一种基于无线传感网的磨机负荷检测方法技术

本发明专利技术公开了一种基于无线传感网的磨机负荷检测方法，包括如下步骤：采取接触式和非接触式两种数据感知方式感知磨机筒体振动信号，所述振动磨机筒体振动信号的数据传输采用层次化分簇的无线网络组织模式；移动节点和固定可充电节点采用边缘计算技术进行数据处理，对磨机原始数据进行预处理，对密集型计算任务上载至边缘服务器进行数据处理；所述移动节点和固定可充电节点把预处理结果通过网关上传到云服务器，所述云服务器对预处理数据构建模糊推理模型，并对模糊推理子模型进行选择与合并，最终选择具有最小建模误差的选择性集成模型作为磨机负荷软测量模型，并输出磨机负荷测量值，对磨机过程的运行控制提供优化决策。

【技术实现步骤摘要】
一种基于无线传感网的磨机负荷检测方法
本专利技术涉及一种磨机负荷检测方法，尤其涉及一种基于无线传感网的磨机负荷检测方法。
技术介绍
工业磨机是选矿生产过程的核心设备，直接关系着生产线全流程的资源配置、控制优化和降耗节能等行业指标。准确检测磨机负荷，提高磨机运转率和效率，是解决磨矿过程中选矿生产流程的“瓶颈”问题的主要目标。然而，由于工业磨机具有封闭旋转、连续运行的工作特点，使得磨机运行过程中磨机负荷数据收集面临诸多挑战。而且，由于磨机内工况复杂，比如内部装载的研磨介质(如钢球)冲击或者腐蚀，容易导致直接在磨机内部安装测量设备的方案因维护困难、成本增高，最终难以实施。因此，工业界通常采用基于磨机振动、振声、电流等信号的数据驱动模型进行间接数据收集，并应用机器学习等人工智能技术手段进行数据处理。数据收集是工业磨机负荷检测的关键技术之一，目前大部分采用集中式有线网络远程收集数据。集中式有线网络远程收集具有传输信息准确度高，传输速度快，可以实时在线远程监控和采集现场数据的优点。然而，磨机表面的恶劣工况条件经常会砸坏电子采集系统，无法进行持久的工业应用。另外，工业现场普遍存在与中控室距离较远，有线线路铺设范围大，容易遭受外力损坏，致使系统维护成本较高。随着无线网络的普及和物联网的兴起，数据收集在工业领域的应用与日俱增。由于构建的无线网方式成本和工作量都非常巨大，传统静态无线传感网存在能量、通信等资源限制，并不适合大规模应用于工业领域。一种方法采用激励机制有效选择移动智能节点作为数据传输的中继，应对移动智能节点的能量约束。移动元素的引入确实提高了无线传感器网络的性能，能够保证数据收集效率。但移动元素本身也存在局限，比如运动速度影响数据实时性，自身能源有限必须周期补给等制约了静态网络与移动网络之间的进一步协作。另一种方法使用充电无线传感器网络，可充电无线传感器网络无形中增加了部署成本，降低了网络的通用性。在中继选择问题上，一些人通过发射机的信道状态信息来选择最合适的中继以获得最佳的网络性能。在这种情况下，获取发射机端的信道状态信息会增加通信系统的复杂性，并给系统带来不必要的开销。随着移动和物联网设备数量的不断增长，不但为数据收集和提供了多种模式，也推动了移动和物联网应用的多样性和复杂性。包括智能手机、笔记本电脑和平板电脑等物联网设备在内的移动和物联网应用越来越广泛，使得在无线网络内实现设备数据处理的需求也越来越强烈。然而，移动设备的计算能力、通讯带宽和电池寿命等资源有限，面对需要消耗大量资源的应用(比如密集型计算)时，对受限的移动设备是否能够支撑未来移动平台的发展提出了重大挑战。
技术实现思路
专利技术目的：本专利技术的目的为提供一种缓解底层能量资源限制的约束、显著延长无线传感器网络对工业磨机的检测寿命的基于无线传感网的磨机负荷检测方法。技术方案：本专利技术的一种基于无线传感网的磨机负荷检测方法，包括如下步骤：步骤一，采取接触式和非接触式两种数据感知方式感知磨机筒体振动信号，振动磨机筒体振动信号的数据传输采用层次化分簇的无线网络组织模式；步骤二，移动节点和固定可充电节点采用边缘计算技术进行数据处理，对磨机原始数据进行预处理，对密集计算任务上载至边缘服务器进行数据处理；步骤三，移动节点和固定可充电节点把预处理结果通过网关上传到云服务器，云服务器对预处理数据构建模糊推理模型，并对模糊推理子模型进行选择与合并，最终选择具有最小建模误差的选择性集成模型作为磨机负荷软测量模型，并输出磨机负荷测量值。优选的，密集计算型任务包括分类和特征提取。本专利技术利用无线传感器网络对工业磨机各种信号进行数据收集，通过设计三层网络架构，利用智能移动端和可充电节点作为中继节点，并使用强化学习技术为底层节点指定数据传输接收端，从而缓解底层能量资源限制的约束，显著延长无线传感器网络对工业磨机的检测寿命。进一步地，步骤一中，接触式感知方式通过筒体振动传感器和轴承振动传感器进行感知；非接触式感知方式通过振声传感器进行感知，利用K-mean方法把传感器网络分为4个簇，同质传感器节点属于同一簇，根据轴承振动传感器的物理位置关系分为2个簇，层次化分簇的无线网络组织模式的每个簇采用无簇头结构，移动节点或者可充电固定节点承担簇头作用，执行簇的管理任务，簇内节点之间或者簇间节点之间可进行数据转发，采用Multi-UserMulti-armedBandit技术实现簇的中继节点选择，中继节点传输数据至网关的单位数据能耗模型如下：其中，E为中继节点的单位数据能耗，Eelec表示电子电路能量损失，εfs表示放大器在自由空间中的能量消耗，εamp放大器在多径信道退化模型中的能量消耗，d表示传输距离，d0是常量且由此可知，节点能耗E可以表示为关于距离d的函数E(d)。步骤一中，采用唤醒-休眠机制调用簇内节点的方式进行数据收集，设磨机感知层的节点数量为M，传输层中继节点数量为N，在P(M',N)个组合中选取使得M'被选节点能耗最少的组合如下：式中，kopt(t)是保证磨机感知层所选节点能耗最少的组合集，(m,n)为节点对，为臂(m,n)时刻t的统计次数均值，Tm,n(t)为臂(m,n)时刻t的统计次数，δ∈(0,1)。优选的，的最优匹配如下：式中，令集合S＝{(m,n)|m∈{1,2,…M'},n∈{1,2,…N}}，M'为某时刻t激活节点数，N为中继节点数量，Ei,n为磨机节点i到中继节点n的能耗，Ei,G表示磨机节点i到网关的能耗，ft(S')为帕累托优化集合S'的能量属性函数。进一步地，步骤二中，预处理为去噪、分类和特征提取，预处理层设计并运行固定可充电中继节点和智能移动端中继节点，预处理层主要对收集数据进行特征提取，包括时域特征、频域特征以及对多组分信号的分解，经过维数简约实现多域特征提取，筒体振动加速度信号的不同的特征均从不同视角表征磨机负荷参数信息，分别提取筒体振动信号的时域特征、频域特征，以及对筒体振动信号进行自适应分解的获得的平稳子信号的时频域特征。步骤三中，对模糊推理子模型进行选择与合并，包括如下步骤，给定集成子模型数量；基于分支定界和自适应加权融合算法选择集成子模型并计算加权系数；在选择完具有不同子模型数量的最优选择性集成模型后，排序选择具有最小建模误差的选择性集成模型作为最终磨机负荷软测量模型，磨机负荷测定值由下式计算：式中，wjsel是第jsel个子模型，为基于第jsel多尺度频谱特征的建立磨机负荷子模型对样本的预测值。有益效果：与现有技术相比，本专利技术具有如下显著优点：创新的提出由筒体振动传感器节点、轴承振动传感器节点和振声传感器节点组成的传感器部署设计；首次提出基于能效优化的强化学习数据收集算法用于无线传感器网络；首次提出由感知层、数据预处理层和服务器层组成的磨机负荷检测方法。附图说明图1为本专利技术的磨机负荷检测无线数据收集系统体系架构；图2为本专利技术的磨机负荷检测无线数据收集网络结构图。本文档来自技高网...

【技术保护点】
1.一种基于无线传感网的磨机负荷检测方法，其特征在于，包括如下步骤：/n步骤一，采取接触式和非接触式两种数据感知方式感知磨机筒体振动信号，所述振动磨机筒体振动信号的数据传输采用层次化分簇的无线网络组织模式；/n步骤二，移动节点和固定可充电节点采用边缘计算技术进行数据处理，对磨机原始数据进行预处理，对密集计算任务上载至边缘服务器进行数据处理；/n步骤三，所述移动节点和固定可充电节点把预处理结果通过网关上传到云服务器，所述云服务器对预处理数据构建模糊推理模型，并对模糊推理子模型进行选择与合并，最终选择具有最小建模误差的选择性集成模型作为磨机负荷软测量模型，并输出磨机负荷测量值。/n

【技术特征摘要】
1.一种基于无线传感网的磨机负荷检测方法，其特征在于，包括如下步骤：
步骤一，采取接触式和非接触式两种数据感知方式感知磨机筒体振动信号，所述振动磨机筒体振动信号的数据传输采用层次化分簇的无线网络组织模式；
步骤二，移动节点和固定可充电节点采用边缘计算技术进行数据处理，对磨机原始数据进行预处理，对密集计算任务上载至边缘服务器进行数据处理；
步骤三，所述移动节点和固定可充电节点把预处理结果通过网关上传到云服务器，所述云服务器对预处理数据构建模糊推理模型，并对模糊推理子模型进行选择与合并，最终选择具有最小建模误差的选择性集成模型作为磨机负荷软测量模型，并输出磨机负荷测量值。


2.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于：步骤一中，所述接触式感知方式通过筒体振动传感器和轴承振动传感器进行感知；所述非接触式感知方式通过振声传感器进行感知。


3.根据权利要求2所述基于无线传感网的磨机负荷检测方法，其特征在于：利用K-mean方法把所述传感器网络分为4个簇，同质传感器节点属于同一簇，根据轴承振动传感器的物理位置关系分为2个簇。


4.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于：步骤一中，所述层次化分簇的无线网络组织模式的每个簇采用无簇头结构，移动节点或者可充电固定节点承担簇头作用，执行簇的管理任务，簇内节点之间或者簇间节点之间可进行数据转发。


5.根据权利要求4所述基于无线传感网的磨机负荷检测方法，其特征在于，采用Multi-UserMulti-armedBandit技术实现所述簇的中继节点选择，所述中继节点传输数据至网关的单位数据能耗模型如下：



其中，E为中继节点的单位数据能耗，Eelec表示电子电路能量损失，εfs表示放大器在自由空间中的能量消耗，εamp放大器在多径信道退化模型中的能量消耗，d表示传输距离，d0是常量且


6.根据权利要求1所述基于无线传感网的磨机负荷检测方法，其特征在于，步骤一中，采用唤醒-休眠机制...

【专利技术属性】
技术研发人员：张健，汤健，余刚，付章杰，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32