со значительным увеличением объѐма вычислений и соответ-
ственно с увеличением затрат времени на анализ [22,23]. Кроме того, трѐх-
мерные (частотно-амплитудно-временные) поверхностные образы сложны
для формального распознавания.
В задачу настоящей работы входила разработка неинвазивного метода
исследований нестационарных акустических шумов, не вносящего неконтро-
лируемых ошибок и обеспечивающего упрощение интерпретации на основе
визуализации и статистического анализа.
цессов, основанный на рекуррентном интегрировании, что позволяет увели-
чить разрешающую способность статистического анализа во временной об-
ласти. Метод применим для детектирования статистически-однородных (ква-
зистационарных) участков, сопоставления различных участков временного
ряда по величине функции корреляции и выявления внутренних диагности-
ческих признаков в нестационарных акустических процессах различной при-
роды.
В большинстве случаев шум рассматривается как помеха, но нередко
он используется в качестве источника информации [15]. Для анализа неста-
ционарных акустических процессов традиционно используется спектрально-
корреляционный анализ. Однако он неэффективен, если временной масштаб
возникшей нестационарности меньше продолжительности анализируемого
шумового процесса, поскольку в таком случае усредняется спектр мощности
флуктуаций на всем промежутке времени наблюдения возможного детекти-
руемого сигнала. Как правило, спектральный анализ проводится по выборке
данных большой протяженности. Этим в значительной мере исключается
вклад отдельных локальных участков нестационарности в результирующий
Фурье-спектр сигнала. Но во многих анализируемых временных последова-
тельностях именно локальные изменения свойств исследуемых шумов на ма-
лых временных масштабах, могут содержать полезную информацию. К тому же при статистическом подходе к анализу акустических процессов, порож-
дающая их динамическая сущность, как правило, не прослеживается.
В последнее время все большее применение находят специальные
спектральные методы, ориентированные на анализ нестационарных процес-
сов. Из таких методов наибольшее распространение получили оконный Фу-
рье анализ [16-18], вейвлет анализ [19,20] и полиспектральный анализ [21].
Применение алгоритмов анализа со скользящими окнами позволяет сущест-
венно увеличить разрешающую способность анализа во временной области
при сохранении достаточно высокого разрешения в частотной области. Но
это сопряжено со значительным увеличением объѐма вычислений и соответ-
ственно с увеличением затрат времени на анализ [22,23]. Кроме того, трѐх-
мерные (частотно-амплитудно-временные) поверхностные образы сложны
для формального распознавания.
В задачу настоящей работы входила разработка неинвазивного метода
исследований нестационарных акустических шумов, не вносящего неконтро-
лируемых ошибок и обеспечивающего упрощение интерпретации на основе
визуализации и статистического анализа.
Цитата(Д.К. @ Oct 5 2012, 15:14)
изобретают. и пишут что Фурье никуда не годится для диагностики шумовых сигналов.
Нет, ничего нового тут не изобретено. Тому, что перечислено - сто лет. Просто шум здесь - не шум в классическом понимании его в теории обработки сигналов. Это и есть САМ сигнал. Это лишь для пассажира двигатель "шумит".
А отрывок - типичная для аннотаций наукообразная хрень, ровно ни о чём не говорящая...
Цитата(Herz @ Oct 5 2012, 17:03)
Нет, ничего нового тут не изобретено. Тому, что перечислено - сто лет. Просто шум здесь - не шум в классическом понимании его в теории обработки сигналов. Это и есть САМ сигнал. Это лишь для пассажира двигатель "шумит".
А отрывок - типичная для аннотаций наукообразная хрень, ровно ни о чём не говорящая...
А отрывок - типичная для аннотаций наукообразная хрень, ровно ни о чём не говорящая...
c автором знаком лично. Не хочет давать текст диссертации. Утверждает что сделал открытие.
По теме: я и имел ввиду что шум рассматриваю как сигнал. И фурье тут не совсем применим потому что фурье подразумевает периодичность сигнала.
Так у Вас там может рулить корреляционно-фильтровая обработка. Многоканальная,ессно
И нейронные сети, при всем к ним подозрительном отношении.
И нейронные сети, при всем к ним подозрительном отношении.
Цитата(Д.К. @ Oct 5 2012, 16:27)
По теме: я и имел ввиду что шум рассматриваю как сигнал. И фурье тут не совсем применим потому что фурье подразумевает периодичность сигнала.
А с чего Вы взяли, что Ваши сигналы непериодичны? Какие есть о них вообще сведения? Примеры?
Цитата(Д.К. @ Oct 5 2012, 16:27)
c автором знаком лично. Не хочет давать текст диссертации. Утверждает что сделал открытие.
Так скооперируйтесь, раз Вас интересует практический аспект. Само открытие его вряд ли прокормит. А реальное воплощение - вполне возможно.
Но, боюсь, это лишь "надувание щёк". Ради научного "веса".
Цитата(Herz @ Oct 5 2012, 23:29)
Но, боюсь, это лишь "надувание щёк". Ради о научного "веса".
вполне возможно.
Цитата(Herz @ Oct 5 2012, 23:29)
А с чего Вы взяли, что Ваши сигналы непериодичны? Какие есть о них вообще сведения? Примеры?
Сейчас я понятия не имею о характеристиках шумовых сигналов.
Цитата(Herz @ Oct 5 2012, 16:29)
Отчего же? Какие ещё можно изобрести алгоритмы для обработки сигналов?
если Вы не в теме, не говорите, пожалуйста, так уверенно, заблуждая вопрошающих.
В такого рода задачах используют методы PCA и прокрустова вращения (ищите ссылки на Николаса Сидриополиса и Майкла Кубисту), так как Фурье не может разделить схожие спекты от аграгатов, а эти методы вначале разделяют источники шума территориально, а только потом по сравнению его по спектру или по подпространствам (сигналов) принимают решение о типе шума.
Топикстартеру: смысл как раз в том, что Вам необходимо иметь несколько разнесенных микрофонов вокруг несколькиих источников шума, и, прокрустовым вращением Вы вытаскиваете шумы каждого агрегата в отдельности, а там дальше - все просто. На данный момент этот же метод применяется для шпионажа и подслушки - в больших помещениях типа кафешек вешается куча микрофонов и на основе непрерывной записи их сигналов можно получить очень хороший звук каждого говорящего из неразличимого мессева общего фона - у меня есть реальный опыт использования таких методов, и даже с десяток статей по этой теме, утверждаю не по наслышке.
Еще топикстартеру: если нужен серийно выпускаемый софт, который решает Вашу задачу (с железом тоже можно помочь, только не серийное), обращайтесь в личку.
Цитата(iiv @ Oct 8 2012, 11:40)
если Вы не в теме, не говорите, пожалуйста, так уверенно, заблуждая вопрошающих.
Вы, возможно, удивитесь, но то, о чём Вы говорите - также хорошо известный и практически стандартный приём. Только зачем же противопоставлять его Фурье? Раз Вы в теме, то понимаете, что эти вещи друг друга дополняют, а не отвергают. После разделения, "территориального", как Вы говорите (или пространственного), всё равно применяются те же инструменты анализа.
Вы и сами это подтверждаете, ссылаясь на опыт использования в смежной области. Таким образом, ничего особенного, требующего уникальных методов анализа, в "шумовом" сигнале двигателя нет.
P.S. А на десяток Ваших статей хотелось бы получить ссылку. Можно? Был бы раз почерпнуть что-то новое. Вы же не один из тех упомянутых двоих? Или?
Цитата(Herz @ Oct 8 2012, 16:57)
Вы, возможно, удивитесь, но то, о чём Вы говорите - также хорошо известный и практически стандартный приём.
да, только Вы, до моего поста упорно про него не могли вспомнить
Цитата(Herz @ Oct 8 2012, 16:57)
Только зачем же противопоставлять его Фурье?
Вы из прокрустова вращения выведете Фурье или наоборот?
Это просто два разных метода, один разлагает сигнал по спектру с фиксированным Фурье базисом, а другой ищет базисные функции, удовлетворяющие некоторым дополнительным ограничениям, а именно ограниченное число источников шума + достаточно большое число приемников + ограниченность размерности пространства, (3Д). Для Фурье необходима периодичность сигнала, в этом методе она не нужна.
Цитата(Herz @ Oct 8 2012, 16:57)
Вы и сами это подтверждаете, ссылаясь на опыт использования в смежной области. Таким образом, ничего особенного, требующего уникальных методов анализа, в "шумовом" сигнале двигателя нет.
боюсь, что Вы все-таки не знакомы с этим методом (прокрустовым вращением), ни с теорией, ни с практикой, только это может Вас сподвигнуть такое утверждать, поэтому, все-таки я очень рекомендую Вам погуглить на приведенные мной выше фамилии и почитать про этот метод поподробнее.
Цитата(Herz @ Oct 8 2012, 16:57)
P.S. А на десяток Ваших статей хотелось бы получить ссылку. Можно? Был бы раз почерпнуть что-то новое. Вы же не один из тех упомянутых двоих? Или?
Нет конечно же, я не первооткрыватель этого метода, но, надеюсь, Nature Вас убедит в моей правоте, а остальной десяток моих статей сами по ссылкам думаю, найдете.
Цитата(iiv @ Oct 8 2012, 13:18)
да, только Вы, до моего поста упорно про него не могли вспомнить
Спасибо, что напомнили. И что?
Цитата
Это просто два разных метода, один разлагает сигнал по спектру с фиксированным Фурье базисом, а другой ищет базисные функции, удовлетворяющие некоторым дополнительным ограничениям, а именно ограниченное число источников шума + достаточно большое число приемников + ограниченность размерности пространства, (3Д). Для Фурье необходима периодичность сигнала, в этом методе она не нужна.
боюсь, что Вы все-таки не знакомы с этим методом (прокрустовым вращением), ни с теорией, ни с практикой, только это может Вас сподвигнуть такое утверждать, поэтому, все-таки я очень рекомендую Вам погуглить на приведенные мной выше фамилии и почитать про этот метод поподробнее.
боюсь, что Вы все-таки не знакомы с этим методом (прокрустовым вращением), ни с теорией, ни с практикой, только это может Вас сподвигнуть такое утверждать, поэтому, все-таки я очень рекомендую Вам погуглить на приведенные мной выше фамилии и почитать про этот метод поподробнее.
Я не утверждаю, что это два одинаковых метода. Я утверждаю, что Вы привели один и таких же стандартным методов, что и остальные. О чём мы спорим? Вам непременно хочется меня задеть?
Мне действительно не приходилось этим заниматься. Подробности с удовольствием погуглю. Вы, по всему видать, диагностикой двигателей тоже не занимались. Ни в теории, ни на практике.
Цитата
Нет конечно же, я не первооткрыватель этого метода, но, надеюсь, Nature Вас убедит в моей правоте, а остальной десяток моих статей сами по ссылкам думаю, найдете.
Жаль, но не убедила... Заплатить $32 за любопытство я не готов, извините. А остальные семь, простите за вопрос, Вы действительно в Гётеборге и Бостоне писали?
Я понятно описал ТС как решать его задачу и какие методы численной обработки сигнала должны присутствовать в решении, которое он ищет, а также подтвердил свою компетенцию в сигнал-процессинге такого типа данных, надеюсь, к моему мнению будут прислушиваться. На конструктивные вопросы - рад буду ответить.
Цитата(iiv @ Oct 8 2012, 19:39)
Я понятно описал ТС как решать его задачу и какие методы численной обработки сигнала должны присутствовать в решении, которое он ищет, а также подтвердил свою компетенцию в сигнал-процессинге такого типа данных, ...
Поздравляю, сам себя не похвалишь - ...
Меня впечатлила лишь Ваша уверенность в том, как именно автору нужно решать его проблему и какой у него тип данных...
Он признался, что и сам о характеристиках сигнала, названного им шумом, пока ничего не знает. Что ж, окажите помощь, не стану больше мешать.
Только под шумом, боюсь, вы понимаете разные вещи...
Для просмотра полной версии этой страницы, пожалуйста, пройдите по ссылке.