一种基于智能传感器边缘监测的触发式采集方法及系统与流程

1.本发明涉及工业自动化信息监测技术领域，更具体的，涉及一种基于智能传感器边缘监测的触发式采集方法及系统。


背景技术：

2.目前针对工业设备的健康状态监测、故障诊断及寿命预测，主要是以采集设备的运行过程数据，如振动、温度、转速等，作为原始参考数据，通过对数据进行时域、频域分析以及状态特征提取，来对被测设备进行健康状态分析。
3.传统的采集方式为有线传感器采集，在一台设备上布置多个有线传感器，接入同一个数采器实现同步采集。有线采集方式，涉及现场部署及物料，以及后期线缆维护等高成本的弊端，以及有些工业现场不具备有线部署的条件。再加上现在无线传感网络技术的发展，越来越多的应用都选择使用无线传感器方式进行采集。目前的无线传感器，由于有低功耗的需求，传感器会设定为定时采样，到达预定时间时传感器采集数据进行上传，上传完成后会进入休眠状态以降低功耗。
4.由于目前市面上的无线智能传感器都是定时采样的，会在监测不连续工作设备时，难以获取设备运行时数据；当目标设备有故障恶化时，难以尽量多的采集宝贵的故障恶化数据。如果缩短采样间隔，则会在设备不工作时，采集大量无用数据，增加了计算资源和数据库的负担。同时由于采集次数多，传感器的功耗也会增大，续航时间会减少。


技术实现要素：

5.为了解决上述技术问题，本发明提出了一种基于智能传感器边缘监测的触发式采集方法及系统。
6.本发明第一方面提供了一种基于智能传感器边缘监测的触发式采集方法，包括：
7.通过无线智能传感器采集预设点数的振动加速度数据，将所述振动加速度数据转换为浮点数据并进行均方根值计算；
8.获取所述均方根值与系统预设阈值进行对比判断，当振动加速度的均方根值大于系统预设阈值时，触发采样条件，否则不触发采样；
9.判断当前时刻是否达到定时发送时刻t0，若达到定时发送时刻t0，则采集数据包上传至服务器并继续循环监测；
10.若未达到采样时间，则删除采样数据，并休眠预设休眠时间间隔t2以降低传感器功耗。
11.本方案中，无线智能传感器初次上电时，获取数据包上传至服务器，判断通讯链路是否正常；若正常，则通知服务器上线。
12.本方案中，若振动加速度的均方根值大于系统预设阈值满足采样条件，预设目标设备持续运行状态时无线智能传感器的运行状态采样间隔t1；
13.当无线智能传感器监测到目标设备处于持续运行状态中或有故障恶化时，判断当
前时刻距上次上传数据时刻是否大于运行状态采样间隔t1或是否达到定时采样时刻t0；
14.若大于运行状态采样间隔t1或到达定时采样时刻t0，无线智能传感器采集数据上传服务器，若不大于，则删除数据，休眠预设休眠时间间隔t2以降低传感器功耗。
15.本方案中，所述休眠时间间隔t2小于运行状态采样间隔t1，保证无线智能传感器能够在规定时间间隔内在边缘端持续监测目标设备状态，及时上传数据，所述运行状态采样间隔t1、休眠时间间隔t2的值根据监测设备类型、设备健康状态进行动态调整。
16.本方案中，根据边缘端的数据判断目标设备是否存在故障恶化的情况，具体为：
17.通过边缘端的存储单元中的积累数据获取预设时间长度和数目的数据集，计算所述数据集的趋势性和变异系数；
18.根据所述趋势性和变异系数判断所述数据集中的数据是否平稳；
19.若所述数据集中的数据平稳，则根据所述数集据计算故障恶化的判断阈值tf；
20.将目标设备的振动加速度数据的均方根值与所述故障恶化的判断阈值tf进行对比判断；
21.若目标设备的振动加速度数据的均方根值大于故障恶化的判断阈值tf，则判定目标设备存在故障恶化。
22.本发明第二方面提供了一种基于智能传感器边缘监测的触发式采集系统，该系统包括：存储器、处理器，所述存储器中包括一种基于智能传感器边缘监测的触发式采集方法程序，所述一种基于智能传感器边缘监测的触发式采集的方法程序被所述处理器执行时实现如下步骤：
23.通过无线智能传感器采集预设点数的振动加速度数据，将所述振动加速度数据转换为浮点数据并进行均方根值计算；
24.获取所述均方根值与系统预设阈值进行对比判断，当振动加速度的均方根值大于系统预设阈值时，触发采样条件，否则不触发采样；
25.判断当前时刻是否达到定时发送时刻t0，若达到定时发送时刻t0，则采集数据包上传至服务器并继续循环监测；
26.若未达到采样时间，则删除采样数据，并休眠预设休眠时间间隔t2以降低传感器功耗。
27.本方案中，无线智能传感器初次上电时，获取数据包上传至服务器，判断通讯链路是否正常；若正常，则通知服务器上线。
28.本方案中，若振动加速度的均方根值大于系统预设阈值满足采样条件，无线智能传感器进行数据采样，预设目标设备持续运行状态时无线智能传感器的运行状态采样间隔t1；
29.当无线智能传感器监测到目标设备处于持续运行状态中或有故障恶化时，判断当前时刻距上次上传数据时刻是否大于运行状态采样间隔t1或是否达到定时采样时刻t0；
30.若大于运行状态采样间隔t1或到达定时采样时刻t0，无线智能传感器采集数据上传服务器，若不大于，则删除数据，休眠预设休眠时间间隔t2以降低传感器功耗。
31.本方案中，所述休眠时间间隔t2小于运行状态采样间隔t1，保证无线智能传感器能够在规定时间间隔内在边缘端持续监测目标设备状态，及时上传数据，所述运行状态采样间隔t1、休眠时间间隔t2的值根据监测设备类型、设备健康状态进行动态调整。
32.本方案中，根据边缘端的数据判断目标设备是否存在故障恶化的情况，具体为：
33.通过边缘端的存储单元中的积累数据获取预设时间长度和数目的数据集，计算所述数据集的趋势性和变异系数；
34.根据所述趋势性和变异系数判断所述数据集中的数据是否平稳；
35.若所述数据集中的数据平稳，则根据所述数集据计算故障恶化的判断阈值tf；
36.将目标设备的振动加速度数据的均方根值与所述故障恶化的判断阈值tf进行对比判断；
37.若目标设备的振动加速度数据的均方根值大于故障恶化的判断阈值tf，则判定目标设备存在故障恶化。
38.本发明公开了一种基于智能传感器边缘监测的触发式采集方法与系统，采用基于目标设备运行状态和健康状态的数据采集发送策略，使无线振动传感器在监测设备时在边缘端连续采集数据并进行设备运行状态和健康状态的判断，当目标设备有故障恶化时多发送采集的数据，正常运行时定时发送采集的数据，不运行时不发送采集的数据，同时为了监测无线智能传感器在线情况，设定定时发送时刻，到达设定时间传感器也会发送采集数据。通过对设备运行状态的判断，有故障恶化时触发式发送，持续运行时定时发送，不运行时定时休眠，兼顾了对设备状态的有效监测、传感器低功耗长续航需求以及减小服务器数据库的存储压力。本发明解决了目前市面上的无线智能传感器定时采样时，会在监测不连续工作设备时，难以获取设备运行时数据，以及有故障恶化时难以尽量多的采集宝贵的故障恶化数据，和持续采样时采集大量无用数据，增加了数据库的负担，同时由于采集次数多，传感器的功耗也会增大，续航时间会减少的问题。
附图说明
39.图1示出了本发明一种基于智能传感器边缘监测的触发式采集方法的流程图；
40.图2示出了本发明一种基于智能传感器边缘监测的触发式采集系统的框图。
具体实施方式
41.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
42.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
43.图1示出了本发明一种基于智能传感器边缘监测的触发式采集方法的流程图。
44.如图1所示，本发明第一方面提供了一种基于智能传感器边缘监测的触发式采集方法，包括：
45.通过无线智能传感器采集预设点数的振动加速度数据，将所述振动加速度数据转换为浮点数据并进行均方根值计算；
46.获取所述均方根值与系统预设阈值进行对比判断，当振动加速度的均方根值大于系统预设阈值时，触发采样条件，否则不触发采样；
47.判断当前时刻是否达到定时发送时刻t0，若达到定时发送时刻t0，则采集数据包上传至服务器并继续循环监测；
48.若未达到采样时间，则删除采样数据，并休眠预设休眠时间间隔t2以降低传感器功耗。
49.需要说明的是，无线智能传感器初次上电时，采集一包数据上传服务器，检测通讯链路是否正常，若正常则通知服务器上线。随后传感器进入循环工作状态，首先采集预设点数振动加速度数据，优选的，采集2000点振动加速度数据，转换成浮点数后进行均方根值计算，所述均方根值计算公式为：
[0050][0051]
其中，x
rms
表示均方根值，x表示去除直流分量后的加速度值，n表示预设采集总数，i表示数据项数。
[0052]
计算完均方根值后与系统设定的阈值进行比较，当振动加速度的均方根值大于系统设定的阈值时才触发采样条件，否则不触发采样，然后判断当前时刻是否到达定时采样时刻t0，如果到达则采集一包数据上传服务器后继续循环监测，如果上传不成功则将数据存储到本地，等待下次联网时重新上传。如果未到达t0时刻，则删除采集数据，休眠t2时间间隔以降低传感器功耗。
[0053]
需要说明的是，若振动加速度的均方根值大于系统预设阈值满足采样条件，为了减少设备运行状态时的采集次数和降低传感器功耗，预设目标设备持续运行状态时无线智能传感器的运行状态采样间隔t1；
[0054]
当无线智能传感器监测到目标设备处于持续运行状态中或有故障恶化时，判断当前时刻距上次上传数据时刻是否大于运行状态采样间隔t1或是否达到定时采样时刻t0；
[0055]
若大于运行状态采样间隔t1或到达定时采样时刻t0，无线智能传感器采集数据上传服务器，若不大于，则删除数据，休眠预设休眠时间间隔t2以降低传感器功耗。
[0056]
所述休眠时间间隔t2小于运行状态采样间隔t1，保证无线智能传感器能够在规定时间间隔内在边缘端持续监测目标设备状态，及时上传数据，所述运行状态采样间隔t1、休眠时间间隔t2的值根据监测设备类型、设备健康状态进行动态调整。
[0057]
需要说明的是，根据边缘端的数据判断目标设备是否存在故障恶化的情况，具体为：
[0058]
通过边缘端的存储单元中的积累数据获取预设时间长度和数目的数据集，计算所述数据集的趋势性和变异系数；
[0059]
根据所述趋势性和变异系数判断所述数据集中的数据是否平稳；
[0060]
若所述数据集中的数据平稳，则根据所述数集据计算故障恶化的判断阈值tf；
[0061]
将目标设备的振动加速度数据的均方根值与所述故障恶化的判断阈值tf进行对比判断；
[0062]
若目标设备的振动加速度数据的均方根值大于故障恶化的判断阈值tf，则判定目标设备存在故障恶化；
[0063]
根据趋势性和变异系数判断所述数据集中的数据是否平稳，其中，所述趋势性判
断根据数据随时间变化的情况，分析其是否存在上涨趋势，具体为：
[0064]
将数据集分为四段；
[0065]
分别计算各分段的平均值v1、v2、v3和v4；
[0066]
计算均值的环比变化情况ki：
[0067]ki
＝(v
i 1-vi)/vi，i＝1,2,3；
[0068]
当k3》0且k1 k2 k3》α时(α表示参量，可预设为α＝0.2)，判断为有趋势性；否则，无趋势性；
[0069]
其中，所述变异系数是反映总体各单元标志值的差异程度或离散程度的指标，计算公式为：
[0070][0071]
cv表示变异系数，σ表示标准差，表示数据平均值。
[0072]
当且仅当无趋势性和cv《β时(β表示参量，可预设为β＝0.1)，数据被认为是无波动的；
[0073]
所述目标设备故障恶化的判断阈值tf，计算公式如下：
[0074][0075]
其中，tf表示故障恶化的判断阈值；n表示预设放大倍数；表示数据平均值。
[0076]
需要说明的是，目标设备故障恶化的判断需要在边缘端根据数据分布情况计算其自适应阈值。若数据波动明显，即离散程度高，不适宜进行阈值计算，趋势性和变异系数为判断数据是否平稳的指标。
[0077]
图2示出了本发明一种基于智能传感器边缘监测的触发式采集系统的框图。
[0078]
本发明第二方面提供了一种基于智能传感器边缘监测的触发式采集系统，该系统包括：存储器、处理器，所述存储器中包括一种基于智能传感器边缘监测的触发式采集方法程序，所述一种基于智能传感器边缘监测的触发式采集的方法程序被所述处理器执行时实现如下步骤：
[0079]
通过无线智能传感器采集预设点数的振动加速度数据，将所述振动加速度数据转换为浮点数据并进行均方根值计算；
[0080]
获取所述均方根值与系统预设阈值进行对比判断，当振动加速度的均方根值大于系统预设阈值时，触发采样条件，否则不触发采样；
[0081]
判断当前时刻是否达到定时发送时刻t0，若达到定时发送时刻t0，则采集数据包上传至服务器并继续循环监测；
[0082]
若未达到采样时间，则删除采样数据，并休眠预设休眠时间间隔t2以降低传感器功耗。
[0083]
需要说明的是，无线智能传感器初次上电时，采集一包数据上传服务器，检测通讯链路是否正常，若正常则通知服务器上线。随后传感器进入循环工作状态，首先采集预设点数振动加速度数据，优选的，采集2000点振动加速度数据，转换成浮点数后进行均方根值计算，所述均方根值计算公式为：
[0084][0085]
其中，x
rms
表示均方根值，x表示去除直流分量后的加速度值，n表示预设采集总数，i表示数据项数。
[0086]
计算完均方根值后与系统设定的阈值进行比较，当振动加速度的均方根值大于系统设定的阈值时才触发采样条件，否则不触发采样，然后判断当前时刻是否到达定时采样时刻t0，如果到达则采集一包数据上传服务器后继续循环监测，如果上传不成功则将数据存储到本地，等待下次联网时重新上传。如果未到达t0时刻，则删除采集数据，休眠t2时间间隔以降低传感器功耗。
[0087]
需要说明的是，若振动加速度的均方根值大于系统预设阈值满足采样条件，无线智能传感器进行数据采样，为了减少设备运行状态时的采集次数和降低传感器功耗，预设目标设备持续运行状态时无线智能传感器的运行状态采样间隔t1；
[0088]
当无线智能传感器监测到目标设备处于持续运行状态中或有故障恶化时，判断当前时刻距上次上传数据时刻是否大于运行状态采样间隔t1或是否达到定时采样时刻t0；
[0089]
若大于运行状态采样间隔t1或到达定时采样时刻t0，无线智能传感器采集数据上传服务器，若不大于，则删除数据，休眠预设休眠时间间隔t2以降低传感器功耗。
[0090]
所述休眠时间间隔t2小于运行状态采样间隔t1，保证无线智能传感器能够在规定时间间隔内在边缘端持续监测目标设备状态，及时上传数据，所述运行状态采样间隔t1、休眠时间间隔t2的值根据监测设备类型、设备健康状态进行动态调整。
[0091]
需要说明的是，根据边缘端的数据判断目标设备是否存在故障恶化的情况，具体为：
[0092]
通过边缘端的存储单元中的积累数据获取预设时间长度和数目的数据集，计算所述数据集的趋势性和变异系数；
[0093]
根据所述趋势性和变异系数判断所述数据集中的数据是否平稳；
[0094]
若所述数据集中的数据平稳，则根据所述数集据计算故障恶化的判断阈值tf；
[0095]
将目标设备的振动加速度数据的均方根值与所述故障恶化的判断阈值tf进行对比判断；
[0096]
若目标设备的振动加速度数据的均方根值大于故障恶化的判断阈值tf，则判定目标设备存在故障恶化；
[0097]
根据趋势性和变异系数判断所述数据集中的数据是否平稳，其中，所述趋势性判断根据数据随时间变化的情况，分析其是否存在上涨趋势，具体为：
[0098]
将数据集分为四段；
[0099]
分别计算各分段的平均值v1、v2、v3和v4；
[0100]
计算均值的环比变化情况ki：
[0101]ki
＝(v
i 1-vi)/vi，i＝1,2,3；
[0102]
当k3》0且k1 k2 k3》α时(α表示参量，可以为预设值，如α＝0.2)，判断为有趋势性；否则，无趋势性；
[0103]
其中，所述变异系数是反映总体各单元标志值的差异程度或离散程度的指标，计
算公式为：
[0104][0105]
cv表示变异系数，σ表示标准差，表示数据平均值。
[0106]
当且仅当无趋势性和cv《β时(β表示参量，可以为预设值，如β＝0.1)，数据被认为是无波动的；
[0107]
所述目标设备故障恶化的判断阈值tf，计算公式如下：
[0108][0109]
其中，tf表示故障恶化的判断阈值；n表示预设放大倍数；表示数据平均值。
[0110]
需要说明的是，目标设备故障恶化的判断需要在边缘端根据数据分布情况计算其自适应阈值。若数据波动明显，即离散程度高，不适宜进行阈值计算，趋势性和变异系数为判断数据是否平稳的指标。
[0111]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0112]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0113]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0114]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0115]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0116]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。