DE102016206809A1

DE102016206809A1 - Method for the automated allocation of possible sources of cause for an acoustic conspicuousness of a rotationally synchronous noise source

Info

Publication number: DE102016206809A1
Application number: DE102016206809.1A
Authority: DE
Inventors: Thomas Bischof; Andreas Meier-Koll
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2016-04-21
Filing date: 2016-04-21
Publication date: 2017-10-26

Abstract

Die Erfindung betrifft ein Verfahren zum automatisierten Erkennen von akustischen Auffälligkeiten im Signal einer rotationssynchronen Geräuschquelle sowie zur automatisierten Zuordnung möglicher Verursacherquellen. Die Erkennung von akustischen Auffälligkeiten beruht auf einem Vergleich von erfassten akustischen Mess-Intensitätswerten mit akustischen Hintergrund-Intensitätswerten, welche algorithmisch im Rahmen des vorliegenden Verfahrens bestimmt werden. Die akustischen Auffälligkeiten können hinsichtlich ihrer Position, Breite und Intensität charakterisiert werden. Auf Basis der Charakterisierung der akustischen Auffälligkeiten und eines in einer Datenbank hinterlegten kinematischen Modells der rotationssynchronen Geräuschquelle lassen sich automatisiert Verursacherquellen ableiten sowie deren Näherungs-Intensitätswerte, deren Verursacher-Wahrscheinlichkeiten und Fingerprint-Werte berechnen und somit die vibroakustische Güte der rotationssynchronen Geräuschquelle bestimmen.The invention relates to a method for the automated detection of acoustic abnormalities in the signal of a rotationally synchronous noise source as well as for the automated allocation of possible causer sources. The detection of acoustic conspicuities is based on a comparison of acquired acoustic measurement intensity values with background acoustic intensity values, which are determined algorithmically in the context of the present method. The acoustic abnormalities can be characterized in terms of their position, width and intensity. On the basis of the characterization of the acoustical abnormalities and a stored in a database kinematic model of rotation-synchronous noise source can be derived polluter sources and calculate their approximate intensity values, their causer probabilities and fingerprint values and thus determine the vibroacoustic quality of the rotationally synchronous noise source.

Description

Die Erfindung betrifft ein Verfahren zum automatisierten Zuordnen möglicher Verursacherquellen zu einer akustischen Auffälligkeit einer rotationssynchronen Geräuschquelle, insbesondere eines Getriebes. Das Verfahren kann insbesondere eine automatische Erkennung von akustischen Auffälligkeiten und ihrer automatischen Zuordnung zu wahrscheinlichkeitsgewichteten möglichen Verursacherquellen beinhalten. Weiterhin betrifft die Erfindung ein System zur Ausführung des Verfahrens. The invention relates to a method for the automated allocation of possible causes of polluter to an acoustic conspicuousness of a rotationally synchronous noise source, in particular a transmission. In particular, the method may include an automatic detection of acoustic conspicuities and their automatic assignment to probability-weighted possible polluter sources. Furthermore, the invention relates to a system for carrying out the method.

Akustische Messungen werden häufig zur Fehlererkennung bei Getrieben genutzt, wobei Luftschall- und Körperschall-Messungen mittels Mikrofonen und Beschleunigungssensoren vorgesehen sein können. Eine Aufnahme entsprechender Messungen erfolgt gleichzeitig mit einer Rotation wenigstens einer Welle innerhalb des Getriebes. Ein Ordnungsspektrum, welches durch ein Leistungsspektrum von mit der Rotation der Welle synchronisierten akustischen Daten gegeben ist, bildet den Ausgangspunkt für eine Analyse des Getriebes. Üblicherweise wird das Ordnungsspektrum nicht-automatisiert durch einen Fachmann analysiert. Dies kann jedoch aufwändig und fehleranfällig sein, zumal relevante Intensitätsspitzen innerhalb des Ordnungsspektrums durch den Auswertenden erkannt werden müssen. Weiterhin müssen die zu den Intensitätsspitzen gehörenden Ordnungspositionen ausgelesen werden und mit zuvor berechneten Ordnungen unterschiedlicher rotierender Elemente innerhalb des Getriebes verglichen werden. Acoustic measurements are often used for error detection in transmissions, airborne and structure-borne sound measurements can be provided by means of microphones and acceleration sensors. A recording of corresponding measurements takes place simultaneously with a rotation of at least one shaft within the transmission. An order spectrum, which is given by a power spectrum of synchronized with the rotation of the shaft acoustic data, forms the starting point for an analysis of the transmission. Usually, the order spectrum is analyzed non-automatically by a person skilled in the art. However, this can be time-consuming and error-prone, especially since relevant intensity peaks within the order spectrum must be recognized by the evaluator. Furthermore, the order positions belonging to the intensity peaks must be read out and compared with previously calculated orders of different rotating elements within the transmission.

Weiterhin sind sogenannte CMS (Condition Monitoring Systems) bekannt, welche es erlauben, für einzelne Linien in einem Frequenz- oder Ordnungsspektrum Grenzen für ermittelte akustische Intensitätswerte vorzugeben. Allerdings ermöglichen derartige CMS noch kein automatisiertes Zuordnen möglicher Verursacherquellen zu einer akustischen Auffälligkeit einer rotationssynchronen Geräuschquelle. Furthermore, so-called CMS (Condition Monitoring Systems) are known, which allow for individual lines in a frequency or order spectrum to specify limits for the determined acoustic intensity values. However, CMSs of this type do not yet permit any automated assignment of possible sources of causation to an acoustic conspicuity of a rotationally synchronous noise source.

Es ist daher die Aufgabe der vorliegenden Erfindung, ein Verfahren und ein System der eingangs genannten Art bereitzustellen, welche ein automatisiertes Zuordnen mit geringer Fehleranfälligkeit ermöglichen. It is therefore the object of the present invention to provide a method and a system of the type mentioned, which allow automated assignment with low error rate.

Die Aufgabe wird gelöst durch die Gegenstände der unabhängigen Patentansprüche. Vorteilhafte Ausführungsformen sind Gegenstand der abhängigen Ansprüche, der folgenden Beschreibung sowie der Figuren. The object is solved by the subject matters of the independent claims. Advantageous embodiments are subject of the dependent claims, the following description and the figures.

Gemäß einem Aspekt der Erfindung wird ein Verfahren zum automatisierten Zuordnen möglicher Verursacherquellen zu einer akustischen Auffälligkeit einer rotationssynchronen Geräuschquelle bereitgestellt. Bei dem Verfahren kann es sich insbesondere um ein Verfahren zum automatisierten Zuordnen einer erfassten akustischen Auffälligkeit, z.B. einer akustischen Intensitätsspitze, in einer rotierenden Maschine, insbesondere einem Getriebe, zu in einer Datenbank hinterlegten möglichen Verursacherquellen handeln, welche die akustische Auffälligkeit potentiell verursachen. Das im Folgenden näher erläuterte Verfahren kann Computer-implementiert sein und ermöglicht u.a., dass die möglichen Verursacherquellen automatisiert, z.B. anhand einer berechneten Verursacher-Wahrscheinlichkeit oder eines Verursacher-Anteils, in einer Rangfolge zueinander gegenübergestellt werden können. Dadurch besteht beispielsweise die Möglichkeit, auf der Basis der erfassten akustischen Auffälligkeit automatisiert Vorschläge und Entscheidungen für eine Wartung der rotierenden Maschine abzuleiten. Ferner kann eine vibroakustische Güte der rotierenden Maschine automatisch bewertet werden. According to one aspect of the invention, there is provided a method for automatically assigning possible sources of cause to an acoustic conspicuity of a rotationally synchronous noise source. In particular, the method can be a method for automatically assigning a detected acoustic conspicuity, e.g. an acoustic intensity peak, in a rotating machine, in particular a gearbox, to be stored in a database possible sources of pollutants, which potentially cause the acoustic conspicuity. The method explained in more detail below may be computer-implemented and, inter alia, enables the possible sources of causes to be automated, e.g. based on a calculated causer probability or polluter share, in a ranking against each other. As a result, for example, it is possible on the basis of the detected acoustic conspicuousness to automatically derive suggestions and decisions for maintenance of the rotating machine. Furthermore, a vibroacoustic quality of the rotating machine can be automatically evaluated.

Die möglichen Verursacherquellen können Elemente der rotierenden Maschine umfassen, im Falle eines Getriebes im Wesentlichen Verzahnungen, Lager und Wellen sowie Teile davon. Als Verursacherquellen können insbesondere Elemente mit Wälz- und Rollanteil auftreten. Die genannten Anteile treten vor allem bei Verzahnungen (das Kämmen der Zahnräder) und Lagern auf. Modulationserscheinungen treten vor allem bei radialen Asymmetrien auf. The possible sources of pollutants may include elements of the rotating machine, in the case of a transmission essentially gears, bearings and shafts and parts thereof. In particular, elements with rolling and rolling components can occur as sources of cause. The proportions mentioned above occur mainly in gear teeth (the meshing of gears) and bearings. Modulation phenomena occur especially with radial asymmetries.

Unter „rotationssynchron“ kann insbesondere verstanden werden, dass sich bestimmte, je nach Drehwinkel erzeugte Schallemissionen nach jeder Umdrehung wiederholen. Dadurch verursachte, periodische Schwingungen können dabei in ihrer Frequenz mit einer Drehzahl bzw. einer Vielzahl der Drehzahl der Geräuschquelle bzw. Maschine übereinstimmen. By "rotation-synchronous" can be understood in particular that repeat certain sound emissions generated according to the rotation angle after each revolution. As a result, periodic vibrations can coincide in their frequency with a speed or a plurality of the speed of the noise source or machine.

Das Verfahren umfasst ein Hinterlegen jeweils eines kinematischen Modells jeder in Betracht gezogenen möglichen Verursacherquelle für den zu untersuchenden Ordnungsbereich in der Datenbank, wobei jedes kinematische Modell Werte einer Basisordnung und einer Modulationsordnung umfasst. Die Datenbank und die in ihr hinterlegten Werte bilden eine Basis für die im Folgenden beschriebene Auswertung und Bewertung von durchgeführten akustischen Messungen der Geräuschquelle. The method comprises depositing in the database in each case a kinematic model of each possible source of causation for the order domain to be examined, each kinematic model comprising values of a basic order and of a modulation order. The database and the values stored in it form a basis for the evaluation and evaluation of acoustic measurements of the noise source described below.

Es werden akustische Mess-Intensitätswerte der rotationssynchronen Geräuschquelle in dem zu untersuchenden Ordnungsbereich erfasst. Die Messwerte können transformiert in einem Ordnungsspektrum zusammen mit den Hintergrund-Intensitätswerten dargestellt werden. Der Begriff „Erfassen“ kann in diesem Zusammenhang sowohl die Aufnahme akustischer Signale der Geräuschquelle in dem zu untersuchenden Ordnungsbereich als auch eine Umwandlung der aufgenommenen akustischen Signale in die Mess-Intensitätswerte und deren Transformation in das Ordnungsspektrum umfassen. Acoustic measurement intensity values of the rotation-synchronous noise source in the order range to be examined are detected. The measured values can be transformed in an order spectrum together with the background intensity values. The term "detecting" may in this context include both the recording of acoustic signals of the noise source in the order range to be examined as well as a conversion of the recorded acoustic signals into the measured intensity values and their transformation into the order spectrum.

Weiterhin erfolgt ein Bestimmen von akustischen Hintergrund-Intensitätswerten eines Grundrauschens der Geräuschquelle für den zu untersuchenden Ordnungsbereich. Die Hintergrund-Intensitätswerte können algorithmisch aus dem zu untersuchenden Ordnungsspektrum direkt bestimmt bzw. geschätzt werden. Die Hintergrund-Intensitätswerte werden für die im Folgenden beschriebene Spitzen-Erkennung bzw. Peak-Erkennung benötigt. Wenn – wie im Folgenden beschrieben – Spitzen bzw. Peaks erkannt und charakterisiert worden sind, können die vorausberechneten Referenzwerte für die Ordnungspositionen, die sich aus dem in der Datenbank hinterlegten kinematischen Modell ergeben, mit den Ordnungspositionen der gefundenen Peaks verglichen werden. Furthermore, a determination is made of background acoustic intensity values of a noise floor of the noise source for the order range to be examined. The background intensity values can be determined or estimated algorithmically directly from the order spectrum to be examined. The background intensity values are needed for the peak detection or peak detection described below. If, as described below, peaks have been recognized and characterized, the predicted reference values for the order positions resulting from the kinematic model stored in the database can be compared with the order positions of the found peaks.

Die Hintergrund-Intensitätswerte werden mit den Mess-Intensitätswerten für jede gemeinsame Ordnung verglichen. Der Vergleich kann mittels einer dazu eingerichteten Steuerungseinheit automatisiert erfolgen und bildet eine Basis für ein Ermitteln von Intensitäts-Spitzenwerten. Eine Kategorisierung als Bestandteil einer Spitze bzw. eines Peaks liegt dann vor, wenn das Verhältnis zwischen Mess-Intensitätswert und Hintergrund-Intensitätswert bei wenigstens einer gemeinsamen Ordnung einen festgelegten Grenzwert überschreitet. Eine Spitze bzw. ein Peak kann gemäß dem erfindungsgemäßen Verfahren erkannt werden, wenn mindestens ein Mess-Intensitätswert bei einer Ordnung um einen gewissen Faktor oberhalb des Hintergrund-intensitätswerts bei derselben Ordnung liegt. Eine Spitze bzw. ein Peak (akustische Auffälligkeit) kann somit aus allen direkt zusammenhängenden bzw. benachbarten Ordnungskanälen und den jeweils rechten und linken Nachbarn bestehen, die nicht das genannte Schwellwertkriterium (beispielsweise zwischen 2 dB oder 3 dB oberhalb des Grundrauschens) erfüllen. Die Gesamtheit dieser Ordnungskanäle zusammen mit ihren assoziierten Mess-Intensitätswerten kann die Spitze/Peak bzw. die akustische Auffälligkeit darstellen. The background intensity values are compared to the measurement intensity values for each common order. The comparison can be automated by means of a control unit set up for this purpose and forms a basis for determining intensity peaks. A categorization as part of a peak or a peak is present when the ratio between the measured intensity value and the background intensity value exceeds at least one common order a defined limit value. A peak or a peak can be detected according to the method according to the invention if at least one measurement intensity value in an order lies a certain factor above the background intensity value for the same order. Thus, a peak (acoustic conspicuity) may consist of all directly contiguous order channels and the respective right and left neighbors that do not meet the said threshold criterion (for example, between 2 dB or 3 dB above the noise floor). The totality of these ordering channels, together with their associated measurement intensity values, may represent peak / peak or auditory conspicuousness.

Nachfolgend können die Ordnungsposition x_p der Spitze bzw. des Peaks, die Breite σ_p der Spitze bzw. des Peaks und der Intensitätswert I_P der Spitze bzw. des Peaks bestimmt werden. Die Werte der letzten beiden charakteristischen Parameter können davon abhängen, ob die Spitzen bzw. Peaks z.B. durch Gauß-Profile oder Lorentz-Cauchy-Profile charakterisiert werden. Subsequently, the order position x _p of the peak, the width σ _p of the peak, and the intensity value I _{P of} the peak and the peak, respectively, can be determined. The values of the last two characteristic parameters may depend on whether the peaks are characterized, for example, by Gaussian profiles or Lorentz-Cauchy profiles.

Zu jeder Spitze werden die theoretischen Ordnungspositionen aller in der Datenbank hinterlegten Verursacherquellen bestimmt, wobei die theoretische Ordnungsposition zu jeder Verursacherquelle sich aus der Summe aus der Basisordnung multipliziert mit einem ganzzahligen, echt positiven Basisordnungs-Faktor und der Modulationsordnung multipliziert mit einem ganzzahligen Modulationsordnungs-Faktor ist, und wobei der Basisordnungs-Faktor und Modulationsordnungs-Faktor derart gewählt werden, dass die theoretische Ordnungsposition der Ordnungsposition der jeweiligen Spitze am nächsten kommt. Die Berechnung einer naheliegenden Ordnungsposition kann mittels einer dazu eingerichteten Steuerungseinheit automatisiert erfolgen und anhand der folgenden Formel veranschaulicht werden: x_DB = nx_Basis + zx_Modulation For each peak, the theoretical order positions of all causer sources stored in the database are determined, the theoretical order position to each causer source being the sum of the base order multiplied by an integer, true positive base order factor and the modulation order multiplied by an integer modulation order factor , and wherein the base order factor and modulation order factor are selected such that the theoretical order position comes closest to the order position of the respective peak. The calculation of an obvious order position can be automated by means of a control unit set up for this purpose and illustrated by the following formula: x _DB = nx _base + zx _modulation

Hierbei sind

x_DB: naheliegende Ordnungsposition, theoretische Position der Spitze bzw. des Peaks
n: der Basisordnungs-Faktor (ganzzahlig, positiv),
n_Basis: die Basisordnung,
z: der Modulationsordnungs-Faktor (ganzzahlig) und
x_Modulation: die Modulationsordnung.

Here are

x _DB: obvious order position, theoretical position of the peak or the peak
n: the base order factor (integer, positive),
n _basis: the basic order,
z: the modulation order factor (integer) and
x _modulation: the modulation order.

Die Faktoren n und z werden so gewählt, dass die naheliegende Ordnungsposition x_DB der Ordnung der jeweiligen ermittelten Spitze möglichst nahekommt. Mit anderen Worten wird automatisiert nach einer Wertepaarung von n und z gesucht, welche in die obige Formel eingesetzt eine naheliegende Ordnungsposition x_DB liefert, welche die Ordnung der jeweiligen ermittelten Spitze möglichst genau trifft. Dabei kann zunächst damit begonnen werden, mittels Variation des Basisordnungs-Faktors möglichst nahe an die Ordnung der Spitze heranzukommen und anschließend, sozusagen als „Feintuning“, den Modulationsordnungs-Faktor zu variieren, um noch näher an die Ordnung der Spitze heranzukommen. Formale Lösungen dieses Ansatzes mit einem Basisordnungs-Faktor von Null stellen keine valide Verursacherquelle dar und können deswegen verworfen werfen. Die naheliegenden Ordnungspositionen können ebenfalls in dem Ordnungsspektrum dargestellt werden. The factors n and z are chosen such that the obvious ordinal position x _DB comes as close as possible to the order of the respective peak determined. In other words, an automatic search is made for a pairing of n and z, which, when used in the above formula, yields an obvious ordinal position x _DB which exactly matches the order of the respectively determined peak. In this case, it is initially possible to begin by means of variation of the base order factor as close as possible to the order of the peak and then, as a kind of "fine tuning", to vary the modulation order factor in order to get even closer to the order of the peak. Formal solutions to this approach with a base order factor of zero do not represent a valid causer source and can therefore throw away. The obvious order positions can also be represented in the order spectrum.

Anhand der Spitzen und der naheliegenden Ordnungspositionen erfolgt – z.B. mittels einer dazu eingerichteten Steuerungseinheit – ein Ermitteln einer Likelihood-Wahrscheinlichkeit für jede Spitze und für jede mögliche Verursacherquelle. Zu einer erkannten Spitze bzw. einem erkannten Peak können somit für jede potentielle valide Verursacherquelle die Likelihood-Wahrscheinlichkeit berechnet werden. Zur Berechnung der Likelihood-Wahrscheinlichkeit gehen bevorzugt nur die Ordnungspositionen x_p der Spitze bzw. des Peaks, die Breite σ_p der Spitze bzw. des Peaks sowie die Ordnungsposition x_DB der möglichen Verursacherquelle ein. Die Peak-Intensität (Peak-Höhe) sowie andere intensive Größen spielen in diesem Fall keine Rolle. Die Likelihood-Wahrscheinlichkeit gibt an, mit welcher Wahrscheinlichkeit die der jeweiligen naheliegenden Ordnungsposition zugeordnete mögliche Verursacherquelle für die ermittelte Spitze statistisch ursächlich ist. On the basis of the peaks and the obvious order positions, a likelihood probability is determined for each peak and for each possible source of causation, for example by means of a control unit set up for this purpose. For a recognized peak or a recognized peak, the likelihood probability can thus be calculated for each potential valid source of causation. For the calculation of the likelihood probability, preferably only the order positions x _{p of} the peak or of the peak, the width σ _{p of} the peak or of the peak, and the order position x _{DB of} the possible source of causation are included. The peak intensity (peak height) as well as other intense variables are irrelevant in this case. The probability of likelihood indicates the probability with which the possible source of causation for the peak determined for the respective proximate order position is statistically causative.

Das Ermitteln der Likelihood-Wahrscheinlichkeit kann beispielsweise anhand einer Gauß-Normalverteilung oder einer Lorentz-Cauchy-Verteilung erfolgen. The likelihood probability can be determined, for example, by means of a Gaussian normal distribution or a Lorentz-Cauchy distribution.

Im Falle der Auswahl einer Gauß-Normalverteilung bzw. einer Gauß-Kurve kann eine Wahrscheinlichkeitsfunktion anhand der Spitze sowie eines benachbarten Intensitätswerts einer höheren Ordnung und eines benachbarten Intensitätswerts einer niedrigeren Ordnung charakterisiert werden. Bei einer derartigen Gauß-Funktion können sich der Erwartungswert und die Standardabweichung aus der ermittelten Spitze und den zu ihr benachbarten Intensitätswerten ergeben. Die benachbarten Intensitätswerte stammen aus der Erfassung der Mess-Intensitätswerte und können transformiert in dem erzeugten Ordnungsspektrum dargestellt sein. In Abhängigkeit von der Auflösung des Ordnungsspektrums bzw. der Ordnungsanalayse können die benachbarten Intensitätswerte jeweils die Intensität einer nächsthöheren Ordnung bzw. einer nächstniedrigeren Ordnung darstellen. In einer Formel ausgedrückt, können die ermittelten Spitzen folgendermaßen gemäß einer Gauß-Normalverteilung

charakterisiert werden. In the case of selecting a Gaussian Gaussian or Gaussian curve, a probability function may be characterized by the peak and by a neighboring higher order intensity value and a lower order intensity value. With such a Gaussian function, the expectation value and the standard deviation can result from the determined peak and the intensity values adjacent to it. The adjacent intensity values come from the acquisition of the measurement intensity values and can be represented transformed in the generated order spectrum. Depending on the resolution of the order spectrum or the order analysis, the adjacent intensity values can each represent the intensity of a next higher order or a next lower order. Expressed in a formula, the peaks obtained can be calculated according to a Gaussian normal distribution as follows

be characterized.

Hierbei sind:

I_P: ein Intensitäts-Spitzenwert (Peak-Intensität),
σ_p: die Standardabweichung, z.B. die Ordnungsdifferenz zwischen der ermittelten Spitze und den benachbarten Intensitätswerten,
x_DP: eine berechnete naheliegende Ordnungsposition und
x_p: der Erwartungswert.

Here are:

I _P: an intensity peak (peak intensity),
σ _p: the standard deviation, eg the order difference between the determined peak and the neighboring intensity values,
x _DP: a calculated obvious order position and
x _p: the expected value.

Das Ermitteln der Lieklihood-Wahrscheinlichkeit P_likelihood kann in diesem Fall anhand der folgenden Formeln erfolgen:

In this case, the determination of the probability of probability P _likelihood can be based on the following formulas:

Weiterhin erfolgt ein Ermitteln einer Verursacher-Wahrscheinlichkeit durch Normierung eines Produkts aus der ermittelten Likelihood-Wahrscheinlichkeit mit einer A-priori-Wahrscheinlichkeit. Mit anderen Worten wird die ermittelte Likelihood-Wahrscheinlichkeit P_likelihood nach dem Satz von Bayes mit einer A-priori-Wahrscheinlichkeit P_Prior multipliziert, um eine Verursacher-Wahrscheinlichkeit bzw. eine A-posteriori-Wahrscheinlichkeit P_Posterior zu erhalten. Zu Normierungszwecken kann das Produkt durch einen Normierungsfaktor P_evidence geteilt werden. In Formeln ausgedrückt, kann sich die Verursacher-Wahrscheinlichkeit P_Posterior anhand der folgenden Formel

berechnen lassen, wobei die Verursacher-Wahrscheinlichkeit P_Posterior gemäß der folgenden Formel

P_Posterior ∝ P_likelihood P_Prior

proportional zu dem Produkt aus der ermittelten Likelihood-Wahrscheinlichkeit P_likelihood und der A-prioi-Wahrscheinlichkeit P_Prior ist. Furthermore, determining a causer probability by normalizing a product from the determined likelihood probability with an a-priori probability. In other words, the determined likelihood probability P _{likelihood is} multiplied by the a priori probability P _Prior according to Bayes's theorem in order to obtain a causer probability or an a posteriori probability P _Posterior . For normalization purposes, the product may be divided by a normalization factor P _evidence . Expressed in formulas, the causer probability P _posterior can be calculated using the following formula

calculate the causer probability P _posterior according to the following formula

P _Posterior α P _likelihood P _Prior

proportional to the product of the determined likelihood probability P _likelihood and the A-prioi probability P _Prior .

Gemäß dem Satz von Bayes wird eine bestehende Erkenntnis über eine zu untersuchende Variable mit neuen Erkenntnissen aus Daten kombiniert woraus eine neue, verbesserte Erkenntnis in Form einer A-posteriori-Wahrscheinlichkeitsverteilung resultiert. Die A-priori-Wahrscheinlichkeit drückt eine Grundplausibilität darüber aus, in wie fern eine spezielle potentielle Verursacherquelle gegenüber den anderen potentiellen Verursacherquellen aufgrund modellbasierter Vorkenntnisse eine akustische Auffälligkeit (Spitze bzw. Peak) erklären kann. Diese Grundplausibilität ist datenunabhängig und muss aufgrund der experimentell vorliegenden Befunde modifiziert werden. Hierzu wird die A-priori-Wahrscheinlichkeit mit der experimentellen Likelihood-Wahrscheinlichkeit gewichtet. Durch eine entsprechende Normierung ergibt sich die Verursacher-Wahrscheinlichkeit bzw. die A-posteriori-Wahrscheinlichkeit, welche als Verursacher-Wahrscheinlichkeit oder als relativer Beitrag zu einer akustischen Auffälligkeit angesehen werden kann. Die Verursacher-Wahrscheinlichkeit kann somit den prozentualen Anteil angeben, welchen die zugehörige mögliche Verursacherquelle statistisch an der ermittelten Spitze hat. Die Verursacher-Wahrscheinlichkeit ermöglicht eine zuverlässige automatische Zuordnung einer möglichen Verursacherquelle zu einer ermittelten Spitze. According to the theorem of Bayes, an existing knowledge about a variable to be examined is combined with new knowledge from data, resulting in a new, improved knowledge in the form of an a posteriori probability distribution. The a-priori probability expresses a basic plausibility of how far a particular potential source of causation can explain an acoustic conspicuity (peak) over the other potential sources of causation on the basis of model-based prior knowledge. This basic plausibility is independent of data and must be modified on the basis of the experimental findings. For this purpose, the a priori probability is weighted with the experimental likelihood probability. Corresponding normalization yields the causer probability or the posterior probability, which can be regarded as the causer probability or as a relative contribution to an acoustic conspicuousness. The causer probability can thus indicate the percentage share which the corresponding possible source of causation has statistically at the peak determined. The causer probability enables a reliable automatic assignment of a possible source of causation to a determined peak.

Wurden beispielsweise zwei Spitzen ermittelt und sind in der Datenbank z.B. kinematische Modelle zu 40 möglichen Verursacherquellen hinterlegt, so können wie weiter oben beschrieben 40 Likelihood-Wahrscheinlichkeiten für die eine Spitze und 40 Likelihood-Wahrscheinlichkeiten für die andere Spitze berechnet werden. Für jede der insgesamt 80 Likelihood-Wahrscheinlichkeiten kann die Verursacher-Wahrscheinlichkeit berechnet werden, die angibt, welchen Anteil die der jeweiligen Likelihood-Wahrscheinlichkeit zugeordnete mögliche Verursacherquelle statistisch an der ermittelten Spitze hat. For example, if two peaks have been detected and are stored in the database, e.g. Given kinematic models for 40 possible source sources, as described above, 40 likelihood probabilities for one peak and 40 likelihood probabilities for the other peak may be calculated. For each of the total of 80 likelihood probabilities, the causer probability may be calculated, which indicates what proportion of the potential source of causation associated with the respective likelihood probability has statistically at the determined peak.

Die Erfinder haben herausgefunden, dass eine besonders zuverlässige automatische Zuordnung einer möglichen Verursacherquelle zu einer ermittelten Spitze möglich ist, sofern die A-priori-Wahrscheinlichkeit wie im Folgenden dargestellt gewählt bzw. gebildet wird. Die A-priori-Wahrscheinlichkeit kann insbesondere umgekehrt proportional zu dem Quadrat des Basisordnungs-Faktors der jeweiligen möglichen Verursacherquelle sein. Als Erweiterung können auch Einflüsse durch Modulationseffekte berücksichtigt werden. In Formeln ausgedrückt kann eine derartige A-priori-Wahrscheinlichkeit u.a. auf folgende Weisen bestimmt bzw. festgelegt werden:

The inventors have found that a particularly reliable automatic assignment of a possible source of causation to a determined peak is possible, provided that the a priori probability is selected or formed as shown below. In particular, the a priori probability may be inversely proportional to the square of the base order factor of the respective possible source of causation. As an extension, influences due to modulation effects can also be taken into account. Expressed in terms of formulas, such an a priori probability can be determined or determined inter alia in the following ways:

Hierbei sind:

x_H: eine Hauptordnung und
x_N: eine Nebenordnung.

Here are:

x _H: a main order and
x _N: a secondary order.

Alternativ kann die A-priori-Wahrscheinlichkeit proportional zu einer Hauptordnung der jeweiligen möglichen Verursacherquelle sein. Als Erweiterung können auch Einflüsse durch Modulationseffekte berücksichtigt werden. In Formeln ausgedrückt kann eine derartige A-priori-Wahrscheinlichkeit u.a. auf folgende Weisen bestimmt bzw. festgelegt werden:

Alternatively, the a-priori probability may be proportional to a major order of the respective possible source of causation. As an extension, influences due to modulation effects can also be taken into account. Expressed in terms of formulas, such an a priori probability can be determined or determined inter alia in the following ways:

Weiterhin kann die A-priori-Wahrscheinlichkeit umgekehrt proportional zu einer maximal möglichen Anzahl N von Ordnungslinien der jeweiligen möglichen Verursacherquelle im Spektrum sein. Als Erweiterung können auch Einflüsse durch Modulationseffekte berücksichtigt werden. In Formeln ausgedrückt kann eine derartige A-priori-Wahrscheinlichkeit u.a. auf folgende Weisen bestimmt bzw. festgelegt werden:

Furthermore, the a-priori probability may be inversely proportional to a maximum possible number N of order lines of the respective possible source of cause in the spectrum. As an extension, influences due to modulation effects can also be taken into account. Expressed in terms of formulas, such an a priori probability can be determined or determined inter alia in the following ways:

Für jede mögliche Verursacherquelle kann weiterhin ein Fingerprint-Wert gebildet werden, welcher proportional zu einer Summe eines Produkts aus einer Peak-Intensität und der gewichteten Verursacher Wahrscheinlichkeit der jeweils möglichen Verursacherquelle ist. Hierbei erstreckt sich die Summe über alle identifizierten akustischen Auffälligkeiten (Spitzen bzw. Peaks). Zusätzlich können die aufzusummierenden Produkte auch eine Peak-Wahrscheinlichkeit und einen Reziprok-Wert des Peak-Hintergrund-Wertes enthalten. For each possible source of causation, a fingerprint value may further be formed which is proportional to a sum of a product of a peak intensity and the weighted causer probability of the respective possible source of causation. Here, the sum extends over all identified acoustic abnormalities (peaks or peaks). In addition, the products to be summed may also contain a peak probability and a reciprocal of the peak background value.

In Formeln ausgedrückt kann ein derartiger Fingerprint-Intensitätswert u.a. durch Aufsummieren über alle ermittelten p_n Spitzen auf folgende Weisen bestimmt bzw. festgelegt werden:

Expressed in terms of formulas, such a fingerprint intensity value can be determined or determined by, among other things, summing over all the determined p _n peaks in the following ways:

Hierbei sind:

B_P: ein Hintergrund-Intensitätswert des Grundrauschens der gleichen Ordnung wie die jeweilige ermittelte Spitze und
P_Peak: eine Peak-Wahrscheinlichkeit, welche angibt, mit welcher Wahrscheinlichkeit es sich bei einer ermittelten Spitze auch statistisch um eine Spitze handelt. Die Peak-Wahrscheinlichkeit hängt von dem Signal-Rauschverhältnis (Verhältnis Peak-Intensitätswert zum Hintergrund-Intensitätswert) ab. Der Kurvenverlauf kann durch ein Gauß-Profil dargestellt/berechnet werden.

Here are:

B _P: a background intensity value of the noise floor of the same order as the respective detected peak and
P _Peak: a peak probability which indicates the probability with which a determined peak is also statistically a peak. The peak probability depends on the signal-to-noise ratio (ratio of peak intensity value to background intensity value). The curve can be represented / calculated by a Gaussian profile.

Die primären Fingerprint-Werte ergeben sich in den gezeigten Beispielen aus der Aufsummierung aller vorgefundenen Peak-Intensitäten gewichtet mit der normierten A-posteriori-Wahrscheinlichkeit der jeweiligen betreffenden Verursacherquelle (IF₁), der normierten A-posteriori-Wahrscheinlichkeit gewichtet mit dem Reziprok-Wert des Hintergrund-Intensitätswerts des jeweiligen Peak-Intensitätswertes (IF₂), der normierten A-posteriori-Wahrscheinlichkeit gewichtet mit einer Peak-Wahrscheinlichkeit (IF₃) oder der normierten A-posteriori-Wahrscheinlichkeit gewichtet mit einer Peak-Wahrscheinlichkeit und dem Reziprok-Wert der Hintergrund-Intensitätswert des jeweiligen Peak-Intensitätswertes (IF₄). Zu Normierungszwecken können insbesondere die Fingerprint-Werte IF₁ und IF₂ durch die Anzahl der im Ordnungsspektrum vorgefundenen Spitzen bzw. Peaks geteilt werden. The primary fingerprint values result in the examples shown from the summation of all peak intensities weighted with the normalized a posteriori probability of the respective polluter source concerned (IF ₁ ), the normalized a posteriori probability weighted with the reciprocal value the background intensity value of the respective peak intensity value (IF ₂ ), the normalized a posteriori probability weighted with a peak probability (IF ₃ ) or the normalized a posteriori probability weighted with a peak probability and the reciprocal value the background intensity value of the respective peak intensity value (IF ₄ ). For normalization purposes, in particular the fingerprint values IF ₁ and IF _{2 can be divided} by the number of peaks or peaks found in the order spectrum.

Aus den Peak-Wahrscheinlichkeiten lässt sich die effektive Anzahl an Spitzen bzw. Peaks im Ordnungsspektrum gemäß folgender Formel berechnen:

From the peak probabilities, the effective number of peaks or peaks in the order spectrum can be calculated according to the following formula:

Hierbei erstreckt sich die Aufsummierung über alle ermittelten Spitzen bzw. Peaks. Vorteilhaft können insbesondere die Fingerprint-Werte IF₃ und IF₄ durch die effektive Anzahl N_eff an Spitzen bzw. Peaks im Ordnungsspektrum geteilt werden. Die effektive Peak-Anzahl N_eff dient somit Normierungszwecken der primären Fingerprints IF₃ und IF₄, stellt an sich jedoch kein Kriterium für die akustische Güte dar. Here the summation extends over all detected peaks or peaks. Advantageously, in particular the fingerprint values IF ₃ and IF _{4 can be divided} by the effective number N _eff of peaks or peaks in the order spectrum. The effective peak number N _eff is thus used for normalization purposes of the primary fingerprints IF ₃ and IF ₄ , but in itself is not a criterion for the acoustic quality.

Die Fingerprint-Werte der einzelnen möglichen Verursacherquellen können mit Referenzwerten verglichen werden. Entsprechende Referenzwerte können beispielsweise in der Datenbank hinterlegt werden und der Vergleich mit den Fingerprint-Werten kann mittels einer dazu geeigneten Steuereinheit erfolgen. Hieraus ergeben sich Indikatoren für den Gesundheitszustand der rotierenden Maschinenelemente und gegebenenfalls Hinweise zu einer Wartung der Maschine bzw. der entsprechenden Maschinenelemente. The fingerprint values of the individual possible sources of cause can be compared with reference values. Corresponding reference values can be stored in the database, for example, and the comparison with the fingerprint values can take place by means of a suitable control unit. This results in indicators for the state of health of the rotating machine elements and, if necessary, information on maintenance of the machine or the corresponding machine elements.

Ein weiterer Aspekt der Erfindung betrifft ein System zur Ausführung des vorstehend beschriebenen erfindungsgemäßen Verfahrens. Das System umfasst insbesondere eine Datenbank, innerhalb welcher die vorstehend beschriebenen kinematischen Modelle hinterlegt sind. Weiterhin umfasst das System Mittel zum Erfassen der vorstehend beschriebenen akustischen Intensitätswerte und eine Steuerungseinheit, welche dazu eingerichtet ist, die vorstehend beschriebenen akustischen Hintergrund-Intensitätswerte zu ermitteln und die Hintergrund-Intensitätswerte mit den Mess-Intensitätswerten für jede gemeinsame Ordnung zu vergleichen und die Spitzen, die naheliegenden Ordnungspositionen, die Likelihood-Wahrscheinlichkeit sowie die Verursacher-Wahrscheinlichkeit wie vorstehend beschrieben zu ermitteln. Another aspect of the invention relates to a system for carrying out the method according to the invention described above. In particular, the system comprises a database within which the kinematic models described above are stored. Furthermore, the system comprises means for detecting the above-described acoustic intensity values and a control unit which is arranged to determine the background acoustic intensity values described above and to compare the background intensity values with the measured intensity values for each common order and the peaks, the nearby order positions, the likelihood probability and the causer probability as described above determine.

Die Steuerungseinheit kann insbesondere dazu eingerichtet sein, die Likelihood-Wahrscheinlichkeit anhand einer Gauß- oder Lorentz-Cauchy-Kurve zu ermitteln, die ermittelte Likelihood-Wahrscheinlichkeit nach dem Satz von Bayes mit einer A-priori-Wahrscheinlichkeit wie vorstehend beschrieben zu multiplizieren, um nach einer geeigneten Normierung eine Verursacher-Wahrscheinlichkeit zu erhalten, und für jede mögliche Verursacherquelle einen Fingerprint-Wert wie vorstehend beschrieben zu bilden. Bezüglich weiterer Effekte, Vorteile und vorteilhafter Ausführungsformen wird zur Vermeidung von Wiederholungen auf die vorstehenden Ausführungen im Zusammenhang mit dem erfindungsgemäßen Verfahren verwiesen. In particular, the control unit can be set up to determine the likelihood probability based on a Gaussian or Lorentz-Cauchy curve, to multiply the determined likelihood probability according to the Bayes' set by an a priori probability as described above an appropriate normalization to obtain a causer probability, and for each possible source of causation to form a fingerprint value as described above. With regard to further effects, advantages and advantageous embodiments, reference is made to the above statements in connection with the method according to the invention in order to avoid repetition.

Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schematischen Zeichnung näher erläutert. Hierbei zeigt Embodiments of the invention are explained in more detail below with reference to the schematic drawing. This shows

1 ein Ordnungsspektrum mit erfassten akustischen Intensitätswerten und akustischen Hintergrund-Intensitätswerten eines Grundrauschens, 1 an order spectrum having detected acoustic intensity values and background acoustic intensity values of a noise floor;

2 einen vergrößerten Ausschnitt aus dem Ordnungsspektrum nach 1 mit einer Gauß-Charakterisierung einer Spitze bzw. Peaks und 2 an enlarged section of the order spectrum after 1 with a Gaussian characterization of a peak or peaks and

3 ein Diagramm mit ermittelten Fingerprint-Werten aller in Betracht gezogenen möglichen Verursacherquellen für eine akustische Auffälligkeit. 3 a graph with determined fingerprint values of all considered possible sources of cause for an acoustic conspicuity.

1 zeigt ein Ordnungsspektrum, wobei auf der horizontalen Achse Ordnungen („Order (HS)“) von 31,95 bis 32,2 und auf der vertikalen Achse in logarithmischer Darstellung normierte Intensitätswerte („Intensity (a.u.)“) in einem Bereich von 10 bis 10⁴ aufgetragen sind. 1 shows an order spectrum, with orders (HS) of 31.95 to 32.2 on the horizontal axis and intensity values ("Intensity (au)") normalized on the vertical axis in a logarithmic representation in a range of 10 to 10 ^{4 are} applied.

In dem Ordnungsspektrum sind zuvor erfasste akustische Mess-Intensitätswerte einer rotationssynchronen Geräuschquelle in Form eines Getriebes dargestellt, wobei aus den einzelnen Mess-Intensitätswerte durch Verbindungslinien ein Spektrum 1 gebildet wird (in 2 sind die Verbindungslinien nicht dargestellt). Weiterhin sind in dem Ordnungsspektrum akustische Hintergrund-Intensitätswerte eines Grundrauschens des Getriebes dargestellt, wobei aus den einzelnen Hintergrund-Intensitätswerten durch Verbindungslinien ein Background 2 gebildet wird. Die Verbindungslinien dienen zur besseren visuellen Darstellung der Datenpunkte und haben darüber hinaus keinen Einfluss auf das Verfahren oder Ergebnis des Verfahrens. Die akustischen Hintergrund-Intensitätswerte werden als algorithmischer Bestandteil des Verfahrens aus den Mess-Intensitätswerten des vorliegenden Ordnungsspektrums bestimmt. In der Datenbank wurde weiterhin jeweils ein kinematisches Modell von einer Vielzahl in Betracht gezogenen möglichen Verursacherquellen von akustischen Auffälligkeiten für den dargestellten Ordnungsbereich hinterlegt, wobei jedes kinematische Modell Werte einer Basisordnung x_Basis und einer Modulationsordnung x_Modulation umfasst. In the order spectrum, previously acquired acoustic measurement intensity values of a rotation-synchronous noise source in the form of a transmission are represented, wherein a spectrum is determined from the individual measurement intensity values by connecting lines 1 is formed (in 2 the connecting lines are not shown). Furthermore, in the order spectrum, acoustic background intensity values of a background noise of the transmission are shown, wherein a background is formed from the individual background intensity values by connecting lines 2 is formed. The connecting lines serve to better visualize the data points and, moreover, have no influence on the method or result of the method. The background acoustic intensity values are determined as an algorithmic component of the method from the measured intensity values of the present order spectrum. In the database, a kinematic model of a large number of possible sources of acoustic conspicuities for the illustrated order range has also been deposited, each kinematic model comprising values of a basic order x _basis and a modulation order x _modulation .

Mittels einer Steuerungseinheit wird für jede durch das Ordnungsspektrum gezeigte Ordnung der Hintergrund-Intensitätswert mit dem Mess-Intensitätswert verglichen. Wird bei diesen Vergleichen festgestellt, dass das Verhältnis zwischen Mess-Intensitätswert und Hintergrund-Intensitätswert bei einer gemeinsamen Ordnung einen festgelegten Grenzwert überschreitet, so wird der betreffende Mess-Intensitätswert als Bestandteil einer Spitze bzw. eines Peaks (akustische Auffälligkeit) kategorisiert. In dem gezeigten Beispiel erfüllen die Messpunkte mit den Bezugszeichen 3r, 3m und 3l sowie den Bezugszeichen 4m und 5m dieses Kriterium und sind Bestandteil der Spitzen 3, 4 und 5. Zusätzlich werden diese zusammenhängenden spitzenbildenden Messpunkte durch Messpunkte mit jeweils nächstehöherliegenden Ordnung („rechten Nachbar“) 3rr, 4r, 5r und nächstniedrigerliegenden Ordnung („linken Nachbar“) 3ll, 4l und 5l ergänzt. By means of a control unit, the background intensity value is compared with the measured intensity value for each order shown by the order spectrum. If it is found in these comparisons that the ratio between the measured intensity value and the background intensity value exceeds a fixed limit in the case of a common order, then the relevant measured intensity value is categorized as part of a peak or a peak (audible conspicuousness). In the example shown, the measuring points comply with the reference numbers 3r . 3m and 3l and the reference numerals 4m and 5 m this criterion and are part of the tips 3 . 4 and 5 , In addition, these contiguous point-forming measuring points are determined by measuring points each having the next closest order ("right neighbor"). 3RR . 4r . 5r and next lower order ("left neighbor") 3LL . 4l and 5l added.

Die Messpunkte 3rr, 3ll erfüllen das Schwellwert-Kriterium nicht, werden jedoch nachträglich mit dem Peak 3 assoziiert. Das gleiche gilt für die Messpunkte 4r, 4l, 5r und 5l. Der Peak 3 ist ein relativ breiter Peak, welcher von drei sich aus dem Grundrauschen abhebenden Messpunkten 3m, 3r, 3l und seinen unmittelbar benachbarten rechten und linken Messpunkten 3rr und 3ll gebildet wird. Hingegen sind die Peaks 4 und 5 schmälere Peaks, welche nur durch einen einzelnen Messpunkt 4m bzw. 5m oberhalb des Schwellwertes detektiert werden. The measuring points 3RR . 3LL do not meet the threshold criterion, but will be retrofitted with the peak 3 associated. The same applies to the measuring points 4r . 4l . 5r and 5l , The peak 3 is a relatively broad peak, which is one of three measuring points which are distinguished from the background noise 3m . 3r . 3l and its immediately adjacent right and left measurement points 3RR and 3LL is formed. On the other hand, the peaks 4 and 5 narrower peaks, which only by a single measuring point 4m respectively. 5 m be detected above the threshold.

Die ermittelten Spitzen 3, 4 und 5 wurden mittels der Steuerungseinheit nach einer Gauß-Normalverteilung gemäß der folgenden Formel hinsichtlich ihrer Position, Breite und Intensität charakterisiert:

The determined tips 3 . 4 and 5 were characterized by the control unit according to a Gaussian normal distribution according to the following formula in terms of their position, width and intensity:

Hierbei sind:

I_P: ein Intensitäts-Spitzenwert (Peak-Intensität),
σ_p: die Standardabweichung,
x_DB: eine berechnete naheliegende Ordnungsposition und
x_p: der Erwartungswert.

Here are:

I _P: an intensity peak (peak intensity),
σ _p: the standard deviation,
x _DB: a calculated obvious order position and
x _p: the expected value.

Die Wahrscheinlichkeitsfunktion wurde dabei anhand der das Schwellwert-Kriterium erfüllenden Messwerte 3m, 3r, 3l, 4m bzw. 5m der jeweiligen Spitze 3, 4 bzw. 5 sowie eines unmittelbar benachbarten Intensitätswerts einer höheren Ordnung 3rr, 4r bzw. 5r und eines unmittelbar benachbarten Intensitätswerts einer niedrigeren Ordnung 3ll, 4l bzw. 5l charakterisiert. Bei einer derartigen Gauß-Funktion ergeben sich der Erwartungswert x_p und die Standardabweichung σ_p aus dem ermittelten Intensitäts-Spitzenwert 3, 4 bzw. 5 und den zu ihm unmittelbar benachbarten Intensitätswerten 3rr, 3ll; 4r, 4l bzw. 5r, 5l. Die Peak-Intensität ergibt sich aus der Anpassung eines Gauß-Profils an die ermittelten Punktgruppen 3m, 3r, 3rr, 3l, 3ll; 4m, 4r, 4l bzw. 5m, 5r, 5l eines Peaks 3, 4 bzw. 5. Die Peak-Position sowie die Peak-Breite werden unabhängig von der Peak-Intensität mittels der ersten beiden Momente der Peak-Verteilung geschätzt. Wird der Peak alternativ durch ein Lorentz-Cauchy-Profil charakterisiert, so wird zur Bestimmung der Peak-Breite ein geringfügig anderes Verfahren gewählt. The probability function was based on the threshold value criterion 3m . 3r . 3l . 4m respectively. 5 m the respective tip 3 . 4 respectively. 5 and an immediately adjacent higher order intensity value 3RR . 4r respectively. 5r and an immediately adjacent intensity value of a lower order 3LL . 4l respectively. 5l characterized. In such a Gaussian function, the expected value x _p and the standard deviation σ _p result from the determined intensity peak value 3 . 4 respectively. 5 and the intensity values immediately adjacent to it 3RR . 3LL ; 4r . 4l respectively. 5r . 5l , The peak intensity results from the adaptation of a Gaussian profile to the determined point groups 3m . 3r . 3RR . 3l . 3LL ; 4m . 4r . 4l respectively. 5 m . 5r . 5l a peak 3 . 4 respectively. 5 , The peak position and the peak width are estimated independently of the peak intensity by the first two moments of the peak distribution. Alternatively, if the peak is characterized by a Lorentz-Cauchy profile, a slightly different method is used to determine the peak width.

Es schließt sich eine Interpretation der Spitzen bzw. Peaks an. Dabei wird für jeden der drei ermittelten Spitzen 3, 4 und 5 sowie für jede mögliche Verursacherquelle mittels der Steuerungseinheit eine naheliegende Ordnungsposition x_DB ermittelt. Die Berechnung der einzelnen naheliegenden Ordnungspositionen erfolgt dabei gemäß der folgenden Formel: x_DB = nx_Basis + zx_Modulation This is followed by an interpretation of the peaks or peaks. This is for each of the three peaks determined 3 . 4 and 5 as well as for each possible source of causative agent by means of the control unit a nearby order position x _DB determined. The calculation of the individual obvious order positions is done according to the following formula: x _DB = nx _base + zx _modulation

Hierbei sind n ein Basisordnungs-Faktor (ganzzahlig, echt positiv; 1, 2, 3, 4, 5, ...) und z ein Modulationsordnungs-Faktor (ganzzahlig; ..., –3, –2, –1, 0, 1, 2, 3, ...). Der Basisordnungs-Faktor n und der Modulations-Faktor z werden dabei jeweils derart gewählt, dass die naheliegende Ordnungsposition x_DB der Ordnung der jeweiligen Spitze 3, 4 bzw. 5 so nah wie möglich kommt. Where n is a base order factor (integer, true positive, 1, 2, 3, 4, 5, ...) and z is a modulation order factor (integer; ..., -3, -2, -1, 0 , 1, 2, 3, ...). The base order factor n and the modulation factor z are in each case selected such that the obvious order position x _{DB of} the order of the respective peak 3 . 4 respectively. 5 as close as possible.

Die Peak-Position und die Position einer möglichen Verursacherquelle sind Ausgangspunkt zur Berechnung der Likelihood-Wahrscheinlichkeit für eine potentielle Verursacherquelle. The peak position and the location of a possible source of causation are the starting point for calculating the likelihood probability for a potential source of causation.

Für jeden der Spitzen 3, 4 und 5 sowie für jede der möglichen Verursacherquellen wird mittels der Steuerungseinheit eine Likelihood-Wahrscheinlichkeit P_Likelihood anhand der folgenden Formel berechnet:

For each of the tips 3 . 4 and 5 and for each of the possible sources of cause, a likelihood probability P _{likelihood is} calculated by means of the control unit using the following formula:

Zusätzlich können die Ergebnisse der Peak-Charakterisierung graphisch dargestellt werden. In addition, the results of the peak characterization can be graphically displayed.

2 zeigt die Peak-Charakterisierung mit Hilfe einer Gauß-Kurve bzw. Gauß-Anpassung 6 für die Spitze 3. Innerhalb der Gauß-Anpassung 6 sind weiterhin drei senkrechte Ordnungslinien 7, 8 und 9 dargestellt, welche an drei berechneten naheliegenden Ordnungspositionen x_DB angeordnet sind. 2 shows the peak characterization using a Gaussian or Gaussian fit 6 for the top 3 , Within the Gauss adaptation 6 are still three vertical order lines 7 . 8th and 9 which are arranged at three calculated nearby order positions x _DB .

Jede berechnete Likelihood-Wahrscheinlichkeit P_Likelihood wird nach dem Satz von Bayes mit einem A-priori-Wert P_Prior multipliziert und normiert, um eine Verursacher-Wahrscheinlichkeit P_Posterior zu erhalten, wobei der A-priori-Wert P_Prior z.B. umgekehrt proportional zu dem Quadrat des Basisordnungs-Faktors n sein kann. Diejenige mögliche Verursacherquelle mit der höchsten Verursacher-Wahrscheinlichkeit P_Posterior wird durch die Steuerungseinheit als die mögliche Verursacherquelle bewertet, welche den größten Anteil an dem Zustandekommen der akustischen Auffälligkeit in Form der Spitze 3, 4 bzw. 5 hat. Each calculated likelihood probability P _likelihood is multiplied by the a priori value P _Prior according to the set of Bayes and normalized to obtain a causer probability P _Posterior , the a priori value P _Prior eg being inversely proportional to that Square of the base order factor n. The possible causer source with the highest causer probability P _posterior is rated by the control unit as the possible source of causation, which accounts for the largest part of the occurrence of the peak conspicuousness 3 . 4 respectively. 5 Has.

Darüber hinaus wird mittels der Steuerungseinheit für jede mögliche Verursacherquelle ein Fingerprint-Intensitätswert I_F3 anhand der folgenden Formel berechnet:

In addition, by means of the control unit, a fingerprint intensity value I _{F3 is} calculated for each possible source of _source using the following formula:

Dabei stellt P_Peak eine Peak-Wahrscheinlichkeit dar, welche angibt, mit welcher Wahrscheinlichkeit es sich bei einer ermittelten Spitze 3, 4 oder 5 auch statistisch um eine Spitze handelt. In this case, P _{Peak represents} a peak probability, which indicates the probability with which a determined peak 3 . 4 or 5 also statistically about a tip.

3 zeigt für eine rotationssynchrone Geräuschquelle in Form eines weiteren Getriebes berechnete Fingerprint-Werte I_F3 für insgesamt 48 mögliche Verursacherquellen gemäß den laufenden Nummern 0 bis 47, welche auf der horizontalen Achse abgetragen sind. Beispielsweise können die laufenden Nummern 0 bis 10 Stirnrädern von Planetenstufen, die laufenden Nummern 11 bis 40 Lager und die laufenden Nummern 41 bis 47 Wellen des Getriebes repräsentieren. Auf der vertikalen Achse sind in logarithmischer Darstellung normierte Intensitätswerte in einem Bereich von 10 bis 10⁴ aufgetragen. 3 shows for a rotationally synchronous noise source in the form of another transmission calculated fingerprint values I _F3 for a total of 48 possible sources of cause according to the serial numbers 0 to 47, which are plotted on the horizontal axis. For example, the serial numbers represent 0 to 10 spur gears of planetary stages, the serial numbers 11 to 40 bearings and the serial numbers 41 to 47 shafts of the transmission. Normalized intensity values in a range from 10 to 10 ^{4 are} plotted in a logarithmic representation on the vertical axis.

Aus den einzelnen Fingerprint-Werten wird durch Verbindungslinien ein erster Graph 10 und ein zweiter Graph 11 gebildet. Der erste Graph 10 beschreibt einen Verlauf von Fingerprint-Werten vor einer Umrüstung des Getriebes und der zweite Graph beschreibt einen Verlauf von Fingerprint-Werten nach der Umrüstung des Getriebes. Aus den beiden Graphen 12 und 13 lässt sich die Veränderung der Fingerprint-Werte für jede mögliche Verursacherquelle erkennen. Z.B. lässt sich deutlich erkennen, dass der Fingerprint-Wert der möglichen Verursacherquelle mit der Nummer 27 durch den Umbau deutlich gesenkt worden ist. From the individual fingerprint values, connecting lines become a first graph 10 and a second graph 11 educated. The first graph 10 describes a progression of fingerprint values before retrofitting the transmission and the second graph describes a progression of fingerprint values after the transmission has been retrofitted. From the two graphs 12 and 13 The change of the fingerprint values can be recognized for every possible source of causation. For example, it can be clearly seen that the fingerprint value of the possible source of source number 27 has been significantly reduced by the conversion.

BezugszeichenlisteLIST OF REFERENCE NUMBERS

1 1: Spektrum spectrum
2 2: Background background
3, 4, 5 3, 4, 5: Spitzen sharpen
3m, 3r, 3l, 4m, 5m 3m, 3r, 3l, 4m, 5m: das Schwellwert-Kriterium erfüllende Messwerte the threshold criterion fulfilling measured values
3rr, 4r, 5r 3rr, 4r, 5r: rechte Nachbarn der das Schwellwert-Kriterium erfüllenden Messwerte right neighbors of the threshold values fulfilling measured values
3ll, 4l, 5l 3ll, 4l, 5l: linke Nachbarn der das Schwellwert-Kriterium erfüllenden Messwerte left neighbors of the threshold value fulfilling measured values
6 6: Gauß-Anpassung Gauss fit
7, 8, 9 7, 8, 9: Ordnungslinien fine lines
10 10: erster Graph first graph
11 11: zweiter Graph second graph

Claims

Method for the automatic allocation of possible sources of cause for an acoustic conspicuousness ( 3 . 4 . 5 a rotationally synchronous noise source, the method comprising: depositing a respective kinematic model of each possible source of causation for the order domain in the database, each kinematic model comprising values of a basic order and a modulation order, detecting acoustic measurement intensity values of the rotationally synchronous noise source in the database order domain to be investigated, - determination of background acoustic intensity values of background noise of the noise source for the order domain to be examined, - comparison of the background intensity values with the measurement intensity values for each common order, - determination of peaks ( 3 . 4 . 5 ) in which the ratio between the measured intensity value and the background intensity value exceeds a fixed limit in the case of a common order, - determination of an obvious order position for each peak ( 3 . 4 . 5 ) and for each possible source of source, where each proximate order position is a sum of the base order multiplied by an integer, true positive base order factor and the modulation order multiplied by an integer modulation order factor, and wherein the base order factor and the modulation order factor are each chosen such that the obvious order position of the order of the respective peak ( 3 . 4 . 5 ) - finding a likelihood probability for each peak ( 3 . 4 . 5 ) and for each possible source of pollutants using the tips ( 3 . 4 . 5 ) and the obvious order positions, and - Determining a causer probability by normalizing a product from the determined likelihood probability with an a-priori probability.

The method of claim 1, wherein the likelihood probability is determined using a Gaussian curve or a Lorentz-Cauchy curve.

The method of claim 1 or 2, wherein the a priori probability is inversely proportional to the square of the base order factor of the respective possible source of causation.

Method according to one of the preceding claims, wherein the a-priori probability is proportional to a main order of the respective possible cause source.

Method according to one of the preceding claims, wherein the a-priori probability is inversely proportional to a maximum possible number of order lines of the respective possible source of cause in the spectrum.

Method according to one of the preceding claims, wherein for each possible source of causation a fingerprint value is formed which is proportional to a sum of a product of a peak intensity and the causer probability of the respective possible source of causation.

System for carrying out the method according to one of the preceding claims, the system comprising: a database, within which the kinematic models according to claim 1 are stored, means for recording the acoustic intensity values according to claim 1, a control unit, which is set up, calculate the background intensity values of claim 1 and compare them with the measured intensity values for each common order and the peaks ( 3 . 4 . 5 ), the obvious order positions, the likelihood probabilities and the causer probability according to claim 1.

A system according to claim 7, wherein the control unit is adapted to form a fingerprint value according to claim 6 for each possible polluter source.