王 眾，戎之瑋，趙 明

（特靈科技亞太研發(fā)中心，上海 200051）

0 引 言

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。

1 物聯(lián)網(wǎng)在振動(dòng)監(jiān)測(cè)方面的應(yīng)用

1.1 物聯(lián)網(wǎng)應(yīng)用簡(jiǎn)介

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。

1.2 物聯(lián)網(wǎng)數(shù)據(jù)的接入與時(shí)序數(shù)據(jù)庫(kù)

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。

1.3 物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)的特點(diǎn)

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。

2 振動(dòng)數(shù)據(jù)的采集與判斷

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。

3 物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析

3.1 物聯(lián)網(wǎng)振動(dòng)數(shù)據(jù)分析步驟

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。

3.2 采用Python提高分析效率

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

4 結(jié) 語(yǔ)

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。