無線傳感器網絡在機械振動監測中的應用*

黃榮久，方 杰，劉 煜

（重慶大學 通信與測控中心，重慶 400044）

0 引言

隨著機械設備的精密程度、復雜程度及自動化程度越來越高，機械設備狀態監測和故障診斷技術越來越受到重視。而機械振動是機械設備運行中的一個重要特征參數，機械振動監測是機械設備狀態監測和故障診斷的重要手段。無線傳感器網絡（wireless sensor networks，WSNs）［1，2］技術的發展，使得其越來越多地應用在測試測量工程領域。

用無線傳感器網絡取代傳統有線傳感器裝置，可以減少布線，降低監測系統部署成本，增加監測系統的靈活性、可維護性和可擴展性。同時，無線傳感器網絡具有較強的容錯能力，從而使監測系統的魯棒性提高。傳感器節點可以移動，拓撲結構具有動態性。鑒于無線傳感器網絡的種種優點，其在機械振動監測系統中的應用研究成為業界的關注熱點［3～5］。

針對機械振動監測的現狀，結合無線傳感器網絡技術的發展，構建機械振動監測無線傳感器網絡系統模型及其網絡拓撲結構，并采用關系矩陣算法完成對監測數據的融合，以提高監測精度和減少傳輸的數據量，最終完成對機械振動的實時監測。

1 機械振動監測無線傳感器網絡系統模型

機械振動監測無線傳感器網絡系統由機械振動信號采集、數據傳輸、數據管理三部分組成，如圖1所示。整個監測系統是由多個相對獨立的微型監測子網組成的無線傳感器網絡。在機械振動信號的采集部分，以一定數量的監測節點分布于監測區域內進行數據采集，通過一定的組網方式構成無線傳感器網絡。每個監測節點完成振動數據的采集，采集到的數據發送到網關節點，網關節點在網絡中起數據匯集點的作用，最終傳送到數據終端進行下一步的數據處理，同時在監控端通過分析接收到的振動數據，可以監測機械設備的振動情況和對機械設備出現的故障進行診斷。

圖1 機械振動監測無線傳感器網絡系統模型Fig 1 WSNs system model for mechanical vibration monitoring

在機械振動監測系統中，及時而準確地獲取振動信號是完成監測和診斷的前提條件。為保證較高的振動信號品質和采集可靠性，采取以現有的測振傳感器和信號預處理電路與無線網絡節點結合的監測模式［6］，將所采集到的機械部件振動信號在前端電路預處理后，接入無線網絡節點端進行A/D轉換，最終通過無線通信模塊完成數據傳輸。監測節點硬件組成如圖2所示。

圖2 監測節點的硬件組成Fig 2 Hardware composition of monitoring node

2 機械振動監測無線傳感器網絡拓撲結構

在機械振動監測無線傳感器網絡系統中，無線傳感器網絡的設計相對其他的工程應用有所不同，機械振動測試中，被測對象要求的測量點數通常在幾十個節點左右，這與常規的無線傳感器網絡中以大量節點為基礎的大規模組網概念不同，網絡的覆蓋范圍相對于環境監測等傳統應用要小得多。傳統的無線傳感器網絡隨機布點、自組網所形成的網絡拓撲結構在機械振動無線傳感器網絡中并不適用。因此，采取人工布點方式，通過IEEE 802.15.4協議組建星型拓撲結構網絡，如圖3所示。

星型拓撲結構是最簡單的一種網絡拓撲形式，這種拓撲結構只包含一個協調器節點和一系列的終端設備節點。每個終端設備節點只能和協調器節點進行通信。在本機械振動監測系統中，依據機械設備的運行情況，在需要監測的部位部署若干個監測節點，監測節點和網關節點組成星型拓撲結構的監測子網，監測節點作為終端設備節點負責對機械振動監測數據的采集，網關節點作為協調器節點則是整個星型網絡的中心，負責對整個星型監測網絡內各節點的維護與數據轉發，為了防止由于網關節點損壞或者能量耗盡導致整個監測子網失效，采用一個具有全功能的節點作備用網關，在網關節點出現異常情況下作網關節點使用，直到原網關節點恢復正常功能。

圖3 機械振動監測無線傳感器網絡拓撲結構Fig 3 Structure of WSNs topology for mechanical vibration monitoring

3 機械振動監測數據融合

機械振動監測無線傳感器網絡有別于傳統的無線傳感器網絡，網絡規模相對較小，節點個數不是太多。在選定星型拓撲結構作為監測子網的組網方式的前提下，網絡路由就相對簡單，通過網關節點轉發即可，在這里不作詳細論述。但是，機械振動監測無線傳感器網絡數據信息大，要求網絡時延小。如果把每個節點的數據都通過網關節點發送到監測終端，不僅會導致網絡擁塞產生較大的數據延遲，還會不必要地過分消耗能量致使網絡生命周期縮短。因此，數據融合是機械振動監測無線傳感器網絡的關鍵。

在本系統中機械振動監測數據融合的基本思想是:若1個監測節點的輸出數據被大多數監測節點所信任，即這個監測節點的輸出數據有效。若1個監測節點的輸出數據不被其他監測節點所信任，或者只被少數監測節點所信任，則這個監測節點的輸出數據無效。采用關系矩陣法將各監測節點的輸出數據依據信任程度在網關節點進行數據融合。關系矩陣法廣泛用在數據挖掘、人工智能、航空航天等涉及到大量數據信息處理的各個領域［7～9］。

設監測子網由n個監測節點組成，第i個監測節點和第j個監測節點輸出的數據分別是xi，xj，且都服從Gauss分布，密度函數分別記為pi（x），pj（x），xi，xj是Xi，Xj的一次觀測值。為反映各監測節點數據之間的偏差大小，引進置信距離測度來表示［10］

其中

A，B分別為概率密度函數曲線pi（x|xi），pj（x|xj）在區間（xi，xj）或（xj，xij）上積分所得交集部分，分別如圖4中的（a），（b）兩部分圖形所示。

圖4 置信距離測度示意圖Fig 4 Schematic diagram of the confidence distance measurement

dij的值為第i只傳感器與第j只傳感器輸出的置信距離測度。dij越小，i，j傳感器之間輸出數據越接近，通常dij可通過誤差函數erf（θ）直接求得，即

根據關系矩陣的基本原理，結合無線傳感器網絡的實際物理意義，引入信任程度rij，rij表示第j個監測節點對第i個監測節點的信任程度，所有的信任程度構成關系矩陣

使用橢圓曲線來確定各監測節點之間的信任程度。根據節點測量的范圍，確定3個閾值ε，ε1，ε2，然后結合置信距離測度，用橢圓曲線來確定rij在閾值附近的模糊性，即

設βK是第k個監測節點在整個監測子網中的綜合信任程度的衡量指標，βK值越大，該監測節點的輸出數據重要程度越高，在融合過程中所占的比重越大。因為關系矩陣是正矩陣，由Perron-Frobenius定理可知，一定存在最大特征值λmax＞0。記特征方程為

解特征方程得關系矩陣的各特征值，找出其最大的特征值λmax，λmax對應的特征向量記為P，即有λmaxP=P，其中，P=［θ1，θ2，…，θn］T。展開關系矩陣可以得到

則相對應的綜合信任程度為

因此，監測子網內所有監測節點的輸出數據在網關節點融合后的輸出為

4 實驗結果

為驗證本系統在機械振動監測中的可用性，在實驗室環境下搭建實驗平臺。選用Lance公司的LC0401型加速度傳感器和信號調理箱獲取振動信號，并利用CC2430無線通信模塊自帶的A/D實現振動信號的采集，以某摩托車車架為測試對象構建實驗平臺，其結構示意圖如圖5所示。

圖5 實驗平臺結構圖Fig 5 Structure diagram of experimental platform

在測試車架上，4個不同的監測部位分別具有不同的振動頻率，為提高測試的準確性和魯棒性，每個監測部位由4個監測節點構建1個監測子網，測試結果如表1所示。

從實驗結果中可以看出:監測子網1和監測子網3內的各個監測節點都處于正常工作狀態，由于噪聲和系統誤差影響，測量結果距實際振動頻率有一定的偏差，但是經網關節點進行融合后，其輸出相比單個監測節點更為接近實際真值，監測精度得到了大大的提高。監測子網2內的2號監測節點由于受到損壞不能正常工作，其他3個節點正常，同樣，經網關節點融合去除錯誤數據后，其輸出數據正常，證明使用關系矩陣融合的該監測網絡具有很好的魯棒性。在監測子網4所監測的部位正常狀態下其振動頻率為50kHz，由監測網絡測得實際振動頻率為44.81 kHz，系統工作異常，可以使工作人員及早發現被監測設備的故障。每個監測子網內的監測節點的監測數據經網關節點融合之后，由網關節點發送到監測終端，有效地減少了傳輸的數據量。

5 結論

依據無線傳感器網絡在機械振動監測應用中特點，構建了基于無線傳感器網絡的機械振動監測模型和網絡拓撲結構，并通過搭建實驗平臺進行測試驗證，表明該機械振動監測無線傳感器網絡系統可以完成機械振動測試任務，且具有較高的魯棒性。同時，基于關系矩陣的數據融合算法可以有效提高監測精度和減少數據傳輸量。

表1 監測實驗結果Tab 1 Result of monitoring experiment

［1］Hill J，Culler D.A wireless platform for deeply embedded networks［J］.IEEE Micro，2002，22（6）:12 －24.

［2］Pottie G，Kaiser W.Wireless sensor networks［J］.Communications of the ACM，2000，43（5）:551 －558.

［3］Bao Wen，Zhou Rui.Anti-aliasing lifting scheme for mechanical vibration fault feature extraction［J］.Mechanical Systems and Signal Processing，2009，23（5）:1458 －1473.

［4］Huang Weiguo，Wu Shuyou.Research on blind source separation for machine vibrations arora［J］.Wireless Sensor Networks，2009，1:453－457.

［5］Rahim I A.Development of a vibration measuring unit using a micro-electro-mechanical system accelerometer for machine condition monitoring［J］.European Journal of Scientific Research，2009，35（1）:150 －158.

［6］湯寶平，賀 超.基于無線傳感器網絡的機械振動監測模式［J］.中國機械工程，2009，20（22）:2737 －2741.

［7］Guo Yu，Chen Wenlong，Chen Shouyu.Intelligent control and automation［C］//The 7th World Congress on Intelligent Control and Automation，WCICA 2008，2008:7108 －7112.

［8］Lin Chijen，Wu Weiwen.A causal analytical method for group decision-making under fuzzy environmen［J］.Expert Systems with Applications，2008，34（1）:205 －213.

［9］陶文華，葉志鋒.關系矩陣法在發動機執行機構故障檢測中的應用［J］.航空動力學報，2009，24（8）:1872 －1877.

［10］Wang C M，Iyer H K.Fiducial intervals for the magnitude of a complex-valued quantity［J］.Metrologia，2009，46（1）:81 －86.