振动与冲击基于频谱分析的压缩空气泄漏直射和反射超声的识别廖平平，蔡茂林，许启跃，石岩（北京航空航天大学自动化科学与电气工程学院，北京100191）通过识别反射超声信号的方法来解决此问题；对直射和反射超声信号进行测量，实际泄漏源产生的超声波信号经过反射物反射后，被超声传感器检测到，检测者将误认为反射物处存在泄漏源。如果能对直射超声信号和反射超声信号用数字信号处理的方法进行区分，这种误检的情况即可避免。为研究两种超声信号的特性，设计了直射和反射超声信号的测量，泄漏小孔自制，减压阀和节流阀分别用来调节管路压力和流量，以调节泄漏量的大小。
2.3测量原理压缩空气泄漏产生的超声波在40kHz左右的频率段中，泄漏产生的超声波和环境本底噪声在能量上差值较大H，如所示。所以一般采用额定频率为40kHz的超声波传感器。本。测量反射超声信号时，传感器的朝向正对反射超声波的传播方向，泄漏小孔与超声波言泄漏点超声波传感器滤波和放大电路数据采ffif：传感器之间用挡板隔开，以保证只有反射超声信号被超声波传感器接收，如所示。直射和反射情况下的超声传播距离均约为2.3m.。本。从图中可以看出，泄漏源产生的超声波是幅值不定、变化无规律的波动，因此，从时域上很难找到两者之间的区别。
3.2频域特征分析将采集的多组直射和反射超声时域信号进行快速傅里叶变换（FastFourierTransform，FFT），由于采样频率较高fs=240kHz），为了得到较高的频率分辨率，以保证分析所需要的足够的频谱信息，作FFT时，输入样点个数取219，频率分辨率约为0. 46Hz.由MATLAB软件作FFT并得到频谱图，只保留35 ~50kHz频率段的频谱（其他频率段幅值几乎为零）。至2分别是典型的直射超声信号和不同反射面的反射超声信号频谱图。
由~2可以看出，直射超声信号在中心频率两侧几乎呈现单调递增（左侧）或单调递减（右侧）趋势，频谱能量主要集中在中心频率附近。而反射超声信号在中心频率附近没有明显的峰值，呈现‘’多峰状“，频谱能量分布于38~47kHz之间的相对较宽的频率段范围内，频谱趋势具有波动性。造成这种差别的原因主要是由于反射面对不同频率的入射超声信号的反射系数不同3.直射和反射超声信号在频谱形状上存在比较明显的区别，主要体现在两个方面：相对于反射超声信号的频谱，直射超声信号的频谱在中心频率附近分布较为集中。
直射超声信号的频谱低频趋势呈“单峰状”，即波动较小；反射超声信号的频谱低频趋势呈“多峰状”即波动较大。
以上分析表明，泄漏直射和反射超声信号在频谱上存在明显的区别，根据上述两方面的区别，设计识别算法，对直射和反射超声信号进行识别。
4识别算法为了对直射和反射超声信号进行有效的识别，根据上述的直射和反射超声信号频谱的两个不同点，设计如下识别算法，以得到可识别反射超声信号的反射轴形成的面积重心横坐标（中心频率）开始，向左依次取适当长度的N个窗，在窗内计算频谱幅度平方的平均值F（n =1，2，3N），F代表频谱图上不同频率段的能量分布。
依次比较相邻的Yn值，当出现Y +1的值大于F的值时，计算二者的方差A，然后乘以加权系数R，得到REFn，所有REFn相加，它们的总和REF如下式所示：REF反映了Y；的波动程度，即表征了频谱的波在工业现场中，超声检漏仪经常同时检测到直射和反射超声信号，将这种直射与反射信号的叠加信号称作混合信号。由于混合信号兼具反射和直射信号的特征，在利用式（3）计算时，混合信号和反射信号的得到的结果类似，而只希望将反射超声信号去除，所以在式（3）中右边减去KD其中K为常系数；D为中心频率附近±1kHz频率范围内的能量与35~50kHz频率范围内的总能量之比，反映了频谱能量在中心频率附近的集中程度。
*终计算式为反射特征系数RCC的值越大，表明检测到的超声信号越有可能是反射信号；RCC的值越小，表明检测到的超声信号是直射或混合信号的可能性越大。
可以看出，识别算法利用反射超声信号频谱图中不同频率段的幅值的波动性进行识别，识别结果不受超声信号绝对幅值的影响，且对不同的反射面其参数设计是相同的。即识别算法不依赖于超声信号的距离、入射角和反射面材质等因素，因此，面对工业现场中泄漏点距离、入射角和反射面材质般均为未知的实际情况，同样具有良好的适用性。
5计算实例与验证利用上述算法对多组泄漏超声信号数据进行分析与计算，其结果如表1所示。
类型序号直射金属反墙壁射海绵布料由表1可以看出，所有的反射超声信号RCC值都大于200，而所有的直射超声信号RCC都在100以下，因此，根据超声信号的RCC值可以准确判断其是否为反射超声信号。
6结论为了避免由反射超声信号导致的泄漏源错误检测问题，提高泄漏源超声检测技术的准确性，本文对直射与反射超声信号进行研究，并设计两种信号的识别算法，结论如下：直射和反射超声信号在频谱形状上具有较明显的区别，其中直射超声信号的频谱在中心频率附近分布较为集中，而反射超声信号的频谱在中心频率附近分布，比较分散。另外，直射超声信号的频谱低频趋势呈“单峰状”即波动较小；反射超声信号的频谱低频趋势呈‘’多峰状“即波动较大。
通过设计识别算法，得到反射特征系数RCC，直射超声信号的RCC值在100以下，反射超声信号的RCC值在200以上。因此，采用本文设计的识别算法可对直射和反射超声信号进行有效的区分。
本研究成果为提高泄漏源超声检测技术的准确性提供一条重要的途径，促进该技术的发展。
由于本文提出的识别算法中的加权系数需要根据经验设定，具有主观性，以后的研究中应该采用基于人工智能的识别方法，如人工神经网络、支持向量机等智能分类算法。
