基于噪声分析的机械故障诊断方法研究
摘要
基于噪声分析的机械故障诊断方法可以非接触地获得机械信号，适用于众多不便于使用振动传感器的场合，如某些高温、高腐蚀环境，是一种常用而有效地故障诊断方法。但在实际应用中，由于不相干噪声和环境噪声的影响，我们需要的待测信号往往被淹没在这些混合噪声中，信号的信噪比较低。
盲源分离作为数字信号处理领域的新兴技术，能利用观测信号恢复或提取独立的各个机械信号，在通讯、雷达信号处理、图像处理等众多领域具有重要的实用价值及发展前景，已经成为神经网络学界和信号处理学界的热点研究课题之一。
本文分析总结了盲源分离技术的相关研究现状，对盲源分离的原理、算法、相关应用作了探讨和研究。并就汽轮机噪声问题运用了盲源分离技术进行机械故障诊断，试验表明，该方法能将我们需要的故障信号从混合信号中分离出来，成功实现汽轮机部件的故障诊断。
关键词：声信号，机械故障诊断，独立分量分析
Investigation of Mechanical Fault Diagnosis Based on Noise Analysis
Abstract
You can obtain a non-contact method of mechanical fault diagnosis based on noise analysis of mechanical signals , not suitable for many occasions to facilitate the use of vibration sensors , such as certain high temperature , highly corrosive environment , is a common and effective fault diagnosis method . However, in practice , the effects of noise and extraneous ambient noise , the signal under test often need to be submerged in the mixed noise , lower signal to noise ratio .
Blind source separation as an emerging field of digital signal processing technology to take advantage of the observed signal recovery or extraction of various mechanical signals independently in many communications, radar signal processing , image processing has important practical value and development prospects , has become a neural network one of the hot research topic in academic circles and signal processing . In this paper summarizes the research status of blind source separation techniques , the principles of blind source separation algorithms, related applications and research were discussed . Turbine noise problems and to use the blind source separation techniques for mechanical fault diagnosis, tests showed that the method we need fault signal can be separated from the mixed signal , fault diagnosis of steam turbine components successfully .
Key Words：Mechanical Fault Diagnosis，Independent Component Analysis
目录
1绪论
1.1 选题背景
1.2 国内外研究发展现状
1.2.1机械故障诊断技术发展现状
1.2.2 声学故障诊断发展现状
1.2.3 盲源分离技术发展现状
1.3课题研究内容及意义
2 噪声分析和采集
2.1 声学概念
2.2 噪声的主要参数
2.2.1声压
2.2.2声强
2.2.3 声功率
2.3 噪声的采集
2.3.1 传声器
2.3.2 声级计
2.4 故障的噪声识别方法
3盲源分离算法原理
3.1独立性
3.2盲源分离算法概述
3.2.1 JADE法
3.2.2四阶盲辨识法(FOBI)
3.2.3 信息极大法(Infomax)
3.3 预处理
3.3.1 中心化
3.3.2 基于主分量的球化
4 实验
5总结与展望
5.1 总结
5.2展望
参考文献
致谢
1 绪论
1.1 选题背景
设备异常和故障信息一般以机械的状态信号为载体，机械故障诊断的一个重要步骤就是采用适当的方法来表现被诊断设备的特征信号；机械故障诊断能否成功主要需要做到尽可能真实而充分地采集到足以真实表现被测设备状况的状态信号。我们都知道，振动诊断是目前最常用而有效的故障诊断技术，因为其具有采集信号丰富且信号便于识别和分析。但是，某
些安装困难或者某些高温、高腐蚀性等这种操作环境恶劣的场合，振动诊断是不合适的，也就是说有他的局限性。这种情况下，利用噪声分析来进行机械故障诊断就能凸显它的优势所在了，噪声测量的传感器具有能非接触性监测状态信号的特点，解决了振动诊断的不足。但是噪声诊断也有它的局限性，其局限性表现在声信号的监测环境容易受到干扰，要想获得独立的机械设备信号必须采取一定的措施，这很大程度上限制了噪声诊断方法的发展和推广。独立分量分析是一种统计算法，它能通过算法从混杂的混合信号中提取我们所需要的设备状态信号，并获得独立的信号源。这个方法在近20年来发展迅猛，已经在语音是被。电信通讯、医学信号处理等众多领域发挥了作用，成为盲源分离算法的研究热点方向，这也是我选择这一课题的原因所在。
现有的我们所了解的噪声诊断技术尚存在一个共同问题，就是如果我们直接将监测到的信号做整体的分析不顾及环境中其他信号源的干扰，我们很难真正获取有效的设备状态信号。这就提醒我们必须采取有效的措施和方法对混合信号进行分离和独立分析。虽然说现在的噪声诊断方法取得了相当的进步，但这个问题不解决，噪声分析法就无法真正有效的实现机械故障的监测和处理。这是噪声诊断的难点，同样也是重点所在。
所以说，我们需要很好地对混合信号进行待测信号的分离和独立验证，使之脱离环境干扰信号的混淆，实现我们所需要的可对比性和可操作性。成功建立实际声场模型，并通过模型进行计算获取待测机械声信号是一种常用的常规解决方法。这同时也存在一个问题，建立数学理论上的声场模型是难以实现准确性和有效性。因为声音信号的传播与多种因素有光，比如声源的性质，介质的性质声场的环境因素，这些都会导致声场环境的复杂程度上升，因为环境信号往往存在复杂的噪声发射散射和混响等多种干扰。我们在进行实际的测量过程中，一般需要利用独立分量技术对混合信号进行分离和处理，去除混合信号中其他信号的干扰，从而获得独立的设备状态信号。
本课题重点是运用独立分量技术分析理论和方法，通过盲源分离算法，针对汽轮机旋转电机结构，进行基于噪声分析的机械故障诊断方法的研究，以实现对其常见各种故障的监测、分析和诊断。
1.2 国内外研究发展现状
1.2.1机械故障诊断技术发展现状
现代故障诊断技术随着现代系统工程、控制论、电工电子技术、计算机技术、通信技术等的发展而逐渐发展起来的，它的研究范围涉足传感器技术、数据采集和信号处理技术、通信技术等众多技术领域，发展成为一门多学科多技术手段交叉的新型综合学科之一。主要含以下几个方面的内容：
（1）状态信号检测(传感器技术)；
（2）故障特征分析(信号分析和处理)；
（3）故障诊断方法(信息表达和融合)；
（4）故障机理研究；
（5）状态监测以及故障诊断系统的实现。
现代的诊断技术主要依靠传感技术、状态信号分析和信号处理技术这些常规诊断方法。在技术上综合利用振动诊断、噪声诊断、频谱诊断和无损检测技术等多种故障诊断技术，随着现代网络技术和信号分析技术的迅速发展，现已初步实现状态信息分析和逻辑诊断模糊诊断统计诊断。随着近几年来各种数据处理软硬件的快速发展，这极大地推动了机械故障技术的发展，使得机械设备的实时在线诊断成为可能之道。数据处理如DDM，M6000等实时诊断系统以及一些众多软件诊断系统，使设备故障诊断实现维修现代化。
1.2.2 声学故障诊断发展现状
人们从利用机械发出的声音进行了最早的最故障诊断。以前人们依赖于个人所具有的经
验和知识来进行故障分析和诊断。当设备出现运行状态发生突然变化时，这些有经验的人就知道设备出现了故障，需要人们通过经验得出解决方案，但这种技巧比较难以掌握，不具有推广性。如今，振动诊断已经逐步发展成一门相对成熟的诊断技术，有了相应的诊断系统。而噪声诊断由于测量环境的复杂性导致的信号混合。信号信噪比低，使之长期处于一个发展初期阶段。下面简单介绍几种已有的噪声诊断方法。
能量统计法，是目前最基本的也是应用最广的噪声诊断法。能量统计法通过机械运行时释放声能的变化来判别机械是否出现故障或出现异常，从而实现故障诊断。该方法虽然
简单，但在实际应用中技巧难以很好的掌握，因为该法还是会受到混合信号的干扰，需要我们的专业人员通过经验对故障最初判断，这也限制了该方法的推广。
声发射法，是目前相对比较成熟的噪声诊断方法。声发射法通过设备运行中部件释放的弹性波能量来实现故障的识别和采集。这是一种有效检测部件故障的方法。现在主要应用与机械加工中金属材料状态以及轴承滚子等表面状态。上述这么应用都取得了不错的结果。神经网络和小波分析相关实验，获得了某些设备故障的特定阀值。
当前的噪声故障诊断过程都伴随着多台机器一起运行，声场环境十分复杂，干扰源众多。这种情况下要想获得独立的被测信号很难。我们必须采取一定的措施对设备进行分离或停止其他机器运行，从而获取我们所需的独立信号源，再实现有效的故障检测和分析诊断。近十年来，随着独立分量分析算法的发展和推广，我们可以利用独立分离算法对故障诊断中出现的多元信号相互干扰问题有更好的解决方法。我们通过采取盲源分离算法将混合信号进行分离实现信号的独立，在通过原有故障信号的对比就可以对设备故障信号进行判别，从而实现机械故障诊断。
1.2.3 盲源分离技术发展现状
1986年。法国学者Christian Jutten和Jeanny Herauh提出了基于Hebb学习律的学习算法和递归神经网络模型，实现了两个独立源混合信号的分离。这在信号处理领域中揭开了新的一章——盲源分离问题研究。
在随后的二十年里，学者们提出的盲源分离的问题，已成功的一些算法在一定程度上在某些领域。从算法它，BSS算法分为自适应算法和批量处理算法;从代数函数和标准，它是基于互信息方法的基础上，根据不同的非线性函数为神经网络的高阶统计量和方法的方法。国内学者对盲源分离算法是比较晚的，但理论和应用方面也取得了一定的成绩。首先，张教授张XD清华大学，在他的“时间序列分析- 高阶统计方法”一书中首先介绍的盲源分离算法国内研究后盲分离开始多起来分析的理论基础。近年来，中国已经推出了多个项目的盲源分离的理论和应用，建立了一些研究小组。
我们知道，在近十年发展迅速，但盲源分离算法仍然存在，我们进一步研究和解决了不少问题。第一个是理论体系还不完善，处理在使用的算法的所有知识，稳定性和收敛一些实际经验证明是不够的。第二个是一个盲源分离算法有很多理论和实践问题有待解决，如有效的分离方法与噪声信号，多维ICA问题，如何更有效地利用各种先验知识，成功地分离或提取的源信号，如何有效地结合神经网络，源信号的个数大于观测信号的ICA方法数。此外，盲源分离应与其他学科，如盲源分离技术结合使用的是模糊系统理论的一个有价值的研究;而盲源分离技术和遗传算法相结合，可以大大降低计算复杂度，提高了收敛速度。我们需要研究如何提高算法研究源信号和使用的统计特性。在硬件实现方面，盲源分离问题也是相当大的发展，如通过FPGA实现。
在近二十年的人=年的相关理论和盲分离算法的共同努力下得到了长足的发展，基本的理论问题，包括盲源分离本身确定的可解性和解决方法已经在很大程度上解决方案，并提出了算法是有效的分离能力，运算速度，内存要求等。但考虑到理论研究和算法的深度盲源分离问题都比较难以实现大电流的研究盲源分离算法仍处于很不成熟的阶段，这是难以满足越
来越多的实际应用需求，许多理论和算法需要进一步探讨。
本课题主要开展了一下几个方面的工作：
（1）就故障诊断技术及噪声分析方法进行了概括性描述，总结了国内外研究发展现状；（2）重点介绍了盲源分离技术的发展、理论、算法、应用并分析了盲源分离技术的优势和可行性。
（3）针对汽轮机旋转结构的机械故障，利用盲源分离技术进行噪声分析及故障诊断。并进行了仿真和试验分析。
（4）总结了论文的主要内容和意义，并就研究的问题出研究方向的展望。
本课题的意义：
由于振动诊断在某些环境中具有局限性，而基于噪声分析的故障诊断技术在想这些方面具有优势，但同时，目前的噪声分析法存在操作性的难题，主要是实际操作过程中，声场环境复杂多变，我们难以获得我们所需的单一独立的设备信号。所以本课题研究的盲源分离技术能有效地解决信号混合的问题，从而实现有效的、可操作的故障诊断。本课题通过盲源分离算法对混合信号进行分解，实现对被测设备信号的提取。本课题以汽轮机电机的设备信号做实验，对其设备信号进行了提取，分析实验数据证明，盲源分离算法对于信号的分离提取是有效的。虽然本课题由于实验数据有限，但证明盲源分离技术对于以噪声分析为基础的机械故障诊断是一个很有前景的研究方向，可多做这一方向的研究。
本课题重点是我必须先很好的学会基于独立分量分析原理的盲源分离算法，并在实验中用独立分量分析进行实验数据的分析和处理，实现实验设备所需信号的提取和分析，获得所需的设备信号，证明盲源分离算法对于以噪声分析为基础的机械故障诊断有效。
2 噪声分析与采集
2.1 声学概念
噪声是指机械在振动过程中发出的不规则振动波。我们一般采用下面几个参数来形容噪声。声压级、功率级以及声强级——噪声的强度；频谱和频率——噪声的组成成分。
2.2 噪声的主要参数：.声压、声功率、声强。
2.2.1 声压——声波在传播时，空气中各个质点会随着振动产生压力波，并引发压力增量。声压级（dB）：指声压与基准声压之比是以10为底的对数的20倍。即
基准声压
2.2.2声功率——指声源在1s内辐射出来的总的声能。
声功率级；指声功率与基准声功率之比是以10为底的对数的10倍。即
基准功率
2.2.3声强——指1s内通过垂直于传播方向上单位面积的声波能量。
声强级：指声强与基准声强之比是以10为底的对数的10倍。即
基准声强
2.3 噪声的采集
2.3.1 传声器：
传声器的主要作用是，通过膜片等感受声压变化并将其变化转换为膜片振动，从而转化为电能，实现声压的测量。
目前有三类传声器，即压强式、压差式和组合式。压强式利用膜片感受声压；压差式利用膜片振动测量膜片左右的压差；压强压差组合可感受声压和压差大小。
（1）电容传声器其实是以电容器为基础，利用两边电压和负荷稳定的状态来输出变电压的特征值，这一过程取决于膜片声压的大小。电压传声器是一控制能量型的传感器，具有环境适应能力强，外部结构紧凑，输出特征稳定等优点。
（2）压电传声器是一种通过压电效应实现声信号到电信号转变的传感器。其结构简单小巧而电容量大，且性能相对稳定，是一种常用的传声器。
2.3.2 声级计：
声级计的作用主要是进行频谱分析测量信号声级以及记下声信号的时间特征、振动特征。工作方式先是利用传声器将要测量的声信号转变为电压信号方式，然后通过信号减弱、信号放大和计权网络将声能信号用分贝表显示出来。
A用于仿真40方等响度图形（大幅减弱声信号低频信号）
B用于仿真70方等响度图形（部分减弱声信号低频信号）
C用于仿真100方等响度图形（全部放过可检测声信号，可代表总的声信号）LB=LC=LA时,目标声信号声能处于高频信号段。
LB=LC>LA时，目标声信号声能处于中频信号段。
LC>LB>LA时，目标声信号声能处于低频信号段。
声级计分为普通声级计、精密声级计和脉冲声级计。
声级计的校准
我们使用声级计测量目标信号都需要重点关注起始及最后的结果（两者差值小于1db）。扬声器校准和或侧发生器校准是最常用的两种校准的方法
2.4 故障的噪声识别方法
我们通常就噪声信号的特征值取极值作为故障诊断的参考量。要识别故障的性质、发生的部位以及严重程度，还需要提取噪声信号作频谱分析。我们一般通过对噪声进行相对标准，绝对标准，类比标准三个方面的判定。绝对标准用语测量噪声信号的特殊量，相对标准用来测量正常运行是的特征值，类比标准用来比较同类机械同等工况下的特征值。
3盲源分离算法的原理
本章将重点介绍有关ICA的基本理论和原理。ICA算法属于优化算法，它建立在现代高阶统计算法与信息理论算法的理论基础之上，它通过信息最大法，最大似然估计法，高阶累计算法，最大熵算法和中心极限算法实现目标函数的建立。本章我们将介绍ICA算法的基本理论基础和相关概念，为大家做一个简单说明。
3.1 独立性
ICA理论中最核心的概念即——统计独立性。其定义如下：设x1和x2)的联合概率密度为p(x1，x2)，变量x1的边际概率密度为p(x1)，变量x2)的边际概率密度为p(x2)，即
p(x1)= ∫p(x1，x2)dx2
p(x2)= ∫p(x1，x2)dx1
如果x1和x2的联合概率密度p(x1，x2)满足
p(x1,x2)=p(x1)p(x2)
则称随机变量x1和x2是相互独立的。
此定义同样适用于多随机变量情形：如果n 个随机变量的联合概率密度可以分解为这一个随机变量各自的边际概率密度的乘积，即
P(x1,x2, …xn)=p(x1)(x2) …p(xn)
则这n 个随机变量是相互独立的。
由此可推：设h(x1)和h(x2)为两个已知函数且随机变量x1和x2相互独立，我们认为： E{h1(x1)h2(x2)}=E{h1((x1))E{h2(x2)}。
如果两个随机变量他们相互独立我们认为他们一定不相关，所以说不相关以为这独立性弱。实际接受到的混合信号一般同时具有二阶和高阶相关性，这就需要我们通过线性来实现信号之间不相关，达到盲源信号分离的目的。ICA 的常规做法就是利用迭代算法减少被测设备信号与环境噪声之间的相关性，从来实现信号的分离。此外，也可通过对混合信号进行球化处理和高阶相关性消除，实现约束条件下的高阶相关性。
3.2盲源分离算法概述
3.2.1 JADE 法
JADE 法,最早由Cardoso 提出，全称为特征矩阵联合近似对角化。其算法步骤是先定
义目标四维累积量矩阵，然后令z 为球化后的N 通道观察矢量Z=[z 1,z 2,…,Z N ]T 为任意NxN
矩阵。Z 的四维累积量矩阵的定义是——第ij 元素{Qz(M)}ij ，有
∑∑===N k N
l kl ijkl Z m z K M Q 11def ij )()]([ i,j=1~N
K ij k l (Z)——Z 的第i ，ｊ，ｋ，ｌ的四维累积量，Qz(M)——N ×N 阵，m kl ——M 矩阵的第k,l 元素。
JADE 法进行ICA 及A 阵辨识的步骤如下：
(1) 球化：求球化阵形，使Z=WX 球化。
(2)选定矩阵组M=[M1,M2, ∑∑===N k N
l kl ijkl Z m z K M Q 11def ij )()]([ i,j=1~N
i ，ｊ，ｋ，ｌ指的是K ij k l (Z)的四维累积量，Qz(M)为一N ×N 矩阵阵列，
M 矩阵的k.l 元素用m kl 表示。
JADE 法进行ICA 及A 阵辨识的步骤如下：
(1)球化：求球化阵形，使Z=WX 球化。
(2)选定矩阵组M=[M1,M2,…,MP]对所有M i ∈M ，根据球化数据z 按定义,求得一组Qz(Mi),i=1~p.
(3)根据式
∧(M i )=V T Q Z (M i )V=Diag[k 4(s 1)v 1M i v T ,…,k 4(s N )v N M i v T N ]
寻求能通过V T Q Z (M i )V 将各Q Z (M i )联合对角化的V 阵，并使下式的判据极小。
V Off M O V D M M M
M i M i [)]([ff )(i ∑∑∈∈=Λ=
T Q Z (M i )v ] (4)于是得A 阵及ICA 分解结果：
V W A T =∧ , Ｗ＝ＶＡ＝ＢＴ－１∧∧
Y=BX=V T WX
3.2.2 四阶盲辨识法(FOBI)
四阶盲辨识法是JADE 法的前身，它利用四阶统计量来分解我们说的独立信源，以及辨识混合矩阵。他实际是JADE 法的前身。虽然此法的应用有一定的局限性，但概念清楚，计算也简单的多，且至今仍有人采用。此法也是分两步进行处理的，第一步先把观察数据石球化，得到z ，然后进入第二步：构建球化数据的“二阶加权协方差阵”：
Ω=E [︱Z ︱2ZZ T ]
式中Z 2=Z T Z 是权重。由
Z=WX=W AS=VS
代入（4.4）式得：
[E =Ω|Z|2VSS T V T ]=VE[|S|2SS T ]V T
可以证明由于S 中元素互相独立，所以（4.6）式中的VE[|S|2SS T ]可以化为对角阵Diag[(S 4)+N-1].
因此: Ω=V[Diag(E(S 4)+N-1)V T
此式实际上就是Ω的主分量分解。V 是正交归一的，特征值是E(S i 4+N-1, i=1~N,它决定于各信源的四阶矩。
可见，只要对z 的加权协方差阵Q 作主分量分解就能得到各信源的四阶矩和矿，从而辨识得混合阵A=W -1V=W T V, S=V -1Z=V T Z 。
3.2.3 信息极大法(Infomax)
信息极大法中，先将混合矩阵B 进行求解，得解Y ，再将各个解用非线性函数表示，记作g(Y)，表达式如下所示：
R=g(Y)=[g i (y i ),…,g N (y N )]Tdef=[r 1,…,r N ]T 。我们通过调节目标函数B 使R 得总熵H （R ）极
大同时表明Y 的各个分量之间的互信息I(y 1,…,y N )变极小，这就是自适应处理。B 和G 在结构上来看合一起变成单层感知，而R 只是我们为了达到Y 各个分量之间独立而引进的辅助元素，并非我们需要的输出元素。
参数调节以下式为指导：
)]())(()([)()1(k K X K Y K B K B K B T T ψμ-+=+- (4.8)
式中Y (ψ）=[,)()(1'11"1y g y g -…)
()('"
N M N y g y g M -]。 3.3 FastICA 算法
3.3.1预处理
预处理是指在进行ICA 处理前，对信号进行中心化和球化处理或者差分、滤波等处理。这
是盲源分离算法必不可少的一部分。
(1) 中心化
将观测信号X 减去其均值E[X]，即
][X E X X -=∧
信号的中心化是指][X E =0。
我们可证明对源信号的中心化就是对观测信号的中心化并使得源信号平均等于零。所以，中心化并不影响信号的混合求解不。并且我们还可以在混合求解过程中加入其均值信号。
(2) 基于主分量的球化
ICA 优化步骤的第一步——球化，先进行球化，使式子数据间二阶相关性去除，再进行高阶统计分析。
我们设M 道原始数据构成一个M*T 的数据矩阵阵X(T 是每道数据的长度且通常T>M)。令XX ’def =C,，称C 为X 的协方差阵(严格的说它只是协方差阵的一个样本估计，因为尚未取均值)。可以证明C 可作如下分解：
M M M M M M M T T M M M U U X X C ******'Λ==
上式中的矩阵U 是正交归一的方阵，∧为对角矩阵阵，Λ=Diag[λ1, λ2, …, λM] , 且存在λ1≥λ2≥…≥λM ≥0，称λ1为C 的特征根。
把U ’前乘到数据阵X 上，得：
T
M M M T M X U P ***'= 上式表示X 的主分量分解过程。矩阵P 的各行可看做X 的各主分量。
我们将'5
.0U S Λ=作为变换算子与数据阵X 相乘得到
Z=SX='5.0U ΛX
上式称为对X 作“球化”。可以证明Z 中各行也是相互正交的，而且各行的能量都相 等，且等于l 。
值得指出的是：球化阵不是惟一的。事实上把任何正交归一阵E[EE ’=I]前乘到'5.0U ΛX 上，所得结果仍能使X 球化，因而也可作为球化阵。
3.3.2 FasICA 算法原理 因为FastICA 算法以负熵最大作为一个搜寻方向，因此先讨论一下负熵判决准则。由信息论理论可知：在所有等方差的随机变量中，高斯变量的熵最大，因而我们可以利用熵来度量非高斯性，常用熵的修正形式，即负熵。根据中心极限定理，若一随机变量X 由许多相互独立的随机变量()N i S i ,...3,2,1=之和组成，只要i S 具有有限的均值和方差，则不论其为何种分布，随机变量X 较i S 更接近高斯分布。换言之，i S 较X 的非高斯性更强。因此，在分离过程中，可通过对分离结果的非高斯性度量来表示分离结果间的相互独立性，当非高斯性度
量达到最大时，则表明已完成对各独立分量的分离。
负熵的定义：
()()()Y H Y H Y N G a u s s g -= （3-5） 式中，Gauss Y 是一与Y 具有相同方差的高斯随机变量，()?H 为随机变量的微分熵 ()()()ξξξd p p Y H Y Y lg ?-= （3-6） 根据信息理论，在具有相同方差的随机变量中，高斯分布的随机变量具有最大的微分熵。当Y 具有高斯分布时，()0=Y N g ；Y 的非高斯性越强，其微分熵越小，()Y N g 值越大，所以()Y N g 可以作为随机变量Y 非高斯性的测度。由于根据式（2.6）计算微分熵需要知道Y 的概率密度分布函数，这显然不切实际，于是采用如下近似公式：
()()[]()[]{}2
G a u s s g Y g E Y g E Y N -= （3-7） 其中，[]
?E 为均值运算；()?g 为非线性函数，可取())tanh(11y a y g =，或()()
2/e x p 22y y y g -=或()33y y g =等非线性函数，这里，211≤≤a ，通常我们取11=a 。
快速ICA 学习规则是找一个方向以便()X W Y X W T T =具有最大的非高斯性。这里，非高斯性用式（2.7）给出的负熵)(X W N T g 的近似值来度量,X W T 的方差约束为1，对于白化数据而言，这等于约束W 的范数为1。FastICA 算法的推导如下。首先，X W T 的负熵的最大近似值能通过对(){}X W G E T 进行优化来获得。根据Kuhn-Tucker 条件，在(){}122==W X W E T 的约束下，(){}X W G E T 的最优值能在满足下式的点上获得。
(){}0=+W X W Xg E T β （3-8） 这里，β是一个恒定值， (){}X W Xg W E T T 00=β,0W 是优化后的W 值。下面我们利用牛顿迭代法解方程（2.8）。用F 表示式（2.8）左边的函数，可得F 的雅可比矩阵()W JF 如下：
()(){}
I X W g XX E W JF T T β-=' （3-9）
为了简化矩阵的求逆，可以近似为（2.9）式的第一项。由于数据被球化，
{}I XX E T =,所以，(){}{}(){}(){}I X W g E X W g E XX E X W g XX E T T T T T '''=?≈。
因而雅可比矩阵变成了对角阵，并且能比较容易地求逆。因而可以得到下面的近似牛顿迭代公式：
(){}[](){}[]***=---=W W W X W g E W X W Xg E W W T T /'/β
β （3-10）
这里，*W 是W 的新值，(){}X W Xg W E T T =β，规格化能提高解的稳定性。简化后就可以得到FastICA 算法的迭代公式：
(){}(){}***=-=W W W W
X W g E X W Xg E W T T /' (3-11)
实践中，FastICA 算法中用的期望必须用它们的估计值代替。当然最好的估计是相应的样本平均。理想情况下，所有的有效数据都应该参与计算，但这会降低计算速度。所以通常用一部分样本的平均来估计，样本数目的多少对最后估计的精确度有很大影响。迭代中的样本点应该分别选取，假如收敛不理想的话，可以增加样本的数量。
4实验
声信号一般采用非接触测量方式来获取，从使用上来讲简单方便，但所获取信息的选择性却大大降低。在机械设备运行的现场，具有较高强度的环境景噪声，机器声常常淹没其中，同时邻近设备和同一设备其它部位的声信号也会混入到所采集的信号中，再加之声的回波干扰，信号的信噪比低，故障源辨识困难。因此，解决声信号监测诊断的关键在于两个方面：
(1)提高有效声源的辨识能力；
(2)消除噪声干扰，提高信噪比。
基于声信号的机械故障诊断，常常被称机器异响诊断。机器异响就是由于机器异常或损伤而产生的与正常工作声音不同的声音。机器的异响多由零部件或者接触表面的局部缺损、裂纹、松动等引起，从而使出现的异响为撞击发出的声响，如齿轮断齿或轮齿表面出现凹坑引起的异常啮合声、滚动轴承的滚动体表面有划痕时的冲击声等，实质上就是不同形式的金属撞击声。由于这种撞击过程是短时完成的，所以故障信号为随时间振荡衰减的冲击信号，冲击的幅度、振荡的频率和衰减速度及冲击的节奏与故障的部位或类型直接相关。而一般接收的异响信号，冲击信号被噪声严重干扰，常规方法难于处理。考虑到声信号监测诊断以上两个方面的问题，针对机械异响的特性，本文提出了一种独立分量分析和自相关分析相结合的方法用来解决机械异响诊断，分为两个部分：声源识别和噪声消除。在声源识别方面，采用独立分量分析从观测信号中提取独立的声源信号，分离特征信号和干扰信号，消除背景噪声对特征信号的干扰。在噪声消除方面，采用自相关分析提取特征信号中的周期成分，消除随机噪声的干扰。
5 结论与展望
5.1 结论
实际的机械故障诊断所采集的声信号中含有多种分量，故障特征分量往往淹没在其
中，信号信噪比很低。为了解决机械故障诊断中传统的声信号分析方法容易受到环境噪声影响，信号信噪比低的难题，本课题提出能有效解决信号混合提纯的盲源分离算法，并通过汽轮机电机试验进行验证试验以及实验数据分析，结果表明盲源分离算法是有效的。特得出以下几点结论：
（1）基于噪声分析的机械故障诊断可以做到振动诊断不能做到的事，例如可以通过非接触式获取机械状态信号，以及获取高腐蚀等恶劣环境中的设备信号，是一种十
分方便而有效的机械故障诊断方法。
（2）盲源分离技术是一种能有效提取目标故障信号，提高信号信噪比的一种诊断方法，它通过独立分量分析从观测信号中提取独立机械声源信号，逐步消除背景噪
声和随机噪声的干扰，实现被测信号的比例扩大，有效而显著提高被测设备信号
的信噪比。
（3）分析了噪声的本质，以及介绍了噪声采集和测量的仪器，阐述了噪声分析和处理的原理和过程。
（4）重点分析了基于ICA的几种盲源分离算法，并通过仿真实验模拟了基于噪声分析的机械故障诊断过程和结果，证明盲源分离技术能有效提取声源信号，显著提
高信号信噪比。
5．2 展望
基于噪声分析的机械故障诊断技术尚处于方兴未艾的阶段，很有深入研究的价值，盲源分离技术还有很大的发展空间，需要我们不断完善，将盲源分离技术用于机械故障分析很有前景，简要提出以下几点展望：
（1）基于噪声分析和基于振动信号分析的机械故障诊断方法各有优势和不足，在实际应用中可考虑将二者做一些结合，以便更好的获取机械状态信号，达到最佳的诊
断效果。
（2）各种盲源分离算法之间也可做一些结合方面的研究，多种方法混合解决信号信噪比低的问题，应该可以有更有效的方式。
（3）盲源分离技术是的发展尚不成熟，有相当大的发展空间和潜力。本文由于时间和资料的不足，未能对其算法有更深入的研究和探讨，这方面可做更多的工作。
参考文献
[1]李功，黄民．基于小波包变换的超声回波信号特征提取［Ｊ］．合肥工业大学学报：自然科学版，2006，29(2)：246-249．
[2] 王立欣．诸定秋．蔡维铮．局部放电在线监测中基于小波变换的阈值消噪算法研究［Ｊ］．电网技术，2003（04）．
[3] 管亮，冯新沪．基于小波变换的信号滤波效果影响因素研究及其matlab实践［Ｊ］．自动化与仪器仪表，2004（6）：43-46．
[4] 谭善文，秦树人，汤宝平．小波基时频特性及其在分析突变信号中的应用［Ｊ］．重庆大学学报，2001，24（2）：45-47．
[5] 李增芳,何勇,徐高欢. 基于声强信号分析和组合神经网络的发动机故障诊断[J]. 农业机械学报. 2008(12)
[6] 徐玉秀,张剑,侯荣涛著.机械系统动力学分形特征及故障诊断方法[M]. 国防工业出版社,
2006
[7] 李敏. 复杂机械基于数据的建模与故障诊断[D]. 太原理工大学2010
[8]张梅军．机械状态检测与故障诊断[M]．北京：国防工业出版社，2008：241—248.
[9] 程军圣,于德介,杨宇,等.尺度-小波能量谱在滚动轴承故障诊断中的应用[J].振动工程学报, 2004, 17(1): 606-612.
[10] 岳夏. 基于HMM的复杂条件故障诊断技术研究[D]. 华南理工大学2012
[11] 赵协广. 基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D]. 山东科技大学2009
[12] M E Badaoui,J Antoni,F https://www.doczj.com/doc/c37500211.html,e of the moving cepstrum integral to detect and localise tooth spalls in gears. Journal of Mechanical Systems . 2001
[13] Song You,,Mark Krage,Laci Jalics.Overview of Remote Diagnosis and Maintenance for Automotive Systems. SAE World Congress . 2005
[14] R. Rubini, U. Meneghetti, Application of the envelope and wavelet transform analysis for the diagnosis of incipient faults in ball bearings, Machine Systems and Signal Processing 15 (2001) 287–302.
[15] H. Zheng, Z. Li, X. Chen, Gear fault diagnosis based on continuous wavelet transform, Machine Systems and Signal Processing 16(2002) 447–457.
[16] J. Lin, L. Qu, Feature extraction based on Morlet wavelet and its application for machine fault diagnosis, Journal of Sound and Vibration 243 (2000) 135–148.
[17] Z.K. Peng, F.L. Chu, Application of the wavelet transform in machine condition monitoring and fault diagnostics: a review with bibliography, Machine Systems and Signal Processing 18 (2004) 199–221.
[18] J.J. Benedetto, G.E. Pfander, Periodic wavelet transforms and periodicity detection, SIAM Journal of Applied Mathematics 62 (2002) 1329–1368.
[19] Borg G G,Harris J H,Miljak D G,et al.Application of plasma columns to radiofrequency antennas. Applied Physics Letters . 1999
[20] Wu Z H,Huang N E.Ensemble Empirical Mode Decomposition:ANosie Assisted Data Analysis Method. . 2005
致谢
经过三个多月的努力，今天，毕业论文终于完成了。作为大学期间的最后一门课程，完成的过程是艰辛的，但也是收获颇多的。从最开始的不知所措，到中期尝试着着手，查阅了大量的文献，文章的结构也几度改善，到后期做大量细节方面的完善，我吸取了很多教训，也收获了很多知识。在此，我首先要感谢指导老师廖力达老师，在我迷茫无助的时候，是廖老师为我指明了方向，当我松懈的时候，是廖老师叫我收心认真，当我有疑问的时候，老师也会耐心答疑，非常感谢！我还要谢谢各位同学的帮助，你们不仅热心帮助我各种论文中的难题，也从思想行动中监督帮助我，让我不至于迷失在大四中，你们的支持让此次艰难的毕设留下了温暖，再次感谢！
2015安全生产事故事故案例分析模板(技术对策部分) 一、事故伤害类型技术对策（技术措施） 1、物体打击：加安全防护网（罩），正确佩戴安全帽 2、其他伤害：其他对策（这一条必须要有，否则扣分） 3、防止高处坠落事故的安全措施：安全带（高挂低用）、安全帽、软底防滑鞋； 1）脚手架搭设符合标准； 2）临边作业时设置防护栏杆，架设安全网，装设安全门； 3）施工现场的洞口设置围栏或盖板，架网防护； 4）高处作业人员定期体检； 5）高处作业人员正确穿戴工作服和工作鞋； 6）6级以上强风或大雨、雪、雾天不得从事高处作业； 7）无法假设防护设施时，采用安全带。 4、坍塌：要求货物整齐靠边摆放、堆放限高2Ｍ 5、中毒：设备密闭；厂房通风；防腐服装、防毒面具或防毒口罩。（不能用湿式作业，会造成毒物扩散）。 6、窒息（氮气、氧气、二氧化碳、）：配氧气瓶、戴氧气呼吸面罩。 7、灼烫：加大距离、穿长袖工作服 8、淹溺：个体防护：安全带、空中护栏和平台 9、电器安全对策：（防止触电）(重点) 1）接地，接零保护系统； 2）漏电保护； 3）绝缘； 4）电气隔离； 5）安全电压； 6）屏护和安全距离； 7）连锁保护； 8）设置防爆电气设备。 10、静电防护(重点) 1.环境危险程度的控制 2.工艺控制 3.静电接地 4. 增湿 5. 抗静电添加剂 6. 静电中和器 7. 为了防止人体静电的危害，在气体爆炸危险场所的等级属0区及1区时，作业人员应穿防静电工作服，防静电工作鞋、袜，佩戴防静电手套。 11、防火： (重点) 1）火灾爆炸事故发生的安全管理措施 （1）落实安全生产责任制； （2）完善现场安全生产规章制度； （3）完善现场操作规程； （4）加强员工教育与培训，提高对危险有害因素的辨识能力； （5）完善应急预案，加强演练； （6）加强作业现场的安全监督检查； （7）落实动火作业审批制度； （8）提高员工的安全意识；
安捷伦公司 N8973噪声指数分析仪使用说明 二○○三年四月
目录 1. 噪声系数基本概念.............................................................................................. 错误!未定义书签。 2. 主要功能：.......................................................................................................... 错误!未定义书签。 2.1噪声系数测量 .............................................................................................. 错误!未定义书签。 2.2GPIB端口可允许SCPI编程。.................................................................. 错误!未定义书签。 2.317CM彩色LED显示。............................................................................... 错误!未定义书签。 2.4测量结果可用图形、表格或仪表模式显示。........................................... 错误!未定义书签。 2.5双迹显示可同时显示下列任何两个噪声参数：....................................... 错误!未定义书签。 2.6单边带和双边带测量。 .............................................................................. 错误!未定义书签。 2.7与A GILENT现有噪声源完全兼容，例如346（现用）和347系列。.... 错误!未定义书签。 2.8一个内装磁盘驱动器和一个3。5英寸软盘驱动器，............................. 错误!未定义书签。 3. 性能指标：.......................................................................................................... 错误!未定义书签。 3.1工作环境：温度0℃~55℃，湿度<95%，海拔：<4500米.................... 错误!未定义书签。 3.2频率范围：10MH Z~3GH Z .......................................................................... 错误!未定义书签。 3.3测量带宽：4MH Z、2MH Z、1MH Z、400KH Z、200KH Z、100KH Z ...... 错误!未定义书签。 3.4频率稳定度：重复性：±<2PPM/YEAR ...................................................... 错误!未定义书签。 3.5温度稳定性：±<6PPM................................................................................ 错误!未定义书签。 3.6噪声系数测量范围：0~35D B ..................................................................... 错误!未定义书签。 3.7增益测量范围：-20D B~+40D B ................................................................... 错误!未定义书签。 3.8最大平均点数：999 .................................................................................... 错误!未定义书签。 3.9测量速度：<50MS ......................................................................................... 错误!未定义书签。 3.10最大保护输入电平：±20V DC；+15D B M ............................................... 错误!未定义书签。 3.11输入SWR：<1.9:110MH Z-1GH Z;<2.0:11GH Z-3GH Z ............................. 错误!未定义书签。 3.12增益误差：<0.29D B .................................................................................... 错误!未定义书签。 3.13噪声系数误差：<0.05D B(当使用6D B ENR时) ....................................... 错误!未定义书签。 4. 面板按键说明: .................................................................................................... 错误!未定义书签。 4.1前面板............................................................................................................. 错误!未定义书签。 4.2后面板............................................................................................................ 错误!未定义书签。 4.3显示说明........................................................................................................ 错误!未定义书签。5进行基本测量........................................................................................................ 错误!未定义书签。 5.1输入ENR（超噪比）数据............................................................................ 错误!未定义书签。 5.2输入频率：.................................................................................................... 错误!未定义书签。 5.3设定带宽：（默认带宽为4MH Z）欲更改带宽值....................................... 错误!未定义书签。 5.4设定平均：默认值为1，最大平均值数目为999。................................... 错误!未定义书签。 5.5校准：............................................................................................................ 错误!未定义书签。 5.6测量结果显示： ............................................................................................ 错误!未定义书签。 6、前面板键说明..................................................................................................... 错误!未定义书签。 6.1M EASURE（测量键）..................................................................................... 错误!未定义书签。 6.2D ISPLAY （显示）.................................................................................... 错误!未定义书签。 6.3C ONTROL （控制）................................................................................... 错误!未定义书签。 6.4S YSTEM（系统）................................................................................ 错误!未定义书签。 7. 举例...................................................................................................................... 错误!未定义书签。
第2章信号与噪声分析 知识点及层次 1. 确知信号时－频域分析 (1) 现代通信系统周期信号的傅氏级数表示和非周期信号的傅氏积分。 (2) 几个简单且常用的傅氏变换对及其互易性。 (3) 信号与系统特征－卷积相关－维钠－辛钦定理。 2. 随机过程统计特征 (1) 二维随机变量统计特征。 (2) 广义平稳特征、自相关函数与功率谱特点。 (3) 高斯过程的统计特征。 3. 高斯型白噪声统计特征 (1) 理想白噪声及限带高斯白噪声特征。 (2) 窄带高斯白噪声主要统计特征。 以上三个层次是一个层层深入的数学系统，最终旨在解决信号、系统及噪声性能分析，是全书各章的基本理论基础，也是系统分析的最主要的数学方法。 2.1信号与系统表示法 2.1.1通信系统常用信号类型 通信系统所指的信号在不加声明时，一般指随时间变化的信号。通常主要涉及以下几种不同类型的信号： 1.周期与非周期信号 周期信号满足下列条件： 全部时域 (2-1) ——的周期，是满足（2-1）式条件的最小时段。 因此，该也可表示为：
(2-2) ——是在一个周期内的波形（形状）。 若对于某一信号，不存在能满足式（2-1）的任何大小的值，则不为周期信号（如随机信号）。从确知信号的角度出发，非周期信号一般多为有限持续时间的特定时间波形。 2．确知和随机信号 确知信号的特征是：无论是过去、现在和未来的任何时间，其取值总是唯一确定的。如一个正弦波形，当幅度、角频和初相均为确定值时，它就属于确知信号，因此它是一个完全确定的时间函数。 随机信号是指其全部或一个参量具有随机性的时间信号，亦即信号的某一个或更多参量具有不确定取值，因此在它未发生之前或未对它具体测量之前，这种取值是不可预测的。如上述正弦波中某一参量（比如相位）在其可能取值范围内没有固定值的情况，可将其表示为： (2-3) 其中和为确定值，可能是在（0，2π）内的随机取值。 3．能量与功率信号 在我们常用的电子通信系统中，信号以电压或电流（变化）值表示，它在电阻上的瞬时功率为： 或 (2-4) 功率正比于信号幅度的平方。其归一化瞬时功率或能量（=1Ω）表示式为： (2-5)
关于噪声污染的调查报告 班级： 组长： 组员： 2017年10月
一、调查原因 我们生活在城市里，经常有很多噪音，这些噪音影响着我们的生活。于是，我们针对城市噪音污染作了一次调查。 二、调查方法 1．向身边的人询问是否经常受噪音的影响，有没有干扰正常生活。 2．感受城市噪音给我们的生活带来的影响。 3．通过网络了解城市噪音给我们的健康带来的危害。 三、资料整理
四、结论 1．通过亲身调查，发现我们生活中到处存在着噪音，家里的各种电器，如洗衣机、电视机、空调机等发出噪音。楼下摆卖的小贩、商场里不停地放音乐、汽车经过、工地施工……噪音无处不在。 2．噪声污染对人体健康的损害：噪音污染早已成为城市环境的一大公害。国外早就有“噪音病”[1]一词。科学研究表明，噪音会损害健康，人长时间工作、生活在噪声大的环境中，对中枢神经系统的刺激大，严重者会导致中枢神经系统功能紊乱。 噪音长期作用于中枢神经系统，会使大脑皮层兴奋和抑制的平衡失调，导致条件反射异常、脑血管张力受损害，使人头疼、头晕、耳鸣、失眠多梦全身疲乏无力，还会引起消化不良、胃溃疡及高血压、冠心病、动脉硬化等。噪音对人体健康的危害是多方面的。最容易受到关注的是它对听力的损害，噪音会引起耳部不适，导致听力下降。 3．通过对班内同学的调查，发现噪音对某些同学的生活也造成了影响，如影响睡眠，干扰正常学习等。 五、对策 1．靠近马路的楼房可以安装隔音玻璃，使从外界传入的噪音减少。 2．降噪路面。对于中小型汽车，随着行驶速度的提高，轮胎噪声在汽车产生噪声中的比例越来越大，因此修筑降噪路面对于控制交通噪声具有重要的实际意义。所谓降噪路面，也称多空隙沥青路面，又称为透水（或排水）沥青路面。它是在普通的沥青路面或水泥混凝土路面结构层上铺筑一层具有很高空隙率的沥青混合料，其空隙率通常在15～25％之间，有的甚至高达30％。国外研究资料[2]表明，根据表面层厚度、使用时间、使用条件及养护状况的不同，与普通的沥青混凝土路面相比，此种路面可降低交通噪声3～8ｄＢ。该方法的优点是：由于混合料孔隙率高，不但能降低噪声，还能提高排水性能，在雨天能提高行驶的安全性。局限性是：耐久性差，集料、粘结料要求高，使用一段时间后，孔隙易被堵塞。 3．种植降噪绿化林带。树木及绿化植物形成的绿带，能有效降低噪声。在公路两侧植树绿化，是防治交通噪声的有效措施之一。选择合适树种、植株的密度、植被的宽度，可以达到吸纳声波，降低噪声的作用。同时绿化林带还可以起到吸收二氧化
第七章环境噪声影响评价 1．教学内容 （1）噪声和噪声评价量； （2）噪声的衰减和反射效应； （3）噪声环境影响评价的技术工作程序和要求； （4）噪声环境影响预测； （5）噪声影响评价和污染防治对策。 2．重点与难点 重点:环境噪声评价等级的划分和工作要求，评价工作范围确定；预测点噪声级的计算和等声级图的绘制；噪声影响评价的内容。 难点:预测点噪声级计算。 3．教学基本要求 （1）熟练掌握噪声环境影响评价的工作程序； （2）熟练掌握噪声衰减计算式，噪声随传播距离的衰减； （3）掌握环境噪声的概念和噪声源的类型，描述声音的物理量； （4）掌握预测点噪声级计算，环境噪声评价等级的划分和工作要求，评价工作范围确定；（5）了解空气吸收衰减，声屏障引起的衰减，附加衰减，反射效应。 第一节环境噪声影响评价 1. 噪声 一切干扰人们工作、学习和休息的声音，即不需要的声音。 2. 声环境影响评价： 是在噪声源调查分析、背景噪声测量和敏感目标调查基础上，对建设项目产生的噪声影响，按照噪声传播声级衰减和叠加的计算方法，预测噪声影响的范围、程度和影响人口情况，对照相应的标准评价环境噪声影响，并提出相应防治对策措施的过程。 3. 噪声标准： 中国环境噪声允许范围单位：dB 第二节声环境影响评价等级 1．划分依据
建设项目所在区域的声环境功能区类别 建设项目建设前后所在区域的声环境质量变化程度 受建设项目影响人口的数量 《声环境质量标准》(GB 3096-2008) 声环境功能区分类： 0类标准：指康复疗养区等特别需要安静的区域 l类标准：居民住宅、医疗卫生、文化教育、科研设计、行政办公为主要功能，需要保持安静的区域 2类标准：商业金融、集市贸易为主要功能，或者居住、商业、工业混杂，需要维护住宅安静的区域 3类标准：指以工业生产、仓储物流为主要功能，需要防止工业噪声对周围环境产生严重影响的区域 4类标准：指交通干线两侧一定距离之内，需要防止交通噪声对周围环境产生严重影响的区域。4a类：高速公路、一级公路、二级公路、城市快速路、城市主干道、城市次干道、城市轨道交通（地面段）、内河航道两侧区域；4b类：铁路干线两侧区域。 各类声环境功能区的环境噪声限值单位：dB(A) 2．划分原则 声环境影响评价工作等级一般分为三级： 一级为详细评价，二级为一般性评价，三级为简要评价
室内噪声影响分析评估报告
目录 1项目概况 (1) 2评估标准 (1) 2.1分析依据 (1) 2.2标准要求 (1) 3平面布局噪声影响分析 (2) 4构件隔声性能分析 (3) 4.1理论计算公式 (3) 4.2 经验公式 (3) 4.3 计算结果 (4) 6结论 (4)
1 项目概况 阳泉市人民检察院项目位于山西省阳泉市新城大道南端立交桥桥头（西侧），新城大道与新平阳路交叉口。总建筑面积为23858m 2，建筑高度43.45m ，分地下一层、地上十一层，其中地上面积18793m 2，地下面积5119m 2。 图1-1项目区位示意图 2 评估标准 2.1 分析依据 (1) 《民用建筑隔声设计规范》GB50118-2010； (2) 《绿色建筑评价标准》GB/T 50378-2006； (3) 《绿色建筑评价技术细则》； (4) 建筑施工图设计资料； (5) 《民用建筑供暖通风与空气调节设计规范》GB50736-2012。 2.2 标准要求 国标《绿色建筑评价标准》GB/T 50378-2006的 5.5.10 指出“建筑平面布局和空间功能安排合理，减少相邻空间的噪声干扰以及外界噪声对室内的影响” 。具体如下： 新 城 大 道 李 荫 路
表2-1 室内允许噪声级（办公建筑） 3 平面布局噪声影响分析 办公室噪声室内主要来源除室内办公活动产生的噪声外，主要为各种设备运行产生的噪声，设备机房的合理布置及采取降噪隔声措施是降低室内噪声的有效途径，下表为本项目各设备机房布置情况。从表可以看出，项目设备机房主要集中设置在地下、屋顶及核心筒，避免对办公室的声环境造成较大影响。 表3-1 设备机房主要位置 下图为项目标准层-7层的功能布局，从图中看出，办公室主要集中布置在受室外声环境影响较小的南侧，电梯、设备管井紧邻前室、楼梯间等声环境要求较低的公共区域，保密机房单独设置在平面的西北侧。 图3-1 标准层-7层分析功能布局 机要保密机房 电梯 电梯
噪声的评价和标准 3.1 噪声的评价量 噪声的评价量的建立原则：不同频率的声音对人的影响不同；噪声出现的时间不同对人的影响不同；同样的声音对不同心理和生理特征的人群反应不同； 3.1.1 响度和响度级 1.响度级：当某一频率的纯音与1000Hz的纯音听起来同样响时，这时1000Hz纯音的声压级就定义为该声音的响度级。响度级的符号为LN，单位为方(phon）。 2.等响曲线：对各个频率的声音作试听比较，得到达到同样响度及时频率与声压级的关系曲线，通常称为等响曲线。 3.1.2 计权声级 1.计权声级：通常对不同频率声音的声压级经某一特定的加权修正后，再叠加计算可得到噪声的总声压级，此声压级称为计权声级。 2.计权网络：是近似以人耳对纯音的响度即频率特性而设计的。国际电工委员会规定了四种计权网络：A、B、C、D. 3.1.3等效连续A声级：等效于在相同的时间间隔T内与不稳定噪声能量相等的连续稳定噪声的A声级。 在同样的采样时间间隔下： 3.1. 4.昼夜等效声级 Ld: 昼间（06:00-22:00)测得的噪声能量平均A声级； Ln: 夜间（22:00-06:00)测得的噪声能量平均A声级。 3.1.3累计百分数声级：它表示在测量时间内高于Ln声级所占的时间为n%。 L90:本底噪声级；L50:中值噪声级；L10:峰值噪声级。 3.1.5 室内噪声的评价量 1.噪声标准曲线:噪声标准（NC）曲线，更佳噪声标准（PNC）曲线。 适于室内活动场所稳态噪声的评价，以及有特别噪声环境要求的场所的设计。计算方法：测得的噪声各频带的声压级；将各频带的声压级与图中声压级比较既可以得到各频带对应的PNC曲线号数；其中最大号数即为所测环境的噪声评价值。 2.噪声评价数(NR)曲线： 噪声评价数：将1000Hz倍频带声压级值作为噪声评价数NR。 其他63Hz-8000Hz倍频带的声压级和NR的关系也可由下式计算： L pi = a + bNR i 求NR值的步骤：
基于matlab高斯白噪声信道分析系统的设计 ×× （陕西理工学院物理与电信工程学院通信工程专业1202班，陕西汉中 723003） 指导教师：吴燕 [摘要] MATLAB 是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。本文在matlab的环境下构建了BFSK在高斯白噪声信道中传输的系统模型，通过simulink程序仿真，研究系统的误码率与信道质量的关系，找到在高斯白噪声信道上传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。 [关键词] MATLAB；高斯白噪声；信道分析；simulink仿真
Design and production of the Gauss white noise channel analysis system based on MATLAB ×× (Grade 2012,Class 2,Major of Communication Engineering,School of Physics and Telecommunication Engineering of Shaanxi University of Technology,Hanzhong 723003,Shaanxi) Tutor: Wu Yan Abstract: MATLAB is a high-level technical computing language and interactive environment for the development of algorithms, data visualization, data analysis and numerical calculation. This article in the matlab environment build BFSK in AWGN channel model simulation,by running simulation the program on the system of quality of error rate and channel relationships,found in AWGN channel transport of maximum signal-to-noise ratio and the desired transmitter power. Key words:MA TLAB; Gauss white noise; channel analysis; Simulink simulation
天宇华鑫水泥开发有限公司 设 备 事 故 案 例 解 析 编制：舒超 审核：魏万里
车间设备事故案例 一、2012年12月26日熟料车间02.05皮带机液藕连接盘断裂，联轴器齿损坏，不能使用 性质：一般设备事故，造成皮带机停机2天。 原因分析：1、由于联轴器弹性胶垫磨损后震动加大，造成电机地脚螺栓松动，震动加剧，从而造成液藕盘断裂，联轴器损坏。2、现场巡检工未能及时巡检发现隐患造成事故。 解决措施：1、将损坏液藕及联轴器拆除。2、将液藕拆除改为直连。3、召开事故分析会，分析原因。4、对车间所有巡检工进行事故现场教育，加强二、三级巡检力度，增强巡检工专业知识及责任心。 处理结果：1、当班巡检工责任心不强，未能及时巡检发现隐患造成事故考核50元。2、原料车间主任助理王海勇，车间二、三级检查落实不到位考核30元。3、原料车间副主任刘春，车间管理不到位，工作安排不细致，考核30元。 正常时： 减速机 事故后： 减速机 连接盘断裂 电机连接螺栓松动
二、2013年1月30日熟料车间23.04皮带撕扯15cm宽，300m长。机头部位皮带因打滑而烧断 性质：重大设备事故，造成皮带机停机2天。 原因分析：1、皮带跑偏后刮在皮带机头罩上将皮带撕裂。2、现场巡检工巡检不到位，没有及时发现皮带撕裂，导致撕裂皮带绕在机架上，皮带已不运转而电机还在运转，巡检工没有及时发现停机，导致皮带烧断。3、皮带机跑偏一直没有彻底解决。 解决措施：1、将撕裂皮带割除。2、联系机修将烧断皮带用冷粘法重新剥头粘接。3、召开事故分析会，分析原因。4、对车间所有巡检工进行事故现场教育，加强二、三级巡检力度，增强巡检工专业知识及责任心。 处理结果：1、当班巡检工责任心不强，未能及时巡检发现隐患造成事故考核400 元。2、原料车间主任助理王海勇，车间二、三级检查落实不到位考核150 元。3、原料车间副主任刘春，车间管理不到位，工作安排不细致，考核100元。4、原料车间辅破班长冶宝林管理不善片区责任划分不清考核100元。 正常时： 事故后： 皮带机 皮带机皮带打滑烧断 物料 物料 皮带打滑，未及时发现，物料积多 皮带跑偏，边缘撕裂
HS 6298 A 型噪声统计分析仪使用说明书 嘉兴恒升电子有限公司
一概述 HS 6298 A 型噪声统计分析仪既是一种测量指数时间计权声级的通用声级计，又是能测量时间平均声级的积分平均声级计和测量声暴露的积分声级计，它还能测量累计百分声级（统计声级），其性能符合GB /T 17181 -1997 和IEC 6167 2 -2002 标准对2 级声级计的要求，对射频场敏感度属 X 类。 二主要功能和特点 1 . 有积分及统计功能，单组测量数据可达 800 组，整时测量数 据可达 6 天。储存的数据可以调阅及打印。整时测量暂停时间可以检查已采数据。能进行 Leq 、L A E、Ln 等统计测量。 2 . 用数字检波技术替代以往一些传统的声级计，稳定性和可靠 性大大提高。 3 . 采用 LC D 显示，显示清晰直观。有动态刻度显示。 4 . 可以通过 R S -232 接口与计算机或打印机连接，可显示、打印 输出，也可送到普通计算机进行分析处理。 三主要技术性能 1 . 传声器：Ф1 2 .7 mm （ 1 /2 ″）测试电容传声器 2 . 频率范围： 20 Hz~10 k Hz 3 . 频率计权： A 计权、 C 计权 4 . 测量范围： 30 dB ~130 dB 5 . 量程控制：手动，分三档，线性范围 > 60 d B。 6 . 量程范围： 35 d B– 90 d B（动态刻度显示 10 -100 ） 50 d B– 110 d B（动态刻度显示 30 -120 ）
70 d B– 130 d B（动态刻度显示 50 -140 ） 7 . 仪器精度：符合 IEC 61672 2 级 8 . 时间计权：快（ F）、慢（ S ） 9 . 显示：大屏幕动态液晶显示，瞬时声级，具有模拟电表显 示。 10 . 输出接口：交流输出、 RS- 232 接口 11 . 校准：使用 1 型声级校准器或活塞发声器。 12 . 电源：内部用 LR6 （ 5 #）碱性电池，可连续工作 24 小时。 外接电源 6 V5 0 mA。 13 . 外形尺寸： l ×b× h( m m) : 230 × 72 × 30 14 ．质量： 300 g （连电池） 15 ．使用条件： - 10 ℃ ~50 ℃ 四结构及功能 声级计的外形见图 1 ，它由传声器、前置放大器和主机组成。正常工作时应将测试电容传声器和前置放大器安装于主机头部。仪器外壳采用塑压成形的上下机壳，内侧喷涂导电漆形成屏蔽层，具有良好的抗电磁干扰性。外形为锥形，可减少声反射。主机重量轻、体积小，可手持操作也可以使用三脚架等固定使用。打开背面电池盖，能方便装取电池。必要时，可旋出下机壳上的固定螺钉，取下机壳，对内部进行调试与维修。 面板各键的功能说明： 计权 频率计权选择开关，按开关可以选择 A 、 C
噪声评价方法：RC曲线（Room Criteria） RC 曲线由Blazier 发表于1981年，是一套应用于办公楼、住宅等建筑暖通空调系统（HVAC ）设计的噪声评价方法，在这些场所中，合理的中频声压级（1000Hz 对应的声压级）位于25dB 至50 dB 之间，并且HVAC 系统是它们最主要的噪声源。1987年，RC 曲线被ASHRAE （美国采暖、通风与空调工程师学会）采用，作为诊断低频噪声问题的首选标准。 1997年，Blazier 对RC 曲线进行修改，使RC 曲线不仅能够用于评价噪声等级，还能够用来诊断噪声音质，修改完善后的RC 曲线被定义为RC Mark II ，已被 ASHARE 采用（ASHRAE, 2003），一直沿用至今。[1] 表 RC Mark II 倍频程（倍频带）声压级（dB ） 显示RC 曲线 RC 曲线（Mark II ）评价方法的具体步骤如下：[2][3] Step1：测量室内噪声倍频程声压级SPL SPL 。 注意：必须至少包含31.5~4000Hz 八个倍频带声压级SPL SPL 才可使用RC / RC Mark II 评价方法，否则，无需继续执行以下步骤。 Step2：计算RC 值。RC 值为500Hz 、1000Hz 、2000HZ 三处声压级的算术平均： 16~800031.5~4000
Step3：分别计算RC 曲线16~8000Hz 倍频带声压级与测量值的偏离值△L ~△L 。 Step4：分别计算16~63Hz （低频）、125~500Hz （中频）、1000~8000Hz （高频）三个频段倍频带偏离值的能量平均值LF 、MF 、HF ： Step5：计算音质评价指数QAI 。QAI 为LF 、MF 、HF 中的最大值减去最小值。 Step6：评价结果表达：RC-NN(X, Y)。 其中，NN 为Step1计算的RC 值；X 、Y 为音质描述符，X 为N 、LF 、MF 、HF 中的一个（必需），Y 为LFV 或LFV 或无（非必需），具体方法如下： 如果QAI ≤5 dB ，判定室内背景噪声为中性，则X = N ； 如果QAI > 5 dB ，并且在三个频带偏离值中LF 最大，判定噪声有隆隆声（低频特性），则X = LF ；如果QAI > 5 dB ，并且在三个频带偏离值中MF 最大，判定噪声有轰鸣声（中频特性），则X =MF ； 如果QAI > 5 dB ，并且在三个频带偏离值中HF 最大，判定噪声有嘶嘶声（高频特性），则X = HF 。如果SPL >65dB 或SPL >65dB 或SPL >70dB （B 区域），判定噪声有轻微振动感，则Y =LFV ； 如果SPL >75dB 或SPL >75dB 或SPL >80dB （A 区域），判定噪声有明显振动感，则Y =LFV ； 如果在SPL ~SPL 中没有任何值位于A 区域或B 区域，则评价结果直接表达为RC-NN(X)。RC 曲线（Mark II ）应用举例： 假设16Hz ~ 4000 Hz 九个倍频带声压级依次为：78dB,75dB, 68dB, 65dB, 58dB, 50dB, 45dB,44dB, 35dB ，把这9个倍频带噪声值合在RC Mark II 曲线图上： 168000A B 1631.563B 1631.563A 1663
校园周边环境噪声污染源调查报告 班级： 日期： 1.调查目的 噪声监测作为环境监测中的一个重要因素和环境保护行业中的一项不可或缺的工作，是每一位环境专业的学生在大学学习阶段的必修课。一方面，它作为环境学科中专业课的基础课，另一方面它又是培养学生业务素质与能力的课程。 由于噪声普遍存在于人们的生活生产过程，一般情况下它并不致命，且与声源同时产生同时消失，噪声源分布很广，很难集中处理。由于噪声渗透到人们生产和生活的各个领域，且能够直接感受到它的干扰，不像物质污染那样只有产生后果才能受到重视，所以噪声往往是受到抱怨和控告最多的污染。为了便于系统的掌握噪声的相关理论，文中主要介绍了噪声的含义、来源、危害、度量及相关计算、监测方法、标准及评价。噪声的度量、噪声评价量的正确选择、监测方法和标准是评价
和控制噪声污染的基础，应很好掌握。 环境噪声与人们的生活密切相关，它影响人们的学习、工作和休息。学校是噪声的敏感区,噪声的增加对教学的影响是明显的。首先是对学生的影响,频繁出现的噪声会打断学生的听课和思考。其次教师则需放大嗓门,长此连续下去,教师不堪重负。再则,若教师为保证较长教学需要而保护嗓子,很多学生则听不清,影响了教学效果。据调查,有的学生将“听不清”、“睡眠不好”作为不上课的理由。所以有必要学校周边的噪声环境进行彻底的检测和评估，以保证教学楼、宿舍楼有很好的学习氛围和休息环境。 2.调查时间 测量时间为昼间（7：30—22：00）。昼间的规定时间内测得的等效声级分别称为昼间等效声级。 3.调查范围 由于学校周围主要是交通噪声的影响，根据《声环境质量标准》（GB3096-2008）附录B《声环境功能区监测方法》中城市交通噪声监测布点，并在此基础上根据实地环境进行调整选取比较具有代表性的点。由于仪器数量的限制整个航空港校区共分为三个点。 3.1布点图 3.2分工
400KA电解系列噪声问题的分析报告关于槽噪声目前定义存在一定的分歧。各个研发机构对槽噪声的解释也各有不同。甚至计量单位上也存在较大偏差。大家共同认可的观点是槽噪声显出了电解槽内的波动状况，是电解槽综合工作状况的反映。下面根据沈阳设计院设计的400KA电解系列的噪声统计和分析情况，来对噪声进行一下浅析。 一、噪声判定 槽噪声是依据槽电阻变化最大最小差值判定的，当变化差值在一定时间内超过限定范围，则认为波动。目前设定是： 1．噪声判定值的单位：nohm（如不特别声明，噪声单位为nohm。） 2．噪压显示的单位：mV（约等于噪声值乘以电流值。） 3．高噪声设定值：150mV 4．低噪声设定值：60mV 5．高噪声附加电压：60~150mV 6．附加电压时间：15分钟 7．出现高低噪声时，灵敏区为上限：100mV 下限为30mV 8．变化差值判定间隔为1分钟，结束条件为0~4分钟。采样最小间隔目前的资料尚无法确定。估计为ms级数据判断。在电解槽发生效应（即电压超过8V）期间，该台电解槽不判断噪声。 二、最佳噪声值 经过4326台次统计，日无干扰平均噪声为62.58 nohm。无干扰噪声的数据去除了日噪声中受电流变化大于±5kA、效应期间前后4分钟、换极后90分钟和电压摆期间的数据。 根据400KA电解槽设计的技术指标，在良好的工艺技术条件和规范的日常操作下，噪声值低于60 nohm（即：在400KA电流下，噪压低于24mV），即认为实现设计目标。但设计院认为该电解槽可以实现的理想状况的噪声值为40 nohm（即在400KA 系列电流下，实现噪压16mV）以下。 三、噪声的影响因素 影响电解槽噪声的因素有许多方面内容，设计院当初的工艺设计要求包含以下几个方面的内容： 1.工艺条件的保持 根据设计，400KA电解槽主要的工艺技术要求需要达到下面8条，为理想工艺技术条件。 1.1电解槽工作电压： 4.148 V 1.2电解温度：940～960℃ 1.3电解质分子比： 2.3～2.5 1.4电解质水平： 20～22 cm 1.5铝液水平：18～20 cm
转动设备常见振动故障频谱特征及案例分析 一、不平衡 转子不平衡是由于转子部件质量偏心或转子部件出现缺损造成的故障，它是旋转机械最常见的故障。结构设计不合理，制造和安装误差，材质不均匀造成的质量偏心，以及转子运行过程中由于腐蚀、结垢、交变应力作用等造成的零部件局部损坏、脱落等，都会使转子在转动过程中受到旋转离心力的作用，发生异常振动。 转子不平衡的主要振动特征： 1、振动方向以径向为主，悬臂式转子不平衡可能会表现出轴向振动； 2、波形为典型的正弦波； 3、振动频率为工频，水平与垂直方向振动的相位差接近90度。 案例：某装置泵轴承箱靠联轴器侧振动烈度水平13.2 mm／s，垂直11.8mm／s，轴向12.0 mm／s。各方向振动都为工频成分，水平、垂直波形为正弦波，水平振动频谱如图1所示，水平振动波形如图2所示。再对水平和垂直振动进行双通道相位差测量，显示相位差接近90度。诊断为不平衡故障，并且不平衡很可能出现在联轴器部位。
解体检查未见零部件的明显磨损，但联轴器经检测存在质量偏心，动平衡操作时对联轴器相应部位进行打磨校正后振动降至2.4 mm／s。 二、不对中 转子不对中包括轴系不对中和轴承不对中两种情况。轴系不对中是指转子联接后各转子的轴线不在同一条直线上。轴承不对中是指轴颈在轴承中偏斜，轴颈与轴承孔轴线相互不平行。通常所讲不对中多指轴系不对中。 不对中的振动特征：
1、最大振动往往在不对中联轴器两侧的轴承上，振动值随负荷的增大而增高； 2、平行不对中主要引起径向振动，振动频率为2倍工频，同时也存在工频和多倍频，但以工频和2倍工频为主； 3、平行不对中在联轴节两端径向振动的相位差接近180度； 4、角度不对中时，轴向振动较大，振动频率为工频，联轴器两端轴向振动相位差接近180度。 案例：某卧式高速泵振动达16.0 mm／s，由振动频谱图(图3)可以看出，50 Hz（电机工频）及其2倍频幅值显著，且2倍频振幅明显高于工频，初步判定为不对中故障。再测量泵轴承箱与电机轴承座对应部位的相位差，发现接近180度。 解体检查发现联轴器有2根联接螺栓断裂，高速轴上部径向轴瓦有金属脱落现象，轴瓦间隙偏大；高速轴止推面磨损，推力瓦及惰性轴轴瓦的间隙偏大。检修更换高速轴轴瓦、惰性轴轴瓦及联轴器联接螺栓后，振动降到A区。
噪声监测中布点问题的分析及其方法 【摘要】随着社会的发展，我国人民的经济水平的提高，群众对于生活环境和生活质量的要求是越来越高。由于建筑等新行业的兴起，结果带来了环境污染的问题。在环境污染中，噪声问题也让人们愈发重视起来，虽然在相关法律法规的引导下，正逐渐得到改善，但还得不到根本的解决。因此就要对噪声进行检测，采取一定措施解决所出现的问题。 【关键词】噪声；检测；布点问题 1 引言 声音是人们去感受这个世界，这个国家，这个民族的美的方式之一，但是任何事物都存在着正反两面性，所以声音有好也有坏。而噪音是一种人们不需要的声音，生活上人们几乎是无时无刻不在听着噪音，例如一些工程施工现场里机器设备的声音，还有娱乐场所的吵闹声等等，这些都在影响着人们的正常生活和学习环境，给人的身心都造成了一定的伤害，因此我们要注重对噪声的监测工作，其中布点问题是尤为突出的。 2 噪声检测和布点问题 2.1噪声的含义 噪声是指音高和音强变化混乱、听起来不谐和的声音。是由发音体不规则的振动而产生的，噪声是由发声体做无规则振动时所发出的声音，是在一些环境中不应该有而有的声音。泛指嘈杂、刺耳的声音。 噪声污染主要是交通运输、车辆鸣笛、工业噪音、建筑施工、社会噪音所产生的，例如音乐厅、高音喇叭、早市，还有人的大声说话等等。 2.2 噪声监测的含义 噪声监测是对干扰人们学习、工作和生活的声音及其声源进行的监测活动。其中包括：城市各功能区噪声监测、道路交通噪声监测、区域环境噪声监测和噪声源监测等。噪声监测结果一般以A计权声级表示，所用的主要仪器是HNT16040声级计和频谱分析器。噪声监测的结果用于分析噪声污染的现状及变化趋势，也为噪声污染的规划管理和综合整治提供基础数据。 2.3 布点的含义及方法 环境监测中为了了解一块区域的情况进行的有计划的采样点位布置叫做布点。布点方法一般分为以下几种：
平顶山工业职业技术学院 综合性小卖场 建筑噪声分析评价专项报告 平顶山工业职业技术学院 2013年9月
工程名称：综合性卖场建设 报告名称：综合性卖场建设噪声分析报告 批准人：张新 项目负责人：李梦华 审核人：靖翔宇 校对人：刘孟杰 编写人：王清霞 日期：2013/9/24 平顶山工业职业技术学院
目录 1项目概况 (1) 2评估标准 (2) 2.1评估依据 (2) 2.2本项目的标准要求 (3) 3环境噪声模拟分析 (4) 3.1模拟软件 (4) 3.2噪声模拟模型 (4) 3.3边界条件 (5) 3.4模拟结果 (6) 4工程总造价 (7) 4.1工程造价 (7) 4.2装修 (7) 4.3固定资产 (7) 4.4经营品种 (7) 5效益分析 (8) 5.1经济效益 (8) 5.2社会效益 (8) 6结论 (9)
1项目概况 项目位于平顶山工业职业技术学院内部，北临主9宿舍楼，东临职工公寓，西临校内花园，南北是通往1号教学楼和主9住宿楼的主要通道。根据本项目的位置，该项目环境噪声应满足国家标准《城市区域噪声标准》中的2类标准要求。本报告的目的是根据小区所处交通噪声现状对小区内的环境噪声进行分析。 图1-1 项目总平及规划示意图 平面图 俯视图
2评估标准 2.1评估依据 (1)建筑设计图； (2)现场测量的噪声数据； (3)《城市区域噪声标准》（GB3096—93）； (4)《住宅设计规范》（GB50096－1999）； (5)《绿色建筑评价标准》（GB50378-2006）； (6)《中华人民共和国环境保护法》1989.12； (7)《中华人民共和国环境噪声污染防治法》1996.10； (8)《建设项目环境保护管理条例》国务院1998.11。 2.2本项目的标准要求 (1)根据本项目的位置，校园环境噪声应满足国家标准《教育区域噪声标准》 （GB3096—93）中的2类标准要求，即昼间等效连续A声级LAeq不 大于60dB（A），夜间不大于50dB（A）；本项目小卖场满足《教育区域 噪声标准》（GB3096—93）中的4a类标准要求，各类标准所对应的噪声 值及适用范围如表2-1所示。 (2)小卖场内执行国家标准《住宅设计规范》（GB50096－1999）中的隔声标 准，即一层餐饮区，二层日常生活用品（厅）内的允许噪声级昼间不大 于50dB（A），夜间不大于40dB（A）。注：餐饮区，饰品区晚上营业时 间最晚不得超过22：00. (3)国家《绿色建筑评价标准》（GB50378-2006）中对小卖场周边住宿公寓 内的允许噪声级昼间不大于45dB（A），夜间不大于35dB（A）。