Deteccion de fuentes sonoras mediante el uso de imagenes acusticas

Abstract

En la actualidad existen diferentes tipos de técnicas para cuantificar y cualificar la posición de una fuente sonora. Entre las técnicas modernas una de las más utili7 das son las imágenes acústicas, éstas se obtienen mediante el proceso de datos adquiridos por un arreglo de micrófonos, que constituye una antena, localizado a una distancia relativa del aparato emisor de ruido. Para la obtención de imágenes acústicas, en este trabajo se desarrolló una tecnología novedosa, optimizando el diseño de la distribución de sensores de presión y el proceso de obtención de la imagen acústica. Entre los dispositivos utilizados en este esfuerzo la antena acústica es parte de los desarrollos, junto con los sensores de presión. Más aún, la distribución de los sensores de presión está relacionada implícitamente con el rango dinámico de la antena, que es un parámetro fundamental para la calidad de las mediciones. El rango dinámico está influenciado principalmente a través del Máximo Lóbulo Lateral (MLL) o como se lo denomina en la literatura de lengua inglesa "Maximum Side Lobe" (MSL). El parámetro MLL de la antena acústica se optimizó mediante el uso de algoritmos genéticos. De esa forma, con la antena acústica optimizada se obtuvieron los puntos principales de emisión de las fuentes de ruido evitando así, obtener falsas mediciones provenientes del efecto del MLL. En cuanto a los tipos de post procesos, "Beamforming" (BF) es uno de los más utilizados, pero desafortunadamente presenta poca capacidad de distinguir la localización de dos fuentes de ruido emitiendo a baja frecuencia. Para superar esta desventaja, en este trabajo se investigaron diferentes técnicas. En primera instancia, se implementó "Robust Adaptive Bearnforming" (RABF), en el cual se utilizó la información recolectada mediante los micrófonos para eliminar ruido blanco en la imagen acústica y evitar fuentes espurias en el mapa de ruido. Luego, se usó un método de alta resolución como es "MUltiple SIgnal Clasification" (MUSIC). También se trabajó con Retardo y suma ("Delay and Sum"), el cual en comparación con los métodos anteriores, se realiza en el dominio del tiempo. Este caso es más general que los métodos en el dominio de la frecuencia ya que se puede aplicar en todo el ancho de banda de la señal y puede utilizarse fácilmente en fuentes de ruido no estacionarias. También puede utilizarse en anchos de banda angosto mediante un filtrado de la señal pero es recomendable usar anchos de banda superiores a 1/12 de octava para mejorar significativamente los lóbulos laterales. En esta tesis doctoral se utiliza la transformada Cepstrum para mejorar la formación del mapa de ruido. Esta nueva técnica de "Retardo y suma ? Cepstrum" permite eliminar ecos de la señal y detectar periodicidad en el espectro para mejorar la relación SNR y así optimizar los mapas de ruidos para ser utilizados en aplicaciones tecnológicas. Luego se implementó el algoritmo "HDR" (High Dynamic Range) el cual permite aumentar el rango dinámico de las imágenes acústicas mejorando así su resolución y capacidad de visualizar fuentes de ruido ocultas. Sin embargo, existen dos desventajas en la utilización de esta técnica la primera es que no permite eliminar reflexiones y la segunda es que en lugares con ruido de fondo alto no permite detectar de forma correcta las fuentes de ruido. Para superar estos inconvenientes el autor propone en la primera desventaja la modificación de HDR por "HDR-cepstrum", esto permite eliminar las reflexiones del mapa de ruido y para resolver la segunda desventaja se propone la eliminación del contenido auto correlacionado de la imagen acústica, a esta novedosa modificación se la denominará "HDR-DR" (High Dynamic Range-Diagonal Removing). HDR-DR no se encuentra en la literatura científica actual, por lo que este nuevo algoritmo contribuye como un aporte original del autor al estado del arte en el área de imágenes acústicas. En particular se utilizó el sistema de imágenes acústicas para la detección de fallas en máquinas rotativas. Esta metodología novedosa permite monitorear una máquina completa sin la necesidad de evaluarla punto a punto. De esa manera, visualizando la imagen acústica podemos detectar variaciones en las intensidades y localización de las fuentes de ruido lo que posibilita asociar estos cambios a fallas. Mediante el sistema de detección de fuentes ruido desarrollado en este trabajo es posible contar con una herramienta de propósito múltiple. La cual puede ser utilizada para cumplimentar las exigencias de las normas sobre regulaciones de emisiones acústicas hacia el medioarnbiente hasta establecer distintas estrategias de control sobre las fuentes de emisión de ruido o detectar fallas en máquinas rotativas.