本发明涉及齿轮箱故障诊断，特别是涉及一种基于声像图的齿轮箱故障定位方法、装置、设备及介质。
背景技术：
1、近年来，由于阵列测量的声成像技术日趋成熟，通过传声器阵列测量声场的声信号并进行源像重现，即可以完整再现声源表面振动及其辐射声场，这为新型声学故障诊断技术的发展创造了条件。目前声成像技术主要通过声像中的声压或振速的分布用于声源的识别定位，只是作为机械的噪声分析与控制的重要前期工作，声成像的工程利用价值并没有完全利用起来。如果能够在根据声像定位机械声源或振源的同时，还能够监测机械运行的状态，诊断机械的故障并判断故障的位置，把声成像技术引入故障诊断领域，发展成为一种集声源识别和故障诊断为一体的基于声像的故障诊断方法，将具有重大的工程应用价值。
2、齿轮箱内部的传动轴和齿轮故障，只能通过测量轴承座处的振动信号进行分析诊断，振动信号的获取受接触式测量限制，单通道信号分析也仅限于局部诊断，基于振动信号处理的故障诊断存在一定局限性。此外，由于齿轮箱故障模式多样，其表现的特征也各不相同，在某些故障情况下，振动特征不明显，但声学特征比较明显。因此，发展基于声信号的故障诊断方法是非常必要的。
技术实现思路
1、本发明所要解决的技术问题是提供一种基于声像图的齿轮箱故障定位方法、装置、设备及介质，能够实现故障精准定位。
2、本发明解决其技术问题所采用的技术方案是：提供一种基于声像图的齿轮箱故障定位方法，包括以下步骤：
3、利用麦克风线阵列采集齿轮箱运行声信号，并对所述声信号进行降噪处理，再通过频谱分析并截取感兴趣的频率所对应的降噪处理后的声信号，得到优势频带区；
4、基于主成分分析和近场声全息的声像图获取方法对所述优势频带区实现声场可视化，得到优势频率的声场空间断层切片；
5、将所述声场空间断层切片输入训练好的cnn模型，得到齿轮箱的故障识别结果；
6、根据所述齿轮箱的故障识别结果进行故障声像匹配，实现故障精准定位。
7、所述麦克风线阵列的采样频率f满足：f＞2fmax；所述麦克风线阵列的阵元的间隔d满足：d＜λ/4；所述麦克风线阵列的测量动态范围d满足：其中，fmax为感兴趣的最大频率，λ为感兴趣的最大频率对应的波长，r为重构分辨率，表示为：
8、所述基于主成分分析和近场声全息的声像图获取方法对所述优势频带区实现声场可视化，得到优势频率的声场空间断层切片，具体包括：
9、在所述优势频带区内选取步长固定的k个优势频率，并从k个优势频率内任意挑选k1个进行组合，得到所有k1个优势频率组合；
10、利用声场重建公式获取k1个优势频率组合的近场测量全息面复声压；
11、计算所述近场测量全息面复声压的参考互谱矩阵与传递互谱矩阵，结合主成分分析得到全息面主成分矩阵；
12、针对所述全息面主成分矩阵的主全息进行声场空间变换，采用二维的傅里叶变换实现空间域与波束域的快速变换，重构源面上的声场量；
13、将每个主全息的变换结果进行累加，得到每个优势频率的全息面声压图，形成优势频率组合的声场空间断层切片。
14、所述训练好的cnn模型通过以下方式建立得到：
15、采集齿轮箱典型单故障声信号测试样本，并从中随机选取80％的测试样本作为训练集，剩余20％测试样本作为测试集；
16、对所有测试样本进行降噪处理，并将降噪的声信号进行频谱分析，截取感兴趣的故障频带，即得到测试样本的优势频带区；
17、基于主成分分析和近场声全息的声像图获取方法对所述测试样本的优势频带区实现声场可视化，获得测试样本的声场空间断层切片；
18、对测试样本的声场空间断层切片提取纹理特征和奇异值特征，并将k1个声像切片的特征顺序合并在一起构成一个特征向量；
19、将训练集的特征向量输入至cnn模型中进行训练，训练完成后，利用测试集进行测试，若测试结果符合要求，则cnn模型训练完成；若测试结果不符合要求，则重新进行学习器参数优化，直至测试结果符合要求。
20、所述奇异值特征由奇异值向量的前若干个较大的数值构成；所述纹理特征为对每个样本图像进行归一化，按照灰度级的大小对声像进行灰度级划分得到灰度图像，并根据基于灰度共生矩阵的纹理特征系数对不同灰度级构造的识别特征。
21、所述根据所述齿轮箱的故障识别结果进行故障声像匹配，实现故障精准定位，具体包括：
22、通过导轨移动距离及所述麦克风线阵列的阵元的距离构建声源面坐标系；
23、根据所述声源面坐标系和重建全息面声压图构造等声压线；
24、读取图像和标定模板进行图像标定信息学习，根据所述齿轮箱的故障识别结果进行故障声像匹配，把声源面坐标系换算到图像坐标下，把等声压线转换到图像坐标下，把等高线对应的颜色和坐标分别重叠到图像上，完成故障精准定位。
25、所述的基于声像图的齿轮箱故障定位方法中：k1的确定基于穷举法思想，对不同灰度级和断层组合利用cnn模型进行识别，在不同灰度级和断层组合中找到准确率最优的故障频率组合个数，将该组合个数作为k1。
26、本发明解决其技术问题所采用的技术方案是：提供一种基于声像图的齿轮箱故障定位装置，包括：
27、声信号收集处理模块，用于利用麦克风线阵列采集齿轮箱运行声信号，并对所述声信号进行降噪处理，再通过频谱分析并截取感兴趣的频率所对应的降噪处理后的声信号，得到优势频带区；
28、声场空间断层切片获取模块，用于基于主成分分析和近场声全息的声像图获取方法对所述优势频带区实现声场可视化，得到优势频率的声场空间断层切片；
29、故障识别模块，用于将所述声场空间断层切片输入训练好的cnn模型，得到齿轮箱的故障识别结果；
30、匹配定位模块，用于根据所述齿轮箱的故障识别结果进行故障声像匹配，实现故障精准定位。
31、本发明解决其技术问题所采用的技术方案是：提供一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于声像图的齿轮箱故障定位方法的步骤。
32、本发明解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于声像图的齿轮箱故障定位方法的步骤。
33、有益效果
34、由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明利用主成分分析和近场声全息技术获得声信号优势频率的声场空间断层切片，由于不同位置处断层声压分布包含的故障信息和冗余程度是不同的，通过声场空间断层切片组合的特征向量增强了故障识别能力，进而提高了故障定位准确率。
1.一种基于声像图的齿轮箱故障定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于声像图的齿轮箱故障定位方法，其特征在于，所述麦克风线阵列的采样频率f满足：f＞2fmax；所述麦克风线阵列的阵元的间隔d满足：d＜λ/4；所述麦克风线阵列的测量动态范围d满足：其中，fmax为感兴趣的最大频率，λ为感兴趣的最大频率对应的波长，r为重构分辨率，表示为：
3.根据权利要求1所述的基于声像图的齿轮箱故障定位方法，其特征在于，所述基于主成分分析和近场声全息的声像图获取方法对所述优势频带区实现声场可视化，得到优势频率的声场空间断层切片，具体包括：
4.根据权利要求1所述的基于声像图的齿轮箱故障定位方法，其特征在于，所述训练好的cnn模型通过以下方式建立得到：
5.根据权利要求4所述的基于声像图的齿轮箱故障定位方法，其特征在于，所述奇异值特征由奇异值向量的前若干个较大的数值构成；所述纹理特征为对每个样本图像进行归一化，按照灰度级的大小对声像进行灰度级划分得到灰度图像，并根据基于灰度共生矩阵的纹理特征系数对不同灰度级构造的识别特征。
6.根据权利要求3所述的基于声像图的齿轮箱故障定位方法，其特征在于，所述根据所述齿轮箱的故障识别结果进行故障声像匹配，实现故障精准定位，具体包括：
7.根据权利要求3所述的基于声像图的齿轮箱故障定位方法，其特征在于，k1的确定基于穷举法思想，对不同灰度级和断层组合利用cnn模型进行识别，在不同灰度级和断层组合中找到准确率最优的故障频率组合个数，将该组合个数作为k1。
8.一种基于声像图的齿轮箱故障定位装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述基于声像图的齿轮箱故障定位方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述基于声像图的齿轮箱故障定位方法的步骤。
