黃建生

摘要：為了提高公共建筑商用飲水設(shè)備故障信號(hào)檢測(cè)識(shí)別能力，需要進(jìn)行公共建筑商用飲水設(shè)備故障的信號(hào)特征分析和定位，提出基于多傳感器的公共建筑商用飲水設(shè)備故障信號(hào)定位檢測(cè)方法。采用多源異構(gòu)的參數(shù)識(shí)別方法，構(gòu)建公共建筑商用飲水設(shè)備故障信號(hào)的稀疏性相位譜分析模型，通過公共建筑商用飲水流量的異常參數(shù)識(shí)別，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障檢測(cè)過程中的信息分類和空間物理信息參數(shù)定位和識(shí)別，根據(jù)參數(shù)定位結(jié)果，結(jié)合多傳感器融合和波束形成指向性聚類，實(shí)現(xiàn)飲水設(shè)備故障信號(hào)識(shí)別。測(cè)試表明，該方法進(jìn)行飲水設(shè)備故障信號(hào)識(shí)別的精度較高，抗干擾性較好。

關(guān)鍵詞：公共建筑;商用飲水設(shè)備;故障信號(hào);識(shí)別

0引言

隨著智慧化公共建筑商用飲水設(shè)備建設(shè)技術(shù)的發(fā)展，公共建筑商用飲水設(shè)備的建設(shè)和可靠性運(yùn)行受到人們的極大關(guān)注。公共建筑商用飲水設(shè)備設(shè)計(jì)技術(shù)不斷成熟，對(duì)公共建筑商用飲水設(shè)備的穩(wěn)定性要求也越來越高，需要構(gòu)建優(yōu)化的公共建筑商用飲水設(shè)備故障檢測(cè)模型，結(jié)合對(duì)公共建筑商用飲水設(shè)備的故障特征分析，進(jìn)行公共建筑商用飲水設(shè)備故障信號(hào)檢測(cè)，提高飲水設(shè)備的運(yùn)行可靠性和故障修復(fù)能力[1]。

因此，本文提出基于多傳感器的公共建筑商用飲水設(shè)備故障信號(hào)定位檢測(cè)方法。結(jié)合公共建筑商用飲水設(shè)備的輸出振蕩特征分析，采用傳感器信息檢測(cè)的方法，進(jìn)行公共建筑商用飲水設(shè)備的故障診斷，提高公共建筑商用飲水設(shè)備的輸出穩(wěn)定性，采用多源異構(gòu)的參數(shù)識(shí)別方法，構(gòu)建公共建筑商用飲水設(shè)備故障信號(hào)的稀疏性相位譜分析模型，結(jié)合信號(hào)處理和故障特征聚類，實(shí)現(xiàn)飲水設(shè)備的故障信號(hào)識(shí)別。最后進(jìn)行仿真測(cè)試分析，得出有效性結(jié)論。

1信號(hào)采集和特征分析

1.1公共建筑商用飲水設(shè)備故障信號(hào)采集

為了實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障診斷識(shí)別，結(jié)合信號(hào)檢測(cè)識(shí)別方法，建立飲水設(shè)備的故障特征分析模型，結(jié)合信號(hào)頻譜參數(shù)識(shí)別，進(jìn)行故障信號(hào)識(shí)別處理[2]。首先采用傳感器識(shí)別技術(shù)，建立公共建筑商用飲水設(shè)備的故障原始信息采集模型，得到故障信號(hào)模型為：

其中，表示有效信號(hào)，表示噪聲干擾信息分量，根據(jù)上述信號(hào)模型構(gòu)造，對(duì)公共建筑商用飲水設(shè)備故障信息進(jìn)行融合濾波，構(gòu)建公共建筑商用飲水設(shè)備故障點(diǎn)的聚類分析模型，得到公共建筑商用飲水設(shè)備故障特征的頻譜分量為：

其中，為采樣序列點(diǎn)數(shù)，為時(shí)延參數(shù)，為信號(hào)卷積，為信號(hào)高階分量，結(jié)合多普勒檢測(cè)和多維參數(shù)識(shí)別的方法，得到公共建筑商用飲水設(shè)備故障分量的跳變擾動(dòng)為：

其中，為設(shè)備輸出電壓分量，為擾動(dòng)幅值，為監(jiān)測(cè)頻點(diǎn)數(shù)。

構(gòu)建公共建筑商用飲水設(shè)備故障點(diǎn)的統(tǒng)計(jì)序列分布模型，采用多源異構(gòu)的參數(shù)識(shí)別方法，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障信號(hào)的特征檢測(cè)。

1.2故障信號(hào)特征分析

在公共建筑商用飲水設(shè)備故障點(diǎn)的分布平面，得到飲水設(shè)備故障頻率特征檢測(cè)統(tǒng)計(jì)特征量為：

其中，表示飲水設(shè)備故障信號(hào)的輸出擴(kuò)展分量，為頻域分量，假設(shè)公共建筑商用飲水設(shè)備故障狀態(tài)的穩(wěn)態(tài)工況變化率滿足線性組合，得到故障特征檢測(cè)輸出為：

其中，為飲水設(shè)備故障狀態(tài)相關(guān)檢測(cè)參數(shù)，為聯(lián)合特征分量，結(jié)合最佳檢測(cè)器和分段副本相關(guān)檢測(cè)，得到公共建筑商用飲水設(shè)備故障特征的譜分量為：

上式中表示一零均值復(fù)高斯隨機(jī)過程，表示故障頻譜的慣性分量，由此構(gòu)建公共建筑商用飲水設(shè)備故障特征檢測(cè)模型，根據(jù)故障特征檢測(cè)結(jié)果實(shí)現(xiàn)故障信號(hào)識(shí)別[3]。

2信號(hào)識(shí)別算法優(yōu)化

進(jìn)一步對(duì)公共建筑商用飲水設(shè)備故障信號(hào)識(shí)別進(jìn)行優(yōu)化。構(gòu)建公共建筑商用飲水設(shè)備故障信號(hào)的稀疏性相位譜分析模型，通過公共建筑商用飲水流量的異常參數(shù)識(shí)別，公共建筑商用飲水流量的故障信號(hào)的波束分量為：

其中，為故障頻域分解分量，為擴(kuò)展帶寬，為干擾強(qiáng)度，建立公共建筑商用飲水設(shè)備故障識(shí)別模型，得到故障信號(hào)的時(shí)序分量表示為，上式為一組短時(shí)離散信息分布集，綜上分析，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障檢測(cè)過程中的信息分類和空間物理信息參數(shù)定位和識(shí)別[4]，根據(jù)參數(shù)定位結(jié)果，采用指向性聚類方法，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障檢測(cè)和優(yōu)化識(shí)別。

3仿真測(cè)試與數(shù)據(jù)分析

采用Matlab仿真測(cè)試，驗(yàn)證本文方法在實(shí)現(xiàn)公共建筑商用飲水設(shè)備故障檢測(cè)中的性能，設(shè)定公共建筑商用飲水設(shè)備故障信號(hào)的檢測(cè)頻率設(shè)定為1099KHz，信號(hào)采用頻點(diǎn)數(shù)為2400，采樣帶寬為12dB，對(duì)各個(gè)傳感器節(jié)點(diǎn)故障信號(hào)采集的參數(shù)設(shè)定見表1。

根據(jù)表1的參數(shù)設(shè)定，進(jìn)行公共建筑商用飲水設(shè)備故障參數(shù)識(shí)別和信號(hào)特征檢測(cè)，得到信號(hào)特征提取結(jié)果見表2。

根據(jù)表2的信號(hào)特征提取結(jié)果，得到故障信號(hào)檢測(cè)輸出如圖1所示。

分析圖1得知，本文方法進(jìn)行公共建筑商用飲水設(shè)備故障檢測(cè)的頻譜聚類性較好。為了更好的測(cè)試本文方法的識(shí)別性能，與時(shí)頻分析法和高階累積量檢測(cè)法進(jìn)行對(duì)比測(cè)試，對(duì)故障檢測(cè)的精度進(jìn)行測(cè)試，對(duì)比結(jié)果見表3。

分析表3結(jié)果得知，隨著檢測(cè)迭代次數(shù)的增加，不同方法的故障檢測(cè)精度也在增加。本文方法的檢測(cè)精度均值為95.949%，時(shí)頻分析法的檢測(cè)精度均值為75.985%高階累積量檢測(cè)法的檢測(cè)精度均值為70.512%。由此可以看出，使用本文方法進(jìn)行公共建筑商用飲水設(shè)備故障信號(hào)檢測(cè)的精度較高，性能較好。

4結(jié)語

本文提出基于多傳感器的公共建筑商用飲水設(shè)備故障信號(hào)定位檢測(cè)方法。采用多源異構(gòu)的參數(shù)識(shí)別方法，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障信號(hào)的特征檢測(cè)。結(jié)合最佳檢測(cè)器和分段副本相關(guān)檢測(cè)，采用指向性聚類方法，實(shí)現(xiàn)對(duì)公共建筑商用飲水設(shè)備故障檢測(cè)和優(yōu)化識(shí)別。研究得知，本文方法進(jìn)行公共建筑商用飲水設(shè)備故障檢測(cè)識(shí)別的精度較高，性能較好。

參考文獻(xiàn)

[1]劉少坤，閆曉鵬，栗蘋，等.脈沖多普勒引信抗周期調(diào)制干擾性能研究[J].北京航空航天大學(xué)學(xué)報(bào)，2018，44（05）：1018-1025.

[2]李波，陳百菊.基于變分模態(tài)分解和優(yōu)化遞歸最小二乘的自適應(yīng)波束成形算法[J].信息與控制，2020，49（6）：722-727，734.

[3]張君牧，舒勤.基于集員共軛梯度的約束自適應(yīng)波束成形算法[J].系統(tǒng)工程與電子技術(shù)，2019，41（1）：27-34.

[4]孫志國，徐天宇，鄧昌青，等.16-QAM信號(hào)的最佳干擾分析[J].哈爾濱工程大學(xué)學(xué)報(bào)，2018，39（07）：1245-1250.