Академический Документы
Профессиональный Документы
Культура Документы
Vibration and Acoustics Laboratories, 153 Durhan Hall, Virginia Tech, Blacksburg, VA, 240610238, USA, rburdiss@vt.edu, http://www.val.me.vt.edu
Palabras Claves: Beamforming, Robust Adaptive Beamforming, MUSIC, Delay and Sum,
Cepstrum.
Resumen.
En la actualidad existen diferentes tipos de tcnicas para cuantificar y detectar la posicin de una
fuente sonora. Las tcnicas modernas ms utilizadas son las imgenes acsticas, stas se obtienen
mediante el proceso de datos adquiridos por un arreglo de micrfonos localizado a una distancia
relativa del aparato emisor de ruido.
En cuanto a los tipos de post procesos, Beamforming (BF) es uno de los ms utilizados pero
desafortunadamente presenta poca capacidad de distinguir la localizacin de dos fuentes de ruido
emitiendo a baja frecuencia. Para superar esta desventaja, en este esfuerzo se investigaron diferentes
tcnicas. En primera instancia, se implement Robust Adaptive Beamforming (RABF), en el cual se
utiliza la informacin recolectada mediante los micrfonos para eliminar ruido blanco en la imagen
acstica y evitar fuentes espurias en el mapa de ruido. Luego, se utiliza un mtodo de alta resolucin
como es el caso de MUltiple SIgnal Clasification (MUSIC). En este mtodo como desventaja, se
puede sealar, que falla con seales altamente correlacionadas y cuando la relacin seal - ruido es
baja. Estas tcnicas se utilizan en el dominio de la frecuencia.
Por ltimo, se utiliz Delay and Sum (DS), el cual en comparacin con los mtodos anteriores, se
realiza en el dominio del tiempo, lo que permite tener mayor resolucin temporal de los mapas de
ruido. Se presenta como desventaja, que para seales con bajo contenido seal-ruido (SNR) la
reconstruccin del mapa de ruido no permite ubicar con exactitud las fuentes de ruido. Para superar
este inconveniente, el mtodo se utiliza en el dominio de la frecuencia.
En este trabajo se proponer utilizar la transformada Cepstrum para mejorar la formacin del mapa de
ruido. Esta nueva tcnica de Delay and Sum Cepstrum permitir eliminar ecos de la seal y
detectar periodicidad en el espectro para mejorar la relacin SNR y as optimizar los mapas de ruidos
para ser utilizados en aplicaciones tecnolgicas.
2952
1 INTRODUCTION
La emisin de ruido por parte de un cuerpo de geometra compleja lo constituye el aporte
de diferentes fuentes que lo componen. Para ello, es necesario determinar la contribucin y
ubicacin de los principales radiadores acsticos del cuerpo. La metodologa propuesta para la
localizacin de las diferentes fuentes de emisin de ruido es a travs de imgenes acsticas.
stas nos brindan informacin sobre el nivel de presin sonora en cada frecuencia o intervalo
de tiempo de inters.
Los mtodos de las imgenes acsticas se basan en la adquisicin de datos por medio de un
arreglo de sensores de presin llamado antena. Mediante los resultados adquiridos y un post
proceso adecuado de los mismos es posible crear una fotografa acstica. sta permite
observar la posicin, frecuencia y magnitud de las fuentes sonoras de un cuerpo de geometra
complejo (Christensen, 2004; Ravetta 2005).
Una de las posibles aplicaciones de este tipo de tecnologa puede ser la deteccin de
fallas en maquinaria asociando los diferentes mapas de ruido a posibles fallas. En este
aspecto, se han realizado diferentes implementaciones de imgenes acsticas. En el ao 2001,
Hood et al. (2001) utilizaron un arreglo de micrfonos lineal para encontrar fallas en ruedas
dentadas. Luego, Ravetta et al. (2007) a travs de simulaciones estudiaron las capacidades de
instalar un arreglo de micrfonos en el techo de una fbrica para realizar el mantenimiento
predictivo de las maquinarias. Camargo et. al. (2009) realizaron una comparacin de tres
mtodos de imgenes acsticas para la deteccin de fuentes sonoras a baja frecuencia. Otra
aplicacin reciente de imgenes acsticas, es en la deteccin de prdidas en circuitos
neumticos (Eret et. al. 2012), en donde se compar la tcnica de beamforming en el dominio
del tiempo y frecuencia.
En referencia a los algoritmos de post procesamiento de imgenes acsticas,
beamforming es el ms utilizado para la formacin de mapas de ruido pero presenta
dificultades en cuanto a su resolucin para distinguir dos fuentes de ruido a baja frecuencia.
Una alternativa a este inconveniente es aumentar el tamao del arreglo de micrfonos (Eret et.
al. 2012; Camargo et. al. 2009) o trabajar con algoritmos alternativos que permitan aumentar
la resolucin para distinguir dos fuentes cercanas de ruido y disminuir los lbulos laterales o
fuentes fantasmas.
Con el paso de los aos, se fueron encontrando variantes para mejorar sus capacidades.
Las tcnicas de deconvolucin son las ms utilizadas en el caso de fuentes aeroacsticas como
por ejemplo, DAMAS (Brooks, 2004), DAMAS2 (Dougherty, 2005), LORE (Ravetta, 2006),
CLEAN-SC (Sijtsma, 2007) y TIDY (Dougherty, 2009), etc. Una desventaja de estos mtodos
es el insumo de tiempo computacional para realizar el pos proceso. Para poder superar este
inconveniente, se comenzaron a probar mtodos de adaptive beamforming, para lo cual
utilizan los datos captados por los micrfonos para mejorar el steering vector o vector
direccin. En el ao 1987, Cox et. al. (1987) desarroll el algoritmo robust adaptative
beamforming, que permite reducir el ruido blanco no correlacionado en el mapa de ruido. En
el ao 2012, Huang et al. (2012) compararon esta tcnica con el mtodo DAMAS en
mediciones aeroacsticas reduciendo as un 60 % el costo computacional. Una tcnica
utilizada en el campo de las telecomunicaciones es MUSIC, la cual tambin es aplicada en la
localizacin de fuentes sonoras (Schmidt et. al. 1986; Ito et. al. 2010; Lo et. al. 2004). En el
ao 2011, Avarvand et al. (2011) la utilizaron para realizar imgenes acsticas y aumentar su
robustez. Su ventaja reside en la capacidad de detectar fuentes sonoras a bajas frecuencias con
mejor resolucin que beamforming pero presenta inconvenientes en casos donde la cantidad
de fuentes de ruido es cercano a la cantidad de micrfonos y cuando la relacin SNR de la
seal en baja.
Copyright 2013 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar
2953
(a)
(b)
Figura 1: (a) Sistema optimizado de 35 sensores de presin, (b) comparacin de una distribucin optimizada
(rojo) vs distribucin de micrfonos no optimizada (azul).
2954
2955
cepstrum. Esto permite mejorar el mapa de ruido en situaciones donde se desee eliminar
familia de armnicas o deconvolucionar la seal.
Para poder comparar las tcnicas mencionadas se implementaron en un software de
desarrollo propio (Figura 3), en el cual se ubica el mapa sonoro. En este caso, se analiza la
posicin de las fuentes de ruido aeroacsticas emitidas por un ventilador.
En la cual
es la distancia Euclidea desde el micrfono hasta el punto de la grilla .
Para maximizar la salida del Beamforming, el vector de propagacin es elegido paralelo al
vector direccin.
Donde CSM representa la matriz espectral cruzada (Cross Spectral Matrix). La matriz
espectral cruzada contiene los aportes de cada uno de los micrfonos en el dominio de la
frecuencia. La matriz se define de la siguiente manera
2956
La matriz dada por la Ec. (5) contiene el auto espectro de las seales y la Ec. (4) contiene
el espectro cruzado fuera de la diagonal principal. Luego, cada punto de la grilla es evaluado
con la Ec. (3), si en el punto se encuentra la fuente sonora, las seales de los micrfonos
funcionan aditivamente, en cambio si no se encuentra la fuente en ese punto las seales se
suman destructivamente.
Este proceso se repite para distintos planos en el espacio tridimensional y para las lneas
espectrales del rango de frecuencias de inters. De esa forma se obtienen una lista de valores
que al graficarlos nos permiten observar el mapa de ruido de la zona en unidades de energa.
Y cuantitativamente los puntos de emisin de ruido son ubicados y caracterizados. Para
mayor detalle de la tcnica consultar Ravetta et al. (2004).
3.2 Robust Adaptive Beamforming (RABF)
El objetivo de las tcnicas de beamforming adaptativo es la de extraer la seal de inters
minimizando los lbulos laterales y el ruido blanco.
Donde es un valor elegido por el usuario. Esta mejora en el mtodo se denomina Diagonal
Loading Capon Beamforming.
3.3 MUltiple SIgnal Clasification (MUSIC)
El algoritmo MUSIC es un mtodo de subespacios, este utiliza las propiedades de la CSM
para aumentar la capacidad de distinguir dos fuentes de ruido muy cercanas (Van Trees,
2002). El objetivo es separar la CSM en subespacios a travs de una descomposicin por
autovectores.
Donde
a los autovectores de
corresponden
2957
Como el subespacio de las seales es ortonormal al del ruido el producto ser nulo en la
ubicacin de la fuente sonora. Por lo tanto MUSIC se define,
Debido a que el producto ser muy cerca de cero cuando se encuentre la fuente sonora se
utiliza la inversa para que se manifieste un pico en el mapa de ruido al momento de realizar la
grfica. Esto se puede realizar ya que
es definida positiva por lo tanto su inversa tendr
los mismos autovectores.
La desventaja de este mtodo es que requiere un arreglo de sensores muy preciso y
calibrado como tambin informacin sobre la cantidad de fuentes que estn incidiendo sobre
la antena.
3.4 Delay & Sum (DS)
Por ltimo se describir la tcnica de Beamforming en el dominio temporal la cual se
denomina Delay and Sum (Dougherty, 2004). Esta se basa en la diferencia de tiempo que
hay entre una onda sonora que impacta en un micrfono con respecto al siguiente, este retardo
en tiempo se calcula segn,
Donde
es un factor de peso que asegura que todos los micrfonos tengan el mismo
impacto en el resultado sin importar que tan lejos se encuentren de la fuente. es la cantidad
de micrfonos y
es la presin medida.
2958
cepstrum.
La desventaja de esta transformacin es la perdida de la fase, por lo tanto no se puede
reconstruir la seal en el dominio del tiempo nuevamente. Para superar este inconveniente se
introdujo la transformacin complex cepstrum (Oppenheim et. al. 1968). Este utiliza el
logaritmo complejo de la seal para poder conservar la fase como se muestra en las Ec. 19 y
20. Una vez aplicada la transformada complex cepstrum se puede obtener la seal
nuevamente en el tiempo realizando los pasos inversos de la Ec. 18.
Por lo tanto,
Luego, aplicando el logaritmo complejo,
Notar que para calcular el logaritmo complejo se necesita que la funcin
sea continua.
La transformada cepstrum se utiliza para poder localizar periodicidad dentro del espectro
de seales (Konstantin-Hansen and Herlufsen, 2010). En el caso de mquinas rotativas, por
ejemplo en una caja reductora, se utiliza para encontrar fallas de engrane por variacin de
carga, excentricidad del engranaje, desgaste de los engranajes, fallas en rodamientos, etc.
Las caractersticas principales de la transformacin son:
Deteccin de patrones repetidos dentro de las seales espectrales.
Deteccin de periodicidad y de espaciado entre frecuencias.
Separacin de familia de armnicas.
Separacin de fuentes y transmition path
La caracterstica ms importante es la propiedad de separar dos seales
convolucionadas en el dominio del tiempo en una suma de su cepstro complejo.
El trmino cepstrum surge de parafrasear la palabra spectrum. A continuacin se
detallan los trminos utilizados habitualmente y los que se utilizan en el dominio cepstral
(Bogert et. al. 1963).
frequency
spectrum
phase
amplitude
filtering
harmonic
period
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
quefrency
cepstrum
saphe
gamnitude
liftering
rahmonic
repiod
2959
Cada una de las seales separadas puede recuperarse por la transformacin inversa. Dentro
de la deconvolucion homomorfica las tcnicas basadas en el cepstrum son las de mayor
aceptacin (Adam & Michailovich, 2002), pero estas tcnicas tienen el inconveniente de que
el cepstrum complejo de una seal de duracin finita siempre se extiende al infinito
(Oppenheim & Schafer, 1989), y su calculo mediante DFT produce errores de aliasing que no
se resuelven con aumentar la frecuencia de muestreo, porque se incrementan los efectos del
ruido en los componentes cepstrales (Taxt, 1997).
Tambin es difcil fijar los parmetros para un filtro ideal (lifter) en el dominio del
cepstrum (quefrency), por lo que tiene que cambiarse sistemticamente para obtener buenos
resultados en la deconvolucion.
En el siguiente ejemplo se analizar un filtrado mediante el cepstrum complejo. El filtrado
se realiza multiplicando por cero la parte de la seal a editar. Los datos que se utilizan para
realizar los ensayos se extrajeron de la base de datos de Case Western University (Case
Western University). En la Figura 4 se observa la disposicin del motor, acople y
dinammetro. Los rodamientos en estudio soportan el eje del motor.
ACOPLE CON SENSOR
DE TORQUE
DINAMMETRO
MOTOR
El rodamiento estudiado en este caso es del lado del ventilador del motor. En la Figura 5 se
observa la seal en el tiempo para el rodamiento sin falla, con una falla en pista interna de
0.007 y 0.021 de dimetro para el motor trabajando en vaco.
Falla pista interna de 0.021"
1.5
1.5
1.5
0.5
0.5
Amplitud
1
0.5
Amplitud
Amplitud
Sin falla
2
0
-0.5
-0.5
-0.5
-1
-1
-1
-1.5
-1.5
-1.5
-2
0.2
0.4
0.6
0.8
1
1.2
Tiempo [seg]
(a)
1.4
1.6
1.8
-2
-2
0.2
0.4
0.6
0.8
1
1.2
Tiempo [seg]
1.4
1.6
1.8
(b)
0.2
0.4
0.6
0.8
1
1.2
Tiempo [seg]
1.4
1.6
1.8
(c)
Figura 5: Motor sin carga. Rodamiento sano, (b) falla pista interna de 0.07, (c) falla pista interna de 0.21
En la Tabla 1 se colocaron los valores por los que multiplicados a la frecuencia de giro del
motor (1797 rpm sin carga) en Hz nos devuelve la frecuencia de cada falla.
2960
Constante
Constante x
Frecuencia de
giro [Hz]
Falla en pista
interior
Falla en pista
exterior
Jaula
Elementos
rodantes
4.9469
3.0530
0.3817
3.9874
148.15
91.43
11.43
119.42
Tabla 1: Constante del cinematismo de los rodamientos y frecuencia a las cuales aparecen las falla.
En la Figura 6 se observa las frecuencias del sistema dentro de las cuales algunas son
debidas a la cinemtica del rodamiento, se observa una ampliacin de los primeros 150 Hz
-3
donde se visualiza la frecuencia
de giroFalla
hasta
su quinto
pista interna
de 0.007"armnico
- Carga 0 Hp y la frecuencia de falla en
x 10
15
pista interior.
Falla pista interna de 0.007" - Carga 0 Hp
0.1
X: 147.6
Y: 0.01289
0.09
10
Amplitud
0.08
0.07
Amplitud
0.06
0.05
X: 29.92
Y: 0.00177
0.04
X: 119.7
Y: 0.002419
X: 89.75
Y: 0.001764
X: 59.84
Y: 0.00113
X: 149.6
Y: 0.001431
0.03
0
0.02
20
0.01
0
1000
2000
40
60
80
Frecuencia [Hz]
3000
Frecuancia [Hz]
4000
100
120
5000
140
6000
Figura 6: Las frecuencias en azul corresponden a la primera frecuencia de giro hasta su quinto armnico y la
frecuencia en rojo corresponde a la falla de la pista interior.
2961
15
10
Amplitud
Filtrado
0
-5
-10
-15
0.05
0.1
0.15
Tiempo [seg]
0.2
0.25
0.3
-1
10
-2
10
-3
Amplitud [dB]
10
-4
10
-5
10
-6
10
-7
10
500
1000
1500
Frecuencia [Hz]
2000
2500
3000
2962
Salida
Bomba de
engranajes
Motor
(a)
Entrada
Vlvula de
alivio
(b)
Figura 9: (a) Motor y Bomba de engranajes. (b) Entrada y salida de fluido de la bomba con su vlvula de alivio.
Engranaje
helicoidal doble
2963
1.15 m
Centro de
antena
Figura 11: Dimensiones del mapa de ruido y posicin del centro del arreglo de micrfonos a 1 m de distancia
relativa entre arreglo y mquina.
2964
Figura 12: Mapa de ruido a 600 Hz con usando beamforming con vlvulas abiertas.
(a)
(b)
(c)
2965
(d)
Figura 13: (a) beamforming, (b) robust adaptive beamforming, (c) MUSIC y (d) delay and sum.
0.15
0.1
Amplitud
0.05
0
-0.05
-0.1
-0.15
-0.2
0.04
0.05
0.06
0.07
Tiempo [seg]
0.08
0.09
0.1
(a)
(b)
Figura 14: (a) Seal en el dominio cepstral. (b) Mapa de ruido mediante delay and sum - cepstrum.
CONCLUSIONES
2966
2967
Hood A. and Pines D.J. Feasibility of a linear phased acoustic array for health monitoring of
gears, Proc. SPIE 4327, Smart Structures and Materials 2001- Smart Structures and
Integrated Systems, 270. August 2001.
Huang X., Bai L., Vinogradov I. and Peers E., Adaptive beamforming for Array signal
processing in aeroacoustic measurements. Acoustical Society of America. 2012. Pages
2152 2161
Ito N., Vincent E., Ono N., Gribonval R., and Sagayama S., Crystal-MUSIC: Accurate
localization of multiple sources in diffuse noise environments using crystal-shaped
microphone arrays. LVA/ICA, pp. 8188, 2010
Konstantin-Hansen H. and Herlufsen,H., Envelope and Cepstrum Analyses for Machinery
Fault Identification. Sound and Vibration. Mayo 2010
Li J. and Petre S., Robust adaptive beamforming, John Wiley, 2006
Lo K.W., Adaptive array processing for wide-band active sonars, IEEE Oceanic Engineering,
vol. 29, no. 3,pp. 837 846, jul. 2004.
OBrien R.J., Molisani L., Burdisso R., Optimizacin del Rango Dinmico de Antenas
Acsticas. Mecnica Computacional, Volume 30. Number 42. Pp 3217 3232.
Noviembre 2011.
OBrien R.J., Molisani L., Burdisso R., Deteccin de fuentes sonoras mediante beamfoming y
near field acoustic holography. Mecnica Computacional, Volume 31. Number 26. Pp
4001 4012. Noviembre 2012.
Oppenheim, A.V., Schafer, R.W. & Stockham, T.G. Nonlinear Filtering of Multiplied and
Convolved Signals, IEEE Trans. Audio & Electroacoustics, Vol. AU-16, No.3, Sept.
1968.
Oppenheim, A. and Schafer, R. Discrete-time signal procesing. Prentice-Hall. 1989
Randall R. B. and Sawalhi N. A New Method for Separating discrete componenet from a
signal. Sound and Vibration. Mayo 2011
Ravetta P., LORE approach for phased array measurements and noise control of landing
gears, Tesis Doctoral, Noviembre 2005.
Ravetta P., Muract J., and Burdisso R., Feasibility Study of Microphone Phased Array Based
Machinery Health Monitoring. ENIEF2007, 17 Congreso Sobre Mtodos Numricos y
sus Aplicaciones. 2007.
Ravetta P., Burdisso R. and Ng W. F., Noise Source Localization and Optimization of Phased
Array Results (LORE), 12th AIAA/CEAS Aeroacoustics, Conference (27th AIAA
Aeroacoustics Conference), Cambridge, Massachusetts, 8 - 10 May 2006.
Schmidt R., Multiple emitter location and signal parameter estimation, IEEE Transactions on
Antennas and Propagation, vol. 34, pp. 276280, 1986.
Sijtsma P., CLEAN Based on Spatial Source Coherence, 13th AIAA/CEAS Aeroacoustics
Conference, AIAA 2007-3436. 2007
Taxt, T. Comparison of cepstrum-based methods for radial blind deconvolution of ultrasound
images. IEEE Trans. Ultrason., Ferroelect., Freq. Contr., 44 (3), 666-674. 1997
Van Trees, H. L. Optimun array processing, Wiley, 2002