CN113155270A - 一种振动传感器数据有效性在线智能评判方法 - Google Patents
一种振动传感器数据有效性在线智能评判方法 Download PDFInfo
- Publication number
- CN113155270A CN113155270A CN202110468534.7A CN202110468534A CN113155270A CN 113155270 A CN113155270 A CN 113155270A CN 202110468534 A CN202110468534 A CN 202110468534A CN 113155270 A CN113155270 A CN 113155270A
- Authority
- CN
- China
- Prior art keywords
- sensor
- collector
- voltage
- maximum
- minimum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008878 coupling Effects 0.000 claims abstract description 69
- 238000010168 coupling process Methods 0.000 claims abstract description 69
- 238000005859 coupling reaction Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
- G01H11/08—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means using piezoelectric devices
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种振动传感器数据有效性在线智能评判方法,属于振动传感器技术领域,传感器异常类型不同,其响应特征也有所区别,具体到状态的提取方法会存在一定差异,本发明在传感器异常类型和响应特征分析基础上,提出一种振动传感器数据有效值在线智能评判方法,该方法能够识别振动传感器,尤其是压电振动传感器的接触不良,异常冲击等问题;确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;将区间[Vs,Vl]划分为N等分,并将Ds各序列按照与Vp的大小关系统计归类,本发明提出的算法可以在线校验数据的有效性,降低设备虚警的概率,同时在提高监测系统的智能化和故障诊断的精确性方面也均有重大的意义。
Description
技术领域
本发明属于振动传感器技术领域;具体是一种振动传感器数据有效性在线智能评判方法。
背景技术
振动评价是机械设备状态评估经常使用的方法,传感器捕获的设备振动信号首先由采集单元传送至特定的数据处理模块,然后经处理模块内置的振动分析和状态评价方法判断设备当前工作情况或健康状态。对于设备状态评价,其准确性不仅决定于振动分析过程采用的策略和评价原则,而且还取决于采集器传送给数据处理模块原始信号的准确性。这些信号的精度,一方面于采集设备和传感器的性能相关,另一方面受传感器的安装,接线,屏蔽,传输等多个环节影响。因此,在设备状态评价前,对原始信号进行去伪存真操作也显得非常重要,同时这也是降低设备虚警概率的重要环节。
有源振动传感器是当前设备状态评价现场测试过程中常用的传感器类型,如:压电加速度传感器,MEMS芯片传感器,电涡流和电容位移传感器等。这些传感器一般均使用单电源供电,测试时,为了获得设备的振动特征,传感器通常需要将感知的振动叠加到特定的直流电压上,保证直流电压上的波动信号与设备振动特征匹配。对于这些传感器,直流偏置电压检测是传感器工作与否的常用检测方法,但是传感器信号异常并不限于其开路和短路状态,或者环境因素引起的偏压升高或降低等问题,还包含联接线缆的接触不良,振动冲击引起的异常响应等等。
发明内容
传感器异常类型不同,其响应特征也有所区别,具体到状态的提取方法会存在一定差异。本发明在传感器异常类型和响应特征分析基础上,提出一种振动传感器数据有效值在线智能评判方法,该方法能够识别振动传感器,尤其是压电振动传感器的接触不良,异常冲击等问题。本发明提出的算法可以在线校验数据的有效性,降低设备虚警的概率,同时在提高监测系统的智能化和故障诊断的精确性方面也均有重大的意义。
本发明的目的可以通过以下技术方案实现:
一种振动传感器数据有效性在线智能评判方法,具体方法包括以下步骤:
步骤一:确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;
步骤二:将区间[Vs,Vl]划分为N等分,得到Vp=[Vs,V1,V2,VN-1,Vl],其中:V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N;
步骤三:从采集器获取预设采样率Fs和频率分辨率Fd条件下的数据序列Ds,并将Ds各序列按照与Vp的大小关系统计归类,Vp+1>Dsi≥Vp,Sp=Sp+1;
步骤四:遍历Ds后,依照关系V=Sp/M计算DS在幅值方向的分布率;同时计算Pss、Psl,Pms、Pml和Pls、Pll;
步骤五:按照如下方式计算Vpl和Vps,Sl和SS;
步骤六:对于落入不同参考带数据进行判断。
进一步地,获取采集器设置的耦合方式,当采集器设置的耦合方式为直流耦合时,获取传感器输出最大电压Vlso和最小电压Vsso,以及采集器直流耦合输入最大电压Vlao和最小电压Vsao,将传感器输出最大电压Vlso、最小电压Vsso与采集器直流耦合输入最大电压Vlao和最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);当采集器设置的耦合方式为交流耦合时,获取传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso,以及采集器交流耦合对应最大电压Vlao和最小电压Vsao,将传感器输出最大量程和最小量程对应最大电压Vlso、最小电压Vsso与采集器交流耦合对应最大电压Vlao、最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao)。
进一步地,步骤四中Pss=0.95×Vl×N/(Vl-Vs);Psl=Vl×N/(Vl-Vs);Pls=0.95×Vs×N/(Vl-Vs);Pll=Vs×N/(Vl-Vs);Pms={Si=0,Pms=max(1至i)};Pml={Sj=0,Pml=min(j至N)}。
进一步地,步骤六中对于落入不同参考带数据进行判断的方法包括:当max(Vpl,Vps)=0时,传感器正常工作;当max(Vpl,Vps)≠0&&min(Vpl,Vps)=0,传感器出现异常或者量程选择不合理;An=max(Vpl,Vps),n=1,2,……;当n>num时,求解nj=mean(An),n=1,2……num,当存在An满足提醒传感器出现松动问题,否则传感器有冲击异常问题。
进一步地,步骤三中Vp为序列Vp中p位置值,p>0&&p≤N;
Dsi为Ds序列i位置的值,i>0&&i≤M,M为Ds序列长度;
Sp为N维数组S第p位置的值,在每次获得Ds序列前重置S序列各元素值为0。
本发明的有益效果:通过确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;获取采集器设置的耦合方式,当采集器设置的耦合方式为直流耦合时,获取传感器输出最大电压Vlso和最小电压Vsso,以及采集器直流耦合输入最大电压Vlao和最小电压Vsao,将传感器输出最大电压Vlso、最小电压Vsso与采集器直流耦合输入最大电压Vlao和最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);当采集器设置的耦合方式为交流耦合时,获取传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso,以及采集器交流耦合对应最大电压Vlao和最小电压Vsao,将传感器输出最大量程和最小量程对应最大电压Vlso、最小电压Vsso与采集器交流耦合对应最大电压Vlao、最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);将区间[Vs,Vl]划分为N等分,得到Vp=[Vs,V1,V2,VN-1,Vl],其中:V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,从采集器获取预设采样率Fs和频率分辨率Fd条件下的数据序列Ds,并将Ds各序列按照与Vp的大小关系统计归类,Vp+1>Dsi≥Vp,Sp=Sp+1;遍历Ds后,依照关系V=Sp/M计算DS在幅值方向的分布率;同时计算Pss、Psl,Pms、Pml和Pls、Pll;计算Vpl和Vps,Sl和SS;对于落入不同参考带数据进行判断;当max(Vpl,Vps)=0时,传感器正常工作;当max(Vpl,Vps)≠0&&min(Vpl,Vps)=0,传感器出现异常或者量程选择不合理;An=max(Vpl,Vps),n=1,2,……;当n>num时,求解nj=mean(An),n=1,2……num,当存在An满足提醒传感器出现松动问题,否则传感器有冲击异常问题;本发明提出的算法可以在线校验数据的有效性,降低设备虚警的概率,同时在提高监测系统的智能化和故障诊断的精确性方面也均有重大的意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
振动评价是机械设备状态评估经常使用的方法,传感器捕获的设备振动信号首先由采集单元传送至特定的数据处理模块,然后经处理模块内置的振动分析和状态评价方法判断设备当前工作情况或健康状态。对于设备状态评价,其准确性不仅决定于振动分析过程采用的策略和评价原则,而且还取决于采集器传送给数据处理模块原始信号的准确性。这些信号的精度,一方面于采集设备和传感器的性能相关,另一方面受传感器的安装,接线,屏蔽,传输等多个环节影响。因此,在设备状态评价前,对原始信号进行去伪存真操作也显得非常重要,同时这也是降低设备虚警概率的重要环节;测试时,为了获得设备的振动特征,传感器通常需要将感知的振动叠加到特定的直流电压上,保证直流电压上的波动信号与设备振动特征匹配;对于这些传感器,直流偏置电压检测是传感器工作与否的常用检测方法,但是传感器信号异常并不限于其开路和短路状态,或者环境因素引起的偏压升高或降低等问题,还包含联接线缆的接触不良,振动冲击引起的异常响应等等。传感器异常类型不同,其响应特征也有所区别,具体到状态的提取方法会存在一定差异,本发明在传感器异常类型和响应特征分析基础上,提出一种振动传感器数据有效值在线智能评判方法。该方法能够识别振动传感器,尤其是压电振动传感器的接触不良,异常冲击等问题。
如图1所示,一种振动传感器数据有效性在线智能评判方法,具体方法包括以下步骤:
步骤一:确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;两个或两个以上的电路构成一个网络时,若其中某一电路中电流或电压发生变化,能影响到其他电路也发生类似的变化,这种网络叫做耦合电路;耦合的作用就是把某一电路的能量输送(或转换)到其他的电路中去;
获取采集器设置的耦合方式,采集器设置的耦合方式包括直流耦合和交流耦合,交流耦合(AC Coupling)就是通过隔直电容耦合,去掉了直流分量;直流耦合(DCCoupling)就是直流、交流一起过,并不是去掉了交流分量;在交流耦合过后必须恢复自己已知的直流分量,这需要用到嵌位(CLAMP)和直流恢复(DC RESTORAON);关于嵌位,即是对一定范围内的交流电比如视频信号,叠加一个直流电平基点,使交流电的幅度变化范围从一个范围跳变到另一个范围,比如1-2V跳变到4-5V,使之满足输入和输出需求的条件;常用嵌位方式是BAV99,或者上下各接两个二极管分别接电压跟地;交流耦合和直流耦合在匹配电路上的区别:直流耦合就是直接的导线连接,包括通过像电阻之类的线性元件的连接。它适用于对包括直流分量的信号的放大电路中。在直流耦合电路中,各级电路的静态工作点是互相影响的;
当采集器设置的耦合方式为直流耦合时,获取传感器输出最大电压Vlso和最小电压Vsso,传感器输出最大电压Vlso和最小电压Vsso是在正常供电范围,传感器理论输出的最大电压和最小电压,以及采集器直流耦合输入最大电压Vlao和最小电压Vsao,将传感器输出最大电压Vlso、最小电压Vsso与采集器直流耦合输入最大电压Vlao和最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);当采集器设置的耦合方式为交流耦合时,获取传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso,以及采集器交流耦合对应最大电压Vlao和最小电压Vsao,传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso是传感器有效量程对应的最大电压和最小电压,将传感器输出最大量程和最小量程对应最大电压Vlso、最小电压Vsso与采集器交流耦合对应最大电压Vlao、最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);
例如:当获取到采集器设置的耦合方式为直流耦合时,传感器输出最大电压为5v和最小电压1v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大电压为5v与采集器输入最大电压为6v进行比较,得到Vl=5v,将传感器输出最小电压1v与采集器输入最小电压为1.5v进行比较,得到Vs=1.5v;当获取到采集器设置的耦合方式为交流耦合时,传感器输出最大量程和最小量程对应的最大电压为5v和最小电压1v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大量程对应的最大电压为5v与采集器输入最大电压6v进行对比,得到Vl=5v,将传感器输出最小量程对应的最小电压1v与采集器输入最小电压1.5v进行对比,得到Vs=1.5v;可以看出无论采集器设置的耦合方式为直流耦合还是交流耦合,Vl或者Vs的含义都是相同的,不存在公开不充分的情况;
步骤二:将区间[Vs,Vl]划分为N等分,得到Vp=[Vs,V1,V2,VN-1,Vl],其中:V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,其中,N为比例系数,N>0,优选的,N>1000,且N为奇数;
例如:将区间[1.5,5]划分为5000等分,根据公式Vp=[Vs,V1,V2,VN-1,Vl],V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,得到Vp=[1.5,1.5007,1.5014,……,4.9993,5];
步骤三:从采集器获取预设采样率Fs和频率分辨率Fd条件下的数据序列Ds,并将Ds各序列按照与Vp的大小关系统计归类,Vp+1>Dsi≥Vp,Sp=Sp+1;
其中:Vp为序列Vp中p位置值,p>0&&p≤N;
Dsi为Ds序列i位置的值,i>0&&i≤M,M为Ds序列长度;
Sp为N维数组S第p位置的值,在每次获得Ds序列前重置S序列各元素值为0;
步骤四:遍历Ds后,依照关系V=Sp/M计算DS在幅值方向的分布率;同时计算Pss、Psl,Pms、Pml和Pls、Pll;
其中:Pss=0.95×Vl×N/(Vl-Vs);
Psl=Vl×N/(Vl-Vs);
Pls=0.95×Vs×N/(Vl-Vs);
Pll=Vs×N/(Vl-Vs);
Pms={Si=0,Pms=max(1至i)};
Pml={Sj=0,Pml=min(j至N)};所谓遍历(Traversal),是指沿着某条搜索路线,依次对树(或图)中每个节点均做一次访问。访问结点所做的操作依赖于具体的应用问题,具体的访问操作可能是检查节点的值、更新节点的值等。不同的遍历方式,其访问节点的顺序是不一样的。遍历是二叉树上最重要的运算之一,是二叉树上进行其它运算之基础。当然遍历的概念也适合于多元素集合的情况,如数组;
步骤五:按照如下方式计算Vpl和Vps,Sl和SS;
步骤六:对于落入不同参考带数据进行判断;
当max(Vpl,Vps)=0时,传感器正常工作;
当max(Vpl,Vps)≠0&&min(Vpl,Vps)=0,传感器出现异常或者量程选择不合理;
An=max(Vpl,Vps),n=1,2,……;
步骤七:重复步骤三至六对其它数据异常进行判断和剔除,并记录数据剔除的时刻。
示例性的,当获取到采集器设置的耦合方式为直流耦合时,传感器输出最大电压为6v和最小电压1v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大电压为6v与采集器输入最大电压为6v进行比较,得到Vl=6v,将传感器输出最小电压1v与采集器输入最小电压为1.5v进行比较,得到Vs=1.5v;当获取到采集器设置的耦合方式为交流耦合时,传感器输出最大量程和最小量程对应的最大电压为6v和最小电压1v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大量程对应的最大电压为6v与采集器输入最大电压6v进行对比,得到Vl=6v,将传感器输出最小量程对应的最小电压1v与采集器输入最小电压1.5v进行对比,得到Vs=1.5v;
将区间[1.5,6]划分为5000等分,根据公式Vp=[Vs,V1,V2,VN-1,Vl],V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,得到Vp=[1.5,1.5009,1.5018,……,5.9991,6];
进一步的,当获取到采集器设置的耦合方式为直流耦合时,传感器输出最大电压为7v和最小电压0v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大电压为7v与采集器输入最大电压为6v进行比较,得到Vl=6v,将传感器输出最小电压0v与采集器输入最小电压为1.5v进行比较,得到Vs=1.5v;当获取到采集器设置的耦合方式为交流耦合时,传感器输出最大量程和最小量程对应的最大电压为7v和最小电压0v,采集器输入最大电压为6v和最小电压为1.5v,将传感器输出最大量程对应的最大电压为7v与采集器输入最大电压6v进行对比,得到Vl=6v,将传感器输出最小量程对应的最小电压0v与采集器输入最小电压1.5v进行对比,得到Vs=1.5v;
将区间[1.5,6]划分为5000等分,根据公式Vp=[Vs,V1,V2,VN-1,Vl],V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,得到Vp=[1.5,1.5009,1.5018,……,5.9991,6]。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明在使用时,确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;获取采集器设置的耦合方式,当采集器设置的耦合方式为直流耦合时,获取传感器输出最大电压Vlso和最小电压Vsso,以及采集器直流耦合输入最大电压Vlao和最小电压Vsao,将传感器输出最大电压Vlso、最小电压Vsso与采集器直流耦合输入最大电压Vlao和最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);当采集器设置的耦合方式为交流耦合时,获取传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso,以及采集器交流耦合对应最大电压Vlao和最小电压Vsao,将传感器输出最大量程和最小量程对应最大电压Vlso、最小电压Vsso与采集器交流耦合对应最大电压Vlao、最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);
将区间[Vs,Vl]划分为N等分,得到Vp=[Vs,V1,V2,VN-1,Vl],其中:V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N,从采集器获取预设采样率Fs和频率分辨率Fd条件下的数据序列Ds,并将Ds各序列按照与Vp的大小关系统计归类,Vp+1>Dsi≥Vp,Sp=Sp+1;遍历Ds后,依照关系V=Sp/M计算DS在幅值方向的分布率;同时计算Pss、Psl,Pms、Pml和Pls、Pll;计算Vpl和Vps,Sl和SS;对于落入不同参考带数据进行判断;当max(Vpl,Vps)=0时,传感器正常工作;当max(Vpl,Vps)≠0&&min(Vpl,Vps)=0,传感器出现异常或者量程选择不合理;An=max(Vpl,Vps),n=1,2,……;当n>num时,求解nj=mean(An),n=1,2……num,当存在An满足提醒传感器出现松动问题,否则传感器有冲击异常问题;重复步骤三至六对其它数据异常进行判断和剔除,并记录数据剔除的时刻。
本发明提出的算法可以在线校验数据的有效性,降低设备虚警的概率,同时在提高监测系统的智能化和故障诊断的精确性方面也均有重大的意义。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种振动传感器数据有效性在线智能评判方法,其特征在于,具体方法包括以下步骤:
步骤一:确定采集器设置的耦合方式,传感器的量程,采集器最大和最小输入信号;
步骤二:将区间[Vs,Vl]划分为N等分,得到Vp=[Vs,V1,V2,VN-1,Vl],其中:V1-Vs=V2-V1=……=Vl-VN-1=(Vl-Vs)/N;
步骤三:从采集器获取预设采样率Fs和频率分辨率Fd条件下的数据序列Ds,并将Ds各序列按照与Vp的大小关系统计归类,Vp+1>Dsi≥Vp,Sp=Sp+1;
步骤四:遍历Ds后,依照关系V=Sp/M计算Ds在幅值方向的分布率;同时计算Pss、Psl,Pms、Pml和Pls、Pll;
步骤五:按照如下方式计算Vpl和Vps,Sl和SS;
步骤六:对于落入不同参考带数据进行判断。
2.根据权利要求1所述的一种振动传感器数据有效性在线智能评判方法,其特征在于,获取采集器设置的耦合方式,当采集器设置的耦合方式为直流耦合时,获取传感器输出最大电压Vlso和最小电压Vsso,以及采集器直流耦合输入最大电压Vlao和最小电压Vsao,将传感器输出最大电压Vlso、最小电压Vsso与采集器直流耦合输入最大电压Vlao和最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao);当采集器设置的耦合方式为交流耦合时,获取传感器输出最大量程和最小量程对应最大电压Vlso和最小电压Vsso,以及采集器交流耦合对应最大电压Vlao和最小电压Vsao,将传感器输出最大量程和最小量程对应最大电压Vlso、最小电压Vsso与采集器交流耦合对应最大电压Vlao、最小电压Vsao进行比较,获得Vl和Vs,其中,Vl=min(Vlso,Vlao),Vs=max(Vsso,Vsao)。
3.根据权利要求1所述的一种振动传感器数据有效性在线智能评判方法,其特征在于,步骤四中Pss=0.95×Vl×N/(Vl-Vs);Psl=Vl×N/(Vl-Vs);Pls=0.95×Vs×N/(Vl-Vs);Pll=Vs×N/(Vl-Vs);Pms={Si=0,Pms=max(1至i)};Pml={Sj=0,Pml=min(j至N)}。
5.根据权利要求1所述的一种振动传感器数据有效性在线智能评判方法,其特征在于,步骤三中Vp为序列Vp中p位置值,p>0&&p≤N;
Dsi为Ds序列i位置的值,i>0&&i≤M,M为Ds序列长度;
Sp为N维数组S第p位置的值,在每次获得Ds序列前重置S序列各元素值为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468534.7A CN113155270A (zh) | 2021-04-28 | 2021-04-28 | 一种振动传感器数据有效性在线智能评判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468534.7A CN113155270A (zh) | 2021-04-28 | 2021-04-28 | 一种振动传感器数据有效性在线智能评判方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113155270A true CN113155270A (zh) | 2021-07-23 |
Family
ID=76872062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110468534.7A Pending CN113155270A (zh) | 2021-04-28 | 2021-04-28 | 一种振动传感器数据有效性在线智能评判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155270A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105428A1 (en) * | 2001-02-02 | 2002-08-08 | The Board Of Trustees Of The University Of Illinois | Fuzzy logic method for adaptively evaluating the validity of sensor data |
EP2869153A1 (en) * | 2013-11-01 | 2015-05-06 | Hitachi Power Solutions Co., Ltd. | Health management system, fault diagnosis system, health management method, and fault diagnosis method |
CN104778360A (zh) * | 2015-04-10 | 2015-07-15 | 清华大学 | 火工冲击数据预处理方法及系统 |
CN105718748A (zh) * | 2016-01-28 | 2016-06-29 | 许继集团有限公司 | 一种在线监测数据处理方法 |
CN106596034A (zh) * | 2016-11-29 | 2017-04-26 | 中国直升机设计研究所 | 一种判断模型试验台旋翼天平试验数据有效性的方法 |
CN109581426A (zh) * | 2019-02-18 | 2019-04-05 | 帆美航空科技(北京)有限公司 | 一种识别gnss异常信号的方法、系统、设备及存储介质 |
CN110541795A (zh) * | 2019-08-26 | 2019-12-06 | 重庆科凯前卫风电设备有限责任公司 | 一种海上风电机组机舱振动加速度数据有效性的判定方法 |
CN110991074A (zh) * | 2019-12-16 | 2020-04-10 | 宝鸡石油机械有限责任公司 | 一种位移传感器测量数据有效性的判定方法 |
CN111319787A (zh) * | 2020-02-24 | 2020-06-23 | 北京安达维尔航空设备有限公司 | 一种直升机动部件振动监测数据有效性评估方法 |
CN111898871A (zh) * | 2020-07-08 | 2020-11-06 | 南京南瑞水利水电科技有限公司 | 电网电源端数据质量评价方法、装置及系统 |
-
2021
- 2021-04-28 CN CN202110468534.7A patent/CN113155270A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105428A1 (en) * | 2001-02-02 | 2002-08-08 | The Board Of Trustees Of The University Of Illinois | Fuzzy logic method for adaptively evaluating the validity of sensor data |
EP2869153A1 (en) * | 2013-11-01 | 2015-05-06 | Hitachi Power Solutions Co., Ltd. | Health management system, fault diagnosis system, health management method, and fault diagnosis method |
CN104778360A (zh) * | 2015-04-10 | 2015-07-15 | 清华大学 | 火工冲击数据预处理方法及系统 |
CN105718748A (zh) * | 2016-01-28 | 2016-06-29 | 许继集团有限公司 | 一种在线监测数据处理方法 |
CN106596034A (zh) * | 2016-11-29 | 2017-04-26 | 中国直升机设计研究所 | 一种判断模型试验台旋翼天平试验数据有效性的方法 |
CN109581426A (zh) * | 2019-02-18 | 2019-04-05 | 帆美航空科技(北京)有限公司 | 一种识别gnss异常信号的方法、系统、设备及存储介质 |
CN110541795A (zh) * | 2019-08-26 | 2019-12-06 | 重庆科凯前卫风电设备有限责任公司 | 一种海上风电机组机舱振动加速度数据有效性的判定方法 |
CN110991074A (zh) * | 2019-12-16 | 2020-04-10 | 宝鸡石油机械有限责任公司 | 一种位移传感器测量数据有效性的判定方法 |
CN111319787A (zh) * | 2020-02-24 | 2020-06-23 | 北京安达维尔航空设备有限公司 | 一种直升机动部件振动监测数据有效性评估方法 |
CN111898871A (zh) * | 2020-07-08 | 2020-11-06 | 南京南瑞水利水电科技有限公司 | 电网电源端数据质量评价方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
张宬: "《航空发动机振动传感器数据有效性验证方法研究》", 《中国优秀硕士学位论文全文数据库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sohn et al. | Applying the LANL statistical pattern recognition paradigm for structural health monitoring to data from a surface-effect fast patrol boat | |
US5418453A (en) | Method of measuring wheel speed sensor impedance | |
CN110704801A (zh) | 桥梁集群结构运营安全智能监测与快速检测成套技术 | |
JP2003526859A5 (zh) | ||
CN111678699B (zh) | 一种面向滚动轴承早期故障监测与诊断方法及系统 | |
CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
CN116879662A (zh) | 基于数据分析的变压器故障检测方法 | |
CN108872852A (zh) | 一种风力发电机故障诊断系统及方法 | |
CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
CN103640713A (zh) | 飞机结构疲劳部件的监测系统 | |
CN105091732A (zh) | 一种变压器绕组变形的检测方法及系统 | |
CN113391207A (zh) | 一种电机故障的检测方法、介质及系统 | |
CN106338662A (zh) | 基于数学形态学的变压器绕组变形诊断方法 | |
CN110907863B (zh) | 一种模拟量输入通道接线状态检测方法和系统 | |
CN114021671B (zh) | 一种有源配电网在线故障处理方法和系统 | |
CN115327386A (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
CN112801135B (zh) | 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备 | |
CN113155270A (zh) | 一种振动传感器数据有效性在线智能评判方法 | |
CN109990803A (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 | |
CN116658433A (zh) | 一种耐颗粒型磁力泵智能检测方法及系统 | |
KR20230104526A (ko) | 부분방전 모니터링 시스템 및 부분방전 모니터링 방법 | |
JP2020187955A (ja) | 開閉装置の診断方法及び装置 | |
CN111506045B (zh) | 一种基于单值中智集相关系数的故障诊断方法 | |
CN114996815A (zh) | 一种基于决策树算法的金属屋面状态判断方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |