CN109271948B - 一种基于聚类算法的多通道远程振动信号监示系统及监测方法 - Google Patents

一种基于聚类算法的多通道远程振动信号监示系统及监测方法 Download PDF

Info

Publication number
CN109271948B
CN109271948B CN201811138393.7A CN201811138393A CN109271948B CN 109271948 B CN109271948 B CN 109271948B CN 201811138393 A CN201811138393 A CN 201811138393A CN 109271948 B CN109271948 B CN 109271948B
Authority
CN
China
Prior art keywords
module
data
vibration signal
signals
vibration
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.)
Active
Application number
CN201811138393.7A
Other languages
English (en)
Other versions
CN109271948A (zh
Inventor
严如强
杨建勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811138393.7A priority Critical patent/CN109271948B/zh
Publication of CN109271948A publication Critical patent/CN109271948A/zh
Application granted granted Critical
Publication of CN109271948B publication Critical patent/CN109271948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Signal Processing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开了一种基于聚类算法的多通道远程振动信号监示系统及监测方法,监示系统包括上位机部分和多通道远程振动信号监示仪,上位机部分包括Labview界面设计部分以及Python数据处理部分,监示仪包括下位机、GPRS无线传输模块和电源模块,上位机和下位机通过GPRS无线传输模块连接,电源模块为监示仪提供电能;方法包括下位机部分通过单片机控制数据采集部分内的多个振动传感器协同完成多通道振动信号数据采集,通过GPRS无线传输模块上传至上位机部分;上位机部分通过Labview设计GUI界面,并通过内部接口函数调用Python完成样本数据处理。本发明可实现多通道远程振动信号数据处理、分析、监示功能。

Description

一种基于聚类算法的多通道远程振动信号监示系统及监测 方法
技术领域
本发明属于机械设备故障诊断领域,尤其是一种基于聚类算法的多通道远程振动信号监示系统及监测方法。
背景技术
大型旋转机械结构,如汽轮发电机组、水轮发电机组和烟气轮机组等,普遍使用滑动轴承支撑转轴,并通过振动监测保护系统监测转轴对轴承的相对振动。振动监测保护系统包括两个涡流传感器,分别用于测量两个通道的振动。然而由于两个电涡流传感器只能单一测量机械结构的两个位置的振动信号,但不同机组的结构、运行参数以及轴承油膜刚度在圆周方向上各向异性等方面的影响,导致两个方向的振动通常存在一定的差异,如一个方向振动较大,另一个方向振动较小,这给振动监测保护系统的报警和异常判断带来一定困难;且监测信息必须要进行现场实时监测得到,无法进一步传递到远程终端,这给公司及机械设备实际监测工作带来不便。
因此亟需设计一种通过对大型旋转机构的不同位置同时监测其振动信号,并实现监测信息的现场实时显示与远程实时在线显示处理的多通道远程振动信号监示系统。
发明内容
发明目的:一个目的是提供一种基于聚类算法的多通道远程振动信号监示系统及监测方法,以解决现有技术与应用存在的上述问题,扩展振动信号监示仪功能,改进振动信号监示仪对多种机械结构不同位置的振动信号监测,测量简单精确,及时发现机械结构出现的故障问题并将监测数据传送到上位机借助机器学习领域的聚类算法对测得的振动信号数据集进行数据处理显示,实现远程振动信号数据处理、分析、监示功能。
技术方案:为实现上述发明目的,采用以下技术方案:
一种基于聚类算法的多通道远程振动信号监示系统,包括上位机部分和多通道远程振动信号监示仪,其中:
上位机部分用于导入、处理、分析以及显示数据,通过Labview设计GUI界面,并通过内部接口函数调用Python函数采用聚类算法完成样本数据处理;
多通道远程振动信号监示仪包括下位机、GPRS无线传输模块和电源模块,所述下位机包括单片机、数据采集模块和控制显示模块,数据采集模块采集多个振动信号并转换为电信号,经过信号的放大和多通道ADC转换后输入给单片机,单片机对接收到的信号进行分析处理,一方面通过控制显示模块进行显示,另一方面通过GPRS无线传输模块上传至上位机进行处理;电源模块为监示仪供电。
可选的,上位机部分包括Labview界面设计部分以及Python数据处理部分,所述Labview界面设计部分主要包括数据接收模块、数据显示模块和数据存储模块,所述数据接收模块利用LabView通信工具中TCPListen函数侦听来自客户端的连接请求,并在指定端口等待GPRS无线传输模块通过TCP连接请求,建立连接后,利用TCP Read函数读取终端传输的数据,将TCP Read函数工作模式设置为standard,即等待直至读取所有指定的字节或“超时毫秒”用完,返回当前已经读取的字节,倘若读取字节数少于设置的固定字节数,则报告错误;所述数据显示模块将获取到的数据经过格式转换,以表格形式显示数据在前面板的可视化界面上;所述数据存储模块通过Write To Spreadsheet File函数,把数据写入电子表格中以供离线处理。
可选的,单片机包含控制单元、外部RTC、外部晶振和EEPROM模块;数据采集模块包括多个振动信号传感器、信号调理放大电路和多通道ADC转换模块;外部RTC和外部晶振分别为控制单元提供时钟和频率信号,EEPROM模块与控制单元双向通信;多个振动信号传感器采集机械装置的分别径向振动信号、轴向振动信号和外壳振动信号,并将其分别转换为电信号,然后经过信号调理放大电路对信号进行放大处理,最后通过多通道ADC转换模块输入控制单元。
可选的,所述振动信号传感器为压电式加速度传感器。
可选的,所述控制单元采用ARM处理芯片STM32F103RBT6。
可选的,电源模块包括直流电源驱动模块和电压放大模块,所述电压放大模块由直流电源驱动模块供电,根据多个PT1301芯片分别设计放大电路,分别为不同模块提供工作电压。
本发明另一实施例中,一种基于聚类算法的多通道远程振动信号监测分析系统的监测方法,包括:
(1)下位机部分通过单片机控制数据采集模块内的多个振动信号传感器协同完成多点振动信号数据采集;
(2)下位机部分采集的数据通过GPRS无线传输模块上传至上位机部分;
(3)上位机部分通过内部接口函数调用Python函数采用聚类算法完成样本数据处理,并通过Labview设计GUI界面进行显示。
进一步的,步骤(3)中上位机部分采用聚类算法对样本数据进行处理,具体包括:
系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序,当接口正常连接,打开Pyhon控制台后,需要先导入放置在转轴各不同位置的振动传感器部分测得、主控单片机分拣和归类预处理并通过GPRS无线传输模块输入到上位机部分的多点振动信号监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,其中,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分地样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止。
有益效果:本发明采用STM32以及置于转轴不同位置的多个振动传感器实现多通道监测旋转机械设备不同位置的振动信号,监测更加精确快速,更能及时发现不同位置的机械故障信息;引入TFTLCD触摸屏模块,更方便进行人机交互,实施操控检测过程并现场显示监测信息;引入GPRS无线传输部分与上位机监示GUI模块,借助SIM900模块、SIM卡连接模块,实现振动信号的远程实时显示,同时借助LabView软件及Python软件对振动信号数据进行聚类算法处理,实现监测数据的上位机在线实时处理、分析、监示,使对大型旋转机械设备的故障监测及诊断更加全面、方便、快捷。
附图说明
图1是本发明监示仪电路模块连接示意图;
图2是本发明监示仪信号传输结构示意图;
图3是本发明的振动信号传感安装位置结构示意图;
图4是本发明的聚类算法原理图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进行详细的说明。
本发明实施一种基于聚类算法的多通道远程振动信号监示系统及监测方法,能够实现多通道监测大型旋转机械设备振动信号,TFTLCD触摸屏控制显示监测过程及结果,远程实时上位机在线处理、分析、监示振动信号,其中STM32F103RBT6为主芯片(即控制单元,下同),协调各模块有序工作。
本发明的一种基于聚类算法多通道远程振动信号监示系统及监测分析方法,监示系统包括上位机部分和多通道远程振动信号监示仪,上位机部分包括Labview界面设计部分以及Python数据处理部分,监示仪包括下位机、GPRS无线传输模块和电源模块,上位机和下位机通过GPRS无线传输模块连接,电源模块为监示仪提供电能;方法包括下位机部分通过单片机控制数据采集部分内的多个振动信号传感器协同完成多通道振动信号数据采集;下位机部分采集的数据通过GPRS无线传输模块上传至上位机部分;上位机部分通过Labview设计GUI界面,并通过内部接口函数调用Python函数采用聚类算法完成样本数据处理。
如图1所示,本发明的一种基于聚类算法的多通道远程振动信号监示系统,包括上位机部分和多通道远程振动信号监示仪,
上位机部分包括Labview界面设计部分以及Python数据处理部分,所述Labview界面设计部分主要包括数据接收模块、数据显示模块和数据存储模块,所述数据接收模块利用LabView通信工具中TCPListen函数侦听来自客户端的连接请求,并在指定端口等待GPRS无线传输模块通过TCP连接请求,建立连接后,利用TCP Read函数读取终端传输的数据,将TCP Read函数工作模式设置为standard,即等待直至读取所有指定的字节或“超时毫秒”用完,返回当前已经读取的字节,倘若读取字节数少于设置的固定字节数,则报告错误;所述数据显示模块将获取到的数据经过格式转换,以表格形式显示数据在前面板的可视化界面上;所述数据存储模块通过Write To Spreadsheet File函数,把数据写入电子表格中以供离线处理。
多通道远程振动信号监示仪包括下位机、GPRS无线传输模块和电源模块,所述下位机包括单片机、数据采集模块和控制显示模块,所述数据采集模块和控制显示模块分别与单片机连接,单片机包含控制单元、外部RTC、外部晶振和EEPROM模块;数据采集模块包括多个振动信号传感器、信号调理放大电路和多通道ADC转换模块;控制显示模块包括TFTLCD触摸屏模块;
GPRS无线传输模块包括SIM900模块和SIM卡连接模块,所述SIM900模块与单片机连接,通过GPRS网络与Internet上的服务器建立连接,将采集到的数据通过天线发送给服务器;所述SIM卡连接模块与SIM900模块电连接,由SIM900模块经过电压调理电路供电;
电源模块包括直流电源驱动模块和电压放大模块,直流电源驱动模块输出与电压放大模块输入连接,电压放大模块输出端分别与控制单元电源输入端、TFTLCD触摸屏输入端和SIM900模块电源输入端连接。
所述控制单元选择高性能低功耗的STM32F103RBT6芯片,负责协调监示仪器整体的运行,外部RTC负责为控制单元提供时间刻度,外部晶振为控制单元提供72MHz工作频率,EEPROM模块负责监示仪的数据缓存。
数据采集模块负责将置于旋转机械设备各部分的振动信号传感器监测得到的振动信号转换为数字信号传输到控制单元内部。多个振动信号传感器的输出与信号调理放大电路的输入连接,然后经多通道ADC转换模块与控制单元连接。所述振动信号传感器主要由压电式加速度传感器组成,压电式加速度传感器是市面上最为常见最为实用的一种类型的振动加速度传感器,它有较小的体积,较高的性价比,较强的抗干扰特性,以及最为实用方便的测量以及校准方式,压电式加速度传感器采用的是接触式的测量方法,可以方便地把多个传感器附着于旋转机械设备表面,测量其振动信号;所述信号调理放大电路主要由OPA2336UA芯片组成的电压放大电路及阻容滤波电路组成,负责模拟信号的放大及滤波;所述多通道ADC转换模块搭载了AD7705高精度模数转换芯片,采集精度可达16位,采用SPI方式与控制单元通信,并采用DMA方式,实现多通道信号同时采集。
所述TFTLCD触摸屏模块板载的控制芯片为XPT2046,XPT2046是一片4导线制触摸屏控制器,内含12位分辨率125KHZ转换速率逐步逼近型A/D转换器,连接电压放大模块的5v电压输出,在测量过程中根据触摸屏模块监测输入控制监测仪器工作,并根据仪器具体监测过程显示不同监测内容。
GPRS无线传输模块包括SIM900模块和SIM卡模块,所述GPRS无线传输模块包括SIM900模块、SIM卡连接模块和电源供电电路,所述SIM900模块与控制单元之间通过串口进行数据传输,由电压放大模块提供4v电压,通过GPRS网络与Internet上的服务器建立连接,将采集到的数据通过天线发送给服务器;所述SIM卡连接模块与SIM900模块电连接,由SIM900模块经过电压调理电路提供3v或1.8v电压,根据通信公司提供的SIM模块自动选择。
电源模块包括由两节1.5v干电池组成的直流电源驱动模块和电压放大模块,电压放大模块将3v电压转化为3.3v、4v和5v输出,电压放大模块的3.3v输出端与控制单元电源输入端连接,提供芯片工作标准电压;电压放大模块的5v输出端与TFTLCD触摸屏电源输入端连接,用于实现人机交互、实时控制测量的进程;电压放大模块的4v输出端与SIM900模块电源输入端连接。电压放大模块充分体现仪器整体的低功耗特性,所有模块由同一电压源供电,根据多个PT1301芯片分别设计放大电路,分别为不同模块提供工作电压。
参见图2,本发明的一种基于聚类算法多通道远程振动信号监示系统,上位机部分通过Labview设计GUI界面,并通过内部接口函数调用Python完成样本数据处理,用于导入、处理、分析以及显示数据;上位机部分和下位机可通过GPRS无线传输模块连接,GPRS无线传输模块由SIM900模块和SIM卡模块组成,以实现数据的远程无线传输。其中,下位机部分可通过置于大型旋转机械设备不同位置的振动信号传感器测得机械设备横向、纵向、轴向、外壳的振动信息,并通过多通道ADC转换模块的数据采集转换处理,在TFTLCD触摸屏的控制显示下,经过GPRS无线传输模块,将监测数据信息传送到PC机(上位机),通过Labview设计GUI界面,并通过内部接口函数调用Python完成样本数据处理,用于导入、处理、分析以及显示数据,其中,Labview界面设计部分可利用LabView数据分析工具中的频谱转换、数字滤波及快速傅里叶变换等数据处理工具,在线处理分析数据并显示振动信号的幅频响应信号及频谱分析图。
Labview界面设计部分主要包括数据接收模块、数据显示模块和数据存储模块,所述数据接收模块利用LabView通信工具中TCPListen函数侦听来自客户端的连接请求,并在指定端口等待GPRS模块通过TCP连接请求,建立连接后,利用TCP Read函数读取终端传输的数据,将TCP Read函数工作模式设置为standard,即等待直至读取所有指定的字节或“超时毫秒”用完,返回当前已经读取的字节,倘若读取字节数少于设置的固定字节数,则报告错误;所述数据显示模块将获取到的数据经过格式转换,以表格形式显示数据在前面板的可视化界面上;所述数据存储模块通过Write To Spreadsheet File函数,把数据写入电子表格中以供离线处理。
参见图3,数据采集模块主要采用了多个振动信号传感器,分别置于机械外壳侧面、置于转轴径向以横轴与纵轴交叉分布、置于转轴横截面中央,分别用来测量机械设备的外壳振动信号、径向的横向振动信号和纵向振动信号、轴向振动信号,并通过多通道ADC转换模块将所有的振动信号同时传送到控制单元及上位机远程监视GUI界面,并通过内部接口函数调用Python完成样本数据处理,用于导入、处理、分析以及显示数据,进行信号的综合分析、比较、处理及显示,以此精确快速监示大型旋转机械设备的运转情况,当有故障出现时能够做到及时判断、显示及防护。
参见图4,聚类算法是机器学习领域一种常见的无监督学习算法,适用于训练样本的标记时未知的情况,目标是通过对无标记训练样本的学习来揭示样本数据的内在性质及规律,为进一步的数据分析做准备,其本质是将样本数据集划分为若干互不相交的子集,即样本簇,其聚类结果好坏通过簇内相似度与簇间相似度来评判,在此系统中采用k-means均值算法完成聚类,将样本数据分成若干簇,分类结果通过Labview用户界面显示,经过聚类算法处理过后的样本数据,会根据转轴的不同振动参数特性自动聚在一起,形成k个样本簇,用户可根据生成的样本簇对转轴不同点的振动信号数据进行划分,有区别的判断各个地点的转轴机械故障情况,也可以通过对振动信号有问题的点的样本簇进行单独深入分析,发现转轴上的这一位置点是否存在机械故障或根据振动信号样本数据判断是属于哪种机械故障,k值由用户自己输入指定。
本实施例中,系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序。当接口正常连接,打开Pyhon控制台后,需要先导入我们转轴上各不同点振动传感器测得、主控单片机分拣归类等预处理并通过GPRS无线通讯模块输入到上位机的多点水质监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,这里的距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分地样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止,实际操作中直接用KMeans函数可代替上面的计算步骤完成聚类任务。
总之,本发明采用STM32实现多通道监测旋转机械设备不同位置的振动信号,监测更加精确快速,更能及时发现不同位置的机械故障信息;引入TFTLCD触摸屏模块,更方便进行人机交互,实施操控检测过程并现场显示监测信息;引入GPRS无线传输部分与上位机监示GUI模块,借助SIM900模块、SIM卡连接模块,实现振动信号的远程实时显示,借助LabView软件及Python软件对振动信号数据进行聚类算法处理,实现监测数据的上位机在线实时处理、分析、监示,使对大型旋转机械设备的故障监测及诊断更加方便快捷;有助于进一步改善机械故障监测诊断问题。

Claims (4)

1.一种基于聚类算法的多通道远程振动信号监示系统,其特征在于:包括上位机部分和多通道远程振动信号监示仪,其中:
上位机部分用于导入、处理、分析以及显示数据,通过Labview设计GUI界面,并通过内部接口函数调用Python函数采用聚类算法完成样本数据处理;
多通道远程振动信号监示仪包括下位机、GPRS无线传输模块和电源模块,所述下位机包括单片机、数据采集模块和控制显示模块,数据采集模块采集多个振动信号并转换为电信号,经过信号的放大和多通道ADC转换后输入给单片机,单片机对接收到的信号进行分析处理,一方面通过控制显示模块进行显示,另一方面通过GPRS无线传输模块上传至上位机进行处理;电源模块为监示仪供电;
上位机部分包括Labview界面设计部分以及Python数据处理部分,所述Labview界面设计部分主要包括数据接收模块、数据显示模块和数据存储模块,所述数据接收模块利用LabView通信工具中TCPListen函数侦听来自客户端的连接请求,并在指定端口等待GPRS无线传输模块通过TCP连接请求,建立连接后,利用TCP Read函数读取终端传输的数据,将TCPRead函数工作模式设置为standard,即等待直至读取所有指定的字节或“超时毫秒”用完,返回当前已经读取的字节,倘若读取字节数少于设置的固定字节数,则报告错误;所述数据显示模块将获取到的数据经过格式转换,以表格形式显示数据在前面板的可视化界面上;所述数据存储模块通过Write To Spreadsheet File函数,把数据写入电子表格中以供离线处理;
单片机包含控制单元、外部RTC、外部晶振和EEPROM模块;数据采集模块包括多个振动信号传感器、信号调理放大电路和多通道ADC转换模块;外部RTC和外部晶振分别为控制单元提供时钟和频率信号,EEPROM模块与控制单元双向通信;多个振动信号传感器分别采集机械装置的径向振动信号、轴向振动信号和外壳振动信号,并将其分别转换为电信号,然后经过信号调理放大电路对信号进行放大处理,最后通过多通道ADC转换模块输入控制单元;
该监示系统的监测方法为:
(1)下位机部分通过单片机控制数据采集模块内的多个振动信号传感器协同完成多点振动信号数据采集;
(2)下位机部分采集的数据通过GPRS无线传输模块上传至上位机部分;
(3)上位机部分通过内部接口函数调用Python函数采用聚类算法完成样本数据处理,并通过Labview设计GUI界面进行显示;
上位机部分采用聚类算法对样本数据进行处理,具体包括:
系统借助Labview直接调用Python接口函数打开Python控制台,借助Python内置的scikit-learn包内KMeans函数编码聚类算法程序,当接口正常连接,打开Python 控制台后,需要先导入放置在转轴各不同位置的振动传感器部分测得、主控单片机分拣和归类预处理并通过GPRS无线传输模块输入到上位机部分的多点振动信号监测数据集作为样本数据集D,通过用户输入的k值,从D中随机选择k个样本作为初始均值向量,计算数据集中的每个样本数据与均值向量内的各个子向量之间的距离,距离度量函数采用高斯函数计算:dij=||xj-ui||2,1≤i≤k,1≤j≤m,其中,dij表示样本数据与均值向量之间的高斯距离,xj表示待划分的 样本数据,ui表示经过聚类形成的样本簇,将样本xj划分到距离最近的簇中,然后重新计算新的均值向量,并判断与之前的均值向量是否一致,若一致则聚类完成,样本数据集被划分成k个簇,若不一致则重复上面的计算步骤,直到均值向量不再变化为止。
2.根据权利要求1所述的一种基于聚类算法的多通道远程振动信号监示系统,其特征在于:所述振动信号传感器为压电式加速度传感器。
3.根据权利要求1所述的一种基于聚类算法的多通道远程振动信号监示系统,其特征在于:所述控制单元采用ARM处理芯片STM32F103RBT6。
4.根据权利要求1所述的一种基于聚类算法的多通道远程振动信号监示系统,其特征在于:电源模块包括直流电源驱动模块和电压放大模块,所述电压放大模块由直流电源驱动模块供电,根据多个PT1301芯片分别设计放大电路,分别为不同模块提供工作电压。
CN201811138393.7A 2018-09-28 2018-09-28 一种基于聚类算法的多通道远程振动信号监示系统及监测方法 Active CN109271948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811138393.7A CN109271948B (zh) 2018-09-28 2018-09-28 一种基于聚类算法的多通道远程振动信号监示系统及监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811138393.7A CN109271948B (zh) 2018-09-28 2018-09-28 一种基于聚类算法的多通道远程振动信号监示系统及监测方法

Publications (2)

Publication Number Publication Date
CN109271948A CN109271948A (zh) 2019-01-25
CN109271948B true CN109271948B (zh) 2021-02-09

Family

ID=65198705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811138393.7A Active CN109271948B (zh) 2018-09-28 2018-09-28 一种基于聚类算法的多通道远程振动信号监示系统及监测方法

Country Status (1)

Country Link
CN (1) CN109271948B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113405646A (zh) * 2021-06-17 2021-09-17 润智科技有限公司 一种基于双通道φ-OTDR地埋光缆分布式振动识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108168811A (zh) * 2017-12-12 2018-06-15 电子科技大学 一种振动信号的便携式采集分析装置及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070105288A (ko) * 2007-08-01 2007-10-30 순천대학교 산학협력단 LabVIEW를 이용한 디젤엔진발전기의 베어링 고장진단
CN103558048A (zh) * 2013-11-13 2014-02-05 重庆大学 Android平台上的虚拟式机械故障诊断仪和方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108168811A (zh) * 2017-12-12 2018-06-15 电子科技大学 一种振动信号的便携式采集分析装置及方法

Also Published As

Publication number Publication date
CN109271948A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN104391480B (zh) 一种基于专家系统的数控机床故障诊断系统
CN108168811A (zh) 一种振动信号的便携式采集分析装置及方法
US6411921B1 (en) Portable, self-contained data collection systems and methods
CN201569554U (zh) 一体化模态分析仪
CN101625383A (zh) 电能质量在线监测装置
CN109947047B (zh) 一种电主轴失衡故障诊断方法
Uhlmann et al. Condition monitoring in the cloud
CN110614539A (zh) 一种数控机床主轴状态在线实时监测分析方法
CN102490086A (zh) 镗杆工作状态实时监测系统
CN109271948B (zh) 一种基于聚类算法的多通道远程振动信号监示系统及监测方法
CN116300688A (zh) 数控机床数据采集、储存与应用的方法
CN109406117A (zh) 一种基于改进rbfnn算法的多通道远程振动信号监示系统及监测方法
CN117570039B (zh) 矿用隔爆型潜水排沙电泵故障监测系统及方法
CN201035376Y (zh) 工业生产过程小样本条件下的故障诊断装置
CN112836094A (zh) 一种对遥测数据模拟量参数的自动判读方法
CN112462744A (zh) 一种坦克火控系统状态评估与故障诊断系统
CN113326774A (zh) 一种基于AlexNet网络的机床能耗状态识别方法及系统
Kozochkin et al. Vibration testing of technological processes in automated machining equipment
CN108955867A (zh) 一种多通道远程振动信号监示仪及监示系统
CN101860082A (zh) 一种基于虚拟仪器的焊接电源监控管理方法及系统
CN107727082A (zh) 一种实时监测浮标的模块化系统
CN106768083B (zh) 一种基于Android平台的离心泵-电机振动、温度巡检装置及其检测方法
CN202083559U (zh) 基于无线数据传输的汽车安全环保检测设备检定系统
CN212148303U (zh) 一种汽车空调系统环境温度多点温变实时比较记录仪
CN114905334A (zh) 一种智能实时清洁切削监控系统和方法

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
GR01 Patent grant
GR01 Patent grant