振動(dòng)加速度檢測中傳感器連接狀態(tài)的自動(dòng)識別

摘要：在振動(dòng)加速度檢測中，如果系統(tǒng)不能對傳感器連接狀態(tài)加以自動(dòng)區(qū)分，將正常連接狀態(tài)下的數(shù)據(jù)和異常連接狀態(tài)下的數(shù)據(jù)全部存入數(shù)據(jù)庫，則必然會(huì)給數(shù)據(jù)庫增加不必要的負(fù)擔(dān)，造成數(shù)據(jù)污染；另外，為了傳感器檢修的便利，也有必要自動(dòng)識別傳感器的連接狀態(tài)。對振動(dòng)加速度檢測中傳感器四種連接狀態(tài)的自動(dòng)識別方法進(jìn)行了研究：定義了表征不同傳感器連接狀態(tài)的加速度信號數(shù)字特征，結(jié)合基于LDA的特征降維和最近鄰分類器來實(shí)現(xiàn)自動(dòng)識別。實(shí)驗(yàn)顯示，提出的振動(dòng)加速度傳感器四種連接狀態(tài)的自動(dòng)識別方法是有效的。
關(guān)鍵詞：振動(dòng)加速度檢測；傳感器連接狀態(tài)；自動(dòng)識別；特征提取；近鄰法

0 引言
在公路橋梁等大型結(jié)構(gòu)健康監(jiān)測、機(jī)器狀態(tài)監(jiān)測等工作中，經(jīng)常需要檢測振動(dòng)加速度信號。一個(gè)典型的振動(dòng)加速度在線監(jiān)測系統(tǒng)包括：加速度傳感器、振動(dòng)加速度采集卡、工控機(jī)、數(shù)據(jù)庫服務(wù)器等，如圖1所示。監(jiān)測系統(tǒng)在傳感器正常安裝和連接后，有時(shí)可能會(huì)由于施工等原因造成傳感器松脫、傳感器導(dǎo)線中斷等異常連接狀態(tài)；監(jiān)測系統(tǒng)在調(diào)試階段，傳感器往往尚未連接至導(dǎo)線或采集板卡，也會(huì)表現(xiàn)為一種異常連接狀態(tài)。如果監(jiān)測系統(tǒng)不對傳感器連接狀態(tài)加以區(qū)分，將正常連接下的數(shù)據(jù)和異常連接下的數(shù)據(jù)全部存入數(shù)據(jù)庫，則必然會(huì)給數(shù)據(jù)庫增加不必要的負(fù)擔(dān)，造成數(shù)據(jù)污染。另外，為了方便傳感器的檢修，也有必要自動(dòng)識別傳感器的連接狀態(tài)。
本文考慮振動(dòng)加速度傳感器以下四種連接狀態(tài)的區(qū)分：正常安裝連接狀態(tài)；傳感器安裝松脫狀態(tài)；遠(yuǎn)端(圖1中A點(diǎn))處傳感器未連接上導(dǎo)線；近端(圖1中B點(diǎn))處導(dǎo)線未連接上采集卡。

的特征值分解，確定K-L變換的本征向量U’和本征值Λ’，取d個(gè)最大本征值對應(yīng)的本征向量為W，即W=[u1，u2，…，ud]，后文取d=3。
(5)求特征變換降維后的最終樣本Y1。令Y1=W’Y則得到降維后的樣本。
2．2 分類識別
基于降維后的學(xué)習(xí)樣本，可以設(shè)計(jì)分類器，以對傳感器四種連接狀態(tài)進(jìn)行分類識別。本文采用簡單有效而被廣泛采用的近鄰法(Nearest Neighbor Classification)來進(jìn)行分類。即將降維后的學(xué)習(xí)樣本作為標(biāo)準(zhǔn)樣本，將每次新獲得的8維原始樣本通過預(yù)先確定的降維矩陣B和W降維為待檢樣本；然后，在標(biāo)準(zhǔn)樣本中找出與待檢樣本距離最近的樣本，將其類別確定為待檢樣本的類別。

3 實(shí)驗(yàn)與結(jié)果
實(shí)驗(yàn)是用一ICP加速度傳感器檢測工控機(jī)開機(jī)時(shí)上表面的振動(dòng)，采集卡采用的是NI公司的4474卡，見圖1。實(shí)驗(yàn)中模擬的加速度傳感器的四種連接狀態(tài)的具體形式是：
(1)傳感器吸在工控機(jī)上表面并與4474正常連接；
(2)傳感器松放在工控機(jī)上表面并與4474正常連接；
(3)傳感器端與導(dǎo)線的接頭斷開；
(4)4474端與導(dǎo)線的接頭斷開。每種狀態(tài)下共采集50組數(shù)據(jù)，采樣率均為10 kHz，采樣長度為100 000個(gè)點(diǎn)。

用四種狀態(tài)下的前30組數(shù)據(jù)進(jìn)行學(xué)習(xí)。按第1節(jié)的方法計(jì)算這些數(shù)據(jù)的原始特征，形成8維的原始特征向量。按第2節(jié)的方法分別求出白化變換矩陣B、本征向量U’和本征值Λ’；從式(6)中的最后三個(gè)特征值很大可知，降維后的維數(shù)應(yīng)取d=3。降維后的最終學(xué)習(xí)樣本集Y1(3×120矩陣)見圖3。由圖3可知，四類連接狀態(tài)的學(xué)習(xí)樣本在降維之后能完全分開。

用四種狀態(tài)下的后20組數(shù)據(jù)進(jìn)行分類測試。首先計(jì)算每組數(shù)據(jù)的8個(gè)原始特征，基于學(xué)習(xí)階段確定的降維矩陣對每個(gè)樣本進(jìn)行降維，這里降為3維；然后，與標(biāo)準(zhǔn)樣本——學(xué)習(xí)樣本進(jìn)行一一比對。結(jié)果顯示，方法對四種狀態(tài)下的每個(gè)測試樣本都能正確分類識別，測試正確率為100％。

4 結(jié)論
本文定義了表征振動(dòng)加速度傳感器連接狀態(tài)的8個(gè)特征，并結(jié)合基于可分性判據(jù)的特征降維和近鄰法分類，形成了識別振動(dòng)加速度傳感器四種連接狀態(tài)(正常連接、松脫、遠(yuǎn)端導(dǎo)線斷開、近端導(dǎo)線斷開)的一種方法或者說途徑。實(shí)驗(yàn)顯示所提方法切實(shí)有效。相信該方法在結(jié)構(gòu)健康監(jiān)測、機(jī)器狀態(tài)監(jiān)測等中大有可為，通過自動(dòng)識別振動(dòng)加速度傳感器的連接狀態(tài)，可避免系統(tǒng)調(diào)試及使用過程中出現(xiàn)的異常連接數(shù)據(jù)進(jìn)入數(shù)據(jù)庫，造成數(shù)據(jù)污染、增加數(shù)據(jù)庫負(fù)擔(dān)；同時(shí)，該方法也可為傳感器的檢修提供參考。