[发明专利]一种基于WiFi无线振动传感器的设备故障预测的方法

权利要求书

1.一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，包括以下步骤：

S1，采集到的振动数据转换为加速度数据后进行灵敏度校准和去均值处理；

S2，对处理后的数据进行降采样处理，得到序列D；

S3，对序列D进行有效值计算，得到振动参数rms；

S4，规定时间内周期性重复步骤S1-S3，得到振动参数rms数组，处理后得到振动阈值参考值rms_base以及故障判断阈值vib_thr1；

S5，规定时间过后，继续周期性重复步骤S1-S3得到振动参数rms1，通过对比判断是否处于故障状态并触发相应的报警类型。

2.根据权利要求1所述的一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，所述步骤S2包括以下步骤：

S21，根据降采样后的目标个数N1和传感器采样数据长度N确定降采样比例rate：

S22，建立以降采样比例为间隔的序列X＝[0,rate,rate*2,…,rate*(N₁-1)]，对序列X值进行四舍五入处理，得到序列X1，使得序列X1内的数值均为整数；

S23，计算序列X1各个区间范围内的数据平均值，得到降采样后的序列D。

3.根据权利要求1所述的一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，所述步骤S4包括以下步骤：

S41，得到振动参数rms数组后，剔除数组中的前5％的最大值和前5％的最小值后，计算剩余数据平均值，并将平均值设置为振动阈值参考值rms_base；

S42，根据振动阈值参考值rms_base和振动变化幅值百分比参数p₁，计算得到故障判断阈值vib_thr1：

vib_thr1＝rms_base*(1+p₁)

其中，rms_base为振动阈值参考值；p₁为振动变化幅值百分比参数，默认取值为50％。

4.根据权利要求1所述的一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，所述步骤S5中；通过振动参数rms1和故障判断阈值vib_thr1比较进行设备故障判断，若振动参数rms1高于故障判断阈值vib_thr1，则认为被检测设备当前处于故障状态，传感器上传阈值报警类型信息。

5.根据权利要求1所述的一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，所述步骤S5中：对最近24小时内的振动参数rms1计算数据变化率，设有n个振动参数rms1，若24小时内的rms值保持增长趋势，即rms1_nrms1_n-1……rms₂rms₁，计算平均增幅rms1_Δ＝((rms1_n-rms1_n-1)+(rms1_n-1-rms1_n-2)+……+(rms1₂-rms1₁))/(n-1)，判断rms1+rms1_Δ*(n-1)是否大于故障判断阈值vib_thr1，若大于，则认为设备当前处于故障前期阶段，传感器上传趋势报警类型信息。

6.根据权利要求3所述的一种基于WiFi无线振动传感器的设备故障预测的方法，其特征在于，所述振动变化幅值百分比参数p₁可通过上位机软件下发配置到WiFi无线振动传感器内。