CN116484308B - 一种基于边缘自适用计算的数据采集方法 - Google Patents

一种基于边缘自适用计算的数据采集方法 Download PDF

Info

Publication number
CN116484308B
CN116484308B CN202310747305.8A CN202310747305A CN116484308B CN 116484308 B CN116484308 B CN 116484308B CN 202310747305 A CN202310747305 A CN 202310747305A CN 116484308 B CN116484308 B CN 116484308B
Authority
CN
China
Prior art keywords
acoustic emission
vibration
frequency domain
signal
signals
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
CN202310747305.8A
Other languages
English (en)
Other versions
CN116484308A (zh
Inventor
刘向宇
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.)
Huoyan Technology Tianjin Co ltd
Original Assignee
Huoyan Technology Tianjin Co ltd
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 Huoyan Technology Tianjin Co ltd filed Critical Huoyan Technology Tianjin Co ltd
Priority to CN202310747305.8A priority Critical patent/CN116484308B/zh
Publication of CN116484308A publication Critical patent/CN116484308A/zh
Application granted granted Critical
Publication of CN116484308B publication Critical patent/CN116484308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/02—Preventing, monitoring, or locating loss
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Signal Processing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及数据检测领域，尤其涉及一种基于边缘自适用计算的数据采集方法，本发明通过采集声发射传感器以及振动传感器的数据，确定声发射信号的波动状态以及管道振动状态，并对应确定对声发射信号进行异常判定时的判定方式，在预设条件下，通过筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，在振动干扰较小时，时域波形图像表征性较好，以此为基准判定声发射信号是否异常，在振动干扰较大时判定声发射信号的相似性，在声发射信号为相似状态时对信号片段进行分解，获取异常判定结果将异常判定结果代替整段声发射信号的判定结果，通过上述过程对大量管道进行处理时，在保证可靠性的前提下减少数据运算载荷，提高数据处理效率。

Description

一种基于边缘自适用计算的数据采集方法
技术领域
本发明涉及数据检测领域，尤其涉及一种基于边缘自适用计算的数据采集方法。
背景技术
边缘自适用技术是指将计算、存储和网络资源放置在接近数据源头的边缘设备上，边缘设备可以是智能手机、路由器、微型计算机、传感器、监控摄像头等，这些设备都可以执行计算任务，尤其是在传感器检测领域被广泛应用，例如管网检测、泄漏检测等，能够通过检测的数据判定检测对象是否出现异常。
例如，中国专利公开号：CN114417688A，公开了一种阀门泄漏的声发射检测装置及方法，包括声发射传感器和主机，所述主机包括滤波模块、模数转换模块、信号处理模块、处理器模块和FFT模块，所述声发射传感器将接收到的声发射信号转换为电信号，并进行放大处理后传送给主机；所述主机内完成滤波、模数转换、FFT处理，最终由所述处理器模块判断出阀门是否存在泄漏问题的结果；所述主机还包括报警模块，当所述处理器模块判断出阀门存在泄漏，所述报警模块会发出报警提示信息；该装置操作简单，可一键完成泄漏检测，同时附带报警功能，体积小，方便操作人员携带至现场巡检，并可针对不同种类阀门调出对应标定曲线，提高检测效率。
但是，现有技术中，还存在以下问题，
现有技术中，对声发射信号进行降噪、分解时所需的算力资源较大，而对管路进行检测时所需处理的数据量较大，这样在对大面积的管网进行检测时对负责对声发射信号进行处理的计算机造成较大的负担，容易出现过载或处理效率下降的问题。
发明内容
为解决现有技术中，这样在对大面积的管网进行检测时对负责对声发射信号进行处理的计算机造成较大的负担，容易出现过载或处理效率下降的问题，本发明提供一种基于边缘自适用计算的数据采集方法，其包括，
步骤S1，在管道内设置用以采集声发射信号的声发射传感器以及采集管道振动参数的振动传感器，所述振动参数包括振动幅值以及振动频率；
步骤S2，每隔预设周期采集声发射传感器所检测声发射信号的信号能量判定声发射信号的波动状态以及采集振动传感器所检测的振动参数判定管道振动状态；
步骤S3，基于所述声发射信号的波动状态以及管道振动状态确定对所述声发射信号进行异常判定时的判定方式，其中，
在预设条件下，基于所述振动幅值构建振幅波动曲线，并确定振动周期，基于所述声发射信号构建时域波形图像，并筛出所述时域波形图像中的特征波峰，得到筛选后时域波形图像，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，所述特征波峰为所述时域波形图像中存在周期性且周期与所述振动周期相同的波峰；
在非所述预设条件下，判定所述声发射信号的相似性，在声发射信号为相似状态时，截取声发射信号的信号片段，通过小波法对所述信号片段进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定，获取异常判定结果，并将信号片段的异常判定结果作为对所述声发射信号的异常判定结果；
在声发射信号为差异状态时，直接通过小波法对声发射信号进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定；
所述预设条件为所述管道处于第一振动状态且所述声发射信号处于第一波动状态。
进一步地，所述步骤S2中还包括，基于声发射信号的信号能量计算离散参量，其中，
依据公式（1）计算离散参量，
（1）
公式（1）中，K表示离散参量，Pi表示第i时刻的信号能量，P0表示预设周期内信号能量的平均值，T0表示预设周期的周期时长。
进一步地，所述步骤S2中，基于声发射传感器采集的声发射信号的信号能量划分声发射信号的波动状态，其中，
将所述离散参量与预设的离散参量对比阈值进行对比，
若离散参量小于所述离散参量对比阈值，则判定所述声发射信号为第一波动状态；
若离散参量大于或等于所述离散参量对比阈值，则判定所述声发射信号为第二波动状态。
进一步地，所述步骤S2中，采集振动传感器所检测的振动参数判定管道振动状态，其中，
在振动条件下，判定所述管道为第一振动状态；
在非所述振动条件下，判定所述管道为第二振动状态；
所述振动条件为，所述振动幅值小于预设振动阈值且所述振动频率小于预设振动频率。
进一步地，所述步骤S3中，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，其中，
若所述时域波形图像中的幅值大于所述预设门限值，则判定所述声发射信号存在异常。
进一步地，所述步骤S3中，所截取信号片段的片段时长与所述预设周期的周期时长的比值需在区间[0.2，0.5]内设定。
进一步地，所述步骤S3中，还包括计算声发射信号的相似度表征值，其中，
构建所述预设周期内声发射信号的时域波形图像，将所述时域波形图像划分为若干图像段，计算各图像段的平均频率以及平均幅值，并按照公式（2）计算所述相似度表征值，
（2）
公式（2）中，G表示相似度表征值，Ne表示图像段的数量，Ej表示第j个图像段的幅值差异参量，所述幅值差异参量为第j个图像段的平均幅值分别与剩余图像段的平均幅值做差后所得各差值的和，Cj表示第j个图像段的频率差异参量，所述频率差异参量为第j个图像段的平均频率分别与剩余图像段的平均频率做差后所得各差值的和，△E表示所述时域波形图像的平均幅值，△C表示所述时域波形图像的平均频率。
进一步地，所述步骤S3中，判定所述声发射信号的相似性，其中，
将所述声发射信号的相似度表征值与预设的相似度对比阈值进行对比，
若所述相似度表征值大于所述相似度对比阈值则判定所述声发射信号为差异状态；
若所述相似度表征值小于或等于所述相似度对比阈值则判定所述声发射信号为相似状态。
进一步地，所述步骤S3中，基于频域信号的频域峰值对分解后的信号片段进行异常判定，其中，
不同频域区间设置有对应的频域门限对比阈值，将各所述频域区间的频域信号的频域峰值分别与对应频域门限对比阈值进行对比，若任意频域区间的频域信号的频域峰值大于对应频域门限对比阈值，则判定声发射信号存在异常。
进一步地，所述步骤S3中，各频域区间的区间上限需小于200000赫兹。
与现有技术相比，本发明通过采集声发射传感器以及振动传感器的数据，确定声发射信号的波动状态以及管道振动状态，并对应确定对声发射信号进行异常判定时的判定方式，在预设条件下，通过筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，在振动干扰较小时，时域波形图像表征性较好，以此为基准判定声发射信号是否异常，在振动干扰较大时判定声发射信号的相似性，在声发射信号为相似状态时对信号片段进行分解，并获取异常判定结果，将异常判定结果代替整段声发射信号的判定结果，通过上述过程对大量管道进行处理时，在保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
尤其，本发明在预设条件下，基于筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，在实际情况中，处于预设条件时，管道振动造成的噪声信号较小，时域波形图像的表征性较强，在对时域波形图像中具备周期性的波峰进行筛除后，通过时域波形图像判定声发射信号是否存在异常，保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
尤其，本发明在非预设条件下，判定声发射信号的相似性，在声发射信号为相似状态时，截取声发射信号的信号片段通过小波法进行分解，在实际情况中，小波法分解的目的在于部分的消除振动或其他因素对声发射信号的干扰，而小波法分解对于算力资源的占用较大，因此，在声发射信号相似度较高时，仅对单个片段进行分解，并对分解后的频域信号进行异常判定，信号片段的异常判定结果作为对所述声发射信号的异常判定结果，通过上述过程，在保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
尤其，本发明将声发射信号分解为不同频域区间的频域信号后，不同频域区间设置有对应的频域门限对比阈值，在实际情况中，不同频域区间的频域信号的表征性不同，分解后不同频域区间内频域峰值是不同的，因此设定不同的频域门限对比阈值，在保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
附图说明
图1为发明实施例的基于边缘自适用计算的数据采集方法步骤图；
图2为发明实施例的基于边缘自适用计算的数据采集方法流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1以及图2所示，分别为本发明实施例的基于边缘自适用计算的数据采集方法步骤图以及基于边缘自适用计算的数据采集方法流程图，本实施例的基于边缘自适用计算的数据采集方法包括，
步骤S1，在管道内设置用以采集声发射信号的声发射传感器以及采集管道振动参数的振动传感器，所述振动参数包括振动幅值以及振动频率；
步骤S2，每隔预设周期采集声发射传感器所检测声发射信号的信号能量判定声发射信号的波动状态以及采集振动传感器所检测的振动参数判定管道振动状态；
步骤S3，基于所述声发射信号的波动状态以及管道振动状态确定对所述声发射信号进行异常判定时的判定方式，其中，
在预设条件下，基于所述振动幅值构建振幅波动曲线，并确定振动周期，基于所述声发射信号构建时域波形图像，并筛出所述时域波形图像中的特征波峰，得到筛选后时域波形图像，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，所述特征波峰为所述时域波形图像中存在周期性且周期与所述振动周期相同的波峰；
在非所述预设条件下，判定所述声发射信号的相似性，在声发射信号为相似状态时，截取声发射信号的信号片段，通过小波法对所述信号片段进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定，获取异常判定结果，并将信号片段的异常判定结果作为对所述声发射信号的异常判定结果；
在声发射信号为差异状态时，直接通过小波法对声发射信号进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定；
所述预设条件为所述管道处于第一振动状态且所述声发射信号处于第一波动状态。
具体而言，声发射传感器以及振动传感器的设置距离需在10cm以内。
具体而言，在本实施例中预设周期的设定区间为[5，10]，区间单位为秒。
具体而言，本发明对声发射传感器以及振动传感器的具体型号不做限定，优选的，在本实施例中传感器应当具备数据发送功能，以便将检测的数据传输至运算端。
具体而言，在本实施例中，运算端可以与声发射传感器设置为一体结构，运算端也可以单独设置，运算端为逻辑部件，逻辑部件可以由现场可编程部件、计算机或计算机中的微处理器构成。
具体而言，本发明对小波法进行分解的方式不做限定，小波法在信号处理领域已经被广泛应用，在实际情况中，小波法需要基于分解尺度对声发射信号进行分解，分解后可以得到不同频域区间的频域信号便于数据分析，本领域技术人员可以通过matlab采用小波法对声发射信号进行分解，或将对应的分解程序导入运算端实现对声发射信号的分解。
具体而言，请继续参阅图2所示，本发明步骤S1、S2以及S3中的相关逻辑判定如图2所示，可见，在声发射信号的波动状态以及管道振动状态不同时对声发射信号进行异常判定选用了不同的判定方式。
具体而言，所述步骤S2中还包括，基于声发射信号的信号能量计算离散参量，其中，
依据公式（1）计算离散参量，
（1）
公式（1）中，K表示离散参量，Pi表示第i时刻的信号能量，P0表示预设周期内信号能量的平均值，T0表示预设周期的周期时长。
具体而言，所述步骤S2中，基于声发射传感器采集的声发射信号的信号能量划分声发射信号的波动状态，其中，
将所述离散参量与预设的离散参量对比阈值进行对比，
若离散参量小于所述离散参量对比阈值，则判定所述声发射信号为第一波动状态；
若离散参量大于或等于所述离散参量对比阈值，则判定所述声发射信号为第二波动状态。
具体而言，离散参量对比阈值为预先测定所得，在本实施例中，预先测量若干个周期内管道未发生泄漏平稳运行时的离散参量，并求解若干个周期内所测得各离散参量的离散参量平均值，将所述离散参量平均值设定为所述离散参量对比阈值。
具体而言，所述步骤S2中，采集振动传感器所检测的振动参数判定管道振动状态，其中，
在振动条件下，判定所述管道为第一振动状态；
在非所述振动条件下，判定所述管道为第二振动状态；
所述振动条件为，所述振动幅值小于预设振动阈值且所述振动频率小于预设振动频率。
具体而言，所述预设振动阈值以及预设振动频率为预先测量所得，在若干个检测周期内，测量管道未发生泄漏平稳运行时的振动幅值以及振动频率并求解振动幅值平均值以及振动频率平均值，并对应求解各检测周期内振动幅值平均值的平均值作为所述预设振动阈值，对应求解各检测周期内振动频率平均值的平均值作为所述预设振动频率。
具体而言，所述步骤S3中，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，其中，
若所述时域波形图像中的幅值大于所述预设门限值，则判定所述声发射信号存在异常。
预设门限值为预先检测所得，其中采集管道发生泄漏且处于预设条件下声发射信号的时域波形图像，并求解时域波形图像中的平均幅值Ee，设定预设门限值为α×Ee，α为精度参量，在本实施例中1.2≤α≤1.4，本领域技术人员可在设定范围内设定精度参量。
本发明在预设条件下，基于筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，在实际情况中，处于预设条件时，管道振动造成的噪声信号较小，时域波形图像的表征性较强，在对时域波形图像中具备周期性的波峰进行筛除后，通过时域波形图像判定声发射信号是否存在异常，保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
具体而言，所述步骤S3中，所截取信号片段的片段时长与所述预设周期的周期时长的比值需在区间[0.2，0.5]内设定，以保证信号片段对于预设周期内声发射信号的表征性。
具体而言，所述步骤S3中，还包括计算声发射信号的相似度表征值，其中，
构建所述预设周期内声发射信号的时域波形图像，将所述时域波形图像划分为若干图像段，计算各图像段的平均频率以及平均幅值，并按照公式（2）计算所述相似度表征值，
（2）
公式（2）中，G表示相似度表征值，Ne表示图像段的数量，Ej表示第j个图像段的幅值差异参量，所述幅值差异参量为第j个图像段的平均幅值分别与剩余图像段的平均幅值做差后所得各差值的和，Cj表示第j个图像段的频率差异参量，所述频率差异参量为第j个图像段的平均频率分别与剩余图像段的平均频率做差后所得各差值的和，△E表示所述时域波形图像的平均幅值，△C表示所述时域波形图像的平均频率。
具体而言，所述步骤S3中，判定所述声发射信号的相似性，其中，
将所述声发射信号的相似度表征值与预设的相似度对比阈值进行对比，
若所述相似度表征值大于所述相似度对比阈值则判定所述声发射信号为差异状态；
若所述相似度表征值小于或等于所述相似度对比阈值则判定所述声发射信号为相似状态。
具体而言，在本实施例中，设定相似度表征值的目的在于表征差异性，为使得相似度表征值具备表征性，本领域技术人员可在区间[0.1，0.4]内设定。
具体而言，所述步骤S3中，基于频域信号的频域峰值对分解后的信号片段进行异常判定，其中，
不同频域区间设置有对应的频域门限对比阈值，将各所述频域区间的频域信号的频域峰值分别与对应频域门限对比阈值进行对比，若任意频域区间的频域信号的频域峰值大于对应频域门限对比阈值，则判定声发射信号存在异常。
在本实施例中，各频域区间的频域门限对比阈值为预先测量所得，其中，进行若干次检测，单次检测包括采集管道发生泄漏时，对声发射信号进行分解后各频域区间的频域信号的频域峰值，并求解各次检测中各频域区间的频域信号的频域峰值的平均值，对于任意频域区间，将多次检测后该频域区间的频域信号的频域峰值的平均值确定为所述频域区间对应的门限对比阈值。
本发明在非预设条件下，判定声发射信号的相似性，在声发射信号为相似状态时，截取声发射信号的信号片段通过小波法进行分解，在实际情况中，小波法分解的目的在于部分的消除振动或其他因素对声发射信号的干扰，而小波法分解对于算力资源的占用较大，因此，在声发射信号相似度较高时，仅对单个片段进行分解，并对分解后的频域信号进行异常判定，信号片段的异常判定结果作为对所述声发射信号的异常判定结果，通过上述过程，在保证可靠性的前提下减少数据运算载荷，提高数据处理效率。
具体而言，所述步骤S3中，各频域区间的区间上限需小于200000赫兹。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (7)

1.一种基于边缘自适用计算的数据采集方法，其特征在于，包括：
步骤S1，在管道内设置用以采集声发射信号的声发射传感器以及采集管道振动参数的振动传感器，所述振动参数包括振动幅值以及振动频率；
步骤S2，每隔预设周期采集声发射传感器所检测声发射信号的信号能量判定声发射信号的波动状态以及采集振动传感器所检测的振动参数判定管道振动状态；
步骤S3，基于所述声发射信号的波动状态以及管道振动状态确定对所述声发射信号进行异常判定时的判定方式，其中，
在预设条件下，基于所述振动幅值构建振幅波动曲线，并确定振动周期，基于所述声发射信号构建时域波形图像，并筛出所述时域波形图像中的特征波峰，得到筛选后时域波形图像，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，所述特征波峰为所述时域波形图像中存在周期性且周期与所述振动周期相同的波峰；
在非所述预设条件下，判定所述声发射信号的相似性，在声发射信号为相似状态时，截取声发射信号的信号片段，通过小波法对所述信号片段进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定，获取异常判定结果，并将信号片段的异常判定结果作为对所述声发射信号的异常判定结果；
在声发射信号为差异状态时，直接通过小波法对声发射信号进行分解，得到不同频域区间的频域信号，基于频域信号的频域峰值对分解后的信号片段进行异常判定；
所述预设条件为所述管道处于第一振动状态且所述声发射信号处于第一波动状态；
所述步骤S2中还包括，基于声发射信号的信号能量计算离散参量，其中，
依据公式（1）计算离散参量，（1） 公式（1）中，K表示离散参量，Pi表示第i时刻的信号能量，P0表示预设周期内信号能量的平均值，T0表示预设周期的周期时长；
所述步骤S2中，基于声发射传感器采集的声发射信号的信号能量划分声发射信号的波动状态，其中，
将所述离散参量与预设的离散参量对比阈值进行对比，
若离散参量小于所述离散参量对比阈值，则判定所述声发射信号为第一波动状态；
若离散参量大于或等于所述离散参量对比阈值，则判定所述声发射信号为第二波动状态；
所述步骤S2中，采集振动传感器所检测的振动参数判定管道振动状态，其中，
在振动条件下，判定所述管道为第一振动状态；
在非所述振动条件下，判定所述管道为第二振动状态；
所述振动条件为，所述振动幅值小于预设振动阈值且所述振动频率小于预设振动频率。
2.根据权利要求1所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，基于所述筛选后时域波形图像的幅值与预设门限值的对比情况进行异常判定，其中，
若所述时域波形图像中的幅值大于所述预设门限值，则判定所述声发射信号存在异常。
3.根据权利要求1所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，所截取信号片段的片段时长与所述预设周期的周期时长的比值需在区间[0.2，0.5]内设定。
4.根据权利要求1所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，还包括计算声发射信号的相似度表征值，其中，
构建所述预设周期内声发射信号的时域波形图像，将所述时域波形图像划分为若干图像段，计算各图像段的平均频率以及平均幅值，并按照公式（2）计算所述相似度表征值， （2）
公式（2）中，G表示相似度表征值，Ne表示图像段的数量，Ej表示第j个图像段的幅值差异参量，所述幅值差异参量为第j个图像段的平均幅值分别与剩余图像段的平均幅值做差后所得各差值的和，Cj表示第j个图像段的频率差异参量，所述频率差异参量为第j个图像段的平均频率分别与剩余图像段的平均频率做差后所得各差值的和，△E表示所述时域波形图像的平均幅值，△C表示所述时域波形图像的平均频率。
5.根据权利要求4所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，判定所述声发射信号的相似性，其中，
将所述声发射信号的相似度表征值与预设的相似度对比阈值进行对比，
若所述相似度表征值大于所述相似度对比阈值则判定所述声发射信号为差异状态；
若所述相似度表征值小于或等于所述相似度对比阈值则判定所述声发射信号为相似状态。
6.根据权利要求1所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，基于频域信号的频域峰值对分解后的信号片段进行异常判定，其中，
不同频域区间设置有对应的频域门限对比阈值，将各所述频域区间的频域信号的频域峰值分别与对应频域门限对比阈值进行对比，若任意频域区间的频域信号的频域峰值大于对应频域门限对比阈值，则判定声发射信号存在异常。
7.根据权利要求1所述的基于边缘自适用计算的数据采集方法，其特征在于，所述步骤S3中，各频域区间的区间上限需小于200000赫兹。
CN202310747305.8A 2023-06-25 2023-06-25 一种基于边缘自适用计算的数据采集方法 Active CN116484308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310747305.8A CN116484308B (zh) 2023-06-25 2023-06-25 一种基于边缘自适用计算的数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310747305.8A CN116484308B (zh) 2023-06-25 2023-06-25 一种基于边缘自适用计算的数据采集方法

Publications (2)

Publication Number Publication Date
CN116484308A CN116484308A (zh) 2023-07-25
CN116484308B true CN116484308B (zh) 2023-09-29

Family

ID=87219947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310747305.8A Active CN116484308B (zh) 2023-06-25 2023-06-25 一种基于边缘自适用计算的数据采集方法

Country Status (1)

Country Link
CN (1) CN116484308B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116961230B (zh) * 2023-07-26 2024-02-09 北京达三江电器设备厂 一种用于多种场合的智能型配电柜
CN117204830A (zh) * 2023-09-13 2023-12-12 广州医科大学附属第一医院（广州呼吸中心） 一种基于心血管疾病的智能诊断系统
CN117421692B (zh) * 2023-12-18 2024-04-09 深圳火眼智能有限公司 垃圾投放站的垃圾违规投放识别方法、装置、设备
CN117782292A (zh) * 2023-12-28 2024-03-29 清华大学合肥公共安全研究院 基于声发射技术的管道施工检测装置
CN117892247B (zh) * 2024-03-14 2024-05-17 山西国化能源有限责任公司 一种天然气泄漏检测系统
CN118188658B (zh) * 2024-05-20 2024-08-13 山东华翊重工集团有限公司 一种履带式工程机械传动系统检测方法
CN118224795B (zh) * 2024-05-21 2024-07-30 徐州达希能源技术有限公司 一种基于多源数据分析控制的制冷系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106226407A (zh) * 2016-07-25 2016-12-14 中国电子科技集团公司第二十八研究所 一种基于奇异谱分析的超声回波信号在线预处理方法
CN107219457A (zh) * 2017-06-15 2017-09-29 河北工业大学 基于操作附件电流的框架式断路器故障诊断及程度评估方法
CN109556863A (zh) * 2018-06-13 2019-04-02 南京工业大学 一种基于mspao-vmd的大型转盘轴承微弱振动信号采集与处理方法
CN109753632A (zh) * 2018-11-01 2019-05-14 北京理工大学 一种基于数据挖掘的表面粗糙度监测模型及构建方法
CN112326245A (zh) * 2020-10-21 2021-02-05 中国航空工业集团公司上海航空测控技术研究所 一种基于变分希尔伯特黄变换的滚动轴承故障诊断方法
CN113011058A (zh) * 2021-02-24 2021-06-22 武汉理工大学 一种大型人字闸门运行卡阻分析方法及装置
CN113780055A (zh) * 2021-07-19 2021-12-10 北京交通大学 一种momeda与压缩感知的滚动轴承故障诊断方法
CN114528879A (zh) * 2022-02-16 2022-05-24 上海交通大学 轴承故障周期自动检测方法和系统
CN114781467A (zh) * 2022-06-22 2022-07-22 济南嘉宏科技有限责任公司 一种基于振动相似度的故障检测方法及装置
CN115828144A (zh) * 2022-12-28 2023-03-21 国网河南省电力公司电力科学研究院 一种信号稀疏表示与融合检测方法、存储介质及电子装置
CN116277161A (zh) * 2023-05-25 2023-06-23 山东中济鲁源机械有限公司 一种基于三维模型坐标的机械臂动态偏移监测系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106226407A (zh) * 2016-07-25 2016-12-14 中国电子科技集团公司第二十八研究所 一种基于奇异谱分析的超声回波信号在线预处理方法
CN107219457A (zh) * 2017-06-15 2017-09-29 河北工业大学 基于操作附件电流的框架式断路器故障诊断及程度评估方法
CN109556863A (zh) * 2018-06-13 2019-04-02 南京工业大学 一种基于mspao-vmd的大型转盘轴承微弱振动信号采集与处理方法
CN109753632A (zh) * 2018-11-01 2019-05-14 北京理工大学 一种基于数据挖掘的表面粗糙度监测模型及构建方法
CN112326245A (zh) * 2020-10-21 2021-02-05 中国航空工业集团公司上海航空测控技术研究所 一种基于变分希尔伯特黄变换的滚动轴承故障诊断方法
CN113011058A (zh) * 2021-02-24 2021-06-22 武汉理工大学 一种大型人字闸门运行卡阻分析方法及装置
CN113780055A (zh) * 2021-07-19 2021-12-10 北京交通大学 一种momeda与压缩感知的滚动轴承故障诊断方法
CN114528879A (zh) * 2022-02-16 2022-05-24 上海交通大学 轴承故障周期自动检测方法和系统
CN114781467A (zh) * 2022-06-22 2022-07-22 济南嘉宏科技有限责任公司 一种基于振动相似度的故障检测方法及装置
CN115828144A (zh) * 2022-12-28 2023-03-21 国网河南省电力公司电力科学研究院 一种信号稀疏表示与融合检测方法、存储介质及电子装置
CN116277161A (zh) * 2023-05-25 2023-06-23 山东中济鲁源机械有限公司 一种基于三维模型坐标的机械臂动态偏移监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于最大相关峭度解卷积和谱峭度的滚动轴承声信号故障特征增强;高锐文等;《噪声与振动控制》;第第42卷卷(第第2 期期);第102-107页 *

Also Published As

Publication number Publication date
CN116484308A (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN116484308B (zh) 一种基于边缘自适用计算的数据采集方法
EP1264412B1 (en) Complex signal decomposition and modeling
US10704982B2 (en) Sensor recording analysis apparatus and method
US10024699B2 (en) Device and method for dynamically measuring an enviromental quality factor
US7183774B2 (en) Method of detecting partial discharges and diagnostic system for electrical apparatus
KR101482509B1 (ko) 베어링 결함 진단 시스템 및 그 진단 방법
CN101577564A (zh) 基于判决门限自适应的信号频谱感知与检测方法
CN110530507B (zh) 用于旋转设备监测的边缘计算方法、介质及系统
KR101180797B1 (ko) 자동차용 초음파식 침입 검출 경보 시스템 및 방법
CN109307707B (zh) 储罐底板分布式无线主被动声融合检测方法
CN112345979A (zh) 一种变压器故障检测系统
CN116522281A (zh) 一种基于微服务架构的分布式供热数据融合系统
CN113625133A (zh) 一种配电设备局部放电的在线监测反馈系统及方法
CN116961799A (zh) 一种基于时频域分布特征的信号干扰检测方法
CN109307715B (zh) 储罐底板主被动声融合检测方法
EP1001352A1 (en) Data conversion method, data converter, and program storage medium
CN112491486B (zh) 一种无线通讯设备的干扰检测系统
CN115236196A (zh) 一种压力容器监测系统及方法
CN114563709A (zh) 一种基于云计算平台的蓄电池监测系统
CN110375939B (zh) 一种航天器结构振动试验健康状态评估的改进方法
CN208314124U (zh) 一种局部放电检测装置
CN109307708B (zh) 储罐底板分布式无线主被动声融合检测系统
KR20150061954A (ko) 외부 소음 적응형 음장 보안 감시 방법
CN117872296B (zh) 基于水上无线信号检测处理器的雷达监测方法
CN218567581U (zh) 一种变压器综合在线监测装置

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