基于声成像技术风力发电机噪声源识别

基于声成像技术风力发电机噪声源识别
杨炯明，范德功，唐新安，陆金红
金风科技股份有限公司
摘要声成像技术通过多个传声器获取声场信息，使用成像成原理对声场信号进行处理，能对宽带声源进行有效识别。

利用基于声成像噪声源分析技术，研究了风力发电机组辐射噪声的频率特性和能量分布特性，通过与光学图像的自动重叠，获得了风力发电机最大噪声源的频率、空间位置和产生来源。

试验结果表明，声成像术能够快速有效地进行噪声源诊断和声源空间定位，从而为低噪声电机优化设计提供了依据。

关键词风电机组，声阵列分析，噪声源识别，声成像技术
Abstract: Acoustic imaging technique through multiple microphones for sound field information, the use of imaging principle to the acoustic signal processing, can effectively to broadband noise source identification. Based on the acoustic imaging noise analysis technology, research the frequency characteristics and energy distribution characteristics of the wind power generators noise emission, through the optical image automatic overlap, get the frequency, space position and origin of the strongest noise. The test results show that the sound imaging technique is effective for the noise source diagnosis and sound spatial orientation, and provide foundation for the optimization design of low noise wind power generator.
Key Words: Wind turbine generator system, Noise array analysis, noise source identification, Acoustic imaging technique
1、前言
随着风力发电机组装机量的快速增长，机组噪声已成为一种重要的环境污染源，国内已出现多个发电场由于噪声过高导致影响当地居民生活的案例，同时机组噪声也很大程度上反应出生产厂家的设计水平和工艺水平，成为衡量风力发电机组质量的重要标志之一，因此有效的控制机组噪声，成为近年来风电行业的一种重要研究课题。

直驱风力发电机组在运行时是一个复合噪声源，由叶片气动噪声、发电机组机械结构噪声、冷却系统风扇噪声组成，直驱风力发电机直接裸露在空间中，且为外转子结构，其产生的机械结构噪声是总噪声的重要组成部分，更有甚者发电机噪声是机组噪声音调的唯一来源，因此机组整体降噪的关键在于降低风力发电机噪声水平。

直驱风力发电机尺寸大，结构相对复杂，可能产生机械结构噪声的部件多，要控制噪声，首先要找出发电机内部的噪声源。

本文采用声阵列技术，采用先进的声相仪CASI-200P64测试系统，对金风某型直驱发电机组噪声特性进行分析，找出主要噪声源的空间位置和频率特性，为进一步开展整机降噪工作奠定基础。

2、噪声源主要识别方法
噪声源的识别就是在同时又许多噪声源或包含许多振动发声部件的复杂声源情况下，为了确定各个声源或振动部件的声辐射性能，区分并确定主要噪声源并根据他们对声场的作用加以分析而进行的测量和研究。

利用现代检测技术，准确识别主要声源的部位、频率等特征，从声源上有针对性的采取有效措施进行降噪，可大大减轻噪声治理的工作量，对促进低噪声产品研制、提高产品质量和寿命有直接的效果。

所以，噪声源的识别是整个噪声控制的根本，噪声测量的一项内容就是要估计和寻找产生噪声的声源。

目前国内外进行噪声源识别的方法主要有声压法、声功率法、声强法、声场成像技术等。

声压法：声压是最基本的声学量，也是评价噪声的基本量，它是标量，不需要考虑方向，并且当前声压测量仪器发展成熟。

但是从声压角度研究噪声的最大缺点是声压在测量中容易受到背景噪声和声反射的影响，对环境要求很高，只有在消声室中进行测量才能得到较满意的结果。

声功率法：声学测量中声功率测量占有重要地位，声功率的测量需要在特定的声环境里直接测量声压，在得到声功率级，对环境的要求也较高。

声强法：声强法的创新点在于注意并利用了被丢失的声压相位信息，利用声强的矢量特性，降低了对测量现象声学环境的要求，并能够反映声级的大小，声能的流动方向、主声源的位置、声辐射面声强分布规律等特征，这对于在现场作噪声源辐射声功率的测量具有很大的优越性。

然而由于声强仪造价昂贵，目前声强测试只限于单点测量，对整个辐射面的噪声特性来说，测试完成需要相当长的时间，此外无法实现过渡工况或瞬态工况噪声特性的测量。

3、声成像设备主要原理及指标
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，就形成了可直观分析被测物产生噪声状态。

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，便捷地了解机器设备产生噪声的部位和原因，物体（机器设备）的声像反映了其所处的状态。

声成像技术的应用对于噪声测量具有划时代的意义，对于促进工业设计和生产技术的提高具有深远的影响。

声成像设备叫声相仪，又名声学照相机，是一种轻型的模块化的便携设备，适用于开阔空间自由场、封闭空间混响环境等多种声学环境，可通过图像直观揭示声音来源，用声相图的形状和颜色标示声音的位置和强度，针对重点位置声源，可通过聚焦提取方法，增强被关注声源信号抑制其它声源影响，得到高信噪比的目标声音，从而从多个声源的环境中准确地定位关心声源的位置。

声相仪支持风力发电机组研制调试过程中的噪声分析工作，可以进行声源定位，分离分析，揭示分析噪声的频率、幅值、持续时间与设备运转规律的关系。

本文采用CASI-200P64声相仪进行风力发电机组噪声源进行识别和定位，如图1，具体技术指标见表1。

图1 声成像现场测试图
表1 声相仪主要技术指标
4、风力发电机声成像测试
4.1实验目的
对试车台上风力发电机组的噪声源特性进行分析，找到主要噪声源的空间位置和频率特性，为进一步开展发电机组降噪工作奠定基础。

4.2实验地点及环境条件
声成像测试工作在北京金风科创风电设备有限公司车间进行；测试进行时，环境背景噪声的量级为60dB；室内温度约为20°。

4.3测试过程
直驱风力发电机转速较低，约为10RPM—20RPM，被测机组在转速为10RPM、15RPM两个工况下，用声像仪进行风力发电机组噪声源进行识别和定位。

具体测试步骤如下：（1）启动发电机组，调定转速为10RPM；
（2）声相仪系统开启工作；
（3）发电机组运转平稳后，利用声相仪频谱分析功能，分别对产生声压级较高的频率段进行声成像，识别和定位噪声源；
（4）改变声相仪的位置，重复步骤（3），对噪声源进行识别和定位；
（5）调整机组转速为15RPM，重复步骤（2）、（3）、（4），对噪声源进行识别和定位。

4.4测试结果
（1）转速10RPM时的测试结果
转速10RPM时，风力发电机主要噪声源有两个，其频率分部为87Hz-119Hz（噪声源I）、187Hz-206Hz（噪声源II），频谱图见图2，噪声源的空间位置见图3。

图2 10RPM时噪声源频谱图
（a）噪声源I （b）噪声源II
图3 10RPM时噪声源空间位置分布
测得频率在87Hz-119Hz和187Hz-206Hz处出现峰值噪声，在阵列接收处测得谱峰分别为73dB和75dB，且噪声源位置在发电机组转子散热片间隙处。

（2）转速10RPM时的测试结果
转速为15RPM时，风力发电机主要噪声源有两个，其频率分部为127Hz-159Hz（噪声源I）、278Hz-300Hz（噪声源II），频谱图见图4，噪声源的空间位置见图5。

图4 15RPM 时噪声源频谱图
（a ）噪声源I （b ）噪声源II
图5 15RPM 时噪声源空间位置分布
测得频率在127Hz~159Hz 和278Hz-300Hz 处出现峰值噪声，分别在阵列接收处谱峰为85dB 和95dB ，且噪声源位置在发电机组转子散热片间隙附近。

（3）对比分析
通过改变转速测试结果的对比可以看出：
a ） 噪声源位置分布在发电机组转子散热片间隙附近，其特性并不随转速的变化而
变化，只不过由于现场空间的影响而可能在转子散热片圆周方向上略有差异； b ） 噪声源的频率随转速的变化而变化。

5、测试结论
声成像技术可有效识别风力发电机噪声源位置，并得到了噪声源的频率特性和声压级大小，为该型风力发电机组降噪提供了有力依据。

参考文献
[1]邓江华，顾灿松，刘献栋.基于声阵列技术的汽车噪声识别及贡献量分析[J].振动工程学报，
2010 ,23(6):631-635.
[2]王文勇，陆安南.阵列信号处理中几种关键技术的研究[J].杭州电子科技大学学报，2005，
25(4):16-18.
[3]汪晋宽，宋昕.鲁棒自适应阵列信号处理[M].北京：电子工业出版社，2009.12.
[4]邵怀宗，林静然，局太亮等.基于麦克风阵列的声源定位研究[J].云南民族大学学报，
2004 ,13(4):256-258.。