[发明专利]一种基于稀疏成像技术的设备故障声源定位方法

说明书

本发明公开了一种基于稀疏成像技术的设备故障声源定位方法，包括如下步骤：S1、通过麦克风阵列MEMS传感器进行声源信号采集；S2、基于差分平滑约束，引入移不变的点扩散函数作为重建字典对由延迟求和算法得到的声功率图进行重建；S3、基于差分平滑约束，引入移不变的点扩散函数作为重建字典对由延迟求和算法得到的声功率图进行重建；S4、基于差分平滑约束结果，引入差分稀疏约束对由延迟求和算法得到的声功率图进一步优化重建；S5、将优化重建后的声功率图绘制成像云图，并将成像云图与摄像头采集到的图像进行融合叠加，从而实现故障定位。本发明能够保证在获取高分辨率精度的重建结果的同时充分减少计算量，解决了现有技术存在的问题。

技术领域

本发明涉及声源定位技术领域，特别涉及一种基于稀疏成像技术的设备故障声源定位方法。

背景技术

声源定位方法是电力行业和工业行业常用的设备故障定位方法，该方法的原理通过分析麦克风阵列采集信号从而对场景内所有声源相对于麦克风阵列的波达方向进行估计。近些年涌现了一些利用信号稀疏特性进行声源定位的方法，其利用信号在时-频域的稀疏性，将多声源定位问题转化为单声源定位问题，突破了传统声源定位方法的局限性，使欠定场景下，即声源数多于麦克风数场景下的声源定位问题得以解决。然而这些声源定位的方法在进行延迟求和算法和波束形成成像时通常会产生低空间分辨率，并且会出现杂散源，因此基于波束形成的定位结果相对粗略，精度有待进一步提高。基于此，我们提供一种基于稀疏成像技术的设备故障声源定位方法。

发明内容

本发明提供一种基于稀疏成像技术的设备故障声源定位方法，其主要目的在于解决现有技术存在的问题。

本发明采用如下技术方案：

一种基于稀疏成像技术的设备故障声源定位方法，包括如下步骤：

S1、通过麦克风阵列MEMS传感器进行声源信号采集；

S2、对采集到的声源信号进行傅里叶变换，并采用延迟求和算法求得声功率图；

S3、基于 差分平滑约束，引入移不变的点扩散函数作为重建字典对由延迟求和算法得到的声功率图进行重建：

式中：X表示优化的声功率图，B表示由延迟求和算法得到的声功率图，P表示点扩散函数，D表示一阶差分矩阵，λ1表示平滑参数， 表示傅里叶变换， 表示傅里叶反变换， 表示哈达玛积， 表示非负约束；

S4、基于 差分平滑约束结果，引入 差分稀疏约束对由延迟求和算法得到的声功率图进一步优化重建：

式中： 表示稀疏参数；

S5、将优化重建后的声功率图绘制成像云图，并将成像云图与摄像头采集到的图像进行融合叠加，从而实现故障定位。

进一步，在步骤S3中，采用快速迭代阈值收缩算法框架对公式（1）进行求解，从而得到公式（1）的迭代求解公式（1.1）、（1.2）和（1.3）：

式中：L₁表示李普希兹常数,t₁表示步长参数,Y₁表示辅助变量。

更进一步，对于迭代求解公式（1.1）、（1.2）和（1.3）的求解方法，首先利用 范数的可导性求解公式（1.1），定义：

可以得到：

然后通过循环迭代（1.1）、（1.2）和（1.3）至收敛，从而得到重建后的声功率图。

进一步，在步骤S4中，采用交替方向乘子法的框架，通过分裂算子和交替优化变量对公式（2）进行求解，从而得到公式（2）的迭代求解公式（2.1）、（2.2）和（2.3）：