关键词:
振动感知
RFID感知
非接触式
电机转动
弦振动
频谱指纹
多标签融合
空间维度降噪
摘要:
随着物联网基础设施的逐渐完善和人工智能技术的蓬勃发展,智能化、安全化的感知越来越受到人们的青睐。在工业物联网中,振动作为重要的现象普遍存在,如工厂中的发动机振动、各种电机的转动,弦的振动,都属于振动现象。而对振动现象进行检测,获取它们的振动频率和工作状态,是十分必要的。传统的振动检测方法,如基于红外线的激光转速仪(带反射贴纸),基于电磁的电磁转速仪,基于加速度计的振动传感器,都是接触式的,需要将检测仪器安装或者放置于振动设备上,才能检测振动频率。这样的方式不仅打扰到了设备的正常工作,还带有一定的危险性。而基于视频的振动检测,虽然是非接触式的,但是需要在有视距的情况下进行,如遇到遮挡或者在夜晚,检测方式就会失效。如何能非视距的情况下,实现安全的、准确的、非侵入式的振动检测,成为一个亟待解决的问题。本工作针对以上问题与需求,提出了一个基于RFID信号的非接触式振动感知方法,能够利用商用RFID设备,实现对振动/转动设备的非接触式感知,并针对感知更多设备、更高频率、更远距离三个目标研究并拓展了系统的性能。现将本文的主要内容和成果总结如下:1、感知模型方面,设计了基于RFID的振动感知模型与频率恢复技术。为了透彻的理解RFID如何感知振动,我们建立了一个基础且通用的振动感知模型。首先我们研究了振动/转动对信号传播路径的影响,然后将这种影响与接收信号的变化相对应,成功建立了振动频率和接收信号之间的联系,即通过相位的频域获取振动频率。然而RFID采样率低(100Hz),难以恢复50Hz以上的振动频率。对此我们通过引入压缩感知技术,成功完成了高频信号的恢复,使得感知100Hz的振动仅有0.14Hz的误差。恢复信号后,我们又设计了人工噪声辅助算法,成功区分了振动频率和噪声频率。最后,基于以上所有方法,我们设计了 RF-Ear振动感知原型系统,通过丰富的实验评估了系统的各项性能,并针对室内常见设备(如风扇、搅拌机)和工厂常见设备(如风机、真空泵)做了实地测试,展示出良好的性能。2、多设备感知方面,设计了基于频谱指纹的多振源感知和故障检测技术。为了解决多个设备同时振动带来的感知频率和振动设备无法匹配的问题,我们提出了基于频谱指纹的多振源感知技术。当存在多个同时振动的设备时,系统感知的多个频率无法和设备相匹配。我们观察到即使相同型号的设备,其硬件结构也有些许不同,这会反映在信号的频谱特征上。基于此,我们构建了振动设备的频谱指纹,成功将频率和设备关联到一起。同样的原理,我们也构建了设备振动故障时的频谱指纹,使得系统可以检测各种振动故障。最后,通过实验验证,系统凭借单个标签,以90%的准确率感知4个同时在振动的设备,以98%的准确率识别6种振动故障,并且对通过优化频谱指纹,使得计算延迟降低了1倍的情况下,准确率仅下降了 2%。3、高频谱感知方面,设计了基于多标签融合的高频弦振动感知技术。为了让系统感知更高频率的振动,以弦振动为例,我们设计了基于多标签融合的压缩感知技术。相比于电机转动(0~100Hz),弦振动的频率更高(100~1000Hz)、振幅更小(小于1cm)、振动时长更短(0.5~2s),单个标签的采样已经不足以恢复其频率。对此我们分析了压缩感知的误差来源,然后从测量矩阵的优化入手,利用多个标签同时采样,重新构建测量矩阵,丰富了非零元素个数,变相的增加了采样率,最终提高了压缩感知的性能。实验表明在4个标签的情况下,仅以1.2Hz的误差可恢复高达880Hz的弦振动。另外,基于此技术,我们设计了弦振动音乐感知系统RF-Recorder,并以吉他弹奏为例,展示了系统如何记录人在演奏过程中所弹的和弦。实验显示,系统对单弦的识别准确率在94.4%,对和弦的识别准确率在96.8%。4、远距离感知方面,设计了基于空间维度降噪的远距离振动感知技术。为了让系统有更远的感知距离,我们设计了基于空间维度的降噪技术。如果系统对每个标签的相位数据,沿着时间维度进行降噪,那么对于电机转动(转轴长4cm),在0.2Hz的误差下,极限感知距离只有0.3m。为此,我们转换了思路,利用多标签同时采样,对每个时间点的相位数据,沿着空间维度(标签序列)进行降噪,使得在同样的情况下,极限感知距离可达1.2m。我们从原理上进行了分析:对于时间维度降噪,设备处于振动状态,振动信号和噪声都处于动态分布中,若信噪比较小,振动信号容易被当成噪声滤掉;而对于空间维度降噪,设备处于静止状态,只有噪声处于动态分布中,最终只有噪声被过滤。我们通过实验证明,在采用10个标签的情况下,基于空间维度的降噪,比起时间维度来说,平均极限感知距离扩大了 4倍,展示出优越的性能。