CN109163796A - 旋转机械轴承振动数据智能实时采集与分析系统 - Google Patents
旋转机械轴承振动数据智能实时采集与分析系统 Download PDFInfo
- Publication number
- CN109163796A CN109163796A CN201811053002.1A CN201811053002A CN109163796A CN 109163796 A CN109163796 A CN 109163796A CN 201811053002 A CN201811053002 A CN 201811053002A CN 109163796 A CN109163796 A CN 109163796A
- Authority
- CN
- China
- Prior art keywords
- vibration data
- cluster
- bear vibration
- sensor node
- bearing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了旋转机械轴承振动数据智能实时采集与分析系统,该系统包括用于采集轴承振动数据的感知子系统、用于存储轴承振动数据的存储设备和用于分析和显示所述轴承振动数据的计算机分析设备;所述感知子系统、计算机分析设备皆与所述存储设备连接;所述感知子系统包括单个基站、单个汇聚节点和多个用于采集轴承振动数据的传感器节点,传感器节点采集的轴承振动数据发送至汇聚节点,汇聚节点将接收的轴承振动数据发送至基站,进而由基站将轴承振动数据传送至存储设备;所述轴承振动数据包括待检测轴承在不同工作状态下垂直方向的振动加速度信号。
Description
技术领域
本发明涉及设备监测技术领域,具体涉及旋转机械轴承振动数据智能实时采集与分析系统。
背景技术
轴承作为旋转机械的关键零部件,其工作状态的好坏将直接影响到整台旋转机械的工作状态。轴承故障是导致旋转机械发生故障的主要原因之一,严重时甚至可能导致重大财产损失。因此,有必要对轴承的振动情况进行监测。
发明内容
针对上述问题,本发明提供旋转机械轴承振动数据智能实时采集与分析系统。
本发明的目的采用以下技术方案来实现:
提供了旋转机械轴承振动数据智能实时采集与分析系统,该系统包括用于采集轴承振动数据的感知子系统、用于存储轴承振动数据的存储设备和用于分析和显示所述轴承振动数据的计算机分析设备;所述感知子系统、计算机分析设备皆与所述存储设备连接;所述感知子系统包括单个基站、单个汇聚节点和多个用于采集轴承振动数据的传感器节点,传感器节点采集的轴承振动数据发送至汇聚节点,汇聚节点将接收的轴承振动数据发送至基站,进而由基站将轴承振动数据传送至存储设备。
其中,所述轴承振动数据包括待检测轴承在不同工作状态下垂直方向的振动加速度信号。
优选地,所述传感器节点包括传感器和用于将传感器信号转换为对应的轴承振动数据的信号适配器,所述信号适配器与传感器连接;还包括用于控制采集频率的控制器,所述控制器与传感器连接。
其中,计算机分析设备对存储设备中的轴承振动数据进行分析,包括:对所述轴承振动数据进行预处理,所述预处理包括去除数据异常点和数据归一化处理。
进一步地,计算机分析设备对存储设备中的轴承振动数据进行分析,还包括:检测预处理后的轴承振动数据是否超出对应的预设阈值范围,并输出检测结果。
本发明的有益效果为:本发明能够智能实时获取轴承振动数据,并进行相应的数据分析,便于监测人员及时了解轴承振动信息,并进一步分析轴承状态,对可能发生故障的轴承及时进行检查,减少因轴承故障所造成的损失。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的旋转机械轴承振动数据智能实时采集与分析系统的结构示意框图;
图2是本发明一个示例性实施例的传感器节点的结构示意框图。
附图标记:
感知子系统1、存储设备2、计算机分析设备3、传感器10、信号适配器20、控制器30。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了本发明一个示例性实施例的旋转机械轴承振动数据智能实时采集与分析系统的结构示意框图。
如图1所示,本发明实施例提供了旋转机械轴承振动数据智能实时采集与分析系统,该系统包括用于采集轴承振动数据的感知子系统1、用于存储轴承振动数据的存储设备2和用于分析和显示所述轴承振动数据的计算机分析设备3;所述感知子系统1、计算机分析设备3皆与所述存储设备2连接。
其中,计算机分析设备3对存储设备2中的轴承振动数据进行分析,包括:对所述轴承振动数据进行预处理,所述预处理包括去除数据异常点和数据归一化处理。
进一步地,计算机分析设备3对存储设备2中的轴承振动数据进行分析,还包括:检测预处理后的轴承振动数据是否超出对应的预设阈值范围,并输出检测结果。
在一种能够实施的方式中,所述感知子系统1包括单个基站、单个汇聚节点和多个用于采集轴承振动数据的传感器节点,传感器节点采集的轴承振动数据发送至汇聚节点,汇聚节点将接收的轴承振动数据发送至基站,进而由基站将轴承振动数据传送至存储设备2。
其中,所述轴承振动数据包括待检测轴承在不同工作状态下垂直方向的振动加速度信号。
其中,如图2所示,所述传感器节点包括传感器10和用于将传感器10的信号转换为对应的轴承振动数据的信号适配器20,所述信号适配器20与传感器10连接;还包括用于控制采集频率的控制器30,所述控制器30与传感器10连接。
本发明上述实施例设置的旋转机械轴承振动数据智能实时采集与分析系统,能够智能实时获取轴承振动数据,并进行相应的数据分析,便于监测人员及时了解轴承振动信息,并进一步分析轴承状态,对可能发生故障的轴承及时进行检查,减少因轴承故障所造成的损失。
在一个实施例中,网络初始化时,将传感器节点划分为多个簇组,并从每个簇组中选取一个簇头,其中在每一轮通信开始之前都要对簇头重新进行选择;传感器节点采集所监测位置的轴承振动数据,并将轴承振动数据单跳发送至对应的簇头;簇头负责簇内轴承振动数据的接收和处理,并将处理后的轴承振动数据发送至汇聚节点;汇聚节点定期获取每个传感器节点的能量信息,并根据能量信息检测每个簇组是否满足能量警告条件,若存在簇组满足能量警告条件,汇聚节点向该簇组对应的簇头发送分簇指令,所述分簇指令包括该簇组的传感器节点平均能量Vavg;该对应的簇头接收到分簇指令后,在其簇内的剩余能量大于Vavg的传感器节点中选择相距最远的传感器节点作为另一簇头,簇内的其余传感器节点在簇组的两个簇头中重新选择距离最近的簇头加入,从而该簇组被划分为两个簇组;
所述能量警告条件设定为:
式中,Vα表示簇组β中的第α个传感器节点,Gβ为所述簇组β中的传感器节点数量,Vmax为所述最大能耗阈值。
本实施例在簇组内的传感器节点的能量满足能量警告条件时,创新性地通过增加分簇的数量的方式减少每个簇组内的传感器节点数量。本实施例能够在能量不足时有效降低簇头传输的轴承振动数据量,从而有效降低簇头的能耗,从而保证系统通信的正常运行,有效延长轴承振动数据传输工作的周期。
传感器节点发送能耗采用自由空间损耗模型,而簇头与汇聚节点之间进行通信时采用多径衰减模型;所述的将传感器节点划分为多个簇组,包括:
(1)将设定的监测区域平均划分为B个子区域;
(2)计算每个子区域的重心位置,选择距离重心位置最近的传感器节点作为簇组中心:
(3)基于选择好的B个簇组中心,对所有传感器节点进行分簇,各传感器节点加入到距离最近的簇组中心对应的簇组内,从而完成簇组的初始化;
其中,按照下列公式计算每个子区域的重心位置:
式中,Hi表示第i个子区域的重心位置,i=1,…,B,x(j)表示所述第i个子区域中第j个传感器节点所在位置的横坐标,y(j)为所述第j个传感器节点所在位置的纵坐标,其中以汇聚节点为坐标原点,Gi为所述第i个子区域具有的传感器节点个数。
现有技术中对传感器节点进行分簇时,初始簇组中心是随机选择的,分簇的效果依赖于初始簇组中心的选择,不均衡的簇组中心分布会导致分簇结果陷入局部最优。本实施例提出了一种新的簇组划分机制,该机制通过将监测区域平均划分为多个子区域,并选择距离每个子区域重心位置最近的传感器节点作为簇组中心。本实施例能够保证初始的簇组中心尽量均匀地分布在整个监测区域内,提升了分簇结果的全局最优性能。
其中按照下列公式确定B:
式中,01为基于自由空间损耗模型的功放能耗系数,02为基于多径衰减模型的功放能耗系数,Z为部署的传感器节点个数,L为所述监测区域的面积,Eo,mi;为传感器节点到汇聚节点的最小距离,Eo,max为传感器节点到汇聚节点的最大距离,v;int为取整函数。
簇组数与网络内传感器节点的能耗息息相关,本实施例基于监测区域的实际情况以及传感器节点的部署情况,还设计了监测区域划分成子区域的数目的计算公式,根据该计算公式确定子区域的数目,相对于随机设定的方式,优化了簇组数,有利于节省网内传感器节点的能耗。
在一个实施例中,所述从每个簇组中选取一个簇头,包括:
(1)设置簇头选取轮数为计算簇组内各传感器节点在当前轮次担任簇头的概率,并按照概率由大到小的顺序对各传感器节点进行排序;
(2)将排序最前的传感器节点作为备选簇头,预测其作为簇头的总能耗,若该总能耗不超过预设的最大能耗阈值Vmax,则直接选择该备选簇头担任本轮次的簇头,否则重新选择下一位的传感器节点作为备选簇头,直至选择的备选簇头的总能耗不超过Vmax;
设定总能耗的预测公式为:
式中,为预测的备选簇头y担任新簇头后的总能耗,y=1,2,为备选簇头y所在簇内的传感器节点数量,V0为设定的簇头接收和处理单位轴承振动数据的能耗,Ey,o为所述备选簇头y到汇聚节点的距离,Vσ为电路能耗参数,σ1为基于自由空间损耗模型的功放能耗系数,σ2为基于多径衰减模型的功放能耗系数,Ep,y为备选簇头y所在簇内的第p个传感器节点到所述备选簇头y的距离。
其中,所述概率的计算公式设定为:
式中,Wrq(a)为第r个簇组内任意传感器节点q在第a轮通信过程中担任簇头的概率,当簇组内所有传感器节点在之前的通信过程中都担任过一次簇头后,a将被重置为1,在接下来的通信过程中a逐渐增长到Cr为所述第r个簇组具有的传感器节点个数;当所述传感器节点q在过去a轮通信过程中担任过簇头时,Tq(a)=0.5,所述传感器节点j在过去a轮通信过程中未担任过簇头时,Tq(a)=1;Vq为所述传感器节点q的当前剩余能量,Vs为所述第r个簇组内第s个传感器节点的当前剩余能量,Gr为所述第r个簇组内具有的传感器节点数量,Fq为所述传感器节点q与第r个簇组内所有传感器节点的距离和,Fs为所述第s个传感器节点与第r个簇组内所有传感器节点的距离和;u1、u2为预设的权重系数。
本实施例提出了一种新的簇头选择机制,该机制中先计算簇组内各传感器节点在当前轮次担任簇头的概率,然后选择概率最大及概率次大的传感器节点作为备选簇头,并进一步预测备选簇头担任簇头的总能耗,最后选择总能耗满足阈值条件的备选簇头作为当前轮次的簇头。其中本实施例创新性地提出了所述概率的计算公式,根据该计算公式,当前能量较多、未担任过簇头、与簇内其他传感器节点距离较近的传感器节点具有更大的概率。
本实施例基于能量的基础上,相对于现有技术还考虑了传感器节点担任簇头的经历情况,有利于保持传感器节点之间的能耗均衡性。
本实施例相对于现有技术还考虑了传感器节点在簇内的位置情况,有利于保证簇内传感器节点与簇头的总能耗最小;通过预测备选簇头担任簇头时的总能耗,并选择总能耗不超过预设的最大能耗阈值的备选簇头作为最终的簇头,能够避免传感器节点因担任簇头而大量消耗能量。
本实施例在每一轮通信开始之前都选择最合适的传感器节点担任簇头,有效保证了簇头工作的稳定性和整个网络的可靠性,有利于实现对旋转机械轴承振动的可靠监测。
本发明上述实施例设置的旋转机械轴承振动数据智能实时采集与分析系统,通过无线传感器网络智能实时获取轴承振动数据,并输送到远程的计算机分析设备3进行相应的数据分析,便于监测人员及时了解轴承振动信息,并进一步分析轴承状态,对可能发生故障的轴承及时进行检查,减少因轴承故障所造成的损失。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.旋转机械轴承振动数据智能实时采集与分析系统,其特征是,包括:
用于采集轴承振动数据的感知子系统;
用于存储轴承振动数据的存储设备;
以及用于分析和显示所述轴承振动数据的计算机分析设备;所述感知子系统、计算机分析设备皆与所述存储设备连接;
所述感知子系统包括单个基站、单个汇聚节点和多个用于采集轴承振动数据的传感器节点,传感器节点采集的轴承振动数据发送至汇聚节点,汇聚节点将接收的轴承振动数据发送至基站,进而由基站将轴承振动数据传送至存储设备;所述轴承振动数据包括待检测轴承在不同工作状态下垂直方向的振动加速度信号。
2.根据权利要求1所述的旋转机械轴承振动数据智能实时采集与分析系统,其特征是,所述传感器节点包括传感器,还包括用于将传感器信号转换为对应的轴承振动数据的信号适配器,所述信号适配器与传感器连接。
3.根据权利要求2所述的旋转机械轴承振动数据智能实时采集与分析系统,其特征是,所述传感器节点还包括用于控制采集频率的控制器,所述控制器与传感器连接。
4.根据权利要求1所述的旋转机械轴承振动数据智能实时采集与分析系统,其特征是,计算机分析设备对存储设备中的轴承振动数据进行分析,包括:对所述轴承振动数据进行预处理,所述预处理包括去除数据异常点和数据归一化处理。
5.根据权利要求4所述的旋转机械轴承振动数据智能实时采集与分析系统,其特征是,计算机分析设备对存储设备中的轴承振动数据进行分析,还包括:检测预处理后的轴承振动数据是否超出对应的预设阈值范围,并输出检测结果。
6.根据权利要求1所述的旋转机械轴承振动数据智能实时采集与分析系统,其特征是,网络初始化时,将传感器节点划分为多个簇组,并从每个簇组中选取一个簇头,其中在每一轮通信开始之前都要对簇头重新进行选择;传感器节点采集所监测位置的轴承振动数据,并将轴承振动数据单跳发送至对应的簇头;簇头负责簇内轴承振动数据的接收和处理,并将处理后的轴承振动数据发送至汇聚节点;汇聚节点定期获取每个传感器节点的能量信息,并根据能量信息检测每个簇组是否满足能量警告条件,若存在簇组满足能量警告条件,汇聚节点向该簇组对应的簇头发送分簇指令,所述分簇指令包括该簇组的传感器节点平均能量Vavg;该对应的簇头接收到分簇指令后,在其簇内的剩余能量大于Vavg的传感器节点中选择相距最远的传感器节点作为另一簇头,簇内的其余传感器节点在簇组的两个簇头中重新选择距离最近的簇头加入,从而该簇组被划分为两个簇组;
所述能量警告条件设定为:
式中,Vα表示簇组β中的第α个传感器节点,Gβ为所述簇组β中的传感器节点数量,Vmax为所述最大能耗阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811053002.1A CN109163796A (zh) | 2018-09-10 | 2018-09-10 | 旋转机械轴承振动数据智能实时采集与分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811053002.1A CN109163796A (zh) | 2018-09-10 | 2018-09-10 | 旋转机械轴承振动数据智能实时采集与分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109163796A true CN109163796A (zh) | 2019-01-08 |
Family
ID=64894680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811053002.1A Pending CN109163796A (zh) | 2018-09-10 | 2018-09-10 | 旋转机械轴承振动数据智能实时采集与分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109163796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440894A (zh) * | 2019-08-26 | 2019-11-12 | 佛山市墨纳森智能科技有限公司 | 一种基于多传感节点的机械振动信号采集与检测方法、系统和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884371A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 基于wia-pa无线振动仪表的故障诊断装置及方法 |
CN104632280A (zh) * | 2014-12-05 | 2015-05-20 | 中国矿业大学 | 一种基于无线传感器网络的井下设备监测系统及方法 |
CN205428171U (zh) * | 2015-12-09 | 2016-08-03 | 华南理工大学 | 一种风电场远程实时监测系统 |
US20170254051A1 (en) * | 2016-03-03 | 2017-09-07 | SYNCRUDE CANADA LTD.in trust for the owners of the Syncrude Project, as such owners exist now and | Wireless sensor network for detecting equipment failure |
CN107167318A (zh) * | 2017-06-19 | 2017-09-15 | 北京时代龙城科技有限责任公司 | 一种轴承智能快捷故障诊断仪及诊断方法 |
CN107907332A (zh) * | 2017-11-24 | 2018-04-13 | 浙江机电职业技术学院 | 基于无线传感网络的轴承振动监测设备 |
CN108322899A (zh) * | 2018-01-11 | 2018-07-24 | 深圳市晟达机械设计有限公司 | 基于无线传感器网络的电力变压器振动监测系统 |
-
2018
- 2018-09-10 CN CN201811053002.1A patent/CN109163796A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884371A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 基于wia-pa无线振动仪表的故障诊断装置及方法 |
CN104632280A (zh) * | 2014-12-05 | 2015-05-20 | 中国矿业大学 | 一种基于无线传感器网络的井下设备监测系统及方法 |
CN205428171U (zh) * | 2015-12-09 | 2016-08-03 | 华南理工大学 | 一种风电场远程实时监测系统 |
US20170254051A1 (en) * | 2016-03-03 | 2017-09-07 | SYNCRUDE CANADA LTD.in trust for the owners of the Syncrude Project, as such owners exist now and | Wireless sensor network for detecting equipment failure |
CN107167318A (zh) * | 2017-06-19 | 2017-09-15 | 北京时代龙城科技有限责任公司 | 一种轴承智能快捷故障诊断仪及诊断方法 |
CN107907332A (zh) * | 2017-11-24 | 2018-04-13 | 浙江机电职业技术学院 | 基于无线传感网络的轴承振动监测设备 |
CN108322899A (zh) * | 2018-01-11 | 2018-07-24 | 深圳市晟达机械设计有限公司 | 基于无线传感器网络的电力变压器振动监测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440894A (zh) * | 2019-08-26 | 2019-11-12 | 佛山市墨纳森智能科技有限公司 | 一种基于多传感节点的机械振动信号采集与检测方法、系统和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112815990B (zh) | 一种基于物联网技术的配电设备监测系统 | |
CN113242526B (zh) | 一种云计算服务器机房实时监控系统 | |
CN110809060B (zh) | 一种应用服务器集群的监控系统及监控方法 | |
CN106656682A (zh) | 集群心跳检测方法、系统及装置 | |
CN108513342A (zh) | 一种物联网终端的调度方法、基站及物联网终端 | |
CN105516347A (zh) | 一种流媒体服务器的负载均衡调配的方法及装置 | |
CN106209982B (zh) | 基于无线传感器的胎压监测方法 | |
CN108829166B (zh) | 医疗器械储存环境智能监测系统 | |
CN106550323A (zh) | 用于确定设备的地理位置的方法 | |
CN108981807B (zh) | 一种土木工程建筑智能监测系统 | |
CN107579858A (zh) | 云主机的告警方法及装置、通信系统 | |
CN106302017A (zh) | 高并发小流量网络测速系统及方法 | |
CN109163796A (zh) | 旋转机械轴承振动数据智能实时采集与分析系统 | |
CN109195132A (zh) | 空气质量信息智能采集与实时播报系统 | |
Saoudi et al. | Energy-efficient data mining techniques for emergency detection in wireless sensor networks | |
WO2015199584A1 (en) | Prioritizing data traffic from and/or to devices in a wireless network | |
Kirsan et al. | Efficient energy for cluster head selection using new LEACH-based routing protocol in wireless sensor network | |
CN109376032A (zh) | 一种服务器数据备份方法、设备及存储介质 | |
Ahmed et al. | Predicting high delays in mobile broadband networks | |
CN107547643A (zh) | 一种负载分担方法和装置 | |
CN115048274B (zh) | 一种基于大数据的运维系统 | |
CN106888237B (zh) | 一种数据调度方法及系统 | |
Dhivya et al. | Cluster based approximate data collection for wireless sensor networks | |
Jurenoks | Method for node lifetime assessment in wireless sensor network with dynamic coordinator | |
CN113867946A (zh) | 访问资源的方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |
|
RJ01 | Rejection of invention patent application after publication |