第6期（总第239期） 2018年12月
车用发动机 VEHICLEENGINE
基于麦克风阵列和SRC-PHAT的
发动机异响定位研究
曾荣”，曾锐利”，梅检民”，贾翔期字
No 6 (Serial No 239)
Dec 2018
(1陆军军事交道学院研究生队，天津300161;2陆军军事交通学院投送装备保障系，天津300161；
3陆军军事交通学院汽车士官学校装备系装备基础教研室，天津300161）
摘要：为了实现对柴油机气门异响准确定位，采用NI数据采集系统采集柴油发动机的噪声信号，并用A计权系数滤波器对噪声信号进行滤波，获得类似人耳接收到的噪声信号，经过滤波后的信号低频干扰较少，兴趣信号的能量比例由1262%提高到2979%。采用随机区域收缩相位变换加权（StochasticRegionContractionPhaseTrans-formWeighed,SRC-PHAT)方法建立初始搜索空间区域，计算该区域随机选取点的可控响应功率(SteeredRe-sponsePower,SRP），再以这些点处SRP值较大的区域建立搜索空间区域进行选代运算，直到披索区域范围达到目标精度即为异响源近似位置。试验结果表明，该方法对柴油发动机异响定位具有良好精度，为发动机异响噪声定位提供了参考。
关键词：柴油机：异响；定位：麦克风阵列 DOI: 10 3969/j issn 1001-2222 2018 06 010
中图分类号：TK407：TB52
文献标志码：B
在发动机故障诊断中，故障定位一直是研究的热点和难点。在发动机噪声抑制中，识别主要噪声源是抑制发动机噪声的前提。发动机异响噪声定位具有重要的研究意义和应用价值。对于发动机故障定位研究，许多研究者提出行之有效的方法：文献「2提出了一种基于转速信号的发动机失火故障诊断及识别方法，通过对转速信号的归一化及主成分分析提取样本特征，建立支持向量机故障诊断模型,诊断能达到较高的识别准确率。文献[3提出一种基于振动信号的发动机故障诊断方法，通过压缩小波变换时频分析监测特征频带能量分布，实现故障的精确定位。文献4提出一种多体仿真模型(An advanced multi-body simulation model）综合信号滤波及人工神经网络等信号处理方法，对发动机振动信号进行分析，较好地实现了故障定位。
然而，上述发动机故障定位研究都是基于转速信号和振动信号，这些信号的获取需要通过一系列较为繁琐的设备安装过程。相比而言，声信号的获取较为简单易行。发动机噪声主要有机械噪声和燃
收稿日期：2018-06-20；修回日期：2018-10-10
基金项目：天津市自然科学基金项目（15JCTPJC64200）
文章编号：1001-2222(2018)06-0060-06
烧噪声、空气动力噪声等其中大部分噪声是由发动机缸体周期性做功循环产生的5。因此，噪声中包含了大量的工作状态信息，通过有效地分析可以获得发动机的故障状态和故障位置等信息。
麦克风阵列是一系列麦克风按照特定拓扑结构排列，用来采集声压信号的装置。相比于单个麦克风，经过一系列阵列算法的应用麦克风阵列具有声源定位、噪声抑制和目标跟踪等优点。由于基于麦克风阵列的噪声源识别具有可视化、智能化、信息化等特点，能够对噪声源实时、准确地进行描述，在工程理论研究和实际生活中得到了大量的使用
本研究采用A计权系数滤波器对麦克风采集到的声压信号进行滤波，保留了“兴趣”频带的声压信号并提高了噪声信号的能量比。将SRP-PHAT(Steered Response PowerPhase Transform）算法的基本原理应用到发动机异响噪声源的定位中,采用SRC-PHAT算法（即改进后的SRP-PHAT算法)对发动机气门异响故障进行试验定位分析。
作者简介：曾荣(1994—），男，硕士，主要研究方向为车辆发动机故障检测与诊断；727066988@qqcom，通讯作者：曾锐利(1976一），男，副教授，博士，主要研究方向为车辆发动机监测与诊断;zruil@163com