论文部分内容阅读
传统的机械振动监测以可能出现的最高故障频率为依据来设定采样频率,往往导致所设置的采样频率过高,增加了数据冗余与系统能耗,且现有的自适应采样技术也存在响应速度慢、数据失真和适用范围小等问题。鉴于此,并根据设备状态监测与故障诊断领域中数据管理的实际需求,本文提出了一种自适应变采样算法,并对数据采集模块与数据管理系统进行了研究设计,主要研究内容如下:(1)振动数据采集模块设计。进行硬件开发设计,主要包括信号调理、模数转换、数据传输、印制电路板布局布线等内容。对上位机与下位机软件进行了设计,给出了主要通讯协议的编程实现方法,并对采集模块进行了调试、测试,开发出一款振动数据采集模块。(2)自适应变采样算法设计。首先针对加性增加乘性减小(Additive Increase Multiplicative Decrease,AIMD)算法模型参数设置困难的问题,提出了一种自适应AIMD改进模型,并将其应用于自适应脉冲采样以获取数据。然后从时、频域两方面分析由脉冲采样获取的当前信号,并使用基于累积和(Cumulative Sum,CUSUM)的振动信号突变检测策略来判定设备的运行状态,以此指导系统进行高或低采样。最后利用插值算法对数据进行重构。实验结果表明,所设计算法解决了数据量与数据有效性之间的矛盾,对于正常运行的设备,数据量至少可降低60%,缓解了存储资源压力。(3)无线射频(Radio Frequency Identification)RFID数据管理系统设计。针对状态监测与故障诊断中获取设备信息不便和现有系统只集成了台账信息的问题,深入研究设计了集设备资产管理、状态监测与故障诊断三功能模块于一体的系统方案,开发出一款基于RFID的数据管理系统,并利用RFID硬件平台对系统的功能与性能进行了测试,测试结果表明系统实现了数据管理的功能。