基于声源的飞机结构损伤定位系统设计与实现

摘要：文章设计并实现了一种基于声源的飞机结构损伤定位系统，利用麦克风阵列和改进的定位算法，实现对飞机结构损伤的实时检测和精确定位。实验结果表明，该系统在90度和270度测试角度下，定位精度和稳定性显著提高。

关键词：声源定位；飞机结构损伤；麦克风阵列；卡尔曼滤波；损伤检测

中图分类号：TP393 文献标识码：A文章编号：1009-3044（2025）06-0117-03 开放科学（资源服务）标识码（OSID）：

0 引言

在飞机强度实验中，结构损伤定位是确保飞行安全和结构可靠性的关键技术。飞机在服役期间受振动、冲击和疲劳等复杂载荷作用，容易产生裂纹、老化或松动等结构损伤。如果无法及时发现和定位这些损伤，不仅可能导致结构失效，还可能引发严重的飞行事故。通过损伤定位技术，不仅能早期识别和修复受损部位，避免隐患扩大，还能通过监测损伤位置与演化规律验证设计合理性，为材料选型、构件优化及剩余寿命评估提供科学依据，从而兼顾安全性和经济性[1-2]。然而，传统检测方法如超声、X射线和红外热成像技术存在效率低、设备复杂、成本高昂等问题，尤其在面对复杂几何结构或早期微小损伤时表现不足，无法满足现代飞机对实时监测和高效检测的需求。

声源定位技术通过阵列麦克风采集损伤产生的声波信号，结合时间差估计和信号处理算法，可精准定位声源位置[3-4]。例如，将该技术应用于复合材料板声源定位与损伤识别[5]。其非接触式特点使其特别适合复杂的飞机结构环境，能够实时监测并快速响应，有效提高检测灵敏度和覆盖范围。相比传统方法，该技术显著降低维护成本，优化维修计划，并为飞机运行中的早期损伤发现提供可靠保障，展现出广泛的应用潜力。

本研究提出了一种基于声源定位的飞机结构损伤检测方法，开发了信号处理算法以增强检测灵敏度，并验证了技术在环境中的实时性与稳定性。研究成果不仅提升了损伤定位的精度和效率，还为维修计划优化和成本降低提供了技术支持，为飞机结构损伤检测提供了一条高效、经济的新途径。

1 基于声源的结构损伤定位

飞机结构在发生损伤时，例如裂纹扩展或疲劳失效，往往会释放出一种特殊的高频声波信号。该信号被称为声发射，是材料内部应力集中引发的能量释放现象。通过捕捉和分析这些高频声发射信号，可以识别损伤发生的位置和发展程度，从而实现对结构健康状况的监测。

采用Sipeed K210平台和麦克风阵列构建的结构损伤声源信息获取系统，具备高性能处理能力和实时性，能够精准捕捉飞机结构损伤过程中产生的高频声波，并通过先进的定位算法确定声源的空间位置。K210平台内置双核64位RISC-V处理器，主频高达400 MHz，具备高达0.5 TOPS的算力，特别适合边缘计算和低功耗应用场景。内置的I2S接口为麦克风阵列提供了稳定的数据传输通道。该平台还支持多种开发工具，便于快速开发和部署声源定位系统。

麦克风阵列的设计是系统性能的关键。阵列由七个麦克风以环形或对称分布的几何结构布置，阵列间距与高频声波波长相匹配，优化了方向性和空间分辨能力。环形几何布局能够有效减少声波衍射引起的误差，提高声源定位的准确性。此外，麦克风阵列还具备高信噪比和宽频带特性，能够清晰捕捉高频损伤声波信号，降低环境噪声的干扰。I2S接口将麦克风采集的多通道信号传输至K210平台，利用其强大的信号处理能力实时完成滤波、特征提取和声源定位算法的计算。

整体系统通过K210平台的高效处理能力与麦克风阵列的精准信号采集相结合，实现了实时性与高精度的统一。其稳定的硬件接口和优化的几何布局，为飞机结构损伤的实时监测提供了可靠、精准的数据支持。这种设计不仅满足了复杂结构环境下的应用需求，还具有低功耗和高集成度的优势，为后续扩展开发提供了广阔空间。

结构损伤声源信息获取以及位置角度计算方法如下。

def get_structural_damage_direction（）：

X=0 #初始化X轴角度

Y=0 #初始化Y轴角度

Angle=0 #初始化定位角度

AngleCorrect=0 #初始化角度修正参数

imga = mic.get_map（） # 采集声音源数据

2 结构损伤定位优化

由于单次结构声源定位的声音数据采样容易受到环境噪声和设备精度的限制，导致声源定位结果存在一定误差，因此设计并引入滤波算法是提高定位精度的关键。本文提出了一种简单而有效的均值滤波算法，通过剔除异常值并计算剩余数据的平均值来提升测量的可靠性和精度。该算法的主要原理是首先基于多次测量值（如20次）构成一个数据数组，然后剔除数组中的最大值和最小值，减少由环境噪声和极端值引起的偏差。最后，对剩余的测量值进行算术平均计算，得出当前测量的最终角度值。这一过程有效过滤了数据中的噪声干扰，增强了定位结果的稳定性。

在参数选择方面，算法使用20次测量作为数组长度，主要基于对噪声分布的统计分析，这个值既能覆盖正常波动，又能保证计算的实时性。同时，仅剔除1个最大值和1个最小值，避免了过多剔除可能导致有用信息的损失。此外，剩余测量值直接取算术平均的方式简单高效，避免了复杂权重模型带来的计算开销，从而实现了实时性与可靠性的平衡。

为进一步提高测量的平滑性和动态精度，针对均值滤波算法的输出数据，采用卡尔曼滤波算法对角度进行优化处理。卡尔曼滤波能够有效处理包含噪声的测量数据，通过递归估计最优的系统状态，进而提供结构损伤定位的精度。其核心包括预测和更新两个阶段：在预测阶段，通过上一时刻的后验状态估计值和协方差，计算当前时刻的先验状态估计值和协方差；在更新阶段，通过计算卡尔曼增益，将测量值与预测值加权融合，得到后验状态估计值，并更新协方差以反映估计不确定性。参数设置对滤波性能至关重要，其中过程噪声Q表示系统模型的不确定性，测量噪声R反映传感器测量误差，通过实验校准进行选择。初始协方差P 通常设为小正值以提供鲁棒性。本系统中，设置Q=0.001、R=0.01、P=0.1以确保平滑性与精度兼备，具体实现方式如下所示。

在飞机结构损伤监测中，卡尔曼滤波用于对麦克风阵列采集的高频声波信号进行实时处理，有效消除环境噪声干扰，并结合麦克风阵列的空间定位能力，实现声源位置的高精度估计。该算法通过合理参数优化，兼顾了实时性和准确性，增强了复杂环境下的噪声处理能力，为损伤声源的快速定位提供了技术支持。这一方法显著提高了系统的稳定性和可靠性，为飞机结构损伤的早期检测和安全性保障奠定了基础。

3实验

为了验证系统的可行性，实验搭建了基于麦克风阵列的声源定位测试环境。首先，选用K210开发板与环形麦克风阵列搭建硬件平台，阵列按既定几何结构布置以提高空间分辨率。实验在相对安静的室内进行，确保环境噪声可控，同时使用固定的声源位置模拟飞机结构损伤声波信号。在实验过程中，麦克风阵列采集高频声波信号并实时处理。具体测试选取声源相对于阵列中心的两个角度，即90度和270度。每次测试持续采集30秒，并记录单次定位结果、均值滤波处理结果，以及结合均值滤波和卡尔曼滤波后的结果。通过对测量数据的统计分析，计算均值、方差和标准差，以评估滤波对数据稳定性和准确性的提升效果。

实验结果如表1和表2所示。无论是90度还是270度的测试，均值滤波和卡尔曼滤波的联合处理均显著优于单次定位或仅使用均值滤波的结果。在90度测试中，联合滤波后的均值为88.835 04度，标准差降低到0.499 336，数据波动显著减少，测量更稳定；在270度测试中，联合滤波后的标准差也降至1.011 806 度。相比之下，单次定位的方差较大，反映出噪声干扰导致数据分布离散。均值滤波通过对多次采样结果的平均计算平滑数据波动，但对突发性噪声的鲁棒性有限；卡尔曼滤波则利用动态系统建模和先验估计进一步增强了实时性与精准度。两者的结合既降低了随机噪声的干扰，又平滑了定位数据，使测量结果更具可靠性和可用性。实验验证了滤波算法的有效性，为后续实际应用提供了可靠的技术支撑。

4 结论

本研究设计并实现了一种基于声源定位的飞机结构损伤检测系统，结合麦克风阵列与滤波算法，显著提高了定位精度和实时性，能够高效识别损伤位置并提供结构健康反馈。然而，系统在强噪声干扰或复杂多声源环境下可能存在一定局限性，且对极端环境的适应性尚需验证。未来可通过引入自适应噪声消除算法、优化麦克风阵列设计、结合其他传感技术以及进行大规模飞行测试，进一步提升系统的抗干扰能力、检测全面性和稳定性，以推动其在实际飞行中的应用，降低维护成本并延长飞机使用寿命。