外文翻译 基于无线传感器网络的智能方法相结合的状态监测和故障诊断.docx
- 文档编号:4768940
- 上传时间:2022-12-08
- 格式:DOCX
- 页数:18
- 大小:3.50MB
外文翻译 基于无线传感器网络的智能方法相结合的状态监测和故障诊断.docx
《外文翻译 基于无线传感器网络的智能方法相结合的状态监测和故障诊断.docx》由会员分享,可在线阅读,更多相关《外文翻译 基于无线传感器网络的智能方法相结合的状态监测和故障诊断.docx(18页珍藏版)》请在冰豆网上搜索。
外文翻译基于无线传感器网络的智能方法相结合的状态监测和故障诊断
学号:
10417227
常州大学
毕业设计(论文)外文翻译
(2010届)
外文题目Combinedintelligentmethodsbasedonwirelesssensor_
__networksforconditionmonitoringandfaultdiagnosis
译文题目基于无线传感网络的监测与故障诊断的职能方法
WWW.SpringerL外文出处
学生杨达
学院信息科学与工程学院专业班级自动化102
校内指导教师王雪专业技术职务
校外指导老师专业技术职务
二○一四年三月.
1常州大学本科生毕业设计(论文)外文翻译
基于无线传感网络的监测与故障诊断的智能方法摘要该这项研究提出了基于多个无线传感器系统的电机状态实时监控的新的组合方法。
实验测量了多个信号,例如常见的无线节点上电流与振动。
该方法是低成本、智能化、同时所采用的基于无线网络的架构能有效地分析和监测多台异步电机的信非侵入式的,号。
多台电机的电流和振动信号是通过无线节点同时采集到的,而故障则是使用两种组合方法进行判断的。
本实验对三相电流信号的振动和振幅数据进行相空间分析,并把它作为智能组合分析中的关键字。
在这个实验中,定子方面的故障是通过使用模糊逻辑对从两个轴加速度计中测出的振动信号被读取的电流信号的大小进行分析来进行诊断的。
归一化,再被构造成这个信号的相位空间。
轴承故障的检测则是通过使用基于高斯混合振动信号的相空间是通模型和贝叶斯分类的机器学习技术分析相空间的变化来进行的。
过使用非线性时间序列分析构造而来,而高斯混合物能了解电机的健康与否,所构建的四个电动混合模型是通过使用贝叶斯分类方法根据它们的相位空间来进行分布归类的。
因为健康状况很重要,一个或者两个轴承不平衡的故障,机运行中可能有定子缺相故障,所以获得相关的信号来进行评估系统。
关键词无线传感网络·高斯混合模型·贝叶斯分类方法·模糊逻辑·故障诊断·异步电动机绪论在工业应用中,异步电机是最常用的电机,在将电能转化为机械能工业应用中,异。
与其他电机相比,异步电机因年,2010)步电机机电设备占近总数的80%(Amaro等人。
一些异步电机是DaSilva2006)为它们的耐用性,低维护成本和易于运用而更受欢迎(工厂生产过程中最重要的设备,除了运用于一些类似于包装和运输等等的一般场合,这。
等人,2008)太空领域等等(Ayhan些电动机还在其它更为重要的场合使用,诸如核电厂,然而如果电机发生故障,除了会有电机的故障成本外,它也形成了生产停止所造成的的。
由于它们结构简单,异步电机不容易发生故障,)Bergmann,2012经济损失(Hou和
而且无论什么故障,修理它都很简单,但是异步电机的工作环境中的灰尘和潮湿会影响它的正常工作。
因而如果异步电机转子、定子或轴承由于环境条件而导致物理变化时,,定子故障占,转子故障占44%8%这些结构会发生故障。
在所有故障中,轴承故障占。
轴承故障通常是由轴承的磨损或轴承)等人,2008Bellini,而其它故障占26%22%。
(的弯曲造成,转子故障通常是因为转子断条或连接器断裂造成,而定子故障通常以短路或者开路的形式出现。
如今,人们研发了一些检测异步电机故障的方法。
这些故障诊断方法大都是基于模型、信号或智能计算。
基于模型的故障诊断方法,是通过使用电机数学模型生成一个模型,根据一些标准和故障诊断应用,将从工作中的电机中实时采集到的信号与在模型中提取的信号进行比较,再判断异步电机的状况。
这个故障诊断成本高,是很少使用的技术之一。
在基于信号的故障诊断系统中,从电机中测得的电流、电压、振动、速度信号等等参数,是通过信号处理系统提取出来的。
振动信号因为易被采集,而且检测轴承故页16共页1第
2常州大学本科生毕业设计(论文)外文翻译
障性能较好,而被广泛地运用。
故障相关特性参数是通过信号处理技术提取的,如对电相空间分析),等人,20122011)。
Park矢量变换(AydinMoorthy机电流特征分析(等人,在智能计算。
2008),2007),和小波分析(Tsoumas等人(DaSilva等人,2008;Aydin等人技术中,故障诊断通过使用一些技术从电机中采集信号,这些技术有人工神经网络,2012;2009等人,),人工免疫系统(Aydin等人(Boukra等人,2012),遗传算法(Razik粒子群等人,2011),(Romero-Troncoso等人,2011;AkinXiong和Sun2007),模糊逻辑。
2010)(Kurek和Osowski,(Amin等人,2009;Aydin等人,2010),支持向量机优化算法在早期诊断中,诊断过程在故障诊断系统中是非常重要的。
在故障诊断系统中,通常现场直接监测异步电机,如今大多数工厂同时使用多台电机,从一个单一的中心监控所有电机变得更为重要,然而,它是不可能使用现场总线技术监测电机状况,因为这不像水泵连接到城市供水系统那样简单。
随着无线传感网络的使用,把电机信号传输到中心节。
基于人工神经网络的分类2009)Gungor和Hancke,点变得更容易,低成本,可靠。
(。
电流和振动信号)2012Hou和Bergmann,方法,是通过采集电流与振动信号提出的(无论是电机故障还是电机电源都是被实时监测是通过传感网络从多个电机采集得来的,的振动信号监测系统,是为工业中采用无线传感网FPGA,2009)。
基于的(Lu和Gungor。
振动信号是通过无线传感网络收集而来,)等人,2010络的应用而提出的(Koskinen。
在所)Korkua等人,2010通过对这些信号的频谱进行分析才能对轴承进行故障诊断(有已启动的工程中,现有的无线传感网络都是基于装备状态监测系统进行开发的,但现有的传感器网络套件是昂贵的。
这项研究有助于状态监测和故障诊断两方面。
首先,采用无线传感网络系统,是因
为需要廉价、状态监测性能可靠、且易适应不同信号的监测的方案。
无线网络系统由一另一个贡献是故障诊断组合微控制器和一个XBee无线传感器模块组成。
个PIC18f4553方法的提出,振动和电流信号通过无线网络从不同电机读取并传送到电脑,再用高斯混合模型和贝叶斯分类方法,在相空间进行轴承故障诊断。
另一方面,模糊逻辑是一种通过电流信号来进行定子故障诊断的智能计算方法。
因此,在通过无线接收信号的同时,根据故障类型对相应的数据进行分析,再进行自动的诊断与相应的操作。
工业无线传感器网络
无传感器节点之间的传输采用XBee1mW在基于无线传感网络的故障诊断系统中,XBeeIEEE802.15.4标准的线通信模块。
这个模块采用ZigBee技术。
它采用的是基于技术有许多优与其他无线技术相比,ZigBee和Hancke2009)Gungor无线通信模块(。
等人,Depari网络传输(点,ZigBee/IEEE802.15.4网络最重要的特性是提供了P2P。
这个网络最重要的技术特性是路由质量非常好,因为,它可以在最复杂的系统)2008中找到最恰当的通讯方式。
在所有的无线网络中,都可能有一个实时性能的延迟,而在。
)Hong2013ZigBee/IEEE802.15.04网络中的延迟会根据跳数的变化而改变(Ding和网络中,在ZigBee/IEEE802.15.4在这些网络中,跳数的实时性能与延迟性能相对较低,因网络支持多跳通信技术,ZigBee/IEEE802.15.4通信方式会根据通讯类型变化。
由于无线模块在工业领域,2012Guo等人,)。
(而在工业领域中的通信间隔是没有问题的的功率消耗非常重要的,因而在这种情况下,网络不占用时进入睡眠模式,能减少功耗页16共页2第
3常州大学本科生毕业设计(论文)外文翻译
无线技术的性能,ZigBee)。
Suryadevara和Mukhopadhyay2012到微安级变得更为实用(所示。
如可用时间,电池寿命,电池容量和数据速率等等,如表1
无线技术ZigBee表1
Bluetooth
Wi-FiZigBeeGPRS/GSM特征
网站、电子邮件、视频代替导线运用领域监测和控制广域网、音频、数据
250Kb+4–32Kb16Mb+1Mb+系统资源71–0.5–5–1001,000+1–7电池寿命(天)73216Mb+网络规模无限72054,000128+11,000–100–1,000+64–kb/s)网络带宽(10+1–100–1100+1–1,000+(m)
覆盖范围优点耐久性,成本,功耗可用性,质量成本和舒适性速度,灵活性
网络在工业中使用领域是很常见的。
在工业中,与其他无线ZigBee/IEEE802.15.4技术具有很大的优越性。
技术相比,ZigBee系统架构和实现方法在这项研究中,故障诊断是通过无线采集异步电机的振动和电流信号,并提出两种故障诊断智能计算的方法。
第一种方法构建了一个振动信号的相空间,并使用高斯混合模型和贝叶斯分类来进行轴承故障诊断,另一种方法依靠使用模糊逻辑定义定子故障。
1。
故障诊断系统模型,见图
1从一个节点采集信号的模型图
中,异步电机由三相电源供电,电流信号是通过使用电流传感器采集的,而在图1振动信号是通过两个轴加速度计传感器采集的。
实验装置上有滤波和检测卡,这些卡采数字转换模块将-集到的信号被发送到单片机卡来进行特征的提取。
单片机通过模拟页16共页3第
4常州大学本科生毕业设计(论文)外文翻译
模拟信号转换为数字信号,然后再通过无线模块传送到中心节点。
信号到中心节点后将被进行特征提取,来为两种诊断方法和相关的故障检测提供特征参数。
高斯混合模型与基于贝叶斯分类的轴承故障诊断
为轴承故障诊断而从异步电机中采集的振动信号是在一个给定的平等的采样的时间中收集的。
接收到的有相等时间间隔的信号包含一个时间序列。
这个时间序列见公式
(1)。
其中T和N分别代表时间指数和样本数。
每个时间序列样本拥有一个给定的采样f频率。
为了分析高维空间的时间序列,我们可以构造相空间,相空间的技术提供了s根据不同的嵌入维数和时间延迟在不同的坐标中分析信号。
从振动信号中得到的相位空间的嵌入维数表示为D。
每个相空间是原时间序列的延迟版本。
时间延迟也由τ表示。
根据具体的嵌入维数和时间延迟,数据包含在相空间的一个点。
见公式
(2)。
xt的值对应于相空间代表时间延迟。
得到的)中,D表示的嵌入维数和,T在(2,可以得出振动信号的相空间,)τ中的一个点。
根据确定的嵌入维数(D)和延迟时间(。
见公式(3)
在(3)中,P中每一行对应相空间中的一点。
矩阵的每一列对应一个特定的时间延迟和嵌入维数。
当嵌入维数为时间序列选择得足够大,相空间变得与状态空间的形状相同。
(Feng和Huang2005)。
嵌入维数必须超过至少两倍的原始信号,形成的时间序列的相空间,必须选择适当的时间延迟。
选择较小的时间延迟会引起相空间点彼此靠近。
因此,所有的点在一个角落聚集(Da
Silva2006)。
当延迟时间被选择地非常大,所有的点可以覆盖整个相空间,它将很难跟上时间系列的所有变化。
为估计一个时间序列的最合适的时间延迟的值,采用互信息的方法。
该方法被示于图2a。
,采用伪近邻算法选择嵌入维数。
该算法被示于图2b。
页16共页4第
5常州大学本科生毕业设计(论文)外文翻译
2
确定时间延迟和嵌入维度的方法。
图a互信息算法b虚假最近邻算法xxxxxxx)分别为)和P与的联合概率密度,P(P((,)的值是?
?
?
?
?
nn?
nn?
nn?
nxxx是彼此延迟了τ的同一系列的信号样本。
的个体概率分布,这里时间延迟和与?
?
nnnx(i)中的第一个最小点叫做互信息点。
在图2b中,为在相空间中根据嵌入维数(d)及dNNx(i)x(i)也是最靠近的点。
如果嵌入维数是从d时间延迟(τ)构造的一点。
增加到dddd超过此。
这个变化率d)与阈值进行比较,如果id+1,两点之间的变化率则是a(,00x(i)值,有一个假近邻。
嵌入维数小于阈值时则认为达到交换比率。
通过高斯混合模型d页16共页5第
6常州大学本科生毕业设计(论文)外文翻译
来从时间序列获得相空间,在空间中检测到的密集的点便是所求的点。
高斯混合模型形成一个N维高斯分布集中点。
这种混合模型形成了数据分布模型。
高斯混合模型的的主要原理是找到概率密度函数,并通过使用一个以上的高斯密度函数表示信号的特征。
构成密度显示在(4)。
在高斯混合模型,定义权重值为WM,WM总值总是等于1。
M是混合物的数量,us是平均值和是协方差的值。
通过使用多高斯分布,任何数据分布可以被建模(DammSilva等人,2008;Xiufeng和Ping2010)。
在高斯混合模型中,分布数是与数据分布复杂性相关的参数。
高斯混合模型的权重,平均值和高斯混合模型的协方差矩阵是通过使用期望最大化算法定义的。
这个方法以每个参数的初始值为起点,然后就可以被运用于最大可能性估计。
预测公式为公式(5)。
p是概率分布函数,N是信号点数。
通过使用贝叶斯分类方M是混合物的数量,m法对混合物进行分类,得到每个相空间的高斯混合模型后,再进行模型的分类。
贝叶斯分类器使用贝叶斯规则来计算较高的条件概率,贝叶斯方法详见公式(6)。
p(Class|x))是一种标准化值,具有零概率(x是对于一个给定点的条件概率。
Pn)p(Class定∈Class=argmaxClassAllClasses,比较和时间提取方程。
贝叶斯分类器:
i义为类标签。
贝叶斯分类器进行分类时参考如下方程。
页16共页6第
7常州大学本科生毕业设计(论文)外文翻译
异步电机的模糊逻辑状态监测系统图3
Classxp)|(为获取实验的相N是在相空间中的点的个数,d是嵌入维数。
条件概率in关资料提供了机会。
用这种方式,同时再用相空间的类与学习模型进行分类比较。
定子故障诊断的模糊逻辑法这种方法的模糊逻辑是一种具有一定隶属度和规则库以更准确地判断问题的方法,基础是智能计算方法。
模糊逻辑是一种基于自然语言的方法,可灵活用于非线性模型函数。
当用模糊逻辑方法来分析异步电机的电流信号,定子相关的故障就能被诊断出来。
III。
在故障诊断与检的电流值是通过异步电机的电流传感器测得的,详见图3和,cab测中,模糊逻辑规则非常重要,因为它定义了系统是否有故障。
利用模糊逻辑,确切的输入和输出才可以获得的,它需要定义和使用适当的输入和输出变量。
模糊逻辑的输入输出变量应根据问题定义,可通过定子电流幅值来判断异步电机的状态。
由于电机状态与电流信号之间的非线性关系,状态和电流幅值尚不清楚,解读结果很难。
因此,通过使用模糊逻辑,声音信息被替换为数字数据。
健康状况显示为没有任何定子故障。
故障情况表明电压不平衡故障。
严重故障可以被解释为定子开路故障。
因而对定子电流和其它相关的信息模糊规则和隶属度函数是通过分析数据得到的,采PIC18f4553进行测量是必不可少的。
本方法分析了三相电机电流的振幅,首先,从数字信号通无线节点被发送到计位ADC转换器转换成数字形式,集的模拟信号通过12)创建的,三算机,然后,模糊逻辑的输入是通过计算各相电流的均方根的平方(RMS相电机电流的均方根值是模糊逻辑的输入,定子状态是输出。
要对定子状态进行测试,所示。
需要知道定子状态健康与否或是否有其它更严重的损伤。
隶属函数,如图4页16共页7第
8常州大学本科生毕业设计(论文)外文翻译
输出隶属函数输入隶属度函数b图4隶属函数。
a
为输入的隶属函数。
)。
图4a定子故障检测时,用四个音频值作为电流的振幅(RMS。
定子没有发生任何故障时,(L)”(M)和“大”S“零”(Z),“小”(),“中等这些隶属是L三个相的每一个相都处于平衡状态,这种情况表示为M。
当电机具有缺相故障时用对应于一个短路故障。
模糊系统能判断出电动机的定子状态。
定子的状态Z表示,S和表示定子有短路故表示定子无故障,DSDD),严重损坏()。
H是:
健康(H),损坏(表示定子缺相故障。
所有的规则都进行了优化,因为他们可以覆盖所有的健康障,SD个规则,详见表2受损情况。
在这个方法中有14。
表2规则库序号规则SDCM=→1Ia=Z规则SDCM=Ib=Z→规则2
SDCM==Z→规则3Ic
=SDL=→CM规则4Ia
=SDL→CM规则5Ib=
=SD→CM规则6Ic=L
DCM=S&Ib=S&Ic=M→=规则7Ia
DCM=M&Ic=M→S&Ib规则8Ia==
=DM→CM=规则9Ia=M&IbS&Ic=
HCM=M&Ic=M&Ib==M→Ia规则10
=HS→CM==规则11IaS&Ib=S&Ic
Ia=S&Ib=M&Ic=S→CM=规则12D
页16共页8第
9常州大学本科生毕业设计(论文)外文翻译D→CM=S规则13
Ia=M&Ib=S&Ic=
D规则14→CM=Ia=M&Ib=M&Ic=S
实验结果为了评估应用结果,我们搭建了一个真实的实验装置,为了测量电动机的相电流,我们使用了三个电流传感器。
振动信号均是由电机上的轴加速度计测得。
这些测得的信并转换成数字形式,再通过无线传感PIC18F4553位ADC分辨率的号被发送到具有12/s以1,000样本网络节点和中心节点连续地发送到计算机。
对于每种状态,系统会在3s的采样率读取相电流并记录到电脑上。
在实验装置中,有两个传感器节点可用,电机的本实验所用的三相异步电流和振动信号通过这些无线传感网络节点将传输到中心节点。
电机性能如表3所示。
3异步电动机性能表值特征0.37kW功率1.2A满载电流50Hz电源频率1,390rpm最高速度
每个传为了测量异步电机的三相电流信号,电流传感器。
我们使用了ABBEL25P1。
5a的卡件。
实验装置见图感器节点,有一个包含XBee1MW无线模块和pic18f45535b利用异步电机所形成的节点结构图见图。
每个电机的电流和振动信号是被实本实验装置见图,该实验适用两个异步电机,5a时采集的。
这些信号被转换成数字形式,再被传输到微控制器上的传感网络节点卡件,这些来自中心节点的信号通过微控制器通过无线模块将转换后的信号发送到中心节点。
#窗体应用程序对这再使用VisualC模块和计算机之间的连接装置传输到计算机,XBee些信号进行处理。
从传感网络节点传输到计算机的数据被显示到一个图形用户界面,这些从异步电机采集到的电流数据在被特定程序进行必要的特征提取后才能用于故障诊断。
振动信号是通过三种方式从异步电机上的加速度传感器采集到的。
首先,振动信号通过把螺丝固定在异步电机的圆盘的不同部位来模是来自无轴承故障的健康异步电机,拟轴承故障。
因为把螺丝放入圆盘后,重心会发生变化,从而产生了不平衡,因为,当电机工作时,如果出现了不平衡,那么轴承必定有故障。
通过将两个螺钉固定在圆盘来)将得到8观察不同条件下健康或者故障电机振动信号来检测更多的轴承故障。
利用(的标准化信号。
页16共页9第
10常州大学本科生毕业设计(论文)外文翻译
节点结构a实验装置b无线网络的实验装置和节点结构图5页16共页10第
11常州大学本科生毕业设计(论文)外文翻译
图6故障诊断软件的界面
cF2
aH,bF1,不同条件下获得的电机振动信号图7
页16共页11第
12常州大学本科生毕业设计(论文)外文翻译
图8相空间的时间延迟和嵌入维数的选择。
a时间延迟的选择b嵌入维数的选择
图9振动信号在相空间中的投影
cF2的相空间的相空间Sa的相空间bF1
通过每个阶段的高斯混合模型构造了表示12的混合物图10的混合模型cF2的混合模型的混合模型aSbF1
页16共页12第
13常州大学本科生毕业设计(论文)外文翻译
Y轴振动信号的标准偏差图11
和分类性能和对不同集群的X
标准偏差ba分类性能
定子故障a健康b图12通过相电流判断异步电机状态页16共页13第
14常州大学本科生毕业设计(论文)外文翻译
b定子故障a用模糊逻辑进行电机故障诊断的结果图13健康
总结本这项研究提出了基于多个无线传感器系统的电机状态实时监控的新的组合方法。
要检测异步电文提出的是基于无线传感器网络系统多台电机的电流和振动信号的监测,机定子故障,就要测量三相电流值。
这些值经过一些必需的转换后被传送给计算机,当信号一发送到计算机后,就采用模糊逻辑进行定子故障诊断。
同时,异步电机两个轴承故障形成,并用高斯混合模型在相空间中将轴承的振动建模。
采用贝叶斯方法根据相空所提出的轴承故障诊断方法的优点之一是根据得到的振动信号间区分不同的电机状态。
在相空间中的差异的故障诊断。
所有电机状态的数据都被采用一个相空间来进行标准页16共页14第
15常州大学本科生毕业设计(论文)外文翻译
化,得到的信号中故障电机的数据都被建模。
通过分析两个轴的振动信号,便能得到最适当的轴。
这项研究的另一个优势是基于无线传感网络系统,在这种结构中,该传感器节点适用于不同类型的故障诊断。
此外,该传感器网络与其它正在使用传感网络相比成本更低,这是该研究的另一个优势。
发达的状态监测和诊断接口程序,数据可以通过不同的节点从电机中读取,再实时分析并按结果报告执行。
页16共页15第
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 外文翻译 基于无线传感器网络的智能方法相结合的状态监测和故障诊断 外文 翻译 基于 无线 传感器 网络 智能 方法 相结合 状态 监测 故障诊断