A Residual Neural Network Framework for Rotating Sound Source Localization

Stellen Sie sich vor, Sie versuchen, eine einzelne Stimme in einem überfüllten Raum zu hören, in dem sich alle um Sie herumdrehen. Die Schallwellen, die Ihre Ohren erreichen, verändern ständig ihre Tonhöhe und zeitliche Abfolge, was ein chaotisches Durcheinander erzeugt, das es nahezu unmöglich macht, genau zu bestimmen, wer spricht. Dies ist die grundlegende Herausforderung, der Ingenieure gegenüberstehen, wenn sie versuchen, die Geräuschquelle rotierender Maschinen zu lokalisieren, wie etwa die Blätter einer Windkraftanlage oder die Ventilatoren in einem Strahltriebwerk. Jahrzehntelang haben Wissenschaftler Mikrofon-Arrays verwendet, um diese Klänge einzufangen und zu kartieren, woher sie kommen. Wenn die Schallquelle jedoch rotiert, erzeugt die Bewegung ein Phänomen, das als Doppler-Effekt bekannt ist, welcher die Schallwellen verzerrt, ähnlich wie sich die Tonhöhe einer Sirene ändert, während ein Krankenwagen an einem vorbeifährt. Traditionelle Methoden, um diese Verzerrung zu entwirren, sind oft langsam, rechenintensiv und anfällig dafür, „Geister-Signale“ zu erzeugen – Fehlalarme, die suggerieren, dass eine Geräuschquelle existiert, wo in Wirklichkeit gar keine ist.

Ein Team von Forschern der Shanghai Jiao Tong University und der AECC Commercial Aircraft Engine Co., Ltd. hat einen neuen Ansatz entwickelt, um dieses Problem zu lösen, indem sie einem Computer beibrachten, die Muster von Rotationsgeräuschen direkt zu erkennen. Anstatt sich auf komplexe mathematische Formeln zu verlassen, um die Rotationsbewegung manuell zu korrigieren, trainierten sie eine Art von künstlicher Intelligenz, ein Residual Neural Network oder ResNet, um die Rohdaten der Mikrofone zu analysieren und den wahren Ort des Schalls sofort zu identifizieren. In einer Reihe detaillierter Computersimulationen erwies sich dieses neue System als bemerkenswert effektiv. Es konnte rotierende Schallquellen mit einer Genauigkeit von bis zu 98,83 Prozent lokalisieren, selbst wenn der Lärm von mehreren rotierenden Punkten gleichzeitig ausging. Vielleicht am beeindruckendsten ist, dass das System diese Entscheidungen in weniger als 50 Millisekunden traf – eine Geschwindigkeit, die um Größenordnungen schneller ist als die derzeit verwendeten konventionellen Methoden, die für die Verarbeitung derselben Informationen mehrere Sekunden benötigen können.

Der Kern dieser Innovation liegt darin, wie die Forscher die Daten für den Computer vorbereitet haben. In der Standard-Schallanalyse verwenden Wissenschaftler oft ein mathematisches Werkzeug namens Kreuzspektralmatrix, das wie eine Karte fungiert, die beschreibt, wie die Schallwellen von verschiedenen Mikrofonen zueinander in Beziehung stehen. Für stationäre Objekte ist diese Karte klar und leicht zu lesen. Aber für rotierende Objekte wird die Karte durch den Doppler-Effekt durcheinandergebracht, was es schwieriger macht, mit traditionellen Algorithmen echte Quellen vom Rauschen zu unterscheiden. Die Forscher erkannten, dass eine spezifische Technik, bekannt als Mode Composition Beamforming, diese durcheinandergebrachten Daten in ein Format reorganisieren kann, das die wesentlichen räumlichen Informationen bewahrt und gleichzeitig die Rotation berücksichtigt. Sie speisten diese reorganisierten Daten in ihr neuronales Netzwerk ein, das mit einer speziellen Struktur entworfen wurde, die es dem System ermöglicht, tiefe, komplexe Muster zu lernen, ohne verwirrt zu werden oder den Faden zu verlieren – ein häufiges Problem beim Training sehr großer Computermodelle.

Um ihr System zu testen, erstellte das Team tausende simulierte Szenarien mit rotierenden Schallquellen mit variierenden Geschwindigkeiten, Frequenzen und Intensitäten. Sie verwendeten ein Mikrofon-Array, das aus 16 kreisförmig angeordneten Mikrofonen besteht, ein Aufbau, der die in der industriellen Praxis eingesetzte Ausrüstung imitiert. Die Simulationen deckten ein breites Spektrum an Bedingungen ab, einschließlich Quellen, die mit Geschwindigkeiten zwischen 500 und 2500 Umdrehungen pro Minute rotieren und Töne im Hochfrequenzbereich von 4500 bis 5000 Hertz aussenden. Die Forscher testeten das System auch unter verschiedenen geometrischen Anordnungen, wobei sie das Mikrofon-Array sowohl parallel als auch senkrecht zur Ebene der rotierenden Quelle platzierten. In jedem Fall war das neuronale Netzwerk in der Lage, die korrekte Anzahl der Schallquellen und deren präzise Positionen zu identifizieren, indem es die Fehlersignale effektiv herausfilterte, die ältere Methoden plagen.

Eines der bedeutendsten Ergebnisse war die Fähigkeit des Systems, „Geisterbeiträge“ zu eliminieren. Beim traditionellen Beamforming erzeugt die durch Rotation verursachte Verzerrung oft Phantombilder von Schallquellen bei Frequenzen, die gar nicht existieren. Diese Geister können Ingenieure dazu verleiten, zu glauben, dass mehrere Lärmprobleme vorliegen, obwohl es nur eines gibt, oder sie können den wahren Ort eines kritischen Fehlers verdecken. Das neue ResNet-basierte Framework lernte jedoch, diese Artefakte vollständig zu ignorieren. In Tests, bei denen das System mit bis zu sechs verschiedenen rotierenden Quellen konfrontiert wurde, identifizierte es alle korrekt, ohne ein einziges falsch positives Signal zu generieren. Diese Präzision ist entscheidend für Anwendungen wie die Diagnose von Fehlern in Flugtriebwerken, bei denen die Identifizierung der exakten Geräuschquelle katastrophale Ausfälle verhindern kann.

Die Geschwindigkeit der neuen Methode bietet einen weiteren großen Vorteil für die praktische Anwendung. Während die traditionelle Zeitbereichsmethode namens ROSI mehr als vier Sekunden für die Analyse eines einzelnen Falls benötigen kann und die Frequenzbereichsmethode MCB über 800 Millisekunden benötigt, liefert das neuronale Netz seine Antwort in weniger als 50 Millisekunden. Diese drastische Reduzierung der Verarbeitungszeit bedeutet, dass das System schließlich für das Echtzeit-Monitoring eingesetzt werden könnte, was es Ingenieuren ermöglicht, den Zustand einer Maschine während des Betriebs zu überwachen, anstatt auf eine verzögerte Analyse zu warten. Die Forscher merkten an, dass das System am besten funktioniert, wenn die Mikrofonkonfiguration mit derjenigen übereinstimmt, mit der es trainiert wurde, und dass die Erzeugung der massiven Menge an Trainingsdaten, die für die Simulationen erforderlich war, beträchtliche Zeit und Rechenleistung beanspruchte. Sobald das Modell jedoch trainiert ist, arbeitet es mit einer Konsistenz und Geschwindigkeit, die eine manuelle Berechnung nicht erreichen kann.

Die Studie hob auch die Grenzen aktueller Ansätze und die spezifischen Stärken dieses neuen Frameworks hervor. Die Forscher fanden heraus, dass es nicht immer zu besseren Ergebnissen führt, das neuronale Netz einfach nur tiefer oder komplexer zu machen; tatsächlich schnitt ein komplexeres Modell bei unzureichenden Trainingsdaten schlechter ab als ein einfacheres. Dies deutet darauf darauf hin, dass die Qualität und Quantität der Trainingsdaten genauso wichtig sind wie die Architektur des Netzwerks selbst. Darüber hinaus stellten die Forscher fest, dass das System zwar in den getesteten simulierten Umgebungen hervorragend funktioniert, reale Bedingungen wie unvorhersehbare Hintergrundgeräusche oder unterschiedliche physische Setups jedoch weitere Anpassungen erfordern würden. Sie schlugen vor, dass zukünftige Arbeiten darin bestehen könnten, simulierte Daten mit realen experimentellen Daten zu kombinieren, um das System robuster und anpassungsfähiger an die unordentliche Realität industrieller Umgebungen zu machen.

Letztendlich stellt diese Forschung einen Wandel dar, wie Ingenieure das Problem des rotierenden Schalls angehen. Indem sie sich von starren mathematischen Korrekturen weg und hin zu einem datengesteuerten Lernansatz bewegen, haben die Forscher demonstriert, dass es möglich ist, die Verzerrung rotierender Maschinen mit beispielloser Klarheit zu durchschauen. Die Fähigkeit, Schallquellen mit nahezu perfekter Treue zu lokalisieren, unter Verwendung eines Standard-Arrays aus 16 Mikrofonen und ohne die genauen physikalischen Eigenschaften des Pfades des Schalls kennen zu müssen, eröffnet neue Wege für die Lärmkontrolle und die mechanische Diagnostik. Wenn sich diese Technologie weiterentwickelt, verspricht sie, die Art und Weise zu transformieren, wie wir den Maschinen lauschen, die unsere Welt antreiben, indem sie einen chaotischen Wirbel aus Schall in eine klare, handlungsrelevante Karte verwandelt, die zeigt, woher das Geräusch kommt.