本发明属于传声器阵列测量技术领域，具体地说，本发明涉及一种基于声像监测的机械设备故障自动识别方法。
背景技术：
声相仪，又名声学照相机，是利用传声器阵列测量一定范围内的声场分布的专用设备，可用于测量物体发出的声音的位置和声音辐射的状态，并用云图方式显示出直观的图像，即声成像测量。
声成像(acoustic imaging)是基于传声器阵列测量技术，通过测量一定空间内的声波到达各传声器的信号相位差异，依据相控阵原理确定声源的位置，测量声源的幅值，并以图像的方式显示声源在空间的分布，即取得空间声场分布云图－声像图，其中以图像的颜色和亮度代表声音的强弱。将声像图与阵列上配装的摄像实所拍的视频图像以透明的方式叠合在一起，就形成了可实时直观分析被测物声场的噪声源情况。这种利用声学、电子学和信息处理等技术，将声音变换成人眼可见的图像的技术可以帮助人们直观地认识声场、声波、声源，便捷地了解机械设备产生噪声的部位和原因，反应其当前所处的声场状态。
传声器阵列声成像测量系统应用到机械设备故障监测时，在结合人工干预决策的条件下，能够从多个噪声源同时存在的情况下发现故障噪声源，并识别声学故障类型，这是声成像测量系统的优势。但是目前声成像测量系统还不能完全实现自动识别各种声学故障，主要原因是不同机械设备的声学故障成因千差万别，自动识别故障是一个技术难题。目前，声成像故障检测系统都不具备自动识别故障的功能，需要人工长期值守，进而影响了声成像故障检测系统的推广应用。
技术实现要素：
本发明的目在于克服现有技术的不足，提供一种基于声像监测的设备故障自动识别方法，能够实现声成像故障检测系统自动监测机械设备故障的功能。
为实现上述发明目的，本发明提供了一种基于声像监测的机械设备故障自动识别方法，该方法在机械设备连续正常稳定工作的条件下，分别建立线谱识别库和故障声像识别库；对声像仪实时采集的机械设备的噪声信号的实测线谱在线谱识别库 进行识别，如果识别成功，输出线谱故障指数，否则判断此线谱为异常线谱，计算异常线谱的声像图并在故障声像识别库进行识别，如果识别成功，输出声像综合故障指数和设备故障预案，否则，诊断异常线谱对应的设备故障预案，将异常线谱、异常线谱的声像图及其对应的设备故障预案添加到故障声像识别库中。
所述方法进一步包括：
步骤1)声像仪监测机械设备，实时采集机械设备的噪声信号；将所述噪声信号的频谱进行谱平滑，得到实测线谱；
步骤2)将所述实测线谱在机械设备线谱识别库中进行识别，计算所述实测线谱与机械设备线谱识别库中每个线谱的不重叠率的最小值，作为线谱故障指数；当线谱故障指数小于1时，线谱匹配成功，输出线谱故障指数；否则，判断此线谱为异常线谱，转入步骤3)；
所述机械设备线谱识别库包括机械设备噪声频谱对应的线谱；
步骤3)统计所述异常线谱的出现次数N；判断N是否大于阈值N0，如果判断结果是肯定的，进入步骤4)；否则，转入步骤6)；
所述阈值N0通过经验和统计规律优选获得；
步骤4)计算异常线谱的声像图，在机械设备稳态故障声像库进行识别，如果识别成功；输出声像综合故障指数和设备故障预案；否则，转入步骤5)；
所述机械设备稳态故障声像库包括机械设备稳态故障对应的声像图；所述声像综合故障指数是所述异常线谱的声像图与识别出的声像图的类间距离；
步骤5)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备稳态故障声像库中；
步骤6)计算异常线谱的声像，在所述机械设备瞬态故障声像库中识别异常线谱声像，如果识别成功，输出声像综合故障指数和设备故障预案；否则，转入步骤7)；
所述机械设备瞬态故障声像库包括机械设备瞬态故障对应的声像图；
步骤7)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备瞬态故障声像库中。
上述技术方案中，在所述步骤1)之前，在机械设备在正常稳定工作条件下，建立机械设备线谱识别库、机械设备稳态故障声像库和机械设备瞬态故障声像库；具体包括：
建立机械设备线谱识别库：机械设备在正常稳定工作时，测量机械设备噪声的频谱，采用谱平滑技术得到精密频谱，并识别出每一条线谱；以频率点为标记，将其线谱列表依次存入所述机械设备线谱识别库；
建立机械设备稳态故障声像库：机械设备正常稳定工作时，声相仪从低频到高频，选择信噪比大于5dB的线谱，针对每条线谱，将声像动态范围调节到3dB，采用声像平滑技术得到稳态声像图，并对声像的强度、面积、频率进行5次平滑处理，以线谱为标记，将稳态声像图和对应的故障预案依次存入所述机械设备稳态故障声像库；
建立机械设备瞬态故障声像库：对幅度超出3dB的异常线谱计算声像图，以线谱为标记，将其声像图和对应的故障预案依次存入所述机械设备瞬态故障声像库。
上述技术方案中，所述阈值N0的取值为10。
本发明的优点在于：在采用本发明的设备故障自动识别方法后，声成像故障检测系统可以在任何复杂声场的条件下使用，并可以连续不间断地实现自动报警和故障提醒功能。
附图说明
图1为本发明的基于声像监测的机械设备故障自动识别方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的说明。
如图1所示，一种基于声像监测的机械设备故障自动识别方法，所述方法包括：
步骤1)声像仪监测机械设备，实时采集机械设备的噪声信号；将所述噪声信号的频谱进行谱平滑，得到实测线谱；
在所述步骤1)之前，在机械设备在正常稳定工作条件下，建立机械设备线谱识别库、机械设备稳态故障声像库和机械设备瞬态故障声像库；具体包括：
建立机械设备线谱识别库：机械设备在正常稳定工作时，测量机械设备噪声的频谱，采用谱平滑技术得到精密频谱，并识别出每一条线谱；以频率点为标记，将其线谱列表依次存入所述机械设备线谱识别库；
建立机械设备稳态故障声像库：机械设备正常稳定工作时，声相仪从低频到高频，选择信噪比大于5dB的线谱，针对每条线谱，将声像动态范围调节到3dB，采用声像平滑技术得到稳态声像图，并对声像的强度、面积、频率进行5次平滑处理，以线谱为标记，将稳态声像图和对应的故障预案依次存入所述机械设备稳态故障声像库；
建立机械设备瞬态故障声像库：对幅度超出3dB的异常线谱计算声像图，以线谱为标记，将其声像图和对应的故障预案依次存入所述机械设备瞬态故障声像库。
步骤2)将所述实测线谱在机械设备线谱识别库中进行识别，计算所述实测线谱与机械设备线谱识别库中每个线谱的不重叠率的最小值，作为线谱故障指数；当线谱故障指数小于1时，线谱匹配成功，输出线谱故障指数；否则，判断此线谱为异常线谱，转入步骤3)；
步骤3)统计所述异常线谱的出现次数N；判断N是否大于阈值N0，如果判断结果是肯定的，进入步骤4)；否则，转入步骤6)；
所述阈值N0通过经验和统计规律优选获得；优选的，N0＝10；
步骤4)计算异常线谱的声像图，在机械设备稳态故障声像库进行识别，如果识别成功；输出声像综合故障指数和设备故障预案；否则，转入步骤5)；
所述声像综合故障指数是异常线谱的声像图与识别出的声像图的类间距离；
步骤5)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备稳态故障声像库中；
步骤6)计算异常线谱的声像，在所述机械设备瞬态故障声像库中识别异常线谱声像，如果识别成功，输出声像综合故障指数和设备故障预案；否则，转入步骤7)；
步骤7)诊断异常线谱对应的机械设备故障预案，将异常线谱、异常线谱的声像图及其对应的机械设备故障预案添加到所述机械设备瞬态故障声像库中。
需要强调的是，以上所述的具体实施例对本发明的目的、技术方案以及有益效果进行了详细的说明。所应理解的是，上述内容仅为本发明的具体实施例而已，并不用于限制本发明。凡在本发明的精神与原则之内，所做的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。