Deteccion de fuentes sonoras mediante el uso de imagenes acusticas

Abstract

En la actualidad existen diferentes tipos de técnicas para cuantificar y cualificar laposición de una fuente sonora. Entre las técnicas modernas una de las más utili7 das sonlas imágenes acústicas, éstas se obtienen mediante el proceso de datos adquiridos por unarreglo de micrófonos, que constituye una antena, localizado a una distancia relativa delaparato emisor de ruido. Para la obtención de imágenes acústicas, en este trabajo sedesarrolló una tecnología novedosa, optimizando el diseño de la distribución desensores de presión y el proceso de obtención de la imagen acústica Entre los dispositivos utilizados en este esfuerzo la antena acústica es parte de losdesarrollos, junto con los sensores de presión. Más aún, la distribución de los sensoresde presión está relacionada implícitamente con el rango dinámico de la antena, que esun parámetro fundamental para la calidad de las mediciones. El rango dinámico estáinfluenciado principalmente a través del Máximo Lóbulo Lateral (MLL) o como se lodenomina en la literatura de lengua inglesa "Maximum Side Lobe" (MSL). Elparámetro MLL de la antena acústica se optimizó mediante el uso de algoritmosgenéticos. De esa forma, con la antena acústica optimizada se obtuvieron los puntosprincipales de emisión de las fuentes de ruido evitando así, obtener falsas medicionesprovenientes del efecto del MLL En cuanto a los tipos de post procesos, "Beamforming" (BF) es uno de los másutilizados, pero desafortunadamente presenta poca capacidad de distinguir lalocalización de dos fuentes de ruido emitiendo a baja frecuencia. Para superar estadesventaja, en este trabajo se investigaron diferentes técnicas. En primera instancia, seimplementó "Robust Adaptive Bearnforming" (RABF), en el cual se utilizó lainformación recolectada mediante los micrófonos para eliminar ruido blanco en laimagen acústica y evitar fuentes espurias en el mapa de ruido. Luego, se usó un métodode alta resolución como es "MUltiple SIgnal Clasification" (MUSIC) También se trabajó con Retardo y suma ("Delay and Sum"), el cual en comparacióncon los métodos anteriores, se realiza en el dominio del tiempo. Este caso es másgeneral que los métodos en el dominio de la frecuencia ya que se puede aplicar en todoel ancho de banda de la señal y puede utilizarse fácilmente en fuentes de ruido noestacionarias. También puede utilizarse en anchos de banda angosto mediante unfiltrado de la señal pero es recomendable usar anchos de banda superiores a 1/12 deoctava para mejorar significativamente los lóbulos laterales En esta tesis doctoral se utiliza la transformada Cepstrum para mejorar la formacióndel mapa de ruido. Esta nueva técnica de "Retardo y suma ? Cepstrum" permiteeliminar ecos de la señal y detectar periodicidad en el espectro para mejorar la relaciónSNR y así optimizar los mapas de ruidos para ser utilizados en aplicacionestecnológicas Luego se implementó el algoritmo "HDR" (High Dynamic Range) el cual permiteaumentar el rango dinámico de las imágenes acústicas mejorando así su resolución ycapacidad de visualizar fuentes de ruido ocultas. Sin embargo, existen dos desventajasen la utilización de esta técnica la primera es que no permite eliminar reflexiones y lasegunda es que en lugares con ruido de fondo alto no permite detectar de forma correctalas fuentes de ruido. Para superar estos inconvenientes el autor propone en la primeradesventaja la modificación de HDR por "HDR-cepstrum", esto permite eliminar lasreflexiones del mapa de ruido y para resolver la segunda desventaja se propone laeliminación del contenido auto correlacionado de la imagen acústica, a esta novedosamodificación se la denominará "HDR-DR" (High Dynamic Range-DiagonalRemoving). HDR-DR no se encuentra en la literatura científica actual, por lo que estenuevo algoritmo contribuye como un aporte original del autor al estado del arte en elárea de imágenes acústicas En particular se utilizó el sistema de imágenes acústicas para la detección de fallasen máquinas rotativas. Esta metodología novedosa permite monitorear una máquinacompleta sin la necesidad de evaluarla punto a punto. De esa manera, visualizando laimagen acústica podemos detectar variaciones en las intensidades y localización de lasfuentes de ruido lo que posibilita asociar estos cambios a fallas Mediante el sistema de detección de fuentes ruido desarrollado en este trabajo esposible contar con una herramienta de propósito múltiple. La cual puede ser utilizadapara cumplimentar las exigencias de las normas sobre regulaciones de emisionesacústicas hacia el medioarnbiente hasta establecer distintas estrategias de control sobrelas fuentes de emisión de ruido o detectar fallas en máquinas rotativas.