一種基于物聯(lián)網(wǎng)振動數(shù)據(jù)的分析方法

王 眾，戎之瑋，趙 明

（特靈科技亞太研發(fā)中心，上海 200051）

0 引 言

物聯(lián)網(wǎng)是信息時代進(jìn)入成熟階段的重要標(biāo)志，是信息技術(shù)的全新應(yīng)用。伴隨著物聯(lián)網(wǎng)的發(fā)展，傳感器成為信息技術(shù)領(lǐng)域重要的基礎(chǔ)設(shè)施，為智能應(yīng)用提供必要的信息支持。物聯(lián)網(wǎng)應(yīng)用領(lǐng)域?qū)?shù)據(jù)進(jìn)行的分析成為應(yīng)用決策的重要依據(jù)。傳統(tǒng)的振動儀器需要現(xiàn)場采集測量數(shù)據(jù)，而物聯(lián)網(wǎng)使得遠(yuǎn)程監(jiān)控和寬時域分析更容易實(shí)現(xiàn)，同時也為數(shù)據(jù)分析的探索展開了更多空間。

離心式壓縮機(jī)是現(xiàn)代大型建筑的重要設(shè)備，對建筑內(nèi)溫度的控制非常重要，所以會要求盡量減少意外停機(jī)時間。離心式壓縮機(jī)通過旋轉(zhuǎn)離心力產(chǎn)生的壓力和速度來達(dá)到對于內(nèi)介質(zhì)的效果，所以其旋轉(zhuǎn)件的尺寸和質(zhì)量較大，支撐旋轉(zhuǎn)部件的各類軸承會承受較大載荷，因此系統(tǒng)對于工作中產(chǎn)生的動態(tài)力比較敏感。振動即結(jié)構(gòu)中力作用的體現(xiàn)，對振動的幅值和趨勢的測量是判斷系統(tǒng)運(yùn)行是否正常的重要環(huán)節(jié)。很多漸變型故障模式可以通過振動信息在長時間范圍內(nèi)的變化表現(xiàn)出來，是物聯(lián)網(wǎng)的典型應(yīng)用場景。本文以離心式壓縮機(jī)為例，討論一種物聯(lián)網(wǎng)振動數(shù)據(jù)的分析方法，此方法不限于離心式壓縮機(jī)，可以推及其他轉(zhuǎn)子類型設(shè)備的物聯(lián)網(wǎng)振動數(shù)據(jù)分析中。

1 物聯(lián)網(wǎng)在振動監(jiān)測方面的應(yīng)用

1.1 物聯(lián)網(wǎng)應(yīng)用簡介

物聯(lián)網(wǎng)實(shí)現(xiàn)了互聯(lián)網(wǎng)從人向物的覆蓋和延伸。物聯(lián)網(wǎng)將多種信息傳感設(shè)備與互聯(lián)網(wǎng)結(jié)合，形成巨大的網(wǎng)絡(luò)，使物品與網(wǎng)絡(luò)連接，達(dá)到方便識別和管理的目的。萬物互聯(lián)可以將人、物、事件、流程和數(shù)據(jù)相結(jié)合，通過網(wǎng)絡(luò)連接讓其更有價值。從物聯(lián)網(wǎng)到萬物互聯(lián)，實(shí)現(xiàn)了信息到行動的轉(zhuǎn)化，為使用者、企業(yè)、社會和國家都創(chuàng)造了新的機(jī)會和價值，為時代帶來了新的經(jīng)濟(jì)發(fā)展機(jī)遇。

1.2 物聯(lián)網(wǎng)數(shù)據(jù)的接入與時序數(shù)據(jù)庫

物聯(lián)網(wǎng)平臺按照數(shù)據(jù)的流向可以分為數(shù)據(jù)接入、數(shù)據(jù)解析、數(shù)據(jù)管理、規(guī)則引擎和時序數(shù)據(jù)庫等環(huán)節(jié)。物聯(lián)網(wǎng)平臺往往可以提供較大數(shù)量設(shè)備接入的能力，并且需要具備較高數(shù)據(jù)點(diǎn)讀寫性能與較高的壓縮率，以及端到端的安全防護(hù)等。

（1）數(shù)據(jù)接入：用于在智能設(shè)備與云端建立安全的雙向連接，并通過多種通信協(xié)議實(shí)現(xiàn)物聯(lián)網(wǎng)與實(shí)體的數(shù)據(jù)交互，可以初步對數(shù)據(jù)的采集格式和頻率進(jìn)行定義。

（2）數(shù)據(jù)解析：在云端提供數(shù)據(jù)協(xié)議的解析。當(dāng)云端收到網(wǎng)關(guān)返回的原始數(shù)據(jù)后，結(jié)合預(yù)置的設(shè)備通信地址表將數(shù)據(jù)解析為時序數(shù)據(jù)庫模式，便于存儲和分析。

（3）接入管理：用于對接入云端的設(shè)備進(jìn)行管理和操作，包括設(shè)備的層級管理、監(jiān)測、遙控、固件升級和維護(hù)保養(yǎng)等場景。

（4）規(guī)則引擎：原始數(shù)據(jù)往往不能直接用于分析和顯示，所以需要對原始數(shù)據(jù)進(jìn)行單位的指定與轉(zhuǎn)換、數(shù)據(jù)類型指定、數(shù)值關(guān)聯(lián)計(jì)算、數(shù)據(jù)包重整等處理與操作。

（5）時序數(shù)據(jù)庫：為了更好地處理時間序列數(shù)據(jù)，時序數(shù)據(jù)庫應(yīng)運(yùn)而生。時序數(shù)據(jù)庫是用于管理時間序列數(shù)據(jù)的專業(yè)化數(shù)據(jù)庫。區(qū)別于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，時序數(shù)據(jù)庫針對時間序列數(shù)據(jù)的存儲、查詢和展現(xiàn)進(jìn)行了專門優(yōu)化，有較高的數(shù)據(jù)壓縮能力與查詢性能，適用于物聯(lián)網(wǎng)應(yīng)用場景。

1.3 物聯(lián)網(wǎng)振動數(shù)據(jù)的特點(diǎn)

物聯(lián)網(wǎng)的振動數(shù)據(jù)伴隨接入點(diǎn)的增加和長時間的積累后，數(shù)據(jù)量極大，為了得到數(shù)據(jù)的價值需要進(jìn)行深入挖掘，但這一過程往往需要大量工作消耗，因此提高分析效率成為數(shù)據(jù)分析的重要方向。物聯(lián)網(wǎng)振動數(shù)據(jù)通常具有以下特點(diǎn)：

（1）結(jié)構(gòu)穩(wěn)定。物聯(lián)網(wǎng)振動數(shù)據(jù)采集側(cè)完成現(xiàn)場部署后，采集模塊生命周期內(nèi)一般不會頻繁變動，或僅發(fā)生有限次變動；接收數(shù)據(jù)的平臺一般不會發(fā)生顛覆性改變，多數(shù)變更都會兼容前次的結(jié)構(gòu)和功能；對特定采集器和應(yīng)用對象而言，采集精度和頻域?qū)挾韧ǔＪ枪潭ǖ?，或?yàn)橛邢揞愋湍Ｊ?，或?jīng)過簡單計(jì)算后能夠得到有限類型模式。以上因素決定了物聯(lián)網(wǎng)振動數(shù)據(jù)在結(jié)構(gòu)方面通常比較穩(wěn)定，為提高振動數(shù)據(jù)分析效率奠定了基礎(chǔ)。

（2）行數(shù)巨大。物聯(lián)網(wǎng)振動數(shù)據(jù)的量級取決于2個方面，一則為安裝點(diǎn)數(shù)，一則為時間積累。依據(jù)物聯(lián)網(wǎng)近年來迅速發(fā)展的趨勢，安裝點(diǎn)數(shù)往往呈指數(shù)上升；采集模塊一經(jīng)安裝就開始持續(xù)不斷的向云端提供數(shù)據(jù)，出于研究或追溯等原因，數(shù)據(jù)擁有者很少主動刪除數(shù)據(jù)，經(jīng)過長時間積累后數(shù)據(jù)量巨大。

（3）頻域完整。為進(jìn)行數(shù)據(jù)分析而采集的物聯(lián)網(wǎng)振動數(shù)據(jù)往往具備目標(biāo)分析范圍內(nèi)的完整頻譜。根據(jù)分析內(nèi)容和分析目的的不同，可能會有不同分辨率的數(shù)據(jù)，例如1 Hz或0.1 Hz。完整的頻譜保證了數(shù)據(jù)結(jié)構(gòu)的一致性，使通過自動分析來提高效率成為可能。

（4）時域離散。因設(shè)備運(yùn)行的振動特性一般不會在短時間內(nèi)發(fā)生劇烈變化，為減輕數(shù)據(jù)傳輸與存儲的壓力，通常會間隔一定時間進(jìn)行采集和上傳，整體來看，形成了數(shù)據(jù)在時域上的離散特性。

2 振動數(shù)據(jù)的采集與判斷

信號的分析處理是指從傳感器等一次敏感元件獲得初始信息，用一定的設(shè)備和手段進(jìn)行分析處理。測試信號的頻域分析是把信號的幅值、相位或能量變換為以頻率坐標(biāo)軸表示，進(jìn)而分析其頻率特性的方法，又稱頻譜分析[1]。此頻譜信息可用于對振動頻譜特征的分析。振動傳感器按機(jī)械接收原理可以分為相對式、慣性式[2]；按機(jī)電變換原理可以分為電動式、壓電式、電渦流式、電感式、電容式、電阻式、光電式[3]；按所測機(jī)械量可以分為位移傳感器、速度傳感器、加速度傳感器、力傳感器、應(yīng)變傳感器、扭振傳感器、扭矩傳感器[4]。在進(jìn)行信號處理時需要注意傳感器的類型。

對于旋轉(zhuǎn)機(jī)械而言，振動信號中的很多頻率分量都與轉(zhuǎn)子轉(zhuǎn)速關(guān)系密切，往往是轉(zhuǎn)速頻率的整數(shù)或分?jǐn)?shù)倍，在頻譜分析時，更關(guān)注軸轉(zhuǎn)速的多倍頻率處及轉(zhuǎn)速的非整數(shù)倍頻率處的峰值。頻譜中的同步分量是轉(zhuǎn)速頻率的整數(shù)倍，通過分析頻率中的同步波峰可以發(fā)現(xiàn)許多故障，包括不平衡、不對中、松動、軸彎曲、葉片磨損、齒輪嚙合等[5]。

另外，有些振動問題還有如下特點(diǎn)：

（1）難以直觀體現(xiàn)，往往需要停機(jī)拆卸才能觀察到損壞的部件或零件；

（2）難以在短時間內(nèi)體現(xiàn)，往往長達(dá)數(shù)月甚至經(jīng)年的積累才會體現(xiàn)出來，但是長時間累積后會造成系統(tǒng)級的綜合影響，擴(kuò)大了影響范圍。

物聯(lián)網(wǎng)適用于對振動數(shù)據(jù)的實(shí)時采集和長時間監(jiān)聽，適用于轉(zhuǎn)子設(shè)備的非停機(jī)檢測和趨勢判斷。

3 物聯(lián)網(wǎng)振動數(shù)據(jù)分析

3.1 物聯(lián)網(wǎng)振動數(shù)據(jù)分析步驟

振動數(shù)據(jù)因其自身屬性，在物聯(lián)網(wǎng)應(yīng)用方面可以反應(yīng)設(shè)備的運(yùn)行狀態(tài)。因此，可以通過對振動數(shù)據(jù)的分析來識別設(shè)備的狀態(tài)，并根據(jù)其時域上的變化給出預(yù)測和診斷。常規(guī)的數(shù)據(jù)分析可以大致劃分為5個環(huán)節(jié)：數(shù)據(jù)規(guī)劃與獲取、數(shù)據(jù)清洗與處理、數(shù)據(jù)分析與方法、數(shù)據(jù)多維呈現(xiàn)、數(shù)據(jù)輔助決策與模型優(yōu)化。本節(jié)根據(jù)物聯(lián)網(wǎng)振動數(shù)據(jù)的特點(diǎn)，結(jié)合常規(guī)數(shù)據(jù)分析的步驟來闡述物聯(lián)網(wǎng)振動數(shù)據(jù)的分析。

3.1.1 規(guī)劃與獲取

在獲取數(shù)據(jù)之前，要先對目標(biāo)振動數(shù)據(jù)進(jìn)行規(guī)劃，這有助于得到更高質(zhì)量的數(shù)據(jù)。根據(jù)明確的目的進(jìn)行數(shù)據(jù)規(guī)劃，也可以提高獲取有效數(shù)據(jù)的效率，更容易得到有指導(dǎo)意義的分析結(jié)果，實(shí)現(xiàn)目的引導(dǎo)。首先要明確分析目標(biāo)，然后根據(jù)分析目標(biāo)進(jìn)行梳理，構(gòu)建基本框架，拆解出多個要點(diǎn)和輔助點(diǎn)進(jìn)行采集。好的數(shù)據(jù)規(guī)劃是進(jìn)行高效數(shù)據(jù)分析的前提。

本文所論述的范圍是關(guān)于振動數(shù)據(jù)的分析，目標(biāo)是根據(jù)物聯(lián)網(wǎng)振動數(shù)據(jù)來判斷設(shè)備運(yùn)行的狀態(tài)與趨勢。需要考慮以下環(huán)節(jié)：

（1）時域和頻域兩個維度是該數(shù)據(jù)規(guī)劃的主體內(nèi)容，為了進(jìn)行完整的分析，還需要幅值、方向等數(shù)據(jù)；

（2）數(shù)據(jù)生成過程中為了保證完整的計(jì)算和輸出，需要一些必要的標(biāo)志位、狀態(tài)位等數(shù)據(jù)；

（3）數(shù)據(jù)采集過程中為了加以區(qū)別，需要輔助用于采集的硬件設(shè)備識別碼、網(wǎng)關(guān)碼等數(shù)據(jù)；

（4）數(shù)據(jù)傳輸過程中為了適應(yīng)振動類型的大規(guī)模數(shù)據(jù)與傳輸途徑間的匹配度，需要進(jìn)行必要的分解，增加多數(shù)據(jù)包的首尾識別等數(shù)據(jù)；

（5）數(shù)據(jù)存儲和下載過程中根據(jù)不同的平臺規(guī)則，需要對數(shù)據(jù)重新查詢、分割、打包再合并，會產(chǎn)生很多附加數(shù)據(jù)。

從以上描述我們可以看出，物聯(lián)網(wǎng)振動數(shù)據(jù)的產(chǎn)生和獲取過程是多樣化的，數(shù)據(jù)的來源和用途是復(fù)雜的。要對復(fù)雜的數(shù)據(jù)進(jìn)行分析以達(dá)到預(yù)期的目的，需要完成大量分析工作，從海量的數(shù)據(jù)中得到真正能夠輔助判斷決策的數(shù)據(jù)，就需要良好的數(shù)據(jù)規(guī)劃。

3.1.2 清洗與處理

在進(jìn)行數(shù)據(jù)清洗與處理前，首先要保證數(shù)據(jù)的真實(shí)性和正確性，如果數(shù)據(jù)存在謬誤和錯位，那么結(jié)果不具有任何價值，還會導(dǎo)致錯誤的決策甚至損害模型。甄別數(shù)據(jù)真實(shí)性與正確性的過程在前期階段需基于人對數(shù)據(jù)的理解和調(diào)查，分析過程中可以根據(jù)數(shù)據(jù)的特性進(jìn)行反向確認(rèn)和驗(yàn)證，以此完善數(shù)據(jù)獲取的過程。

本文論述的基于物聯(lián)網(wǎng)的振動數(shù)據(jù)，一方面數(shù)據(jù)本身層次繁多、結(jié)構(gòu)復(fù)雜；一方面經(jīng)過時間的持續(xù)積累，數(shù)據(jù)量巨大。為了從中得到真正能夠輔助判斷決策的數(shù)據(jù)，需要對無關(guān)數(shù)據(jù)進(jìn)行清洗，對關(guān)聯(lián)數(shù)據(jù)進(jìn)行處理，同時要保證數(shù)據(jù)間的有效性和關(guān)聯(lián)性，這是數(shù)據(jù)分析必不可少的環(huán)節(jié)。

物聯(lián)網(wǎng)振動數(shù)據(jù)的清洗與處理，狹義來講，可以只針對從云端下載獲得的數(shù)據(jù)，但因?yàn)閿?shù)據(jù)在生成和采集、傳輸、存儲過程中因平臺和工具等環(huán)節(jié)的不同而造成下載得到不同的結(jié)果，所以對過程中產(chǎn)生的數(shù)據(jù)也應(yīng)該進(jìn)行深入理解，這樣才能在多個環(huán)節(jié)更好地對數(shù)據(jù)在比較寬的范圍內(nèi)進(jìn)行清洗和處理。在生成、采集、傳輸和存儲過程中引入的狀態(tài)位[6]、識別碼、標(biāo)識符、首尾包等數(shù)據(jù)應(yīng)盡量控制在有限環(huán)節(jié)內(nèi)，不保留到最終數(shù)據(jù)中，如果最終數(shù)據(jù)中有此類信息，則這類信息就是優(yōu)先清洗的對象。只有在獲取數(shù)據(jù)過程中出現(xiàn)問題時才保留這類信息來追溯問題根源。

數(shù)據(jù)處理指從物聯(lián)網(wǎng)獲得的振動數(shù)據(jù)一般無法直接用于分析，通常要進(jìn)行運(yùn)算和處理后才能得到有效的，可用于分析的，有價值的數(shù)據(jù)。在數(shù)據(jù)生成環(huán)節(jié)，不同類型的傳感器會產(chǎn)生不同類型的數(shù)據(jù)。從物聯(lián)網(wǎng)振動數(shù)據(jù)分析的角度，我們可以把傳感器的類型分為模擬型和數(shù)字型，即傳感器輸出值為模擬量的為模擬型，傳感器輸出值為數(shù)字量的為數(shù)字型。相同情況下，模擬型傳感器的數(shù)據(jù)量通常比數(shù)字型的更大，得到時域模擬量后需進(jìn)行FFT轉(zhuǎn)換得到頻域值，把時域數(shù)據(jù)處理為頻域數(shù)據(jù)用于頻譜分析。進(jìn)行數(shù)據(jù)處理時首要保證的原則是一致性和有效性。經(jīng)過清洗和處理后的數(shù)據(jù)會更適合分析且更高效，可能涉及的振動數(shù)據(jù)處理還包括如下類型：

（1）數(shù)據(jù)類型的轉(zhuǎn)換，例如整型與浮點(diǎn)型的轉(zhuǎn)換；

（2）時間格式的轉(zhuǎn)換，數(shù)據(jù)庫的時間格式與易讀易算的時間格式之間的轉(zhuǎn)換；

（3）步長與頻域的轉(zhuǎn)換，采樣頻率與目標(biāo)分析頻率精度之間需對應(yīng)；

（4）單位的轉(zhuǎn)換，采樣單位與目標(biāo)分析值之間進(jìn)行對應(yīng)，例如振幅；

（5）數(shù)據(jù)幀的合成，頻域數(shù)據(jù)往往有多種方式進(jìn)行存儲和傳輸，獲得數(shù)據(jù)后需重新組織成數(shù)據(jù)幀；

（6）空幀的處理，多種原因造成的空幀需要給出特定進(jìn)程，使之不影響整體分析；

（7）幀與幀的拼接，獲得數(shù)據(jù)的過程中出現(xiàn)幀錯位或斷幀的情況，需要根據(jù)規(guī)則重新拼接為有效數(shù)據(jù)；

（8）去噪聲處理，采集環(huán)節(jié)引入的噪聲需要在分析前作預(yù)處理；

（9）關(guān)聯(lián)計(jì)算，多維度的原始值往往需要一定的關(guān)聯(lián)計(jì)算后才能夠成為目標(biāo)分析可用的數(shù)值。

數(shù)據(jù)的清洗過程不一定限于數(shù)據(jù)下載后，有效的數(shù)據(jù)清洗能夠讓數(shù)據(jù)在傳輸過程中高效地傳遞信息。尤其針對物聯(lián)網(wǎng)，很多設(shè)備利用無線網(wǎng)絡(luò)，甚至付費(fèi)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸，此時數(shù)據(jù)清洗就顯得更為重要。

3.1.3 分析與方法

物聯(lián)網(wǎng)振動數(shù)據(jù)的分析過程主要分為頻域分析和時序分析。頻域分析注重頻域特征的提取，時序分析注重隨時間變化的追蹤，通常先從頻域入手。在進(jìn)行分析前需要確認(rèn)數(shù)據(jù)的有效性，數(shù)據(jù)的有效性與采集側(cè)和目標(biāo)側(cè)相關(guān)：

（1）有效數(shù)據(jù)的頻域?qū)挾刃枧c目標(biāo)分析的范圍一致，需注意頻域的起止點(diǎn)，即相對的低頻段和高頻段；

（2）采樣得到的頻域數(shù)據(jù)精度，例如1 Hz或0.1 Hz；

（3）幅值確認(rèn)，例如有效值、峰值與峰峰值間的轉(zhuǎn)換，及幅值單位的轉(zhuǎn)換。

經(jīng)過確認(rèn)和提取后，利用有效數(shù)據(jù)可以組成頻域數(shù)據(jù)幀，即在頻域上每一個最小分辨率的頻率點(diǎn)有一個與之對應(yīng)的幅值，此頻域數(shù)據(jù)幀可用于頻域分析。

頻域分析的過程可以概括描述為頻域數(shù)據(jù)特征化的過程，即把采集得到的數(shù)據(jù)根據(jù)一定規(guī)則進(jìn)行特征化，然后與預(yù)置的特征進(jìn)行比較。預(yù)置邏輯的來源主要有以下幾方面：

（1）知識型輸入，即公開的理論性振動故障識別知識；

（2）經(jīng)驗(yàn)型輸入，例如工程師的經(jīng)驗(yàn)與現(xiàn)場應(yīng)用人員的經(jīng)驗(yàn)；

（3）仿真輔助輸入，此類輸入注重特定設(shè)備類型的振動特征；

（4）離廠測試型輸入，此類輸入可以體現(xiàn)設(shè)備的唯一性特征。

把物聯(lián)網(wǎng)采集的數(shù)據(jù)進(jìn)行特征化處理后，與上述多種類型的預(yù)置特征庫進(jìn)行比較，合理判定可以得到明確的輸出值，即故障類型，達(dá)到故障診斷的目的。

區(qū)別于傳統(tǒng)手持式振動儀和臺式振動儀，物聯(lián)網(wǎng)振動數(shù)據(jù)更容易獲得長時間范圍內(nèi)在時域上連續(xù)的頻域數(shù)據(jù)幀，物聯(lián)網(wǎng)振動數(shù)據(jù)這一特性也更符合振動故障漸進(jìn)性變化的特性，使得物聯(lián)網(wǎng)振動數(shù)據(jù)的分析更有價值。

時序分析一般是有針對性地對特定頻段上的數(shù)據(jù)隨時間變化進(jìn)行分析。特定頻段通常指頻域上幅值超出預(yù)期的頻段，例如工頻50 Hz的轉(zhuǎn)子設(shè)備在50 Hz頻率上采樣得到的幅值超出預(yù)期值時，50 Hz的倍數(shù)頻率和以其為中心的一定范圍均成為目標(biāo)分析的特定頻段。對特定頻段的數(shù)據(jù)進(jìn)行時間追蹤，根據(jù)時序上的變化情況給出趨勢判斷結(jié)果，有助于早期問題的確定。進(jìn)行分析時可以在時間上通過連續(xù)或隨機(jī)的方式取得觀察點(diǎn)，然后根據(jù)觀察點(diǎn)序列擬合曲線的曲率來判斷特定頻段的趨勢。

3.1.4 數(shù)據(jù)呈現(xiàn)

對物聯(lián)網(wǎng)振動數(shù)據(jù)分析的結(jié)果呈現(xiàn)，一方面需要給出定性判斷，比如振動是否超標(biāo)和歸類為哪種故障模式；另一方面需要給出可量化的視覺對比結(jié)果。振動數(shù)據(jù)進(jìn)行圖表類呈現(xiàn)的目的是為了對比，需要體現(xiàn)分布和關(guān)系，振動數(shù)據(jù)的頻域分析結(jié)果需要體現(xiàn)各頻段上的對比和分布，時序分析的結(jié)果需要體現(xiàn)前后數(shù)據(jù)的趨勢關(guān)系。

對物聯(lián)網(wǎng)振動數(shù)據(jù)分析的結(jié)果需滿足突出特征、一目了然、輔助判斷、便于深入分析等要求，好的呈現(xiàn)要符合不重疊、不遺漏的基本原則。物聯(lián)網(wǎng)振動數(shù)據(jù)需要多種呈現(xiàn)途徑，例如方便遠(yuǎn)程查看的瀏覽器頁面，用于分析和交流的報(bào)告，用于實(shí)時監(jiān)控和分析的軟件工具等。無論哪一種呈現(xiàn)方式，都需要規(guī)劃一個儀表盤來合理展示振動信息，以便能夠?qū)崟r監(jiān)控[7]。

對于物聯(lián)網(wǎng)振動信息而言，基本的呈現(xiàn)內(nèi)容為：頻譜與時序趨勢；重要的呈現(xiàn)內(nèi)容為：頻譜與時序趨勢反應(yīng)出的設(shè)備狀態(tài)；有價值的呈現(xiàn)內(nèi)容為：根據(jù)狀態(tài)診斷而給出的建議；此外，還需要呈現(xiàn)用于輔助判斷的設(shè)備信息等。

3.1.5 數(shù)據(jù)輔助決策與模型優(yōu)化

物聯(lián)網(wǎng)振動數(shù)據(jù)分析的作用：在大型設(shè)備應(yīng)用方面，可保障設(shè)備正常運(yùn)行，這種應(yīng)用場景下的關(guān)鍵決策是設(shè)備是否適合繼續(xù)運(yùn)行，是否需要維修保養(yǎng)，以免造成意外停機(jī)和更大范圍的損壞。為達(dá)到這個目的，幅值與模式的判定是關(guān)鍵輸入，幅值能夠反應(yīng)設(shè)備整體運(yùn)行的情況是否正常，模式能夠?yàn)閱栴}的判斷縮小范圍。既定行業(yè)或類型應(yīng)用中，幅值判斷通常有明確的范圍，通過軟件邏輯相對容易實(shí)現(xiàn)結(jié)果的輸出。模式判定往往需要長時間的經(jīng)驗(yàn)和積累，物聯(lián)網(wǎng)廣泛實(shí)施的同時也有助于獲得更多故障數(shù)據(jù)來完善故障模型。

3.2 采用Python提高分析效率

數(shù)據(jù)分析工具種類繁多，但適合物聯(lián)網(wǎng)數(shù)據(jù)分析的較少，例如Excel的最大處理行數(shù)為1 048 576行，無法匹配物聯(lián)網(wǎng)數(shù)據(jù)在時間積累下行數(shù)巨大的特點(diǎn)。分析方法的研究往往是為了最終應(yīng)用，完整的數(shù)據(jù)分析方法在經(jīng)過本地?cái)?shù)據(jù)驗(yàn)證后需在云端的應(yīng)用中實(shí)現(xiàn)。Python具有較適合分析大規(guī)模結(jié)構(gòu)化數(shù)據(jù)的庫，可以同時滿足處理本地?cái)?shù)據(jù)和云端應(yīng)用的需求，本文以Python為例，討論如何提升物聯(lián)網(wǎng)數(shù)據(jù)的分析效率。

3.2.1 Python常用庫

常用于物聯(lián)網(wǎng)數(shù)據(jù)分析的Python庫有：

（1）Beautiful Soup：解析物聯(lián)網(wǎng)xml和html數(shù)據(jù)。

（2）Pandas：此功能庫中有大量標(biāo)準(zhǔn)數(shù)據(jù)模型，提供了快速便捷地處理文本數(shù)據(jù)的函數(shù)和方法，以及高效操作大型數(shù)據(jù)集所需的工具。

（3）NumPy：通常與Pandas結(jié)合，用來完成批量數(shù)據(jù)的分析任務(wù)。

3.2.2 使用Python分析振動數(shù)據(jù)

從物聯(lián)網(wǎng)云端抓取振動數(shù)據(jù)用于臨時本地?cái)?shù)據(jù)分析時，可通過Beautiful Soup解析并轉(zhuǎn)存為表格文件，方便閱讀與驗(yàn)證，在云端處理時可以直接讀取時序數(shù)據(jù)庫，然后經(jīng)過以下步驟和方法進(jìn)行處理：

（1）數(shù)據(jù)抽?。菏褂肞andas的循環(huán)遍歷命令抽取目錄下的所有振動數(shù)據(jù)，將數(shù)據(jù)讀入DataFrame中以二維表格型數(shù)據(jù)結(jié)構(gòu)存儲為 'metric'，'timestamp'，'value'字段。

（2）時間格式轉(zhuǎn)換：時間格式是物聯(lián)網(wǎng)振動數(shù)據(jù)的重要標(biāo)簽，數(shù)據(jù)庫中的時間格式通常需要轉(zhuǎn)換后使用，可以使用公式將時間信息轉(zhuǎn)化為可計(jì)算的數(shù)值，本文案例時序數(shù)據(jù)庫的時間格式轉(zhuǎn)化為年、月、日、時、分、秒格式：

T=（timestamp/1 000+8*3 600）/86 400+70*365+19 （1）式中：timestamp /1 000表示由毫秒轉(zhuǎn)換為秒，如果timestamp包含秒，則無需計(jì)算；8*3 600表示由GMT 0時區(qū)轉(zhuǎn)到GMT+8時區(qū)；除以86 400表示由秒轉(zhuǎn)到天；70*365表示70年的差值（timestamp與Excel計(jì)算起點(diǎn)差異；19表示1900年到1970年間的閏年數(shù)量）。

采用Python處理時間格式時，需使用utcfromtimestamp函數(shù)。振動數(shù)據(jù)由于數(shù)據(jù)量較大且瞬變可能性小，所以一般傳輸頻率較低，多數(shù)情況下無需考慮秒級誤差（如果保留秒級時間格式則可能在后續(xù)數(shù)據(jù)對比過程中引入錯誤，所以需要用replace函數(shù)將秒清零）。時間格式處理的語句匯總?cè)缦拢?/p>

dt = datetime.utcfromtimestamp(timestamp / 1000)

if convert_to_local：# convert to local

dt = dt + datetime.timedelta(hours=8) # china default time

dt = dt.replace(second=0)

（3）數(shù)據(jù)清洗：數(shù)據(jù)清洗的目的是過濾無效數(shù)據(jù)[8]，讓目標(biāo)數(shù)據(jù)的分析更明確，分析效率更高。清洗后的數(shù)據(jù)通過合理調(diào)用可以成為待分析的振動頻率幅值數(shù)據(jù)幀。進(jìn)行時間過濾時可以參考以下語句：

df_abs_filter = df_absolute[(df_absolute.timestamp.dt.time ＞= start_time)& (df_absolute.timestamp.dt.time ＜ end_time)]

進(jìn)行標(biāo)簽過濾時可以使用“～”（取反）命令實(shí)現(xiàn)，如下面例子中過濾無關(guān)數(shù)據(jù)'V1_L'，'V2_L'：

df = df[～(dif['metric'].isin(['V1_L', 'V2_L']))]

（4）報(bào)警數(shù)據(jù)的產(chǎn)生：振動數(shù)據(jù)分析的關(guān)鍵步驟是根據(jù)組織好的頻域數(shù)據(jù)幀與預(yù)期幅值進(jìn)行對比，在相應(yīng)頻段上超出預(yù)期值則歸入預(yù)置的故障類別?？梢允褂胊pply（）函數(shù)調(diào)用alarmDect函數(shù)自動遍歷每行的頻率與幅值，最后將結(jié)果組合成Alarm Series數(shù)據(jù)結(jié)構(gòu)并返回，實(shí)例語句如下：

dx['alarm']= dx.apply（lambda x: alarmDetect(x['Frequency'],x['value']), axis=1)

經(jīng)過分析后的數(shù)據(jù)已包含振動數(shù)據(jù)幀的故障模式判斷信息，通過合理的方式呈現(xiàn)便可用于結(jié)果分享和改進(jìn)，例圖如圖1所示。

圖1 例圖

4 結(jié) 語

物聯(lián)網(wǎng)采集的數(shù)據(jù)往往路徑較長且過程復(fù)雜，分析難度較大。本文介紹的方法是大數(shù)據(jù)分析方法在物聯(lián)網(wǎng)振動數(shù)據(jù)方面的應(yīng)用，主要講述了數(shù)據(jù)的基本處理和分析方法及流程，結(jié)合Python的使用可以提高分析效率。本方法和流程可以推廣至其他類型的物聯(lián)網(wǎng)數(shù)據(jù)分析，例如基于時序數(shù)據(jù)庫的設(shè)備運(yùn)行數(shù)據(jù)等。