阅读说明：本技术 一种温度自适应的振动采集方法 (Temperature self-adaptive vibration acquisition method ) 是由 张�浩 段腾飞 何建武 苏修武 孙丰诚 于 2021-06-09 设计创作，主要内容包括：本发明公开了一种温度自适应的振动采集方法。为了克服现有技术无法兼顾监测数据的时效性的同时提高数据利用率、延长电池续航时间的问题；本发明包括以下步骤：S1：采集额定时间段内正常设备的温度数据,根据温度数据计算判断标准参数；S2：设置若干个振动检测周期区间；S3：按照温度检测周期采集温度数据,获得的温度数据与判断标准进行比较计算,根据比较计算结果判断设备状态所对应的振动检测周期区间；S4：自动生效振动检测周期,进行振动数据的采集。本方案根据温度自动调整振动检测的周期,在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间。(The invention discloses a temperature self-adaptive vibration acquisition method. The method aims to solve the problems that the prior art can not improve the data utilization rate and prolong the battery endurance while considering the timeliness of the monitoring data; the invention comprises the following steps: s1: collecting temperature data of normal equipment in a rated time period, and calculating a judgment standard parameter according to the temperature data; s2: setting a plurality of vibration detection period intervals; s3: acquiring temperature data according to a temperature detection period, comparing the acquired temperature data with a judgment standard, and judging a vibration detection period interval corresponding to the equipment state according to a comparison calculation result; s4: and (5) automatically taking the vibration detection period into effect, and collecting vibration data. According to the scheme, the vibration detection period is automatically adjusted according to the temperature, the data utilization rate is improved and the battery endurance time is prolonged while the timeliness of monitoring data is considered.)

一种温度自适应的振动采集方法

技术领域

本发明涉及一种振动数据采集方法领域，尤其涉及一种温度自适应的振动采集方法。

背景技术

机械设备在石油化工、电力、冶金等生产领域起着重要的作用，设备结构越复杂出现故障的可能性越高。机械故障的产生是一个缓变的过程，在机械故障产生的过程中往往伴随着振动、温度等状态的变化。通过对设备振动和温度进行采集通过调用响应的分析算法可以发现微小的机械故障，从而实现预测性维护。

现有技术中，振动和温度信号通常作为独立的信号进行采集和上传，统一由上位机或服务器进行识别和判断，但是按照通用定时采集策略，如果想要提高故障监测的时效性就要缩小振动检测周期，这样势必造成过多的能量消耗，降低无线振动传感器的续航时间，而且在设备平稳运行时采集到的数据多为无用数据而最终会被丢弃，因此产生的能量消耗多数情况下都是不必要的。如果增大振动检测周期，虽然可以节省能量，但是将影响故障监测的时效性，造成机械故障不能及时发现的问题。

传统振动、温度传感器采集策略中在延长电池续航时间、提高数据利用率和采样时效性之间存在矛盾。不能在保证数据时效性的同时提高数据利用率、延长电池续航时间。例如，一种在中国专利文献上公开的“大型旋转机组在线状态监测与故障诊断系统”，其公告号CN1091901C，包括与键相信号和快变信号连接的预处理板；控制整个周期采样的智能键相板和采集振动信号的高速数据采集板；采集缓变信号的低速数据采集板；监视开关量信号的采集板，均与下位机连接。对机组的振动、位移和温度、工艺参数及开关信号的采集、监视与故障诊断。

该方案对温度与振动分别进行采集、监视与故障诊断，无法兼顾监测数据的时效性的同时提高数据利用率、延长电池续航时间。

发明内容

本发明主要解决现有技术无法兼顾监测数据的时效性的同时提高数据利用率、延长电池续航时间的问题；提供一种温度自适应的振动采集方法，将设备温度作为设备运行状态的判断依据，根据温度自动调整振动检测的周期，从而在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种温度自适应的振动采集方法，包括以下步骤：

S1：采集额定时间段内正常设备的温度数据，根据温度数据计算判断标准参数；

S2：设置若干个振动检测周期区间，最小振动检测周期为温度检测周期；

S3：按照温度检测周期采集温度数据，获得的温度数据与判断标准进行比较计算，根据比较计算结果判断设备状态所对应的振动检测周期区间；

S4：自动生效振动检测周期，进行振动数据的采集。

因为在数据采集中温度信号的采集相对耗电较少，振动信号的采集耗电量较大。所以本方案将设备温度作为设备运行状态的判断依据，根据温度自动调整振动检测的周期。从而实现在发现设备温度异常时对设备进行密集的振动检测，当设备温度在正常范围时，适当延长振动信号采集的时间间隔来节省传感器能量损失。本方案根据温度数据来自适应调整振动检测周期，在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间。

作为优选，所述的步骤S1包括以下步骤：

S11：采集额定时间段内正常设备的温度数据；

S12：将采集得到的温度数据建立正态分布模型，从正态分布模型中获取均值μ和标准差σ；将均值μ和标准差σ作为判断标准参数。

将均值μ和标准差σ作为判断标准参数，使用温度数据与该参数比较，判断从偏差值来判断设备工作是否正常。

作为优选，将温度检测周期作为最小振动检测周期，设定最大振动检测周期，在最小与最大的振动周期之间均匀地选取若干个振动检测周期作为振动检测周期区间，并计算各相邻的振动检测周期区间之间的间隔周期。

对振动检测周期进行分区，通过温度检测判断的设备状态来对应不同的振动检测周期区间，采用不同的振动检测周期。

作为优选，所述的振动检测周期区间包括六个振动检测周期区间；间隔周期Δt；

Δt＝(T_vmax-T_vmin)/5

其中，T_vmax为最大振动检测周期，T_vmin为最小振动检测周期。

一共划分六个振动检测周期，能够在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间的性能上达到最优。

作为优选，所述的步骤S3包括以下步骤：

S31：按照温度检测周期采集获得温度数据；

S32：计算温度差值Δtemp；

Δtemp＝|temp-μ|

其中，temp为采集的温度数据；

S33：对温度差值Δtemp与标准差σ的商取整数，获得转移区间ω；

ω＝[Δtemp/μ]

S34：根据转移区间ω在温度检测周期的基础上自适应确定振动检测周期。

通过温度与标准数据的偏差判断设备状态，依次自适应地选取振动检测周期的区间。

作为优选，当转移区间ω大于N-1时，振动检测周期为温度检测周期；

当转移区间ω小于等于N-1时，振动检测周期为：

T_v＝T_temp+(N-1-ω)*Δt

其中，N为振动检测周期区间的数量；

T_v为振动检测周期；

T_temp为温度检测周期。

根据温度计算获得的值，自适应选取振动检测周期。

作为优选，在检测过程中收集设备正常状态下的温度数据，计算并更新判断标准参数。通过反馈不断优化判断标准参数，使得判断过程与判断结果更加准确，减少偶然性。

本发明的有益效果是：

1.根据温度自动调整振动检测的周期，在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间。

2.在满足需要的基础上最大限度的减少无用的数据采集，减少数据处理压力。

3.有效减少不必要的能量损失提高无线振动传感器的续航时间。

4.实现传感器智能化采集，自适应调整振动检测周期，不需要过多人工干预。

5.通过反馈不断优化判断标准参数，使得判断过程与判断结果更加准确，减少偶然性。

附图说明

图1是本发明的一种温度自适应的振动采集方法的流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

本实施例的一种温度自适应的振动采集方法，如图1所示，包括以下步骤：

S1：采集额定时间段内正常设备的温度数据，根据温度数据计算判断标准参数。

判断标准参数包括校准阶段采集温度数据的均值μ和标准差σ。

S11：采集额定时间段内正常设备的温度数据。在本实施例中，采集额定时间为24小时。

S12：将采集得到的温度数据建立正态分布模型，从正态分布模型中获取均值μ和标准差σ。

S2：设置若干个振动检测周期区间，最小振动检测周期为温度检测周期。

将温度检测周期作为最小振动检测周期，设定最大振动检测周期，在最小与最大的振动周期之间均匀地选取若干个振动检测周期作为振动检测周期区间，并计算各相邻的振动检测周期区间之间的间隔周期。

在本实施例中，振动检测周期区间包括六个振动检测周期区间。

间隔周期Δt：

Δt＝(T_vmax-T_vmin)/5

其中，T_vmax为最大振动检测周期，T_vmin为最小振动检测周期。

一共划分六个振动检测周期，能够在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间的性能上达到最优。

S3：按照温度检测周期采集温度数据，获得的温度数据与判断标准进行比较计算，根据比较计算结果判断设备状态所对应的振动检测周期区间。

S31：按照温度检测周期采集获得温度数据。

S32：计算温度差值Δtemp；

Δtemp＝|temp-μ|

其中，temp为采集的温度数据。

S33：对温度差值Δtemp与标准差σ的商取整数，获得转移区间ω。

ω＝[Δtemp/μ]

S34：根据转移区间ω在温度检测周期的基础上自适应确定振动检测周期。

当转移区间ω大于N-1时，振动检测周期为温度检测周期。

当转移区间ω小于等于N-1时，振动检测周期为。

T_v＝T_temp+(N-1-ω)*Δt

其中，N为振动检测周期区间的数量；T_v为振动检测周期；T_temp为温度检测周期。

S4：自动生效振动检测周期，进行振动数据的采集。

在检测过程中收集设备正常状态下的温度数据，计算并更新判断标准参数。通过反馈不断优化判断标准参数，使得判断过程与判断结果更加准确，减少偶然性。

在本实施例中，设置采集额定时间为24小时，温度监测周期为30分钟，最大振动监测周期为6小时。

以六个振动检测周期区间为例，则间隔周期Δt＝1.1小时，24小时可以采集48个温度点，求这48个温度点的均值μ和标准差σ。通过建立正态分布模型获得均值μ和标准差σ的数据。

假设均值μ＝25℃，标准差σ＝5℃，则采集到的温度区间和对应的振动监测周期如表1所示：

表1.采集温度与振动检测周期对应表

序号	采集温度(℃)	对应区间(℃)	振动检测周期(小时)
				1	26	μ±1σ	6
2	31	μ±2σ	4.9
				3	37	μ±3σ	3.8
4	43	μ±4σ	2.7
				5	47	μ±5σ	1.6
6	52	μ±6σ	0.5
				7	＞55	μ±6σ	0.5

因为在数据采集中温度信号的采集相对耗电较少，振动信号的采集耗电量较大。所以本方案将设备温度作为设备运行状态的判断依据，根据温度自动调整振动检测的周期。从而实现在发现设备温度异常时对设备进行密集的振动检测，当设备温度在正常范围时，适当延长振动信号采集的时间间隔来节省传感器能量损失。本方案根据温度数据来自适应调整振动检测周期，在兼顾监测数据时效性的同时提高数据利用率、延长电池续航时间。

应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。