一种集成故障判断算法的无线振动传感器制造技术

本发明专利技术公开了一种集成故障判断算法的无线振动传感器，包括通过无线网络连接的无线振动传感器架构和上位机系统；在MCU外部集成不同模块，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。优化传感器运行功耗。

【技术实现步骤摘要】
一种集成故障判断算法的无线振动传感器


[0001]本专利技术涉及无线传感器网络的
，特别是涉及一种集成故障判断算法的无线振动传感器。

技术介绍

[0002]对于旋转类机械设备的状态监测和故障诊断，振动参量是需要监测的关键因素之一。目前在设备的振动监测方案中，大多还是在采用有线振动传感器、数采模块和控制器组合的解决方案，但是近些年来，无线振动传感器也越来越多的出现在实际应用中。虽然无线振动传感器在诸多方面有着优势，但在实际应用中也存在一些问题。例如，目前主流无线振动传感器都采用的物联网无线通信方式(Lora、NB
‑
IoT、低功耗蓝牙5.0)，此类通信方式的特点是低功耗和窄带宽。由于每次数据传输量和功耗的限制，一般传输4Kbyte以内的数据，每次传输时长在1min以内，这样就极大影响了数据采集质量。所以在很多场合下，传感器并非直接上传原始数据，而是将采集的数据进行数字滤波后再上传，或者将计算的RMS值、峰峰值、特征频率值、峭度值等上传至服务端。在服务器端进行计算，根据特定算法对设备进行故障判断。
[0003]服务器端有着大容量存储数据空间以及强大的算力，适合部署复杂的算法，但是时效性较低，传感器上传数据后，根据计算分析的结果，下发指令。现有的无线振动传感器及系统具有以下不足：
[0004]无线振动传感器自身软硬件系统结构单一；目前，传感器端所实现的功能为振动数据的采集、特征值计算以及数据和控制指令的传输。系统的软硬件资源只能支持传感器完成比较简单的操作。
[0005]传感器端未集成相应故障判定算法。传感器需要将特征值或原始数据上传至云端服务器进行进一步分析计算得到相应结果，再下发指令对传感器进行操作，此方案效率较低。
[0006]例如，一种在中国专利文献上公开的“一种天线内置型无线振动传感器”，其公告号CN208921275U，包括壳体、电池管理单元、电路板、紧固件、支撑板、传感器电路板、磁吸底座组件、天线。天线内置型无线振动传感器整体呈螺栓型，壳体内设有电池管理单元和支撑板，电池管理单元位于壳体内上部，支撑板位于壳体内下部，电路板设于电池管理单元下部，天线连接电路板，支撑板通过紧固件固定在壳体内，支撑板水平放置，传感器电路板竖直布置，传感器电路板中间部位与支撑板连接，磁吸底座组件固定在壳体外底端，该专利采用内置天线，磁吸分体安装，安全可靠。然而该专利仍存在无线振动传感器自身软硬件系统结构单一，数据处理效率底下的主要问题。

技术实现思路

[0007]本专利技术主要针对现有技术中无线振动传感器自身软硬件系统结构单一，且因为传感器端未集成相应故障判定算法导致数据处理效率低下的问题；提供了一种集成故障判断
算法的无线振动传感器，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，传感器端集成故障判定算法，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
[0008]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
[0009]一种集成故障判断算法的无线振动传感器，所述无线振动传感器包括通过无线网络连接的无线振动传感器架构和上位机系统；所述无线振动传感器架构包括MCU核心模块、振动数据采集模块、温度采集模块、无线通信模块、外部存储模块以及电源管理模块；所述振动数据采集模块、温度采集模块、无线通信模块、外部存储模块都与MCU核心模块交互连接。通过在MCU外部集成不同模块，通过将每次采集的原始数据缓存在外置存储模块中，根据特定算法将数据进行分析，根据计算的结果进行相应的操作，对每次采集的振动数据进行边缘端的分析，无需将特征值或原始数据上传至云端服务器，提高了监测的效率，同时由于传感器端集成的故障判定算法，传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
[0010]作为优选，振动数据采集模块包括依次交互连接的振动传感器、滤波驱动电路、ADC芯片；所述ADC芯片与MCU模块交互连接。振动数据采集模块会将采集到的信号通过滤波和变化，再经过数模转换后传输至MCU模块当中，并在软件系统当中进行处理，使振动数据完成在传感器端的处理加工，保障了处理效率。
[0011]作为优选，所述MCU核心模块包括MCU、晶振模块、上电复位、手动复位模块、硬件看门狗模块和供电电源；晶振模块、上电复位、手动复位模块、硬件开门狗、供电电源与MCU通过串口交互连接。MCU外集成必要的硬件系统，保证软件功能与硬件系统的协同设置，保证MCU作为嵌入式系统核心的功能运转。
[0012]作为优选，所述温度采集模块采用红外温度传感器或模拟温度传感器，传输的数据更加准确。
[0013]作为优选，所述外部存储模块包括E2PROM FLASH模块和SRAM模块；E2PROMFLASH模块和SRAM模块都与MCU核心模块交互连接，直接储存检测到的故障数据，无需在上位机进行储存，提高了运算效率。
[0014]作为优选，所述无线振动传感器的故障判定算法步骤如下：
[0015]步骤S1、对采集的振动数据进行数字滤波处理，得到相应设备关键频带信号，并存储在E2PROM中；
[0016]步骤S2、对采集的数据进行降采样处理，得到降采样后的序列D；
[0017]步骤S3、对序列D进行傅里叶变化，幅值序列为Y，提取特征频率窄带能量值e1和全能量带的能量值e2；
[0018][0019]e2＝∑Y；
[0020]f代表特征频率值；
[0021]步骤S4、通过判断频率窄带能量值e1与e2的能量占比p与预设阈值 threshold间的
关系实现设备故障判定，并将故障类型上传至上位机；传感器可根据判定结果调节采样频率、采样时长。
[0022]传感器可根据设备运行情况进行监测频率的自我调节，从而优化了控制策略，优化传感器运行功耗。
[0023]作为优选，所述步骤S2的降采样的处理流程为：
[0024]a.根据降采样后的目标个数N1和传感器采样数据长度N确定降采样比例rate，
[0025][0026]b.建立以降采样比例为间隔的序列X＝[0,rate,rate*2,L,rate*(N1‑
1)],对序列X值进行四舍五入处理，得到序列X1，使得序列X1内的数值均为整数；
[0027]c.计算序列X1各个区间范围内的数据平均值，得到降采样后的序列D。
[0028]作为优选，传感器上电后进行初始化设置，将故障类型上传至上位机，等待上位机下发指令；上位机根据传感器监测设备的类型，下发故障算法判定所需的滤波带宽以及预设阈值等特定参数以及其他配置参数，传感器将接收的参数存储在E2PROM中，传感器采集振动数据，并进行数字滤波和算法判定；若判定发生故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集成故障判断算法的无线振动传感器，其特征在于：所述无线振动传感器包括通过无线网络连接的无线振动传感器架构和上位机系统；所述无线振动传感器架构包括MCU核心模块、振动数据采集模块、温度采集模块、无线通信模块、外部存储模块以及电源管理模块；所述振动数据采集模块、温度采集模块、无线通信模块、外部存储模块都与MCU核心模块交互连接。2.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：振动数据采集模块包括依次交互连接的振动传感器、滤波驱动电路、ADC芯片；所述ADC芯片与MCU模块交互连接。3.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述MCU核心模块包括MCU、晶振模块、上电复位、手动复位模块、硬件看门狗模块和供电电源；晶振模块、上电复位、手动复位模块、硬件开门狗、供电电源与MCU通过串口交互连接。4.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述温度采集模块采用红外温度传感器或模拟温度传感器。5.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述外部存储模块包括E2PROM FLASH模块和SRAM模块；E2PROM FLASH模块和SRAM模块都与MCU核心模块交互连接。6.根据权利要求1所述的一种集成故障判断算法的无线振动传感器，其特征在于：所述无线振动传感器的故障判定算法步骤如下：步骤S1、对采集的振动数据进行数字滤波处理，得到相...

【专利技术属性】
技术研发人员：苏修武，李倩，张浩，谭一锋，何建武，孙丰诚，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：