빔 형성이란 무엇이며 음향 이미징 카메라는 어떻게 동일값 없이 그것을 활용합니까?
빔 형성은 일반적으로 신호 처리에 사용되며 압축 공기 누출 및 부분 방전(PD)과 같은 특정 음향 출처를 식별하기 위해 음향 카메라에 의해 사용되는 기술입니다. 그럼에도 불구하고, 이 방법의 효과는 다양한 요인에 따라 달라지며, 모든 카메라 제조업체가 동일한 숙련도로 이를 사용하는 것은 아닙니다. 이 문서에서는 최첨단 장치가 빔 형성을 활용하여 최적의 결과를 얻는 방법에 대한 개요를 제공합니다.
빔 형성에 대한 간단한 설명
빔 형성의 기본 원리는 기계적(물결파) 또는 전자기적(공기를 통해 이동하는 음파)일 수 있는 파동 에너지를 중심으로 합니다. 이 기법은 신호가 모든 방향으로 확산되도록 하기보다는 특정 신호로 파동을 전송하고 수신기 쪽으로 유도하는 것이 관련됩니다. 빔 형성은 단순하기는 하지만 새로운 개념이 아닙니다. 제1차 세계대전 중 프랑스 군대에 의해 처음 사용되어 접근하는 항공기를 감지하는 음향 감지 장치를 개발했습니다. 나중에, 빔 형성은 무선 안테나가 한 방향으로 신호를 집중시키고 다른 사운드에 비해 강도를 향상시키도록 개선되었습니다.
음향 카메라는 이 기법을 반전시켜 사용합니다. 음향 카메라는 원하는 방향에서 음향 신호에 도달하는 신호를 강화하고 종종 배경 소음으로 간주되는 다른 방향에서 나오는 음향을 최소화합니다. 이 기술은 빔 형성으로 알려져 있으며, 마이크 배열 데이터를 처리하여 음향 출처 강도의 분포를 시각적으로 표현하는 데 사용됩니다. Robert Dougherty는 2008년 컨퍼런스 논문에서 "빔 형성이란 무엇입니까?"라는 제목의 공기 음향 빔 형성을 이러한 처리 방법으로 정의합니다.
음향 카메라를 사용하여 음향 출처의 위치를 파악하는 것은 음파 또는 신호가 카메라 배열의 다른 마이크에 도달하는 시간이 약간 다르다는 원리에 기반합니다. 음향 출처가 정지 상태로 유지되면 반드시 카메라에 대해 특정 각도에서 방출되어 신호가 다른 마이크보다 먼저 특정 마이크에 도달합니다. 배열의 나머지 마이크는 지연된 버전의 음향 신호를 수신합니다. 이러한 지연을 더하면 음향 출처의 정확한 위치를 정확하게 계산하고 결정할 수 있습니다.
빔 형성은 마이크 배열의 노이즈 견고성을 향상시킴으로써, 음향 카메라가 종이 및 펄프 밀에서 작은 누출을 감지하는 것과 같은 시끄러운 환경에서도 희미한 소리를 감지할 수 있습니다. 또한 음향 카메라의 빔 형성을 통해 넓은 거리와 넓은 영역에서 음원을 정밀하게 찾을 수 있습니다.
카메라 최적화로 빔 형성 결과 극대화하기
음향 카메라의 성능을 최적화하려면 배열에서 마이크의 적절한 수와 배치를 결정하고 지오메트리를 설계하는 등 몇 가지 주요 요소가 필요합니다. 장치의 연산 능력은 정확한 빔 형성 결과를 달성하는 데 중요한 요소이기도 합니다. FLIR의 음향 이미징 카메라는 고급 최적화 기술을 활용하여 빔 형성을 온전히 활용함으로써 다른 카메라 제조업체에 비해 세 가지의 중요한 이점을 제공합니다.
- 고스트 소스 감소: 고스트 소스는 빔 형성 기술을 사용하는 음향 카메라에 표시될 수는 있지만 존재하지 않는 음향 출처입니다. 카메라가 최적화될수록 고스트 소스를 찾을 가능성이 줄어듭니다.
- 더 나은 히트맵 해상도: 음향 카메라가 음향 출처를 더 정확하게 찾아 음압 수준을 더 잘 계산할 수 있습니다.
- 향상된 감도: 카메라는 작은 누출이나 약한 부분 방전과 같은 소음 환경에서 더 부드러운 음향 출처를 감지합니다.
분석이 어떻게 프로세스를 개선합니까?
음향 카메라가 빔 형성 기술을 효과적으로 구현하고 음향 출처를 정확하게 식별하면 초점이 분석 기능으로 이동합니다. FLIR 음향 이미징 카메라는 분석을 사용하여 불필요한 음향 출처를 제거하고 감지된 소리에 대한 귀중한 데이터를 제공합니다. 압축 공기 누출을 식별하는 맥락에서는 누출의 크기를 파악하고 비용을 추정하는 것이 누출 수리가 비용 효율적인지 여부 등 가장 적절한 유지보수 계획을 결정하는 데 중요한 요소입니다.
FLIR 음향 이미징 카메라는 분석을 사용하여 부분 방전 감지 중 부분 방전 활동을 나타내는 위상분해 부분 방전(PRPD) 패턴을 표시합니다. 일부 사람들은 이 패턴에 근거하여 부분 방전의 유형을 식별할 수 있지만, 소수만이 각 PD 유형의 결과를 이해합니다. 이 문제를 해결하기 위해, FLIR 음향 이미징 카메라는 함께 제공되는 음향 카메라 뷰어 클라우드 소프트웨어를 제공하여 부분 방전의 유형을 자동으로 분류하고, 위치와 강도에 따라 심각도를 평가하며, 이를 해결하기 위한 적절한 솔루션을 제안합니다.