王 眾,戎之瑋,趙 明
(特靈科技亞太研發(fā)中心,上海 200051)
物聯(lián)網(wǎng)是信息時(shí)代進(jìn)入成熟階段的重要標(biāo)志,是信息技術(shù)的全新應(yīng)用。伴隨著物聯(lián)網(wǎng)的發(fā)展,傳感器成為信息技術(shù)領(lǐng)域重要的基礎(chǔ)設(shè)施,為智能應(yīng)用提供必要的信息支持。物聯(lián)網(wǎng)應(yīng)用領(lǐng)域?qū)?shù)據(jù)進(jìn)行的分析成為應(yīng)用決策的重要依據(jù)。傳統(tǒng)的振動(dòng)儀器需要現(xiàn)場(chǎng)采集測(cè)量數(shù)據(jù),而物聯(lián)網(wǎng)使得遠(yuǎn)程監(jiān)控和寬時(shí)域分析更容易實(shí)現(xiàn),同時(shí)也為數(shù)據(jù)分析的探索展開(kāi)了更多空間。
離心式壓縮機(jī)是現(xiàn)代大型建筑的重要設(shè)備,對(duì)建筑內(nèi)溫度的控制非常重要,所以會(huì)要求盡量減少意外停機(jī)時(shí)間。離心式壓縮機(jī)通過(guò)旋轉(zhuǎn)離心力產(chǎn)生的壓力和速度來(lái)達(dá)到對(duì)于內(nèi)介質(zhì)的效果,所以其旋轉(zhuǎn)件的尺寸和質(zhì)量較大,支撐旋轉(zhuǎn)部件的各類(lèi)軸承會(huì)承受較大載荷,因此系統(tǒng)對(duì)于工作中產(chǎn)生的動(dòng)態(tài)力比較敏感。振動(dòng)即結(jié)構(gòu)中力作用的體現(xiàn),對(duì)振動(dòng)的幅值和趨勢(shì)的測(cè)量是判斷系統(tǒng)運(yùn)行是否正常的重要環(huán)節(jié)。很多漸變型故障模式可以通過(guò)振動(dòng)信息在長(zhǎng)時(shí)間范圍內(nèi)的變化表現(xiàn)出來(lái),是物聯(lián)網(wǎng)的典型應(yīng)用場(chǎng)景。本文以離心式壓縮機(jī)為例,討論一種物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的分析方法,此方法不限于離心式壓縮機(jī),可以推及其他轉(zhuǎn)子類(lèi)型設(shè)備的物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析中。
物聯(lián)網(wǎng)實(shí)現(xiàn)了互聯(lián)網(wǎng)從人向物的覆蓋和延伸。物聯(lián)網(wǎng)將多種信息傳感設(shè)備與互聯(lián)網(wǎng)結(jié)合,形成巨大的網(wǎng)絡(luò),使物品與網(wǎng)絡(luò)連接,達(dá)到方便識(shí)別和管理的目的。萬(wàn)物互聯(lián)可以將人、物、事件、流程和數(shù)據(jù)相結(jié)合,通過(guò)網(wǎng)絡(luò)連接讓其更有價(jià)值。從物聯(lián)網(wǎng)到萬(wàn)物互聯(lián),實(shí)現(xiàn)了信息到行動(dòng)的轉(zhuǎn)化,為使用者、企業(yè)、社會(huì)和國(guó)家都創(chuàng)造了新的機(jī)會(huì)和價(jià)值,為時(shí)代帶來(lái)了新的經(jīng)濟(jì)發(fā)展機(jī)遇。
物聯(lián)網(wǎng)平臺(tái)按照數(shù)據(jù)的流向可以分為數(shù)據(jù)接入、數(shù)據(jù)解析、數(shù)據(jù)管理、規(guī)則引擎和時(shí)序數(shù)據(jù)庫(kù)等環(huán)節(jié)。物聯(lián)網(wǎng)平臺(tái)往往可以提供較大數(shù)量設(shè)備接入的能力,并且需要具備較高數(shù)據(jù)點(diǎn)讀寫(xiě)性能與較高的壓縮率,以及端到端的安全防護(hù)等。
(1)數(shù)據(jù)接入:用于在智能設(shè)備與云端建立安全的雙向連接,并通過(guò)多種通信協(xié)議實(shí)現(xiàn)物聯(lián)網(wǎng)與實(shí)體的數(shù)據(jù)交互,可以初步對(duì)數(shù)據(jù)的采集格式和頻率進(jìn)行定義。
(2)數(shù)據(jù)解析:在云端提供數(shù)據(jù)協(xié)議的解析。當(dāng)云端收到網(wǎng)關(guān)返回的原始數(shù)據(jù)后,結(jié)合預(yù)置的設(shè)備通信地址表將數(shù)據(jù)解析為時(shí)序數(shù)據(jù)庫(kù)模式,便于存儲(chǔ)和分析。
(3)接入管理:用于對(duì)接入云端的設(shè)備進(jìn)行管理和操作,包括設(shè)備的層級(jí)管理、監(jiān)測(cè)、遙控、固件升級(jí)和維護(hù)保養(yǎng)等場(chǎng)景。
(4)規(guī)則引擎:原始數(shù)據(jù)往往不能直接用于分析和顯示,所以需要對(duì)原始數(shù)據(jù)進(jìn)行單位的指定與轉(zhuǎn)換、數(shù)據(jù)類(lèi)型指定、數(shù)值關(guān)聯(lián)計(jì)算、數(shù)據(jù)包重整等處理與操作。
(5)時(shí)序數(shù)據(jù)庫(kù):為了更好地處理時(shí)間序列數(shù)據(jù),時(shí)序數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生。時(shí)序數(shù)據(jù)庫(kù)是用于管理時(shí)間序列數(shù)據(jù)的專(zhuān)業(yè)化數(shù)據(jù)庫(kù)。區(qū)別于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù),時(shí)序數(shù)據(jù)庫(kù)針對(duì)時(shí)間序列數(shù)據(jù)的存儲(chǔ)、查詢(xún)和展現(xiàn)進(jìn)行了專(zhuān)門(mén)優(yōu)化,有較高的數(shù)據(jù)壓縮能力與查詢(xún)性能,適用于物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。
物聯(lián)網(wǎng)的振動(dòng)數(shù)據(jù)伴隨接入點(diǎn)的增加和長(zhǎng)時(shí)間的積累后,數(shù)據(jù)量極大,為了得到數(shù)據(jù)的價(jià)值需要進(jìn)行深入挖掘,但這一過(guò)程往往需要大量工作消耗,因此提高分析效率成為數(shù)據(jù)分析的重要方向。物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)通常具有以下特點(diǎn):
(1)結(jié)構(gòu)穩(wěn)定。物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)采集側(cè)完成現(xiàn)場(chǎng)部署后,采集模塊生命周期內(nèi)一般不會(huì)頻繁變動(dòng),或僅發(fā)生有限次變動(dòng);接收數(shù)據(jù)的平臺(tái)一般不會(huì)發(fā)生顛覆性改變,多數(shù)變更都會(huì)兼容前次的結(jié)構(gòu)和功能;對(duì)特定采集器和應(yīng)用對(duì)象而言,采集精度和頻域?qū)挾韧ǔJ枪潭ǖ?,或?yàn)橛邢揞?lèi)型模式,或經(jīng)過(guò)簡(jiǎn)單計(jì)算后能夠得到有限類(lèi)型模式。以上因素決定了物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)在結(jié)構(gòu)方面通常比較穩(wěn)定,為提高振動(dòng)數(shù)據(jù)分析效率奠定了基礎(chǔ)。
(2)行數(shù)巨大。物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的量級(jí)取決于2個(gè)方面,一則為安裝點(diǎn)數(shù),一則為時(shí)間積累。依據(jù)物聯(lián)網(wǎng)近年來(lái)迅速發(fā)展的趨勢(shì),安裝點(diǎn)數(shù)往往呈指數(shù)上升;采集模塊一經(jīng)安裝就開(kāi)始持續(xù)不斷的向云端提供數(shù)據(jù),出于研究或追溯等原因,數(shù)據(jù)擁有者很少主動(dòng)刪除數(shù)據(jù),經(jīng)過(guò)長(zhǎng)時(shí)間積累后數(shù)據(jù)量巨大。
(3)頻域完整。為進(jìn)行數(shù)據(jù)分析而采集的物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)往往具備目標(biāo)分析范圍內(nèi)的完整頻譜。根據(jù)分析內(nèi)容和分析目的的不同,可能會(huì)有不同分辨率的數(shù)據(jù),例如1 Hz或0.1 Hz。完整的頻譜保證了數(shù)據(jù)結(jié)構(gòu)的一致性,使通過(guò)自動(dòng)分析來(lái)提高效率成為可能。
(4)時(shí)域離散。因設(shè)備運(yùn)行的振動(dòng)特性一般不會(huì)在短時(shí)間內(nèi)發(fā)生劇烈變化,為減輕數(shù)據(jù)傳輸與存儲(chǔ)的壓力,通常會(huì)間隔一定時(shí)間進(jìn)行采集和上傳,整體來(lái)看,形成了數(shù)據(jù)在時(shí)域上的離散特性。
信號(hào)的分析處理是指從傳感器等一次敏感元件獲得初始信息,用一定的設(shè)備和手段進(jìn)行分析處理。測(cè)試信號(hào)的頻域分析是把信號(hào)的幅值、相位或能量變換為以頻率坐標(biāo)軸表示,進(jìn)而分析其頻率特性的方法,又稱(chēng)頻譜分析[1]。此頻譜信息可用于對(duì)振動(dòng)頻譜特征的分析。振動(dòng)傳感器按機(jī)械接收原理可以分為相對(duì)式、慣性式[2];按機(jī)電變換原理可以分為電動(dòng)式、壓電式、電渦流式、電感式、電容式、電阻式、光電式[3];按所測(cè)機(jī)械量可以分為位移傳感器、速度傳感器、加速度傳感器、力傳感器、應(yīng)變傳感器、扭振傳感器、扭矩傳感器[4]。在進(jìn)行信號(hào)處理時(shí)需要注意傳感器的類(lèi)型。
對(duì)于旋轉(zhuǎn)機(jī)械而言,振動(dòng)信號(hào)中的很多頻率分量都與轉(zhuǎn)子轉(zhuǎn)速關(guān)系密切,往往是轉(zhuǎn)速頻率的整數(shù)或分?jǐn)?shù)倍,在頻譜分析時(shí),更關(guān)注軸轉(zhuǎn)速的多倍頻率處及轉(zhuǎn)速的非整數(shù)倍頻率處的峰值。頻譜中的同步分量是轉(zhuǎn)速頻率的整數(shù)倍,通過(guò)分析頻率中的同步波峰可以發(fā)現(xiàn)許多故障,包括不平衡、不對(duì)中、松動(dòng)、軸彎曲、葉片磨損、齒輪嚙合等[5]。
另外,有些振動(dòng)問(wèn)題還有如下特點(diǎn):
(1)難以直觀體現(xiàn),往往需要停機(jī)拆卸才能觀察到損壞的部件或零件;
(2)難以在短時(shí)間內(nèi)體現(xiàn),往往長(zhǎng)達(dá)數(shù)月甚至經(jīng)年的積累才會(huì)體現(xiàn)出來(lái),但是長(zhǎng)時(shí)間累積后會(huì)造成系統(tǒng)級(jí)的綜合影響,擴(kuò)大了影響范圍。
物聯(lián)網(wǎng)適用于對(duì)振動(dòng)數(shù)據(jù)的實(shí)時(shí)采集和長(zhǎng)時(shí)間監(jiān)聽(tīng),適用于轉(zhuǎn)子設(shè)備的非停機(jī)檢測(cè)和趨勢(shì)判斷。
振動(dòng)數(shù)據(jù)因其自身屬性,在物聯(lián)網(wǎng)應(yīng)用方面可以反應(yīng)設(shè)備的運(yùn)行狀態(tài)。因此,可以通過(guò)對(duì)振動(dòng)數(shù)據(jù)的分析來(lái)識(shí)別設(shè)備的狀態(tài),并根據(jù)其時(shí)域上的變化給出預(yù)測(cè)和診斷。常規(guī)的數(shù)據(jù)分析可以大致劃分為5個(gè)環(huán)節(jié):數(shù)據(jù)規(guī)劃與獲取、數(shù)據(jù)清洗與處理、數(shù)據(jù)分析與方法、數(shù)據(jù)多維呈現(xiàn)、數(shù)據(jù)輔助決策與模型優(yōu)化。本節(jié)根據(jù)物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的特點(diǎn),結(jié)合常規(guī)數(shù)據(jù)分析的步驟來(lái)闡述物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的分析。
3.1.1 規(guī)劃與獲取
在獲取數(shù)據(jù)之前,要先對(duì)目標(biāo)振動(dòng)數(shù)據(jù)進(jìn)行規(guī)劃,這有助于得到更高質(zhì)量的數(shù)據(jù)。根據(jù)明確的目的進(jìn)行數(shù)據(jù)規(guī)劃,也可以提高獲取有效數(shù)據(jù)的效率,更容易得到有指導(dǎo)意義的分析結(jié)果,實(shí)現(xiàn)目的引導(dǎo)。首先要明確分析目標(biāo),然后根據(jù)分析目標(biāo)進(jìn)行梳理,構(gòu)建基本框架,拆解出多個(gè)要點(diǎn)和輔助點(diǎn)進(jìn)行采集。好的數(shù)據(jù)規(guī)劃是進(jìn)行高效數(shù)據(jù)分析的前提。
本文所論述的范圍是關(guān)于振動(dòng)數(shù)據(jù)的分析,目標(biāo)是根據(jù)物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)來(lái)判斷設(shè)備運(yùn)行的狀態(tài)與趨勢(shì)。需要考慮以下環(huán)節(jié):
(1)時(shí)域和頻域兩個(gè)維度是該數(shù)據(jù)規(guī)劃的主體內(nèi)容,為了進(jìn)行完整的分析,還需要幅值、方向等數(shù)據(jù);
(2)數(shù)據(jù)生成過(guò)程中為了保證完整的計(jì)算和輸出,需要一些必要的標(biāo)志位、狀態(tài)位等數(shù)據(jù);
(3)數(shù)據(jù)采集過(guò)程中為了加以區(qū)別,需要輔助用于采集的硬件設(shè)備識(shí)別碼、網(wǎng)關(guān)碼等數(shù)據(jù);
(4)數(shù)據(jù)傳輸過(guò)程中為了適應(yīng)振動(dòng)類(lèi)型的大規(guī)模數(shù)據(jù)與傳輸途徑間的匹配度,需要進(jìn)行必要的分解,增加多數(shù)據(jù)包的首尾識(shí)別等數(shù)據(jù);
(5)數(shù)據(jù)存儲(chǔ)和下載過(guò)程中根據(jù)不同的平臺(tái)規(guī)則,需要對(duì)數(shù)據(jù)重新查詢(xún)、分割、打包再合并,會(huì)產(chǎn)生很多附加數(shù)據(jù)。
從以上描述我們可以看出,物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的產(chǎn)生和獲取過(guò)程是多樣化的,數(shù)據(jù)的來(lái)源和用途是復(fù)雜的。要對(duì)復(fù)雜的數(shù)據(jù)進(jìn)行分析以達(dá)到預(yù)期的目的,需要完成大量分析工作,從海量的數(shù)據(jù)中得到真正能夠輔助判斷決策的數(shù)據(jù),就需要良好的數(shù)據(jù)規(guī)劃。
3.1.2 清洗與處理
在進(jìn)行數(shù)據(jù)清洗與處理前,首先要保證數(shù)據(jù)的真實(shí)性和正確性,如果數(shù)據(jù)存在謬誤和錯(cuò)位,那么結(jié)果不具有任何價(jià)值,還會(huì)導(dǎo)致錯(cuò)誤的決策甚至損害模型。甄別數(shù)據(jù)真實(shí)性與正確性的過(guò)程在前期階段需基于人對(duì)數(shù)據(jù)的理解和調(diào)查,分析過(guò)程中可以根據(jù)數(shù)據(jù)的特性進(jìn)行反向確認(rèn)和驗(yàn)證,以此完善數(shù)據(jù)獲取的過(guò)程。
本文論述的基于物聯(lián)網(wǎng)的振動(dòng)數(shù)據(jù),一方面數(shù)據(jù)本身層次繁多、結(jié)構(gòu)復(fù)雜;一方面經(jīng)過(guò)時(shí)間的持續(xù)積累,數(shù)據(jù)量巨大。為了從中得到真正能夠輔助判斷決策的數(shù)據(jù),需要對(duì)無(wú)關(guān)數(shù)據(jù)進(jìn)行清洗,對(duì)關(guān)聯(lián)數(shù)據(jù)進(jìn)行處理,同時(shí)要保證數(shù)據(jù)間的有效性和關(guān)聯(lián)性,這是數(shù)據(jù)分析必不可少的環(huán)節(jié)。
物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的清洗與處理,狹義來(lái)講,可以只針對(duì)從云端下載獲得的數(shù)據(jù),但因?yàn)閿?shù)據(jù)在生成和采集、傳輸、存儲(chǔ)過(guò)程中因平臺(tái)和工具等環(huán)節(jié)的不同而造成下載得到不同的結(jié)果,所以對(duì)過(guò)程中產(chǎn)生的數(shù)據(jù)也應(yīng)該進(jìn)行深入理解,這樣才能在多個(gè)環(huán)節(jié)更好地對(duì)數(shù)據(jù)在比較寬的范圍內(nèi)進(jìn)行清洗和處理。在生成、采集、傳輸和存儲(chǔ)過(guò)程中引入的狀態(tài)位[6]、識(shí)別碼、標(biāo)識(shí)符、首尾包等數(shù)據(jù)應(yīng)盡量控制在有限環(huán)節(jié)內(nèi),不保留到最終數(shù)據(jù)中,如果最終數(shù)據(jù)中有此類(lèi)信息,則這類(lèi)信息就是優(yōu)先清洗的對(duì)象。只有在獲取數(shù)據(jù)過(guò)程中出現(xiàn)問(wèn)題時(shí)才保留這類(lèi)信息來(lái)追溯問(wèn)題根源。
數(shù)據(jù)處理指從物聯(lián)網(wǎng)獲得的振動(dòng)數(shù)據(jù)一般無(wú)法直接用于分析,通常要進(jìn)行運(yùn)算和處理后才能得到有效的,可用于分析的,有價(jià)值的數(shù)據(jù)。在數(shù)據(jù)生成環(huán)節(jié),不同類(lèi)型的傳感器會(huì)產(chǎn)生不同類(lèi)型的數(shù)據(jù)。從物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析的角度,我們可以把傳感器的類(lèi)型分為模擬型和數(shù)字型,即傳感器輸出值為模擬量的為模擬型,傳感器輸出值為數(shù)字量的為數(shù)字型。相同情況下,模擬型傳感器的數(shù)據(jù)量通常比數(shù)字型的更大,得到時(shí)域模擬量后需進(jìn)行FFT轉(zhuǎn)換得到頻域值,把時(shí)域數(shù)據(jù)處理為頻域數(shù)據(jù)用于頻譜分析。進(jìn)行數(shù)據(jù)處理時(shí)首要保證的原則是一致性和有效性。經(jīng)過(guò)清洗和處理后的數(shù)據(jù)會(huì)更適合分析且更高效,可能涉及的振動(dòng)數(shù)據(jù)處理還包括如下類(lèi)型:
(1)數(shù)據(jù)類(lèi)型的轉(zhuǎn)換,例如整型與浮點(diǎn)型的轉(zhuǎn)換;
(2)時(shí)間格式的轉(zhuǎn)換,數(shù)據(jù)庫(kù)的時(shí)間格式與易讀易算的時(shí)間格式之間的轉(zhuǎn)換;
(3)步長(zhǎng)與頻域的轉(zhuǎn)換,采樣頻率與目標(biāo)分析頻率精度之間需對(duì)應(yīng);
(4)單位的轉(zhuǎn)換,采樣單位與目標(biāo)分析值之間進(jìn)行對(duì)應(yīng),例如振幅;
(5)數(shù)據(jù)幀的合成,頻域數(shù)據(jù)往往有多種方式進(jìn)行存儲(chǔ)和傳輸,獲得數(shù)據(jù)后需重新組織成數(shù)據(jù)幀;
(6)空幀的處理,多種原因造成的空幀需要給出特定進(jìn)程,使之不影響整體分析;
(7)幀與幀的拼接,獲得數(shù)據(jù)的過(guò)程中出現(xiàn)幀錯(cuò)位或斷幀的情況,需要根據(jù)規(guī)則重新拼接為有效數(shù)據(jù);
(8)去噪聲處理,采集環(huán)節(jié)引入的噪聲需要在分析前作預(yù)處理;
(9)關(guān)聯(lián)計(jì)算,多維度的原始值往往需要一定的關(guān)聯(lián)計(jì)算后才能夠成為目標(biāo)分析可用的數(shù)值。
數(shù)據(jù)的清洗過(guò)程不一定限于數(shù)據(jù)下載后,有效的數(shù)據(jù)清洗能夠讓數(shù)據(jù)在傳輸過(guò)程中高效地傳遞信息。尤其針對(duì)物聯(lián)網(wǎng),很多設(shè)備利用無(wú)線網(wǎng)絡(luò),甚至付費(fèi)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸,此時(shí)數(shù)據(jù)清洗就顯得更為重要。
3.1.3 分析與方法
物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的分析過(guò)程主要分為頻域分析和時(shí)序分析。頻域分析注重頻域特征的提取,時(shí)序分析注重隨時(shí)間變化的追蹤,通常先從頻域入手。在進(jìn)行分析前需要確認(rèn)數(shù)據(jù)的有效性,數(shù)據(jù)的有效性與采集側(cè)和目標(biāo)側(cè)相關(guān):
(1)有效數(shù)據(jù)的頻域?qū)挾刃枧c目標(biāo)分析的范圍一致,需注意頻域的起止點(diǎn),即相對(duì)的低頻段和高頻段;
(2)采樣得到的頻域數(shù)據(jù)精度,例如1 Hz或0.1 Hz;
(3)幅值確認(rèn),例如有效值、峰值與峰峰值間的轉(zhuǎn)換,及幅值單位的轉(zhuǎn)換。
經(jīng)過(guò)確認(rèn)和提取后,利用有效數(shù)據(jù)可以組成頻域數(shù)據(jù)幀,即在頻域上每一個(gè)最小分辨率的頻率點(diǎn)有一個(gè)與之對(duì)應(yīng)的幅值,此頻域數(shù)據(jù)幀可用于頻域分析。
頻域分析的過(guò)程可以概括描述為頻域數(shù)據(jù)特征化的過(guò)程,即把采集得到的數(shù)據(jù)根據(jù)一定規(guī)則進(jìn)行特征化,然后與預(yù)置的特征進(jìn)行比較。預(yù)置邏輯的來(lái)源主要有以下幾方面:
(1)知識(shí)型輸入,即公開(kāi)的理論性振動(dòng)故障識(shí)別知識(shí);
(2)經(jīng)驗(yàn)型輸入,例如工程師的經(jīng)驗(yàn)與現(xiàn)場(chǎng)應(yīng)用人員的經(jīng)驗(yàn);
(3)仿真輔助輸入,此類(lèi)輸入注重特定設(shè)備類(lèi)型的振動(dòng)特征;
(4)離廠測(cè)試型輸入,此類(lèi)輸入可以體現(xiàn)設(shè)備的唯一性特征。
把物聯(lián)網(wǎng)采集的數(shù)據(jù)進(jìn)行特征化處理后,與上述多種類(lèi)型的預(yù)置特征庫(kù)進(jìn)行比較,合理判定可以得到明確的輸出值,即故障類(lèi)型,達(dá)到故障診斷的目的。
區(qū)別于傳統(tǒng)手持式振動(dòng)儀和臺(tái)式振動(dòng)儀,物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)更容易獲得長(zhǎng)時(shí)間范圍內(nèi)在時(shí)域上連續(xù)的頻域數(shù)據(jù)幀,物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)這一特性也更符合振動(dòng)故障漸進(jìn)性變化的特性,使得物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的分析更有價(jià)值。
時(shí)序分析一般是有針對(duì)性地對(duì)特定頻段上的數(shù)據(jù)隨時(shí)間變化進(jìn)行分析。特定頻段通常指頻域上幅值超出預(yù)期的頻段,例如工頻50 Hz的轉(zhuǎn)子設(shè)備在50 Hz頻率上采樣得到的幅值超出預(yù)期值時(shí),50 Hz的倍數(shù)頻率和以其為中心的一定范圍均成為目標(biāo)分析的特定頻段。對(duì)特定頻段的數(shù)據(jù)進(jìn)行時(shí)間追蹤,根據(jù)時(shí)序上的變化情況給出趨勢(shì)判斷結(jié)果,有助于早期問(wèn)題的確定。進(jìn)行分析時(shí)可以在時(shí)間上通過(guò)連續(xù)或隨機(jī)的方式取得觀察點(diǎn),然后根據(jù)觀察點(diǎn)序列擬合曲線的曲率來(lái)判斷特定頻段的趨勢(shì)。
3.1.4 數(shù)據(jù)呈現(xiàn)
對(duì)物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析的結(jié)果呈現(xiàn),一方面需要給出定性判斷,比如振動(dòng)是否超標(biāo)和歸類(lèi)為哪種故障模式;另一方面需要給出可量化的視覺(jué)對(duì)比結(jié)果。振動(dòng)數(shù)據(jù)進(jìn)行圖表類(lèi)呈現(xiàn)的目的是為了對(duì)比,需要體現(xiàn)分布和關(guān)系,振動(dòng)數(shù)據(jù)的頻域分析結(jié)果需要體現(xiàn)各頻段上的對(duì)比和分布,時(shí)序分析的結(jié)果需要體現(xiàn)前后數(shù)據(jù)的趨勢(shì)關(guān)系。
對(duì)物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析的結(jié)果需滿(mǎn)足突出特征、一目了然、輔助判斷、便于深入分析等要求,好的呈現(xiàn)要符合不重疊、不遺漏的基本原則。物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)需要多種呈現(xiàn)途徑,例如方便遠(yuǎn)程查看的瀏覽器頁(yè)面,用于分析和交流的報(bào)告,用于實(shí)時(shí)監(jiān)控和分析的軟件工具等。無(wú)論哪一種呈現(xiàn)方式,都需要規(guī)劃一個(gè)儀表盤(pán)來(lái)合理展示振動(dòng)信息,以便能夠?qū)崟r(shí)監(jiān)控[7]。
對(duì)于物聯(lián)網(wǎng)振動(dòng)信息而言,基本的呈現(xiàn)內(nèi)容為:頻譜與時(shí)序趨勢(shì);重要的呈現(xiàn)內(nèi)容為:頻譜與時(shí)序趨勢(shì)反應(yīng)出的設(shè)備狀態(tài);有價(jià)值的呈現(xiàn)內(nèi)容為:根據(jù)狀態(tài)診斷而給出的建議;此外,還需要呈現(xiàn)用于輔助判斷的設(shè)備信息等。
3.1.5 數(shù)據(jù)輔助決策與模型優(yōu)化
物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析的作用:在大型設(shè)備應(yīng)用方面,可保障設(shè)備正常運(yùn)行,這種應(yīng)用場(chǎng)景下的關(guān)鍵決策是設(shè)備是否適合繼續(xù)運(yùn)行,是否需要維修保養(yǎng),以免造成意外停機(jī)和更大范圍的損壞。為達(dá)到這個(gè)目的,幅值與模式的判定是關(guān)鍵輸入,幅值能夠反應(yīng)設(shè)備整體運(yùn)行的情況是否正常,模式能夠?yàn)閱?wèn)題的判斷縮小范圍。既定行業(yè)或類(lèi)型應(yīng)用中,幅值判斷通常有明確的范圍,通過(guò)軟件邏輯相對(duì)容易實(shí)現(xiàn)結(jié)果的輸出。模式判定往往需要長(zhǎng)時(shí)間的經(jīng)驗(yàn)和積累,物聯(lián)網(wǎng)廣泛實(shí)施的同時(shí)也有助于獲得更多故障數(shù)據(jù)來(lái)完善故障模型。
數(shù)據(jù)分析工具種類(lèi)繁多,但適合物聯(lián)網(wǎng)數(shù)據(jù)分析的較少,例如Excel的最大處理行數(shù)為1 048 576行,無(wú)法匹配物聯(lián)網(wǎng)數(shù)據(jù)在時(shí)間積累下行數(shù)巨大的特點(diǎn)。分析方法的研究往往是為了最終應(yīng)用,完整的數(shù)據(jù)分析方法在經(jīng)過(guò)本地?cái)?shù)據(jù)驗(yàn)證后需在云端的應(yīng)用中實(shí)現(xiàn)。Python具有較適合分析大規(guī)模結(jié)構(gòu)化數(shù)據(jù)的庫(kù),可以同時(shí)滿(mǎn)足處理本地?cái)?shù)據(jù)和云端應(yīng)用的需求,本文以Python為例,討論如何提升物聯(lián)網(wǎng)數(shù)據(jù)的分析效率。
3.2.1 Python常用庫(kù)
常用于物聯(lián)網(wǎng)數(shù)據(jù)分析的Python庫(kù)有:
(1)Beautiful Soup:解析物聯(lián)網(wǎng)xml和html數(shù)據(jù)。
(2)Pandas:此功能庫(kù)中有大量標(biāo)準(zhǔn)數(shù)據(jù)模型,提供了快速便捷地處理文本數(shù)據(jù)的函數(shù)和方法,以及高效操作大型數(shù)據(jù)集所需的工具。
(3)NumPy:通常與Pandas結(jié)合,用來(lái)完成批量數(shù)據(jù)的分析任務(wù)。
3.2.2 使用Python分析振動(dòng)數(shù)據(jù)
從物聯(lián)網(wǎng)云端抓取振動(dòng)數(shù)據(jù)用于臨時(shí)本地?cái)?shù)據(jù)分析時(shí),可通過(guò)Beautiful Soup解析并轉(zhuǎn)存為表格文件,方便閱讀與驗(yàn)證,在云端處理時(shí)可以直接讀取時(shí)序數(shù)據(jù)庫(kù),然后經(jīng)過(guò)以下步驟和方法進(jìn)行處理:
(1)數(shù)據(jù)抽?。菏褂肞andas的循環(huán)遍歷命令抽取目錄下的所有振動(dòng)數(shù)據(jù),將數(shù)據(jù)讀入DataFrame中以二維表格型數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)為 'metric','timestamp','value'字段。
(2)時(shí)間格式轉(zhuǎn)換:時(shí)間格式是物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的重要標(biāo)簽,數(shù)據(jù)庫(kù)中的時(shí)間格式通常需要轉(zhuǎn)換后使用,可以使用公式將時(shí)間信息轉(zhuǎn)化為可計(jì)算的數(shù)值,本文案例時(shí)序數(shù)據(jù)庫(kù)的時(shí)間格式轉(zhuǎn)化為年、月、日、時(shí)、分、秒格式:
T=(timestamp/1 000+8*3 600)/86 400+70*365+19 (1)式中:timestamp /1 000表示由毫秒轉(zhuǎn)換為秒,如果timestamp包含秒,則無(wú)需計(jì)算;8*3 600表示由GMT 0時(shí)區(qū)轉(zhuǎn)到GMT+8時(shí)區(qū);除以86 400表示由秒轉(zhuǎn)到天;70*365表示70年的差值(timestamp與Excel計(jì)算起點(diǎn)差異;19表示1900年到1970年間的閏年數(shù)量)。
采用Python處理時(shí)間格式時(shí),需使用utcfromtimestamp函數(shù)。振動(dòng)數(shù)據(jù)由于數(shù)據(jù)量較大且瞬變可能性小,所以一般傳輸頻率較低,多數(shù)情況下無(wú)需考慮秒級(jí)誤差(如果保留秒級(jí)時(shí)間格式則可能在后續(xù)數(shù)據(jù)對(duì)比過(guò)程中引入錯(cuò)誤,所以需要用replace函數(shù)將秒清零)。時(shí)間格式處理的語(yǔ)句匯總?cè)缦拢?/p>
dt = datetime.utcfromtimestamp(timestamp / 1000)
if convert_to_local:# convert to local
dt = dt + datetime.timedelta(hours=8) # china default time
dt = dt.replace(second=0)
(3)數(shù)據(jù)清洗:數(shù)據(jù)清洗的目的是過(guò)濾無(wú)效數(shù)據(jù)[8],讓目標(biāo)數(shù)據(jù)的分析更明確,分析效率更高。清洗后的數(shù)據(jù)通過(guò)合理調(diào)用可以成為待分析的振動(dòng)頻率幅值數(shù)據(jù)幀。進(jìn)行時(shí)間過(guò)濾時(shí)可以參考以下語(yǔ)句:
df_abs_filter = df_absolute[(df_absolute.timestamp.dt.time >= start_time)& (df_absolute.timestamp.dt.time < end_time)]
進(jìn)行標(biāo)簽過(guò)濾時(shí)可以使用“~”(取反)命令實(shí)現(xiàn),如下面例子中過(guò)濾無(wú)關(guān)數(shù)據(jù)'V1_L','V2_L':
df = df[~(dif['metric'].isin(['V1_L', 'V2_L']))]
(4)報(bào)警數(shù)據(jù)的產(chǎn)生:振動(dòng)數(shù)據(jù)分析的關(guān)鍵步驟是根據(jù)組織好的頻域數(shù)據(jù)幀與預(yù)期幅值進(jìn)行對(duì)比,在相應(yīng)頻段上超出預(yù)期值則歸入預(yù)置的故障類(lèi)別??梢允褂胊pply()函數(shù)調(diào)用alarmDect函數(shù)自動(dòng)遍歷每行的頻率與幅值,最后將結(jié)果組合成Alarm Series數(shù)據(jù)結(jié)構(gòu)并返回,實(shí)例語(yǔ)句如下:
dx['alarm']= dx.apply(lambda x: alarmDetect(x['Frequency'],x['value']), axis=1)
經(jīng)過(guò)分析后的數(shù)據(jù)已包含振動(dòng)數(shù)據(jù)幀的故障模式判斷信息,通過(guò)合理的方式呈現(xiàn)便可用于結(jié)果分享和改進(jìn),例圖如圖1所示。
圖1 例圖
物聯(lián)網(wǎng)采集的數(shù)據(jù)往往路徑較長(zhǎng)且過(guò)程復(fù)雜,分析難度較大。本文介紹的方法是大數(shù)據(jù)分析方法在物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)方面的應(yīng)用,主要講述了數(shù)據(jù)的基本處理和分析方法及流程,結(jié)合Python的使用可以提高分析效率。本方法和流程可以推廣至其他類(lèi)型的物聯(lián)網(wǎng)數(shù)據(jù)分析,例如基于時(shí)序數(shù)據(jù)庫(kù)的設(shè)備運(yùn)行數(shù)據(jù)等。