机械振动无线传感器网络低时延数据预处理方法研究

Machine vibration wireless sensor networks always have limited bandwidth resources. A large number of monitoring data transmission in the network will result in high acquisition delay, which seriously affect the timeliness of acquired machine condition information. In order to solve this problem, a novel low latency data preprocessing method for machine vibration wireless sensor networks is proposed. The research stratagem of this proposed method is as follows. A new idea, which integrates the asynchronous parallel processing, the adaptive continuous quantization compression, the neighbor node data collaborative processing, will be proposed to form the novel method for data preprocessing. A novel method of asynchronous parallel processing of data acquisition and data preprocessing in the wireless sensor network node, will be proposed to full utilize the compute power and idle network resources, resolve the issue of transmission time delay caused by data acquisition is prior to data processing. A new method of neighbor node data collaborative processing in multistage cluster-based network will be proposed to break away from the limitations of separate node data preprocessing, improve data fusion efficiency and realize network congestion control. At last, a low latency machine vibration wireless sensor network system prototype based on data preprocessing method will be developed and evaluated. This proposed method is of great significance on the enrichment and development of machine condition monitoring theory and technology.

机械振动无线传感器网络带宽资源十分有限，大量监测数据在网络中传输将导致非常大的采集时延，严重影响机械状态信息获取的时效性。针对这个问题，提出机械振动无线传感器网络低时延数据预处理新方法。该方法研究思路为：提出集异步并行处理、自适应连续量化压缩及邻近节点数据协同处理方法于一体的机械振动无线传感器网络数据预处理理论体系，形成低时延数据预处理新方法；提出无线传感器网络节点数据采集与数据预处理异步并行执行的新方法，充分利用节点自身计算能力和网络闲置带宽，解决节点先采集再处理机制导致的传输时间滞后问题；提出多级分簇网络中空间邻近节点数据协同预处理方法，突破单节点数据预处理效率低的局限，在提高数据融合压缩效率的同时实现对网络拥塞的控制。最后研发基于数据预处理方法的机械振动无线传感器网络数据低时延采集系统原型，进行系统性能评估。该方法对于丰富与发展机械设备状态监测理论和技术具有重要的意义。

机械重大装备的状态监测与故障诊断技术是保证机械装备健康稳定运行的重要技术手段，以振动信号为核心的机械状态测试分析具有重要意义。本项目以机械振动无线传感器网络为核心，围绕机械振动信号的采集、处理、传输、分析与应用等方面开展研究，研究内容包含工业无线传感器网络低时延同步采集分析、工业无线传感器网络边缘数据预处理方法以及其在机械状态识别与诊断中的应用。.针对无线传感器网络内各节点时钟不同步，导致同步采集精度低的问题，研究分析了工业物联网确定性调度中时分多址紧时隙时间精度边界可靠性问题，对机械振动无线传感器网络的同步采集问题进行了分析与研究，提出了在不可靠无线传感器网络时钟同步情况下的预测优化模型。.针对采集数据在传输和分析方面可能导致的时延问题，针对机械振动信号特性，提出了基于自适应量化的机械振动信号无损压缩方法。此外，针对边缘数据预处理问题，研究了基于边缘计算的高阶奇异值分解实现方法，提出边云协同聚合高阶奇异值分解方法。.针对基于多源传感信号的机械设备状态有效识别与诊断问题，提出了基于半监督局部切空间排列的特征融合与提取方法，研究了基于多传感器信息分析的飞机发动机健康预测方法，形成基于函数主元分析的退化过程建模与预测方法。.项目组在同步采集、数据无损压缩和机械状态识别方向上取得一定进展，相关成果在智能制造试验场景中有所应用，但目前还没取得具备影响力的突破性成果。在后续研究中，项目组将在本项目基础上，继续围绕工业物联网边缘计算技术深入研究，通过在靠近物或数据源头的工业物联网边缘侧，构建融合网络、计算、存储、应用核心能力的分布式计算系统，对采集的机械振动信号“就近”进行分析、处理，结合边云协同处理机制，实现对监测对象的状态信息进行快速分析与诊断。