Using Feature Extraction to Perform Equipment Health Monitoring on Ship-Radiated Noise

Abstract

Ship radiated noise (SRN) has been an area of research for ship detection and classification for a number of years. A large number of feature extraction techniques have been developed and used in ship radiated noise analysis and have been shown to be highly effective at classifying vessels. There remains, however, limited research in the use of ship radiated noise as a medium for equipment health monitoring (EHM). If feature extraction techniques can be applied to a known vessel and shipboard equipment can be identified and tracked over time for evidence of defects, significant labour savings could be achieved by replacing the need for manually monitoring each system onboard. In this thesis, the Fast Orthogonal Search (FOS) algorithm was selected and used as a high-resolution frequency analysis tool. It was used to extract features from examples of ship radiated noise from Patrol Craft, Training (PCT) Moose. The data was collected by the Defence Research and Development Centre (DRDC) and the Royal Canadian Navy’s (RCN) Patricia Bay Hydroacoustic Range. Twenty-one individual systems were recorded and the aim of this thesis was to develop a method to identify and track each of them. Ultimately, 14 unique features were found, allowing 9 systems to be successfully classified, and one system was successfully tracked using the noise from a second acoustic recording that occurred six months after the initial training data was recorded. The results demonstrate that EHM using feature extraction techniques has excellent potential to identify and track discrete components of a ship using SRN and strongly support further research using more sophisticated feature extraction and classification techniques.

Depuis de nombreuses années, le bruit rayonné par les navires fait l’objet de recherches dans le domaine de la détection et de la classification. Un grand nombre de techniques d’extraction des caractéristiques du spectre sonore ont été développées et utilisées dans l’analyse du bruit rayonné. Elles se sont avérées très efficaces pour la classification des navires. Il reste, cependant peu de recherches sur l’utilisation du bruit rayonné comme moyen de surveillance de l’état des équipements. Si des techniques d’extraction de caractéristiques peuvent être appliquées à un navire connu et que l’équipement de bord peut être identifié et suivi régulièrement pour la détection de signes de défauts, d’importantes économies de main-d’œuvre pourraient être réalisées en remplaçant la nécessité de surveiller manuellement chaque système à bord. Pour la présente thèse, l’algorithme de recherche orthogonale rapide a été sélectionné et utilisé comme outil à haute précision d’analyse des fréquences sonores. Des caractéristiques sonores ont été extraites à partir de données collectées sur le patrouilleur d’instruction Moose (PCT 62) par Recherche et développement de la défense Canada (RDDC) et par le champ d’essai hydroacoustique de la baie Patricia de la Marine royale canadienne (MRC). En tout, 21 systèmes individuels ont été répertoriés. L’objectif de la présente thèse était de développer une méthode pour identifier et suivre l’évolution de chacun d’entre eux. Finalement, 14 caractéristiques uniques ont été trouvées, 9 systèmes ont été entièrement classifiées, et un système a été suivi avec succès en utilisant le bruit d’un deuxième enregistrement acoustique qui a eu lieu six mois plus tard après la collecte des données initiales. Les résultats démontrent que la surveillance de l’état des équipements par l’utilisation des techniques d’extraction de caractéristiques sonores sur le bruit rayonné par les navires à un excellent potentiel pour identifier et suivre l’évolution des composantes discrètes d’un navire. Ils justifient la poursuite des recherches utilisant des techniques d’extraction et de sélection de caractéristiques plus sophistiquées.