一种基于盲提取治理冷却塔噪声的方法技术

一种基于盲提取治理冷却塔噪声的方法，涉及一种治理冷却塔噪声的方法，所述方法包括盲提取，即对多个源信号通过多个传感器采集后建立数学模型，进行非线性盲提取算法：根据信息论，源信号之间的依赖性最小表明输出的任意两个信号都相互独立；然后对冷却塔振动噪声分析，确定冷却塔的噪声源，对冷却塔噪声非线性分离，冷却塔的噪声频谱呈现宽频特性，而且中低频成分较大，各个测点呈现同样的宽频特性；风机出口的噪声都呈现为低频特点，在非线性动态混合模型基础上对所采集的混合信号进行特征提取，确立振动信号的不平衡故障特征进行治理。本发明专利技术适合于冷却塔、汽轮机、风力机、鼓风机等大型设备噪声的治理，可极大降低设备的噪声。

【技术实现步骤摘要】

    本专利技术涉及一种治理冷却塔噪声的方法，特别是涉及一种基于盲提取治理冷却塔噪声的方法。
技术介绍
冷却塔噪声越来越受到人们的关注。不同类型的冷却塔，噪声源机理不同，治理的措施也不同，其中风机噪声是最难治理的一种。在冷却塔噪声控制中，由于各测点的振动信号相互耦合，难以分辨真正的振动源和噪声源，必须对振动噪声信号进行分离，以便对其噪声进行治理。盲源分离技术在语音信号处理、无线通信、生物医学工程、地震勘探、数字图像特征提取领域得到了广泛的应用。“盲”有两重含义，一是指源信号不能被观测，二是指源信号如何混合是未知的。许多盲源分离算法一般都侧重同步分离出所有源信号，若混叠矩阵是列满秩的，则采用同步分离的方法比较方便。但有时并不希望，也没有必要分离出全部源信号，只对一部分信号感兴趣，或者混叠矩阵不满足列满秩的条件，则采用逐一提取信号方法，这便是盲提取问题。
技术实现思路
本专利技术的目的在于提供一种基于盲提取治理冷却塔噪声的方法，该方法对冷却塔噪声源进行分析，根据所测噪声信号，对其频谱进行分析，判断产生噪声的主要频率。同时对现场的噪声声源和传播路径进行检测分析，并从消声、吸声和隔声几个方面阐述了阻断声音传播的噪声治理方案，使降噪达到理想效果本专利技术的目的是通过以下技术方案实现的：一种基于盲提取治理冷却塔噪声的方法，所述方法包括盲提取，即对多个源信号通过多个传感器采集后建立数学模型，进行非线性盲提取算法：根据信息论，源信号之间的依赖性最小表明输出的任意两个信号都相互独立；然后对冷却塔振动噪声分析，确定冷却塔的噪声源，对冷却塔噪声非线性分离，冷却塔的噪声频谱呈现宽频特性，而且中低频成分较大，各个测点呈现同样的宽频特性；风机出口的噪声都呈现为低频特点，在非线性动态混合模型基础上对所采集的混合信号进行特征提取，确立振动信号的不平衡故障特征进行治理。所述的一种基于盲提取治理冷却塔噪声的方法，所述确定冷却塔的噪声源，对冷却塔周围的振动信号进行测量。本专利技术的优点与效果是：1.本专利技术通过对其噪声数据的测量，详细分析了冷却塔噪声的来源和特性，并从消声、吸声、隔声等方面阐述了一种实用的控制措施。结果表明，此方案不仅降噪效果明显，而且能够完全满足设备所需通风量和温度的要求，为工程实际中冷却塔的噪声治理提供了借鉴，具有指导意义。2.本专利技术从消声、吸声和隔声三个方面阐述了阻断声音传播的噪声治理方案，使降噪达到理想效果。结果证明，此方案是一套有效的控制措施，降噪效果明显，能完全满足国家技术标准的要求，为其它冷却塔的噪声处理提供了参考。也适合于汽轮机、风力机、鼓风机等大型设备噪声的治理，可大大降低设备的噪声，经济效益明显。附图说明    图1单个信号提取的示意图；图2噪声测点布置图；图3测点4噪声频谱图；图4 测点5噪声频谱图；图5 采集的声信号；图6基于非线性混合的分离结果。具体实施方式下面结合附图所示实施例，对本专利技术作进一步详述。本专利技术具体实施方案如下：1盲提取问题描述：对于多个源信号通过多个传感器采集后，其数学模型为：式中：X(t)为观察信号，S(t)为源信号，n(t)为噪声干扰信号，A为混合矩阵。可见，要实现对源信号的提取，首先要估计分离矩阵W，使得X(t)通过W后得到的Y(t)为源信号的估计，即：盲提取可分为提取和消减两个环节。如果设 i次提取的信号为yi(k)，那么消减后的信号就是yi+1(k)。图 1是提取单个信号的示意图。2 非线性盲提取算法：根据信息论，源信号之间的依赖性最小表明输出的任意两个信号都相互独立。盲提取问题描述为: 假设混合过程固定不变，当观测变量经过分离矩阵W后，输出的信号应相互独立，其核心思想就是最小化互信息量。在多维情况下，输出向量Y的各分量之间的互信息可以衡量随机变量之间独立性，变量y1，y2，…，ym的互信息I定义为：为变量y1，y2，…，ym的联合熵。互信息 I 总是非负的，当且仅当变量间统计独立时它才为零，故可以作为变量间相互独立性的一种度量。由概率论中心极限定理可知，多个独立随机信号混合后趋近高斯分布。也就是说，可使用输出信号的非高斯性作为分离信号之间独立性量度。为了便于编程，输入和输出矢量的概率密度函数PX(X,W)和Py(Y,W)可用如下关系简化：盲分离的目标函数确定为：根据上述公式，如果统计输入矢量概率密度函数，无需源信号的先验知识，只要在最小化目标函数ф(Y，W)的条件约束下，可得到输出矢量的分布函数，即源信号的近似分布函数。根据式(3)，若与输出量Y的概率密度函数Py(Y,W)相近的概率密度函数为qy(Y)，两个概率密度分布的差异测度称为KL发散度，表示为:由公式(9)可知，当两个概率密度相同时，KL为0，此时输出矢量Y为充分独立的概率分布，源信号的近似概率密度函数可写成乘积的形式：由上可知，输出信号的个数n待定，当提取的源个数与故障源个数相等时，分离矩阵应为正交矩阵，即潜在的约束条件为WWT=I，且WA=I，由于只有波形反映故障特征，故忽略了幅值比例的变化。为了满足正交条件，采用自然梯度算法得到迭代公式：式(12)可知，自然梯度算法可避免矩阵的求逆，提高了算法的稳定性和收敛速度，将信息最大化约束条件基于最小化观测信号概率密度和实际信号概率密度的KL散度。但是，常选用的非线性激活函数只能分离超高斯信号，不能分离次高斯信号，因此算法的稳定性难以保证。若定义激活函数为：根据公式（12）和（13）得到非线性自适应盲提取的迭代式: 式中，η为自适应学习率。可验证，在k=0时式(14)满足约束条件。根据归一化峭度的正负情况，即偏离高斯性的测度来监测每个输出信号的统计特性，自动选择适合的激活函数来分离所有的非高斯源信号，此时的激活函数成为自适应的时变非线性。3 冷却塔振动噪声分析：确定冷却塔的噪声源需要对冷却塔周围的振动信号进行测量，具体测点布置如图１所示。通过测量发现，在冷却塔的10个测点中，噪声最大的为测点4、5、9、10，说明声辐射主要聚集在两塔之间的部位。选取测点4和测点5为主要研究点，其振动频谱分别如图3和图4所示，由图3和图4所示，冷却塔的噪声源主要是风机噪声。冷却塔塔顶部轴流风机工作时，桨叶与空气作用产生振动，向外辐射噪声，由于桨叶长细比较大，加大了桨叶的振动。这是冷却塔噪声的主要来源。冷却塔内水流自由下落，产生落水噪声，箱体下部进风口，为噪声声波提供的传播路径，这是冷却塔又一个主要噪声源。4 冷却塔噪声的非线性分离：由图3和图4可知，冷却塔的噪声频谱呈现宽频特性，而且中低频成分较大，各个测点呈现同样的宽频特性。风机出口的噪声都呈现为低频特点，其中测点2的噪声较大，因此确定从冷测点2处采集声信号。开机后，在测点2处固定好声级计采集信号，由于声能主要集中在0～200Hz范围内，因此记录的声信号频带范围如图5所示。此时风机转速为2400rpm本文档来自技高网...

【技术保护点】
一种基于盲提取治理冷却塔噪声的方法，其特征在于，所述方法包括盲提取，即对多个源信号通过多个传感器采集后建立数学模型，进行非线性盲提取算法：根据信息论，源信号之间的依赖性最小表明输出的任意两个信号都相互独立；然后对冷却塔振动噪声分析，确定冷却塔的噪声源，对冷却塔噪声非线性分离，冷却塔的噪声频谱呈现宽频特性，而且中低频成分较大，各个测点呈现同样的宽频特性；风机出口的噪声都呈现为低频特点，在非线性动态混合模型基础上对所采集的混合信号进行特征提取，确立振动信号的不平衡故障特征进行治理。

【技术特征摘要】
1.一种基于盲提取治理冷却塔噪声的方法，其特征在于，所述方法包括盲提取，即对多个源信号通过多个传感器采集后建立数学模型，进行非线性盲提取算法：根据信息论，源信号之间的依赖性最小表明输出的任意两个信号都相互独立；然后对冷却塔振动噪声分析，确定冷却塔的噪声源，对冷却塔噪声非线性分离，冷却塔的噪声频谱呈现宽频特性，而且...

【专利技术属性】
技术研发人员：刘欢，王健，王庆辉，李金凤，郭烁，张琳琳，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：辽宁;21