CN110274683B - 可协同计算的三轴智能振动传感器 - Google Patents
可协同计算的三轴智能振动传感器 Download PDFInfo
- Publication number
- CN110274683B CN110274683B CN201910658522.3A CN201910658522A CN110274683B CN 110274683 B CN110274683 B CN 110274683B CN 201910658522 A CN201910658522 A CN 201910658522A CN 110274683 B CN110274683 B CN 110274683B
- Authority
- CN
- China
- Prior art keywords
- data
- vibration sensor
- storage space
- calculated
- value
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及结构实时监测技术领域,针对结构监测用的振动传感器,涉及一种可协同计算的三轴智能振动传感器,包括三轴振动传感器、RC低通滤波器、同步3通道模数转换器、微处理器单元、通信模块、电源模块、FLASH存储器和数据存储器。所述微处理器完成数据采集、数据特征值处理、数据异常判别的协同处理功能,并通过通信模块实现与上位机的交互。所述微处理器的协同计算包括低通FIR滤波数据降噪,特征值的提取,异常数据的剔除、超阈值报警等。本发明通过把部分运算过程,部分存储功能分布在智能传感器上,减少服务器的计算压力,降低对网络的需求,避免因为服务器计算压力过大造成的时延,造成故障处理不及时。
Description
技术领域
本发明涉及结构实时监测技术领域,针对结构监测用的振动传感器,涉及一种可协同计算的三轴智能振动传感器。
背景技术
传统的结构健康监测系统,振动传感器节点主要完成数据采集及传输功能,所有的数据处理及分析由本地监控中心或者远程监控中心服务器完成。当一个系统接入大量的动态传感器时,大量数据同时进入服务器,监控中心的网络及数据处理负担将非常重,这会对预警的实效性产生严重的影响,可能一些简单的结构状态异常都要延迟很久才能发现并报警,导致结构运营维护人员无法及时应急处置结构状态异常状况。因此有必要开发一种可协同计算的智能振动传感器,对采集的数据进行必要的预处理,并过滤掉冗余数据,不仅能减轻监控中心的数据处理及存储负担,也使报警及处置更加及时。
发明内容
为了解决上述技术问题,针对结构监测用的振动传感器,本发明提供一种可协同计算的三轴智能振动传感器,采用分布式计算的思想,让传感器的微处理器协同计算,协助处理数据,以减轻监控中心的数据处理及存储负担,使报警及处置更加及时。
本发明采取的技术方案是:一种可协同计算的三轴智能振动传感器,包括三轴振动传感器、RC低通滤波器、同步3通道模数转换器、微处理器单元、通信模块、电源模块、FLASH存储器和数据存储器,所述三轴振动传感器的输出连接到RC低通滤波器的输入,RC低通滤波器的输出连接到同步3通道模数转换器的输入,所述模数转换器的输出连接到微处理器单元的输入,所述微处理器单元与通信模块、FLASH和数据存储器相连,所述通信模块与监控中心PC通过有线或无线的方式相连,所述电源模块为其它电路单元供电。
所述微处理器完成数据采集、数据特征值处理、数据异常判别的协同处理功能,并通过通信模块实现与上位机的交互。
优选地,所述数据存储器配置16GB以上的存储空间,当网络出现大的故障时,可以把原始数据较长时间的存储在智能传感器上,提升传感器稳定性,也可起到数据备份作用,当服务器数据丢失或损坏可以重新上传。
所述FLASH存储器用于存储系统的运行程序及特征值。
所述微处理器与上位机的交互,包括请求实时数据、采集频率更换请求等。
具体地,所述微处理器的协同计算包括低通FIR滤波数据降噪,特征值的提取,异常数据的剔除、超阈值报警等。
所述FIR滤波对采集到的振动信号进行信号调理和FIR滤波处理,从而降低信号噪声,提高信号的准确性。
所述特征值的提取包括:
a)均值的计算:初始均值μ由N个采集数据求平均得到(N是一个足够大的自然数)。每采集一个数据ai,对均值进行更新。均值的更新通过加权的方式计算,原均值的权重为(N-1)/N,新采集数据ai的权重为1/N:
b)正幅值最大值Amax的计算:当数据ai>Amax,将数据ai记录为新的正幅值最大值Amax,否则保持不变。
c)负幅值最小值Amin的计算:当数据ai<Amin,将数据ai记录为新的负幅值最小值Amin,否则保持不变。
d)记a′i=ai-μ是数据减去均值以后的值。
所述微处理器协同计算的工作流程是:
以L表示超阈值计数器,K表示不超阈值计数器,初始值均为0;Q表示启动报警的连续异常数据点数。
S1:连续采集数据,并进行FIR低通滤波;
S3:计算新数据点ai与均值μ差值的绝对值,并与阈值α进行比较:
(1)如果|ai-μ|<α,则对超阈值计数器L进行判断:
①如果L=0,则数据ai直接存储到临时存储空间AD上;
②如果0<L<Q,则剔除该新数据点之前的异常数据(视为脉冲干扰信号或孤点异常信号),删除与之相关的特征值,并将L清零,将新数据点ai存储到临时存储空间AD上;
③如果L≥Q,则判断不超阈值计数器K是否达到半个采集周期数,如果没达到,则K=K+1,将新数据点存储到临时存储空间AD上;如果达到,则认为第一个超门限值前半个周期,到最后一个超门限值后半个周期的数据段是一个完整的报警波形,这个报警波形将从临时存储地址AD移动到固定数据存储空间,更新Amax和Amin,并将L清零,将新数据点存储到临时存储空间AD上。
(2)如果|ai-μ|≥α,则超阈值计数器L=L+1,不超阈值计数器K清零,再把数据ai存储到临时存储空间AD上。
S4:产生报警波形时,传感器报警,并上传计算的特征值和结构异常的数据到服务器,以便于服务器较快的做出判断和进一步的数据处理,也方便后期数据的导出和分析。
本发明的有益效果是,通过把部分运算过程,部分存储功能分布在智能传感器上,减少服务器的计算压力,降低对网络的需求,避免因为服务器计算压力过大造成的时延,造成故障处理不及时。
附图说明
图1是本发明可协同计算的三轴智能振动传感器的结构图。
图2是微处理器协同计算的工作流程。
具体实施方式
以下结合附图对本发明进行详细描述。
本发明可协同计算的三轴智能振动传感器的结构图如图1所示,包括三轴振动传感器、RC低通滤波器、同步3通道模数转换器、微处理器单元、通信模块、电源模块、FLASH存储器和数据存储器,所述三轴振动传感器的输出连接到RC低通滤波器的输入,RC低通滤波器的输出连接到同步3通道模数转换器的输入,所述模数转换器的输出连接到微处理器单元的输入,所述微处理器单元与通信模块、FLASH和数据存储器相连,所述通信模块与监控中心PC通过有线或无线的方式相连,所述电源模块为微处理器供电。
所述微处理器完成数据采集、数据特征值处理、数据异常判别的协同处理功能,并通过通信模块实现与上位机的交互。
优选地,所述数据存储器配置16GB以上的存储空间,当网络出现大的故障时,可以把原始数据较长时间的存储在智能传感器上,提升传感器稳定性,也可起到数据备份作用,当数据丢失或损坏可以重新上传。
所述FLASH存储器用于存储系统的运行程序及特征值。
所述微处理器与上位机的交互,包括请求实时数据、采集频率更换请求等。。
具体地,所述微处理器的协同计算包括FIR低通滤波数据降噪,特征值的提取,异常数据的剔除、超阈值报警等。
所述FIR低通滤波对采集到的振动信号进行信号调理和低通FIR滤波处理,从而降低信号噪声,提高信号的准确性。
所述特征值的提取包括:
a)均值的计算:初始均值μ由N个采集数据求平均得到(N是一个足够大的自然数)。每采集一个数据ai,对均值进行更新。均值的更新通过加权的方式计算,原均值的权重为(N-1)/N,新采集数据ai的权重为1/N。在本实施例中,设N为1000,则每次均值更新时,原均值的权重为0.999,新采集数据ai的权重为0.001,均值的更新公式为:
μ=0.999μ+0.001ai
b)正幅值最大值Amax的计算:当数据ai>Amax,将数据ai记录为新的正幅值最大值Amax,否则保持不变。
c)负幅值最小值Amin的计算:当数据ai<Amin,将数据ai记录为新的负幅值最小值Amin,否则保持不变。
d)记a′i=ai-μ是数据减去均值以后的值。
所述微处理器协同计算的工作流程如图2所示:
以L表示超阈值计数器,K表示不超阈值计数器,初始值均为0;Q表示启动报警的连续异常数据点数。
S1:连续采集数据,并进行FIR低通滤波;
S3:计算新数据点ai与均值μ差值的绝对值,并与阈值α进行比较:
(1)如果|ai-μ|<α,则对超阈值计数器L进行判断:
①如果L=0,则数据ai直接存储到临时存储空间AD上;
②如果0<L<Q,则剔除该新数据点之前的异常数据(视为脉冲干扰信号或孤点异常信号),删除与之相关的特征值,并将L清零,将新数据点ai存储到临时存储空间AD上;
③如果L≥Q,则判断不超阈值计数器K是否达到半个采集周期数,如果没达到,则K=K+1,将新数据点存储到临时存储空间AD上;如果达到,则认为第一个超门限值前半个周期,到最后一个超门限值后半个周期的数据段是一个完整的报警波形,这个报警波形将从临时存储地址AD移动到固定数据存储空间,更新Amax和Amin,并将L清零,将新数据点存储到临时存储空间AD上。
(2)如果|ai-μ|≥α,则超阈值计数器L=L+1,不超阈值计数器K清零,再把数据ai存储到临时存储空间AD上。
S4:产生报警波形时,传感器报警,并上传计算的特征值和结构异常的数据到服务器,以便于服务器较快的做出判断和进一步的数据处理,也方便后期数据的导出和分析。
本发明不限于上述实施方式,本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更,都不会超出本发明的构思和所附权利要求的保护范围。
Claims (5)
1.一种可协同计算的三轴智能振动传感器,其特征在于,包括三轴振动传感器、RC低通滤波器、同步3通道模数转换器、微处理器单元、通信模块、电源模块、FLASH存储器和数据存储器,所述三轴振动传感器的输出连接到RC低通滤波器的输入,RC低通滤波器的输出连接到同步3通道模数转换器的输入,所述同步3通道模数转换器的输出连接到微处理器单元的输入,所述微处理器单元与通信模块、FLASH存储器和数据存储器相连,所述通信模块与监控中心PC通过有线或无线的方式相连,所述电源模块为其它电路单元供电;所述微处理器单元完成低通FIR滤波数据降噪,数据特征值的提取,异常数据的剔除、超阈值报警的协同计算功能,并通过通信模块实现与上位机的交互;
所述特征值的提取包括均值、正幅值最大值、负幅值最小值;所述均值的计算方法为:初始均值μ由N个采集数据求平均得到,N是一个自然数,每采集一个数据ai,对均值进行更新;均值的更新通过加权的方式计算,原均值的权重为(N-1)/N,新采集数据ai的权重为1/N,
记a′i=ai-μ是数据减去均值以后的值;
所述微处理器单元协同计算的工作流程是:
以L表示超阈值计数器,K表示不超阈值计数器,初始值均为0;Q表示启动报警的连续异常数据点数;
S1:连续采集数据,并进行FIR低通滤波;
S3:计算新数据点ai与均值μ差值的绝对值,并与阈值α进行比较:
(1)如果|ai-μ|<α,则对超阈值计数器L进行判断:
①如果L=0,则数据ai直接存储到临时存储空间AD上;
②如果0<L<Q,则剔除该新数据点之前的异常数据,视为脉冲干扰信号或孤点异常信号,删除与之相关的特征值,并将L清零,将新数据点ai存储到临时存储空间AD上;
③如果L≥Q,则判断不超阈值计数器K是否达到半个采集周期数,如果没达到,则K=K+1,将新数据点存储到临时存储空间AD上;如果达到,则认为第一个超门限值前半个周期,到最后一个超门限值后半个周期的数据段是一个完整的报警波形,这个报警波形将从临时存储空间AD移动到固定数据存储空间,更新正幅值最大值Amax和负幅值最小值Amin,并将L清零,将新数据点存储到临时存储空间AD上;
(2)如果|ai-μ|≥α,则超阈值计数器L=L+1,不超阈值计数器K清零,再把数据ai存储到临时存储空间AD上;
S4:产生报警波形时,传感器报警,并上传计算的特征值和结构异常的数据到服务器,以便于服务器较快的做出判断和进一步的数据处理,也方便后期数据的导出和分析。
2.根据权利要求1所述的可协同计算的三轴智能振动传感器,其特征在于,所述数据存储器配置16GB以上的存储空间,当网络出现大的故障时,把原始数据较长时间的存储在智能振动传感器上,提升传感器稳定性,也起到数据备份作用,当服务器数据丢失或损坏重新上传。
3.根据权利要求1所述的可协同计算的三轴智能振动传感器,其特征在于,所述FLASH存储器用于存储系统的运行程序及特征值。
4.根据权利要求1所述的可协同计算的三轴智能振动传感器,其特征在于,所述微处理器单元与上位机的交互,包括请求实时数据、采集频率更换请求。
5.根据权利要求1所述的可协同计算的三轴智能振动传感器,其特征在于,所述FIR滤波对采集到的振动信号进行信号调理和FIR滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910658522.3A CN110274683B (zh) | 2019-07-20 | 2019-07-20 | 可协同计算的三轴智能振动传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910658522.3A CN110274683B (zh) | 2019-07-20 | 2019-07-20 | 可协同计算的三轴智能振动传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110274683A CN110274683A (zh) | 2019-09-24 |
CN110274683B true CN110274683B (zh) | 2023-06-13 |
Family
ID=67964919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910658522.3A Active CN110274683B (zh) | 2019-07-20 | 2019-07-20 | 可协同计算的三轴智能振动传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110274683B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202353611U (zh) * | 2011-12-23 | 2012-07-25 | 北京泰克华诚技术信息咨询有限公司 | 一种无线传感器节点及无线传感器网络 |
CN103488139A (zh) * | 2013-09-05 | 2014-01-01 | 山东博润工业技术股份有限公司 | 振动设备智能监测系统 |
CN104236796B (zh) * | 2014-09-01 | 2017-04-05 | 武汉广远经济发展股份有限公司 | 轴系状态信息采集智能转速传感器 |
CN107064796A (zh) * | 2017-04-20 | 2017-08-18 | 哈尔滨理工大学 | 智能电机振动在线监测及预警系统 |
JP7058000B2 (ja) * | 2017-12-05 | 2022-04-21 | 四国電力株式会社 | 振動モニタリングシステム |
CN109655106A (zh) * | 2018-07-30 | 2019-04-19 | 杭州哲达科技股份有限公司 | 一种用于运转设备安康实时监测系统 |
-
2019
- 2019-07-20 CN CN201910658522.3A patent/CN110274683B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110274683A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nabar et al. | GeM-REM: Generative model-driven resource efficient ecg monitoring in body sensor networks | |
CN107065657A (zh) | 机器状态无线监测设备、方法和系统 | |
CN103595416A (zh) | 压缩生产数据流并以不同标准过滤压缩数据的系统和方法 | |
CN109009143B (zh) | 一种通过人体步态预测心电信息的方法 | |
CN106409351A (zh) | 一种核电厂松动部件振动信号的处理方法及装置 | |
CN110274683B (zh) | 可协同计算的三轴智能振动传感器 | |
CN111337234A (zh) | 一种基于实时监测的tbm刮刀寿命预测系统及方法 | |
CN209991933U (zh) | 可协同计算的智能多通道同步动应变传感器 | |
RU121944U1 (ru) | Автоматизированная система выявления неисправных датчиков среди датчиков, предназначенных для контроля технологических процессов | |
CN112559969A (zh) | 一种基于累积和算法的小泄漏检测方法 | |
CN110274537B (zh) | 可协同计算的智能多通道同步动应变传感器 | |
CN110197289B (zh) | 一种基于大数据的节能设备管理系统 | |
Naik et al. | Comparative analysis of ECG classification using neuro-fuzzy algorithm and multimodal decision learning algorithm: ECG classification algorithm | |
CN115310490B (zh) | 基于多域特征与敏感特征选择的旋转设备故障分析方法 | |
CN107121493A (zh) | 一种设备损伤检测方法及系统 | |
CN114238477A (zh) | 一种基于工业生产与能耗数据的实时采集及智能处理系统 | |
CN106603396B (zh) | 一种基于总线型数据交换的物联网接入网关 | |
CN111855817B (zh) | 复杂结构件云边端协同检测疲劳裂纹的方法 | |
CN103398846A (zh) | 一种减速器健康分析方法及其分析平台系统 | |
CN107374609A (zh) | 一种心律异常动态实时诊断系统 | |
CN113155501A (zh) | 一种基于物联网技术的工业设备实时监测系统 | |
CN112487364B (zh) | 一种基于指数加权移动平均值算法的小泄漏检测方法 | |
JP7088391B1 (ja) | 情報処理装置 | |
CN114795168B (zh) | 生命体征参数心率计算方法及系统 | |
CN116644061B (zh) | 一种铁路信号集中监测系统数据清洗方法及系统 |
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 |