多参数数据采集

多参数数据采集（精选9篇）

多参数数据采集 篇1

0 引言

完整的环境控制系统包括控制器(包括控制软件)、传感器和执行机构。最简单的控制系统由单控制器+单传感器+执行机构组成,如由温度自动调节器控制加热或天窗开闭,由时间控制器控制灌溉,由CO2浓度控制器控制CO2施肥等。生产中采用这些控制系统,可以大大节省劳力,节约能源。20世纪80年代以来,我国先后从荷兰和以色列等国引进了40多套大中型温室,对于消化、吸收国外先进的温室生产经验起到了积极作用。然而,由于引进的温室价格和运行成本都很高,我国科技人员进行了温室的环境控制研究,但是由于我国的设施大都比较简单,大量的作业和调整都需要人工操作,作物生长小环境中环境因子调控程度很低,导致温室的生产潜力和生产效率与国外的工厂化蔬菜生产相比尚有很大差距。近些年,我国科技人员对夏季降温、冬季加温等技术的研究取得了不少进展,但对环境计算机控制系统领域的研究大多处于研制开发阶段[1,2,3,4]。

植物工厂用钠蒸气灯取代太阳光,并通过计算机将温度、湿度、二氧化碳浓度和肥料等控制在最适合蔬菜生长发育的水平。同旱地栽培相比,蔬菜的生长速度提高了4～5倍,并且不受气候影响,不施农药,四季稳定生产。在寒冷地带或沙漠地带,甚至在宇宙空间和地下空间,也能提供新鲜的蔬菜。现在已能利用植物工厂生产豆芽菜、蘑菇、鸭儿芹、白萝卜和生菜等。温室控制的研究成果可以很方便地推广到暖通空调等其他领域,有较强的现实意义[5]。

本文使用一组温度数据作为研究对象,通过算法达到降维和归一化的目的。

1 数据挖掘算法

数据挖掘成为一种新兴的信息处理技术,可以通过数据挖掘技术对温室环境数据库进行分析。例如,对温湿度调整的时间、室内外温度差别、作物生长状态和作物病虫害等因素进行调控,数据挖掘后满足实际需要。这样,数据挖掘的发展才更有意义。

通过数据挖掘的流程了解到数据挖掘的过程,从中找到解决问题的思路和方法。数据挖掘流程如图1所示。

1.1 模糊聚类算法

定义所取的算法样本数据位E,定义聚类C为E的一个非空的集合,也就是当C⊂E并且C≠Φ,对此处的聚类就是通过满足以下两个条件而聚,即

C1∪C2∪…Ck=E (1)

Ci∩Cj=∅ (2)

i≠j (3)

由以上条件中的第1个条件可知,笔者所取的样本集E中的每个样本必定属于某一个类; 由以上条件中的第2个条件可知,笔者所取的样本集E中每个样本最多只属于某一个类。此外,也有人提出了通过模糊聚类算法进行挖掘的思想。但是在模糊聚类中,不是以某个对象作为单个,而是以不同的隶属度进行多个聚类。算法整体思路如图2所示。

最终由聚类所生成的类必定具有彼此相似性,因为它是按照某种规律进行分类的集合,在很多应用中,可将这些分类的结果作为另外一个整体进行对待。

1.2 聚类算法的典型要求

1.2.1 可变化性

针对较小数据集,许多算法能够很好地进行聚类;但是对于大型数据集中可能包含有几百万、几千万、几亿乃至更多的对象,虽然通过抽样可以减少要处理的数据量,但是最终抽样可能会对聚类的结果带来很大的影响,甚至会产生错误的结果。因此,可变化性好的聚类算法对于笔者的研究很有必要。

1.2.2 能够处理混多层次数据

许多算法最终设计的结果都是对数值型(numerial)数据达到聚类的效果。然而,在许多实际的应用中,要聚类的数据可能不是数值型,而是二值型、字符型、枚举型或序数型,也可能是上述各种类型数据的最终混合而成的多层次数据。

1.2.3 达到可以分辨出任意图形的分类效果的目的

通过实际了解,很多的数据挖掘中采用了一些距离公式(如欧式距离)得到定聚类或者街区距离度量来确定聚类,然而这些距离度量却倾向于识别大小与密度都相差不大的球形聚类。但是现实生活中,聚类可能是各种类型的(如线形、环形、凸型及所有可能的各种复杂的、不规则的形状),这就要求聚类算法要能够分辨出任意图形的形状进行聚类。

1.2.4 相关领域知识需求

聚类算法在确定要传入数据的数据值时,需要的关于可能有关联的信息价值是最少的。很多聚类算法都要求用户输入特定范围内的数据值(可以输入类别数或度量阀值等),然而通过聚类算法得到的结果对输入的参数是非常敏感的,并且这些参数往往是很难确定,尤其是对维度越高的数据空间集进行聚类,这一现象则体现得更为突出、更为敏感。这种敏感的特性在一定程度上给用户带来了不小的麻烦,同时所生成的结果不可预料,使聚类算法结果的可控性降低,从而大大影响了算法的效果。

1.2.5 适用于多噪声数据样本

在实际生活中,数据样本中不可避免会存在突发数据异常,或者由于各种失误或故障引入的种种错误信息,然而诸多种聚类算法对于处理此类突发事件造成的数据异常能力不足,极易导致聚类的错误输出,甚至聚类算法本身无法执行。所以,为了充分考虑这些异常因素,所选用算法必须能够识别噪声数据而且稳健,避免系统崩溃的情况发生。

1.2.6 对参数的输入顺序有较低的依赖性

很多聚类算法对数据输入顺序的要求是非常高的。例如,在算法执行开始时,将聚类样本通过不同的次序依次传递给某个特定的聚类算法进行执行,虽然同样的样本数据只是其次序略微改变了,但对于同一算法而言,其极有可能产生令人不可思议的完全相异的聚类结果。

1.2.7 对高维度数据有很好的适应性

聚类算法有能力对多维度(三维以上)数据进行快速处理,对高维度数据有很好的适应性。许多聚类算法的知识发现还比较浅显,只适合处理低维数据,如一维、二维或者三维数据。而现实情况中,对于一个完整的数据集合来说,其所包含的数据量是很大的,同时也可能存在成千上万维和特征(也可以表示成数据属性),这对于多维空间中数据的聚类则是一个非常大的挑战。在这种现实复杂的N维数据空间中,所存在的大量数据元素间的形态无法预测,可能呈现异常分散或极其变形的形态。因此, 聚类算法在多维数据的处理能力方面亟待提高。

1.2.8 聚类算法对带有一定约束条件的聚类处理

在实际的现实世界中存在很多应用,这些应用可能需要在一些约束条件下来进行聚类分析。例如,一个超市中各个产品位置的拜访选择,就需要在对消费分布以及消费行为进行聚类时,考虑人们的消费习惯、消费心理及每个地区消费者的需求等约束条件。

1.2.9 聚类算法具有可理解性和可用性

当然所有的设计都是为了满足用户的需要,用户期望聚类的结果肯定是可以解释、易于实现并具有可用性,因此必须进行充足的调研。换句话说,聚类可能需要与具体的用户需求和具体应用结合在一起,具体应用的特定目标可能会影响到聚类算法的选择。

2 本文算法

本文利用基于密度的聚类算法和粒子群优化算法相结合,检测温室植物生长的参数应该如何设置才会更加符合实际需要,使温室控制更加合理。

DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与传统知识划分和层次聚类方法有很大的不同,它是将一类具有足够高密度的区域划分为簇,并且将所得到的簇定义为密度相连的点的最大集合。这种方法还可以实现在噪声的空间数据库中去发现并得到任意形状的聚类。

算法的思路必须符合实际的需要,在进行设计的同时要考虑到影响到温室控制参数问题的所有相关因素。通过图2所示算法思路,一方面可通过DBSCAN算法的得到其初期想要的数据以及对某些关系数据的设置进行设计和测试;另一方面通过基于粒子群的优化密度算法可以对数据进行精准聚类,达到降维和归一化的目的;最后,通过实际测试指标的反复测试,证实整个算法的可行性及准确性等。

项目目标是找出有效的降维算法并且对特征参数进行归一化处理。对数据进行标准化处理的过程如下:

标准差标准化

INPUTDATA(i,:)=(INPUTDATA(i,:)-a)./b;

极值标准化

DATAFORCLUS(i,j)=(INPUTDATA(i,j)-min(INPUTDATA(:,j))/(max(INPUTDATA(:,j))-min(INPUTDATA(:,j)));

列均值

a=mean(INPUTDATA);

列方差

b=var(INPUTDATA);

例如,对如下特征值进行降维和归一化处理,源数据如表1所示。归一化处理后的数据如表2所示。

通过归一化处理后,可以使数据的变化范围控制在1以内,更清楚地显示出数据特征;然后,通过降维处理,可以将所不需要的数据省去,相当于对数据进行压缩和简化模型的作用。通过算法仍对以上数据进行降维处理,处理结果如图3所示。

3 结论

1)通过降维处理,可以省去不需要的数据。

2)减少在工作中的障碍,节约时间,节省成本。 通过归一化处理是对参数进行控制,应用到温室参数 控制方面具有很重要的现实意义,所以该算法的实用性很强。

摘要：温室多参数控制系统是通过对影响温室环境的控制因子(如温度、湿度、光照和CO2浓度等)实现多参数控制。为此,利用基于密度的聚类算法(DBSCAN)和粒子群优化算法相结合的方式,将某一参数对温室影响的情况进行快速聚类,主要进行降维和归一化处理,以便找出适合温室的控制参数。实验证明,该算法对温室多参数控制具有很强的实用性。

关键词：温室,多参数,聚类算法,数据挖掘

参考文献

[1]姚益平.基于光热资源的中国温室气候区划与能耗估算系统建立[J].中国农业科学,2011,44(5):898-899.

[2]姚益平.中国连栋温室黄瓜周年生产能耗分布模拟[J].农业工程学报,2011,27(1):273-275.

[3]陈教科.基于热平衡模型的温室地表水源热泵系统供暖设计与试验[J].农业工程学报,2011,27(11):226-228.

[4]马凯.不同天气条件下日光温度桃树栽培环境因子的变化特征[J].新疆农业科学,2011,48(12):2245-2246.

[5]于海业.基于模糊控制算法的温室变温管理系统[J].农机化研究,2008(5):25-27.

[6]张韩飞.多传感器信息融合在温室湿度检测中的应用[J].传感器与微系统,2011,30(6):129-130.

[7]黄贤英.基于粒子群优化的模糊聚类算法[J].重庆工学院学报,2008,22(11):120-122.

[8]康晶.基于密度的优化数据流聚类算法[J].计算机工程与设计,2010,31(22):4756-4758.

[9]郭爱琴.基于客服架构药品管理系统的设计与实现[J].农机化研究,2004(3):237-239.

[10]高迟.基于模糊神经网络的温室控制系统[J].农机化研究,2009,31(10):187-189.

多参数数据采集 篇2

成果承担单位：河北省自动化研究所 项目负责人：连翠玲 联系人：刘祥乔

联系电话：0311-83018762

一、成果简介

“多参数铁路轨道检测仪”是一种检测铁路轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数的自动化仪器。它以右轨为基准轨，利用激光准直技术、高精度传感器和内置的数学模型，得出以上参数,并将结果作为指导铁路维护的重要依据。

检测仪由激光发射装置和检测接收车两部分组成。检测时，将激光发射装置与检测接收车间隔一定距离锁紧固定在钢轨上（直线轨最远检测距离200米，半径900米轨最远检测距离50米），系统工作时，通过瞄准镜将激光光斑打在检测接收车的激光接收器上，接收器的接收范围360mm×270mm。以一定速度连续推动检测接收车行进，激光接收器实时接收激光信号，根据陀螺仪、位移传感器、编码器以及系统内置的数学模型测得轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数，并将结果按查询条件进行显示。

该项目已研制完成“多参数铁路轨道检测仪”样机一台，并通过河北省科技厅组织的验收。

二、技术指标

项目 轨距 水平轨向 高低

检测范围

检测精度

1415～1480mm

±0.5mm

±100mm

±100mm

±0.5mm

±0.5mm

±75mm

±0.5mm 正矢

200mm

±0.5mm 行走距离

0～1000km

1‰

三、应用说明

1．应用实例与效果

“多参数铁路轨道检测仪”在北京铁路局石家庄工务段上行线路车间试用，上线测量了线路的轨距、水平、里程等参数。在试用过程中，该系统运行稳定，推行方便，并能够根据线路情况调整参数的设置，达到了铁路养护操作指导规范所要求的内容，降低了我们对于线路的养护劳动强度，在一定程度上节约了人力，提高了劳动效率。

“多参数铁路轨道检测仪”在石家庄铁路工务工程队试用，使用情况如下：该检测仪的操作性和测量参数的可靠性都达到了预期的要求，在操作上较为简便，测量时无需太多步骤，可方便的上线测量；其人机界面友好，能够做到各项功能一目了然；上线测量的铁路轨道的轨距和水平等参数，与经验数据对比，精度能够达到预期；但该检测仪对光稍显繁琐，主要是对光时所用的望远镜功能不足，需要频繁的调整焦距，可能会降低测量效率。

总体来说，该检测仪的使用情况良好，达到了预期的目标。

四、成果推广简介

1．应用范围：该检测仪可应用于全国铁路系统。

2．成果转化方式：我们采用自行转化方式进行成果转化。

多参数数据采集 篇3

在实际工程中, 评估滚动轴承是否发生了故障是主要的问题, 而具体发生了什么故障则相对次要, 因为无论滚动轴承的哪个部件发生了故障都需要更换或检修。

实际工程中, 一般采用基于振动信号的监测和诊断方法。评估滚动轴承状态也主要基于振动信号的分析, 具体来说就是从振动信号中提取反映滚动轴承工作状况的特征参数, 再根据参数的变化情况对滚动轴承特征做出评判。常见的参数分为有量纲和无量纲两类, 有量纲的如有效值、峰值等;无量纲的有峭度、歪度等。其中只有有效值有ISO和国家标准等可以参考的具体标准。除此之外, 其他参数都没有标准可以参考。虽然计算这些参数比较容易, 但是存在如下问题:这些参数达到什么数值或什么标准就可以认定滚动轴承异常;能否采用单一参数轴承状态评估问题。如果不能, 如何联合多个参数进行分析。

上述问题较难确定, 是这些参数实际应用中面临的主要困难之一, 本文采用模式识别领域中的支持向量数据描述 (Support Vector Data Description, SVDD) 解决这一问题。

2. 描述振动信号特征的常用参数

滚动轴承的振动信号中蕴含了的状态信息, 这些信息可以通过均方根值、波形指标、峰值指标、峭度、歪度等参数反映出来。下面分别介绍这些参数的定义和计算方法, 并简述其意义。令x (t) 表示连续时间振动信号, 令x (i) , i=1, 2, 3……ns表示经采样得到的离散时间振动信号。

(1) 有效值 (均方根值)

定义为

实际计算公式

有效值也称均方根值, 用来反映信号的能量大小, 适用于具有随机性质的振动测量。并适用于反映各个滚动体在滚道上运动时, 由于制造精度差、工作表面点蚀产生的不规则连续型缺陷引起的振动。轴承磨损程度越高, 造成的振动越大, 有效值也就越高。有效值反应一个波形的整体总能量, 但无法反映短时脉冲振动波形的幅值。

(2) 峰值

其中, max (x (t) ) 表示x (t) 的最大值。可以反映轴承某一局部故障点的冲击力大小。冲击力越大, 峰值越高。在检测由裂纹、剥落等原因造成的冲击性振动方面, 峰值比有效值更有效。

(3) 波形指标

式中:μX———振动信号x (t) 的均值。

实际计算公式

(4) 峰值指标

实际计算公式

有效值虽然能反映出轴承工作表面因制造质量差或磨损引起的表面粗糙状况, 但不能反映轴承元件上的局部剥落、擦伤、刻痕、凹坑等一类离散型缺陷。这种离散型缺陷产生的脉冲波形总能量虽然不大, 但是波形的尖峰程度增加了。这种类型的故障, 用峰值指标描述较为合适。由于是一个相对比率, 该指标不受振动信号绝对幅值、传感器灵敏度、放大倍数、轴承尺寸和转速等的影响。

(5) 峭度

其中, σx为振动信号的标准差。

实际计算公式

峭度是四阶统计量, 由于轴承上的振动信号中混有很大噪声, 故障信号与噪声不易区分。峭度把幅值四次方处理, 高的幅值被特别突出出来, 低的幅值被抑制, 这样就可以在混有噪声的脉冲调制信号中把反映故障特征信息的脉冲提取出来。但由于其对大幅值比较敏感, 稳定性不好。

考虑到上述参数的原理和特点, 为了能够全面地刻画轴承的故障状态, 本文选取有效值、峰值、峭度三个特征进行联合分析。

3. 支持向量数据描述 (SVDD)

在得到一系列的参数后, 待解决的问题就是采用什么样的后续分析方法来分析这些参数, 使之应用于轴承的状态评估。首先, 这一方法要能够处理多参数问题;其次, 这一方法要能够基于已有的多参数样本做出判决, 给出轴承是否异常的结论。针对这样的需求, 本文采用统计模式识别领域的支持向量数据描述 (SVDD) 技术作为进一步的分析处理工具。

将从一个振动信号中提取的上述参数组成一个向量V= (v1, v2, v3) , 由向量V组成的空间称为输入空间, 可以通过映射函数Φ (V) 将其映射入特征空间, 其中V的三个元素分别为有效值、峰值指标、峭度;如果测量到了l组振动信号, 则可以计算得到由向量V的不同取值组成的样本:{V1, V2, V3, …Vl}。可以合理地假定, 滚动轴承的不同运行状态, 对应着向量空间中的不同区域, SVDD正是利用模式识别原理和最优化技术将这些异常区域与正常区域以一定方式区分开来的工具。

SVDD的原理可以简述为:在待检测对象特征空间 (Φ (V) 空间) 的样本中, 按照一定的最优化规则, 找出限数目的样本作为支持向量 (Support Vetors) ;这些支持向量组成的最小闭超球体包围的范围即为正常范围, 最优化得到的判别准则可以使异常样本与闭球内的样本区分开。

基于SVDD的异常检测问题, 可以最终转化为在映射控件中寻找满足一定条件的最优特征向量的问题, 并最终归结为如下最优化问题:

利用核函数技巧, 映射函数内积运算可以用核函数代替, K (x, y) =<Φ (x) , Φ (y) >, 其中核函数通常可以取高斯函数K (x, y) =exp (-x-y 2) /b2, b为尺度参数。最后, SVDD技术得到的异常检测判别式为

其中, R为最小闭球体的半径, 向量事先进行了2范数归一化, 使得 (12) 中的非线性函数大于零的样本可以视为正常轴承的样本, 否则视为异常样本。该二元分类问题可以推广到多分类问题。

4. 滚动轴承状态评估的实验研究

本文采用美国辛辛那提大学IMS实验室公开的滚动轴承全生命周期实验数据验证上述方法的有效性;该实验数据为安装在轴承座上的加速度传感器以20 480Hz采样频率采集到的振动信号, 每组信号采样点数20 480点, 两组信号采集间隔10min;前80h轴承运行良好, 80h后轴承产生磨损, 约115h时轴承磨损加剧, 约160h后轴承完全损坏。

图1为从共计982组振动信号中计算出的各种参数随时间的变化曲线, 从中可以看出有效值、峰值、均值、峭度四个指标的变化最为显著。但同时应该注意到, 轴承完全磨损后各个参数值反而下降。

图2为选取有效值、峰值、峭度三个参数进行联合分析的情况, 进行联合分析比单个参数单一分析更清晰地显示出轴承状态的变化过程。

图3为用前80h的数据作为正常样本, 选取有效值、峰值、峭度三个参数训练SVDD判决器后, 再用少量80h后的数据作为异常样本进行检验的效果。从图3中可以看到, 判决器成功地判别出了异常样本, 即成功地自动识别了轴承的异常状态。图3中的三维图底部的等高线图显示了被检验的样本与正常工况间的差异程度, 轴承损坏越严重样本就偏离等高线中心越远。基于此原则, 可以进行轴承状态的定量判别。

图4与图3的实验过程类似, 不同的是仅选择了峭度、峰值两个参数进行训练和检验。从图4中可以看出, SVDD也能够成功判别轴承异常工作状态, 左下角包围的封闭范围表示轴承处于正常工况, 被检验数据偏离该范围越远轴承的损坏也越严重。

5. 结论

利用多参数联合分析可以更加有效地对滚动轴承运行状态进行评估, 相对于单参数分析其优点是可以综合各个参数的优势;当轴承发生异常而单一参数未明确反映时, 多参数联合分析有可能反映其异常。利用SVDD技术, 既可以综合各个参数进行分析, 又解决了判决标准问题。即使用正常运行样本训练得到SVDD的正常范围之后, 偏离该范围的即为异常, 偏离越远, 故障越严重。多参数联合分析和SVDD技术, 可以对滚动轴承的灵活、准确的状态评估提供有效的支持。

摘要：综合了滚动轴承振动信号的峭度、有效值、峰值三个参数, 并用支持向量数据描述 (SVDD) 技术对振动信号进行联合多参数分析, 对滚动轴承的运行状态进行评估。实验数据表明, 此方法能够有效地判决滚动轴承是否异常, 并能够度量异常程度。

关键词：滚动轴承,状态评估,多参数联合分析,支持向量数据描述 (SVDD)

参考文献

[1]沈庆根, 郑水英.设备故障诊断[M].北京:化学工业出版社, 2006.

[2]孔亚林.基于振动信号的滚动轴承故障诊断方法研究[D].大连理工大学, 2006.

[3]程光友.时域指标在滚动轴承故障诊断中的应用[J].中国设备工程, 2005 (12) :34-35.

[4]崔硕.时域指标在滚动轴承故障诊断中的应用[J].机械工程与自动化, 2008 (1) :101-102.

多参数数据采集 篇4

1.多参数水质分析仪的氧气校准是百分含量的两点直线方程，其中百分含量是参考值，限定零浓度点的响应百分值，0.1%>响应值>5%；不限定满度点的响应百分值，但校准时将小于或大于100%的响应百分值重置为100%；校准曲线中，零浓度点0.00mg/L氧对应值为5-25uA电流，满度浓度点8.65mg/L氧对应值为860-1200uA电流。

2.多参数水质分析仪的氧气校准是浓度含量的两点直线方程，浓度点为4-50mg/L的多点校准曲线。

3.配制零浓度点溶液，以所测百分含量大于0.1%而小于5%的亚硫酸钠溶液为宜，也可以参考百分含量的响应时间，如果不是缓慢的从0.5%-0.4%-0.3%-0.2%-0.1%-0.0%而直接到达0.0%，可以确定该零浓度点溶液已大大的超出了曲线范围，应重新配制更低浓度的亚硫酸溶液作为零浓度点校准溶液。

4.也可以配制4mol/L（298g/L）的经超声波除氧后的氯化钾溶液作为零浓度点溶液，以纯净水为恢复响

应速度的清洗剂，反复多次的校准溶解氧电极。

5.50%甲醇溶液浓度为21.9mg/L.6.百分含量为两点校准，0.0%、100.0%；浓度含量校准从4.00mg/L-50.0mg/L的多点校准。

7.不能使用大于2%的亚硫酸钠溶液或纯氮气校准做0.0%的零浓度点校准，应从低浓度到高浓度使用

0.2-1.5%的亚硫酸钠溶液且百分含量大于0.1%的溶液校准多次进行校准。

8.百分含量大于5%的零浓度点溶液不能校准0.0%，大于2%的亚硫酸钠溶液使用使电流值偏大，从而使

低浓度的样品测试结果偏小；由此可知，使用亚硫酸钠溶液作为零浓度点的校准液，根据其浓度会有一个U型的电流响应值，校准时应努力寻找该U型的最低点或偏右的低浓度的亚硫酸钠溶液作为校准液。

9.与溶解氧仪作比对校准和测试，确定仪器的响应时间，响应时间应小于3min，与化学测试方法比对可

以验证准确度。

10.没有电极的电流值高于有电极的电流值。

11.用哈纳原装的内充液，应注意有效期，如测定结果不稳定，则可能该内充液已失效；可以使用其它公

多参数数据采集 篇5

旋转机械在工业领域中的使用十分广泛, 振动故障是旋转机械各类故障中出现频次较高, 后果较为严重的类型之一。在旋转机械振动信号的各类参数图形中, 存在着大量反映设备运行状态的信息, 如二维幅频或相频特性曲线、小波图、趋势图、三维谱图、三维阶比图等。通过分析图形信息实现对旋转机械的状态监测是目前该领域的研究热点[1,2,3,4]。

在旋转机械故障诊断中, 振动信号参数图形的有用信息没有得到很好的利用, 这主要是由于施工环境较为复杂, 噪声干扰严重, 参数图形的边缘特征提取困难所致。数学形态学的主要研究对象是图像的形态特征, 此类特征可通过某种结构元素的形态与图像相应形态的对比方式来确定, 以此完成对图像的分析、滤波、识别、边缘检测、分割和重建等处理过程[5]。使用数学形态学相关方法分析处理旋转机械振动信号参数图形时, 可通过调节结构元素尺度来剔除环境噪声等干扰信息, 有效提取参数图形的边缘特征, 为进一步的故障诊断扫清障碍。

为此, 本文在文献[1]实验的基础上, 根据数学形态学Top-Hat变换和Bottom-Hat变换理论, 对旋转机械振动信号参数图形进行多尺度滤波增强处理;通过多结构元边缘检测方法对滤波处理后的旋转机械参数图形进行边缘检测。

1 数学形态学的基本原理

数学形态学的基本原理是通过一整套的变换来描述图像的基本特征和结构。数学形态学最基本的2种变换是腐蚀和膨胀, 其他变换都是由这2种变换的组合来定义的[6]。

1.1 形态学腐蚀运算、膨胀运算

设A为待处理的灰度图像, B为结构元素, 则结构元素B关于图像A的腐蚀与膨胀运算定义为

其中, DA和DB分别是A和B的定义域, 位移参数则必须包含在灰度图像A的定义域内。

腐蚀运算可以消除图形中的小成分, 可从内部对图形进行滤波;膨胀运算可以填充图形边缘处小的凹陷部分以及图形中比结构元素小的孔洞, 可从外部对图形进行滤波[7]。

1.2 形态学开运算、闭运算

形态学开运算、闭运算分别定义为

开运算在纤细处分离物体和平滑较大物体边界, 具有消除散点、毛刺和小桥等细小物体的作用;闭运算连接两个邻近的区域和平滑边界, 具有填充物体内细小孔洞的作用[8]。

1.3 形态学变换

形态学Top-Hat变换是对灰度图像做减去其开运算结果处理, 该变换可以提取亮度较高的背景中的较暗区域;形态学Bottom-Hat变换是对灰度图像的闭运算结果做减去原始图像处理, 该变换可提取亮度较低的背景中的较亮区域。形态学变换可用来提取目标图像中尺度小于结构元素的峰值和谷值[9]。

Top-Hat变换定义为

Bottom-Hat变换定义为

2 多尺度滤波增强处理

形态学腐蚀、膨胀、开、闭4种运算中的1种或2种串联或并联的组合就是形态学滤波运算。多尺度形态学滤波增强处理是通过不同尺寸的结构元素多次对图像进行滤波的, 其中多尺度开闭滤波在消除噪声、保持图像细节和提高信噪比等方面优于多尺度腐蚀膨胀滤波, 从而在一定程度上优化了灰度图像的有用信息, 令后续边缘检测结果更加真实可靠, 因此在形态学滤波中应用较多。

多尺度结构元素定义为

其中, B为十字形3×3结构元素, n为滤波尺度, 式 (7) 含义即为大尺度结构元素由小尺度结构元素多次膨胀得到。

为了得到足够平滑的图像, 本文采用最大尺度的结构元素Bn对图像进行多尺度开闭滤波增强处理, 其表达式为

其中, 权值ω对最后的滤波增强结果有较大影响, 一般取为0.5, 本文根据滤波增强处理结果的优劣, 取0.3。

图像经过多尺度开闭滤波增强处理后得到足够平滑的低频图像, 为获得更全面的有用信息, 还需提取图像的高频细节信息。在多尺度滤波增强处理方法中, 由于噪声在经小尺度结构元素处理的图像中出现几率较大, 并且随着尺度的增加其影响逐渐消失[10], 故本文选用带有修正系数的Top-Hat变换 (FT (i) ) 和Bottom-Hat变换 (FB (i) ) 来提取图像的高频细节信息。为减小噪声对图像的影响, 修正系数设定为公比为0.5的等比数列, 此过程完成了不同尺度间小尺度图像特征的平滑处理, 具体的表达式如下:

由多尺度开闭滤波增强处理的图像最终由三部分组成:第一部分是图像经最大尺度结构元素开闭滤波增强以后生成的低频平滑图像, 该部分包含图像中的大尺度图像信息;第二部分是提取比该滤波增强尺度还小的亮点图像高频特征;第三部分是提取比该滤波增强尺度还小的暗点图像高频特征。至此, 一幅灰度图像经多尺度滤波增强处理后生成的图像为[11]

3 多结构元边缘检测算子

在图像边缘检测处理中存在着多种梯度, 若在某一像素点处梯度值大, 则表示在该像素点处图像的灰度值变化迅速, 从而认定该点可能是图像的边缘点。数学形态学边缘检测方法主要是利用形态学梯度来完成图像的边缘检测。若将数学形态学的腐蚀、膨胀、开、闭等基本运算用于图像处理, 可构造出合适的形态学梯度算子 (经典边缘检测算子) 用于图像的边缘检测[12]。

腐蚀型边缘检测算子:

膨胀型边缘检测算子:

膨胀腐蚀型边缘检测算子:

上述3种形态学边缘检测算子是一种非线性的差分算子, 这些算子容易实现, 在实际中有一定的应用。但是, 这些算子对噪声都很敏感, 不能在保持较高检测精度的同时又不损失抗噪性能。由于旋转机械振动信号中普遍存在噪声, 虽然已经过多尺度滤波增强处理, 但仍有少量残留, 而且噪声信号和参数图形的边缘又均为频域中的高频分量, 因此, 为了更好地提取旋转机械振动信号参数图形的边缘特征, 应选择抗噪性能优于经典边缘检测算子的方法对参数图形进行边缘检测。根据腐蚀、膨胀、开、闭4种运算抑制噪声的相关特性, 本文对式 (12) ~式 (14) 做如下改进。

抗噪腐蚀型边缘检测算子:

抗噪膨胀型边缘检测算子:

抗噪膨胀腐蚀型边缘检测算子:

数学形态学边缘检测方法不仅与所使用的边缘检测算子有关, 还与结构元素自身特点密切相关, 如大小、方向、形状等。在边缘检测过程中, 不同结构元素对图像不同边缘细节信息的敏感性各不相同, 一种结构元素只能提取图像的一种边缘信息, 这不利于保持图像边缘的有用信息。因此, 应尽量选用具有不同特征的结构元素对图像进行边缘检测, 让每个结构元素都发挥作用, 提取出具有其自身特征的边缘信息, 这样可以充分保持图像的各种边缘信息, 达到既能检测出图像的各种边缘纹理, 又能抑制噪声的目的[13]。本文利用抗噪膨胀腐蚀型边缘检测算子 (式 (17) ) 构造多结构元边缘检测算子, 其表达式如下:

其中, B1、B2、B3为结构元素, 尺寸固定不变 (3×3正方形) , B1, B2可取为同一种结构元素, 也可取为不同的结构元素。

4 多尺度多结构元边缘检测仿真

为验证多尺度多结构元边缘检测方法的正确性与有效性, 本文选取结构元素B1=[1 2 1;2 62;1 2 1], B2=[0 1 0;1 1 1;0 1 0], B3=[1 0 1;0 1 0;1 0 1], 对含有5%椒盐噪声的Lenna灰度图像进行多尺度多结构元边缘检测, 其中多尺度滤波增强处理使用结构元素B1作为初始结构元素, 滤波尺度n取4, 多结构元边缘检测算子使用结构元素B1、B2、B3进行检测。图1a为原始灰度图像, 图1b为边缘检测结果。从图中可以看出:多尺度多结构元边缘检测方法滤除了Lenna图像中的椒盐噪声, 检测出的图像边缘轮廓清晰、纹理明确, 信噪比有所提高。该方法边缘检测效果优于经典边缘检测算子边缘检测效果, 更适用于含有噪声污染图像的边缘检测。

5 旋转机械参数图形边缘检测实例

5.1 实验

旋转机械故障模拟实验在600MW超临界汽轮发电机组轴系试验台上完成, 分别进行了转子正常、转子不对中和轴承松动故障的实验。试验台主要包括5个部分, 即发电机组轴系、润滑系统、动力系统、供气系统和信号采集分析系统。其中发电机组轴系由9个轴承5跨组成;润滑系统用独立的油路系统对各个轴承供油, 每个轴承座均安装BENTLY3000 XL8 mm电涡流传感器, 输出为7.87V/mm;动力装置采用55k W变频电机经过FRENIC变频器输出转速和功率, 并采用HG0G-C2型变速箱, 试验台详细结构布置如图2所示。在实验过程中, 采样时间为0.64s, 采样频率为转速的32倍, 实验时转子最高工作转速为3200r/min, 采集的信号经A/D卡传送到计算机, 为后续的数据分析做准备[7]。

实验中对转子正常、转子不对中及轴承松动故障, 每种采集40个启停机样本, 共计120个。首先将每个原始振动信号的采集样本进行处理, 生成各自的振动三维谱图, 如图3所示。

5.2 多尺度多结构元边缘检测

根据三维谱图倍频特征明显的特点, 将频率作为横轴, 转速作为纵轴, 像素点灰度值作为该转速下、该频率下幅值的大小, 将其转化为二维灰度图形, 结果如图4所示。灰度图中明显的竖线为倍频线, 与三维谱图中的倍频线相对应。

为了有效地提取旋转机械振动信号参数图形的边缘特征, 本文对图4各种状态下的参数图形进行量化、直方图均衡化等预处理, 选取结构元素B4=[1 3 1;3 5 3;1 3 1], B5=[0 1 0;1 1 1;0 10], B6=[1 0 1;0 1 0;1 0 1], 应用上述多尺度多结构元边缘检测方法对其进行边缘检测。其中多尺度滤波增强处理使用结构元素B4作为初始结构元素, 滤波尺度n取4;多结构元边缘检测算子使用结构元素B4、B5、B6进行检测, 最终的多尺度多结构元边缘检测结果如图5所示。从图5可以看出:旋转机械振动信号参数图形经多尺度多结构元边缘检测处理后, 噪点大幅降低, 环境污染噪声基本被滤除干净, 有用信息得到保持的同时信噪比大幅提高, 边缘鲜明, 轮廓清晰, 充分保持了图形的细节特征。至此已说明多尺度多结构元边缘检测方法能够有效地提取旋转机械振动信号参数图形的边缘特征, 具有较强的抗噪声干扰能力, 适合在环境比较复杂、噪声污染较为严重的情况下对旋转机械实施状态监测。

6 结论

(1) 依据数学形态学多尺度图形处理方法, 结合Top-Hat变换和Bottom-Hat变换处理方法, 选取合适的结构元素, 在对旋转机械振动信号参数图形进行有效滤波的同时, 可以保持图形的高频细节特征, 增强参数图形的有用信息, 提高参数图形的信噪比。

(2) 运用多结构元边缘检测算子检测旋转机械振动信号参数图形的边缘, 能够有效剔除多尺度滤波增强处理过程残留的噪点信息, 提取的参数图形边缘特征质量较高。

(3) 在实际应用中, 结合旋转机械振动信号参数图形及其噪声的特点, 多尺度多结构元边缘检测方法可以较好地解决边缘检测精度与抗噪声性能的协调问题, 为基于振动三维图形的旋转机械故障诊断奠定基础。

多参数桥梁振动监测系统设计 篇6

1 系统设计

如图1所示为多参数桥梁预警系统的设计框图。被监测的桥梁上挂接着多种不同类型的监测传感器节点,主要有温湿度检测节点、风速风向检测节点和XY双轴振动监测节点。不同类型的监测节点,采用统一地址编码的方式,将采样到的传感器信息通过高速CAN总线[2]发送到本地计算机上。系统采用了ATOM凌动处理器的便携式低功耗移动平台计算机,其体积小巧,功耗低,在关闭液晶显示器时,最低功耗不到1 W,而总体积比一个公文包小,且采用直流电压供电,因此本系统将该计算机平台放置在监测本地,与桥梁的距离通常在300 m以内,在此距离内CAN总线的最高数据传输速率可达125 kb/s,可连接足够数量的监测节点。本地计算机将每分钟采集到的所有传感器节点的参数信息压缩打包后通过GPRS模块发送到远程服务器端,并在服务器端完成数据解释、存盘等工作。由于本地监测系统是一个独立系统,因此采用了大容量的铅酸蓄电池作为供电能源,当天气良好时,太阳能电池板工作,并经由太阳能调压充电器对铅酸蓄电池充电,保证系统长时间的工作。

2 XY双轴振动监测节点设计

2.1 传感器选择与前端调理电路设计

振动传感器[3]是用于检测冲击力或者加速度的传感器,通常使用的是加上应力就会产生电荷的压电器件。目前应用于桥梁振动监测的加速度传感器大多采用动圈式机械传感器,通过磁铁切割磁力线得到感生电动势从而反映加速度的变化,其体积较大,高频特性不好,频带内的增益平坦度差,因此本系统采用了ADI公司的双轴加速度计。ADXL203[4]典型测量范围在±1.7 g,该加速计既可测量静态的也可测量动态的加速度,可承受3 500 g极限加速度。其下拉电流小于700μA,灵敏度达到1 000 m V/g。该加速计在-40℃~125℃温度范围内,具有±0.3%的温度灵敏性;±25 mg的零点偏移精度;在小于60 Hz的带宽下具有解决小于1 mg的解决方案(0.06°倾斜)以及优于0.1 mg/℃的稳定性。加速计ADXL203的内部电阻RFILT的标称值为32 kΩ,而其实际阻值可在14 kΩ~40 kΩ间选择,通过选择合适的XO、YO引脚的输出电容值,可降低传感器输出噪声,本文所设计的传感器信号频率上限为100 Hz,因此选择0.01μF的电容,该电容与ADXL203的内部电阻RFILT构成低通滤波器。由于ADXL203XL在加速度为0 g时,输出电压为2.5 V,实际的传感器是竖直安装,因此Y轴方向上就存在一个固有的1 g的加速度,则YO引脚输出电压为3.5 V。由于本系统只关心桥梁的振动情况,即加速度的变化情况,故设计了如图2所示的交流放大偏置电路。ADXL203输出的加速度信号,经过输出电容滤波后,再由电容C7与C21耦合后得到交流加速度信号,该信号经过精密双运放OPA2277UA组成的加法放大电路得到直流偏移电压为2.5 V的共模信号。经过上述电路就消除了传感器安装时导致的X、Y两轴的信号直流电压差异,得到两路共模电压为2.5V的信号,并送入后级ADC电路。图2中的VREF为来自高稳定度精密基准源REF192GS的基准信号,其典型温度系数为3 ppm/℃。

2.2 双24位ADC同步采样设计

为了保证X、Y双轴信号的严格同步采样,以及采样周期的准确性,采用模拟开关切换的方式显然不可行。本文采用了两片高精度24位分辨率的模数转换器AD7714,使用其同步功能,同时采样X轴与Y轴的加速度信号。AD7714[5]是美国ADI公司推出的一种高分辨率24位模数转换器件。由于AD7714采用了Σ-△转换技术,使其拥有小于150 n Vrms的低噪声,适用于宽动态范围、低频信号的模拟前端测量。器件可以被配置为3个完整的差分输入或者5个准差分输入,采用3 V或5 V供电可以很容易地实现多达5个通道的信号调理和转换,其最高数据输出速率为1 k Hz。

AD7714是一个完整的用于低频测量应用场合的模拟前端。它的3线串行接口与SPI、QSPI、MICROWEIR兼容。通过软件可对增益设定、信号极性和通道选择作出配置。AD7714的主要特点如下:

(1)最高可实现24 bit无误码输出,同时保证0.001 5%的非线性度;

(2)具有前端增益可编程放大器,增益值为1~128,内含可编程低通滤波器和可读写系统校准系数;

(3)有5通道输入,可根据需要采用3路差分输入或5路准差分输入;

(4)低噪声(<150 n V rms);

(5)低功耗,典型电流值为226μA(省电模式仅为4μA);

(6)采用单5 V供电(AD7714-5)或单3 V供电(AD7714-3)方式。

在图3中,U2、U4的同步信号引脚相连,U2的MCKOUT引脚连接到U4的MCKIN。当两片AD7714上电并被成功初始化后,控制器施加给两片AD7714共同的同步信号;当两片AD7714接收到同步信号后,将复位片内的数字滤波器、寄存器、模拟调制器等处于复位状态;一旦同步信号结束则立即开始正常工作。由于两片AD7714共用一个晶体振荡器信号,因此两片AD7714的片内工作时序是完全相同的,也就保证了数据准备就绪中断引脚DRDY的状态是完全一致的,两片AD7714严格同步。

2.3 CAN通信接口设计

本文采用STM32系列的Cortex-M3内核控制器,其片内自带了满足CAN2.0A与CAN2.0B协议的硬件通信接口,并使用CTM8251AT隔离型CAN收发模块完成了CAN总线的高速数据通信功能。以下为CAN波特率的计算:

由于CAN是挂接在APB1总线上,因此采用时钟PCLK1,当PCLK1=72 MHz时,波特率为=72/9/16=0.5 MHz,CAN_Prescaler的预分频值为1~1024。

在进行CAN组网布线时,需要注意的是,在中远距离应采用120Ω特征阻抗双绞线,通信距离大于600 m以上,选用线径大于0.75 mm2的电缆,超远距离线径应大于1.5 mm2。而且CAN总线的通信速率是随着通信距离的增大而降低的,通常在1 km时,最高波特率为35 kb/s,2 km时为18 kb/s,当距离大于5 km则必须增加CAN中继器,否则无法正常通信。

3 实测数据

如图4为桥梁振动系统实测得到的纵向垂直振动加速度信号。本系统中还采用了DHT22型号的温湿度检测模块与PH100SX型风速风向传感器,这两类传感器和输出都是数字信号,接口设计简单,限于篇幅不再赘述。本系统的实际指标如下:

在线调节传感器采样率范围为1~100 Hz;

在线调节传感器放大倍数为1,2,4,8,16,32,64,128;

加速度测量范围为0~±1.7g,最大灵敏度为1 mg;

加速度数据非线性度小于0.5%;

严格同步双轴振动数据测量;

单路CAN最大节点数为60,CAN组网可达600个节点以上。

本文所研制的多参数桥梁振动监测系统能够实现长时间无人值守的实时双轴振动信号采集、温湿度采集以及风速风向测量等功能。监控中心通过GPRS网络获取各监控桥梁的状态信息,并自动根据桥梁状态信号实时报警。该系统还可以应用于大型建筑体,拦河大坝等大型结构体的远程健康状态监控。

摘要：针对远程桥梁振动监测的要求,采用交流偏置电路与双路AD7714模数转换器实现ADXL203的双轴高精度同步振动加速度测量,并实现了温湿度与风速风向测量。使用低功耗便携式计算平台构建CAN总线监测网络,通过GPRS网络将桥梁状态信息发送到监控中心,实现远程多桥梁多参数监测系统。

关键词：桥梁监测,振动加速度测量,CAN总线,同步ADC采样

参考文献

[1]高占凤,杜彦良,苏木标.桥梁振动状态远程监控系统研究[J].北京交通大学学报,2007,31(4):45-48.

[2]杜辉.基于CAN总线的矿井通风监测系统[J].计算机工程与设计,2009(15):3565-3567.

[3]杨海艳,孟彦京,李伟冰,等.振动传感器特性及其在风力发电机中的应用[J].传感器世界,2009(2):27-31.

[4]鹿麟,林凌,李刚.ADXL203型双轴加速计在倾斜度测量中的应用[J].国外电子元器件,2007(7):61-64.

浅谈多参数监护仪故障维修 篇7

故障一:监护仪显示屏故障。

一种情况, 开机显示屏显示正常, 但亮度太暗。遇到这种情况可以判定液晶显示屏的背光管故障老化或损坏。用电烙铁焊下后换上同种型号、长度的背光管, 故障解决;另一种情况显示器白屏说明显示屏有供电, 但无主控板的显示信号输入。可在机器后面的VGA输出口外接显示器, 若输出正常, 可能是屏坏或屏到主控板连线接触不良;若VGA无输出, 则是主控板故障。

故障二:无创血压故障。

充气无法达到设定的压力值或者压力值无法维持, 并报“袖带太松或者袖带漏气”首先排除外置血压管和血压袖带漏气。启动血压, 在血压充气过程中, 取下血压管并用手指堵住血压的出气口, 发现血压气泵还是继续工作。怀疑血压泵和电磁阀或者内部管路存在漏气。首先排除气泵, 取下气泵, 直接给气泵直流, 接上血压袖带, 发现袖带的压力正常, 排除了气泵漏气。内部是使用的透明硅胶软管, 如果有异常通常用肉眼就可以观察到。维修重点放在电磁阀上面了, 整个NIBP模块包括有一个快放阀和一个慢放阀。首先用万用表测得给电磁阀的电压值, 供电正常, 并且能听到啪啪声, 电磁阀已经工作了。测量电磁阀的电阻, 两个电阻差不多。我们发现电磁阀内部的弹片上面的泄气气是由一个阀门个一块软硅胶片组成, 发现硅胶片上有脏东西。怀疑是脏物导致阀门不能完全闭合而漏气, 用棉签沾酒精小心擦拭干净后装机使用, 机器血压完全正常。监护仪中的无创血压是各个参数中间使用频率最高的, 因为是机械和电子的结合, 很多情况可以使模块中间的机械部分工作产生变化。

故障三:显示“导联脱落”故障。

首先检查患者身上心电的电极粘贴是否粘贴牢固, 检查心电导联线的钮扣电极, 是否与病人接触良好。然后在确认心电极片贴放位置及质量无问题的情况下, 将此心电导联线与其它机器上的互换, 以确定是否心电导联线故障;如果心电导联线故障, 则用万用表测出开路的电极, 一般开路点多在导联线的连接部分, 用焊铁焊接牢固, 一般即可解决。排除心电导联线和病人心电极故障后, 用心电模拟信号发生器代替病人, 看此时屏幕上是否有心电模拟信号, 如果没有, 可能是参数插座板上的“心电信号线”接触不好, 或心电板、心电板与主控板连接线故障, 最后的原因是主控板故障, 只能维修或更换主控板。

故障四:血氧饱和度显示“探头脱落”。

将手指放入传感器后, 监护仪屏幕上“探头脱落”提示不消失, 初步判断是血氧探头故障, 采用替代法用一完好氧探头接到主机上后测量正常。说明主机工作正常。该探头传感器是由发射和接收组成, 发射器件用波长分别为660nm的红光和960nm的红外光反极性并联, 接收用PIN型光敏二极管。发射端电阻正向电阻应为1.5kΩ, 反向应为1.1kΩ, 接收端正向应为560Ω, 反向应为无穷大。打开探头接口处测量发现接收端电阻的正反向电阻都为无穷大。说明接收端的连线有问题, 在接头处发现断点, 重新连接后, 探头恢复正常。

故障五:呼吸率故障。

显示呼吸率数值有误, 常是零。呼吸率检测方法较多, 最常用的是阻抗呼吸描记法, 该方法通过两个心电图的电极为检测点, 让恒定的低电流高频信号通过胸壁两壁上的检测点, 肺部的阻抗随着呼吸频率而变化, 阻抗的变化使得输出信号电压变化, 这样就检测得到呼吸的波形和数字。另一种较常见的是热敏电阻检测法, 该方法将热敏电阻放在鼻或嘴附近以检测吸气和呼气的温度变化。温度的改变使热敏电阻阻抗改变, 得到一个随呼吸变化而改变的电信号辅出。其它方法有, 感应体积描记术, 采用连接在胸壁上的脉冲转发器产生和检测电磁场中的变化;压力检测法, 将压力敏感胶囊放在腹部以检测由呼吸引起的体表活动。使用阻抗呼吸描记法时, 最重要的是选择好检测点, 使在呼吸过程中二检测点之间的阻抗变化率达到最大值。若二电极相近, 呼吸量小, 阻抗变化很小, 电压值的变化小, 显示呼吸波形近似呼吸, 若鼻夹不紧产生漏气, 呼出的气体未从热敏电阻通过, 测的呼吸有误。长期监护病人不舒服。排除方法:按正确操作方法执行, 选择检测点或放置好热敏电阻以免外界空气干扰。

以上所述只是临床上最常有的监护参数和最常见的故障现象分析, 另外其它不经常使用的监护参数或电路故障末做分析。仅供大家参考。

参考文献

[1]吕文标, 等.多参数监护仪测量原理及使用[J].医疗设备信息, 2001 (5) :21.

[2]姜远海, 等.临床医学工程技术[M].北京:科学出版社, 2002.

多参数监护仪的质量检测 篇8

1 监护仪的质量检测

多参数监护仪的检测主要有性能检测和电气安全检测。

1.1 检测设备

我院购进美国Fluke公司生产的Pro Sim8型生命体征模拟器和ESA612型电气安全分析仪,可以分别对多参数监护仪性能和电气安全进行检测。

1.2 监护仪的性能检测

监护仪技术参数众多,标准6参数为心电图、呼吸、无创血压、血氧饱和度、脉搏、体温,此外可选的参数为有创血压、呼吸末二氧化碳、麻醉气体、心输出量(有创和无创)、脑电双频指数(BIS)等。在实际工作中如对其全部参数进行检测,常常是不实际的。决定多参数监护仪性能的核心参数及其在临床中使用的常规参数是心电图、呼吸、无创血压及血氧饱和度这4类参数,因此可以认为对这4类参数进行测试,就可以判断监护仪的性能状况。另外还要对监护仪进行声光报警检测、上下限报警检测、静音功能检测等性能检测。

1.2.1 监护仪的外观检查

首先查看监护仪的铭牌信息,应标有:仪器名称、制造厂家、型号、出厂编号、生产日期等信息,然后查看外壳是否破损,最后查看开关、按键、旋钮触摸屏等是否可以正常对监护仪相关参数进行设置。

1.2.2 心电检测

连接好模拟仪与监护仪,设置监护仪上的心率来源为心电,依次检测临床常用心率信号30,60,100,120,180次/min等的示值,观察监护仪上显示的波形是否与模拟器显示的波形一致,记录下实测心率数值并计算误差。

误差=(实测值-标准值)/标准值×100%

另外可以通过设置模拟器产生心动过速、室颤等心律失常信号,查看监护仪有无心律失常显示及声光报警来检测监护仪的心律失常功能。

1.2.3 呼吸频率检测

连接好模拟仪与监护仪,设置模拟仪产生的呼吸频率15,20,40,60,80等示值并记录下实测呼吸频率值并计算误差。

误差=(实测值-标准值)/标准值×100%

注意:如果监护仪上没有呼吸频率示值,则按“SPECIAL FUNC”键选择呼吸选项,设置呼吸频率检测的导联(“LA/LL”),即可正常显示。

1.2.4 无创血压检测

连接好模拟仪与监护仪的血压管路(不同型号的监护仪需要选择相应连接管接头),依次设置60/30(40)mm Hg、80/50(60)mm Hg、100/65(76)mm Hg、120/80(93)mm Hg、150/100(116)mm Hg等不同的压力值,然后进行检测,并记录下实测无创血压值并计算误差。误差=(实测值-标准值)/标准值×100%。

1.2.5 血氧饱和度检测

将Pro Sim SPOT血氧饱和度检测仪连接在Pro Sim8型生命体征模拟器上,把监护仪血氧饱和度探头夹在血氧饱和度检测仪上,不同品牌厂家使用的血氧探头参数不一样,需要选择恰当的探头类型(Nellor、Masimo、Philips、Mindray等),再设置血氧饱和度数值,分别为85%、88%、90%、98%、100%,并记录下实测血氧饱和度值并计算误差。误差=(实测值-标准值)/标准值×100%。

1.3 监护仪的电气安全检测

根据GB9706.1-2007《医用电气设备第一部分:安全通用要求》,监护仪的电气安全级别最高,其应用部分CF型(预期直接作用于心脏),血压、呼吸部分为B型应用部分。监护仪的电气安全非常重要,直接关系到患者和医护人员的生命安全,因此定期对监护仪进行电气安全检测可有效地防止安全事故的发生。

1.3.1 电源电压

监护仪电源电压正常应为交流220 V,对于使用稳压电源或UPS供电的监护仪,可以直接对稳压电源或UPS输出的电压进行测量,如果发现电源电压不在正常范围、火线零线接反、地线断开等要及时维修电源[2]。

1.3.2 保护接地阻抗

用电气安全分析仪测试表笔连接被检测监护仪保护接地,检测前先按“Zero Leads”键进行电阻清零后进行保护接地阻抗测量,其测量结果应不大于200 mΩ。

1.3.3 绝缘阻抗(电源一地、应用部分一地)

绝缘阻抗检测是对被测监护仪施加最高500 V电压,检测绝缘部分之间的漏电流,来测试在规定时间内监护仪的绝缘性能。

用电气安全分析仪测试表笔连接被测试监护仪表面的金属部分或用监护仪的导联线连接到电气安全分析仪的ECG接头上,按“MΩ”键,进行绝缘阻抗(电源-地)或者绝缘阻抗(应用部分-地)的测试。

1.3.4 对地漏电流

对地漏电流是指由网电源部分穿过或跨过绝缘流入保护接地导线的电流(保护接地是把仪器的外壳进行接地以防止电击的一种保护方法),如果对地漏电流过大,表明设备内部绝缘部分破损,存在安全隐患。

连接好电气安全分析仪和监护仪的电源线,按“μA”键,选择“Earth”进行测量,对地漏电流检测。这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向”这4种情况的数据。

1.3.5 外壳漏电流

外壳漏电流是指正常使用时医护人员或患者可能触及的外壳或外壳部件(应用部分除外),经外部导电连接而不是保护接地导线流入大地或外壳其他部分的电流。外壳漏电流中测量的是监护仪外壳经由人体导出的电流。若外壳漏电流过大,当医护人员或患者接触到监护仪外壳时,就会有过多的电流通过人体,引起电击事故。

用电气安全分析仪测试表笔连接被测试监护仪表面的裸露金属部分,按“μA”键,选择“Enclousure”进行测量,这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向、断开一根地线、断开一根地线电源反向”这6种情况的数据。

1.3.6 患者漏电流

患者漏电流是指从应用部分经患者流入地的电流。或是由于在患者身上意外出现一个来自外部电源的电压而从患者经F型应用部分流入地的电流。由于患者经应用部分与设备直接相连,如果漏电流超标,极易对患者造成伤害。

用监护仪的应用部分(心电导联线)连接到电气安全分析仪的ECG接头上,按“μA”键,选择“Patient Auxiliany”,通过按方向键选择导联,进行测试。这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向、断开一根地线、断开一根地线电源反向”这六种情况的数据。

1.3.7 患者辅助漏电流

患者辅助漏电流是指正常使用时,流入处于应用部分之间的患者的电流,此电流预期不产生生理效应。

用监护仪的应用部分(心电导联线)连接到电气安全分析仪的ECG接头上,按“μA”键,按“MORE”再按“Select”进入患者辅助漏电流检测,选择“Patient”,通过按方向键选择导联组合或单个导联,进行测试。这项检测需要测试“电源正常状态,正常状态电源反向,断开一根电源线,断开一根电源线电源反向,断开一根地线,断开一根地线电源反向”这6种情况的数据。

2 检测后的处理

通过对监护仪的质量检测,发现影响质量检测主要是心电导联线破损或者断裂、血氧探头老化损坏、血压袖带破损漏气或者袖带黏度不够捆绑不紧等附件问题,通过更换附件后一般都可以通过检测。

影响电气安全检测情况主要有:对地漏电流超标,检查发现是电源线地线断开,更换电源线后可以通过检测;外壳漏电流超标,检查发现是电源板地线虚焊,对虚焊点进行补焊后可以通过检测;接地阻抗大,检查发现是监护仪使用年限较长接地端子表面氧化,更换接地端子或者去除表面氧化后可以通过检测[3]。

3 小结

我院于2012年和2015年先后两次通过的JCI认证,按照JCI要求我院对多参数监护仪做了风险评估,得出多参数监护仪属于中风险设备,每年至少检测1次。我们采用PDCA的方法对新购入监护仪进行验收检测、修后检测与定期检测相结合的方式对全院的多参数监护仪进行检测。在对多参数监护仪检测后由质控检测工程师填写检测报告,对检测合格的多参数监护仪粘贴测试通过标签,只有通过检测的多参数监护仪才可以投入临床使用。

参考文献

[1]美国福禄克公司著,卫生部医院管理研究所组织翻译.临床工程指引:医疗仪器设备临床应用分析评估[M].北京:中国计量出版,2009.

[2]刘晓雯.多参数监护仪的质量控制对应用安全的影响[J].中国医疗设备,2010,25(8):103-104.

矿用多参数气体流量传感器设计 篇9

关键词：瓦斯抽放,气体流量传感器,多参数,流量,温度,压力

0 引言

在煤矿瓦斯抽放监测系统中, 经常需要同时监测同一个管道位置的多个运行参数[1], 然而, 目前煤矿井下瓦斯抽放监测系统中一种传感器一般只能测量一个参数, 连接一根电缆到传输分站上, 在瓦斯管道上取一安装孔。这样现场监测多个参数就要铺设很多电缆, 取很多安装孔, 导致安装和维护很不方便。市场上现有的V锥、涡街等流量计需要根据管道管径、管道内气体流速、测量量程比等参数进行定制[2], 存在需要增加前期调研投入、发货周期长等问题。鉴此, 笔者设计了一种矿用多参数气体流量传感器, 该传感器可同时测量瓦斯管道内温度和压力, 并可测量管径为80~1 000 mm的管道内流速为0.3~30m/s的气体流量。

1 多参数气体流量传感器硬件设计

多参数气体流量传感器以ARM Cortex-M0LPC1227为核心, 由流量温度测量电路、压力测量电路、LCD显示电路、红外遥控电路以及RS485通信电路、频率输出电路等组成, 如图1所示。

1.1 流量温度信号处理

流量温度探头流速检测范围为0.3~30 m/s, 温度范围为0~100 ℃, 功耗约为10V/50mA。该流量温度探头由测温探头、测速探头和固定基座组成, 其中一只特制pt200和一只pt1000固定在测速探头里, 一只pt1000固定在测温探头里, 如图2所示。将流量温度探头通电后插入瓦斯抽放管道内, pt200加热升高到一定温度。 随着瓦斯流量的变化, 测速探头输出与pt200温度对应的阻值, 测温探头输出与环境温度对应的阻值。将测速探头和测温探头输出的2个阻值分别转换为电压信号, 直接接入AD7705的2个AD转换通道, 然后将转换结果通过SPI总线送入LPC1227。

1.2 压力信号处理

压力测量器件由国外的MEMS器件封装而成, 具有1.0mA直流输入, 0~50mV电压信号输出, 压力测量范围为0~200kPa。分别以TL431三段稳流可调基准源和MCP6002运算放大器为核心器件, 设计直流输出和信号放大电路, 最后信号输入MCU进行AD转换。直流输出电路如图3所示, 其中VS5 和EXC_P-分别接压力传感器的电源正负端。

1.3 抗干扰处理

多参数气体流量传感器主要安装于煤矿井下瓦斯抽放管路上, 周围可能会有动力电缆的感应干扰、电动机及电气设备辐射干扰、电力变频器的干扰、井下接地网干扰、漏泄通信系统干扰等[3]。因此, 进行如下抗干扰处理:① 使用DC/DC模块隔离传感器电源;② 流量和温度信号经过片外AD转换后, 输出SPI信号, 经过磁耦隔离进入LPC1227 MCU芯片;③ 流量温度信号处理部分、压力测量信号处理部分在供电和PCB布板上都充分隔离;④ RS485信号和200~1 000 Hz频率输出信号均通过磁耦隔离。

2 多参数气体流量传感器软件设计

多参数气体流量传感器的软件采用C语言及模块化设计, 主要实现基于SPI通信的流量和温度信号采集, 流量、压力和温度信号运算处理, 基于I2C通信的LCD段码液晶显示, 遥控器参数设置, 基于Modbus-RTU协议的RS485 通信, 200~1 000Hz频率输出等功能。

为提高传感器测量精度, 在流量温度处理部分采取以下措施:① 在数据采集部分采用平均值滤波法, 连续采集10组数据, 去掉最小值和最大值, 再计算其余8个数的平均值, 以消除偶然脉冲引起的采样偏差;② 硬件电路采用实时温度补偿设计[4], 用实时采集到的流量数据补偿环境温度数据, 消除了管道内气体温度突变引起的测量误差;③ 引入瓦斯和空气组分补偿算法, 在仪表设置中可以打开该功能项进行现场标校, 从而减小管道内不同组分气体引起的测量误差[5,6]。

为提高传感器实用性, 在软件上采取以下措施:① 考虑到多参数气体流量传感器安装于瓦斯管道上, 而该类管道一般都悬挂高处安装, 因此, 采用红外遥控按键方式设置参数;② 根据现场不同分站通信格式的要求, 设计了基于标准Modbus-RTU协议的RS485和200~1 000 Hz频率输出2 种通信方式;③ 根据现场瓦斯管径的不同, 可以设置流量最大限输出, 避免了以前不同传感器需要定制的弊端。

多参数气体流量传感器软件流程如图4所示。

3 多参数气体流量传感器测试及分析

传感器测试标定选用的设备是经过计量合格的DHS-500×500/700×700-1 型环形低速风洞, 该风洞提供的风速精确, 稳定性好。传感器经风洞标定后, 将算法写入程序内部, 传感器显示流速值和风洞提供的流速值误差在±2% (FS) 以内, 满足煤矿实际精度要求。图5为传感器样机标定后的曲线拟合图。从3次不同时间的标定曲线可见, 随着风速值S的增大, 传感器采样值变化基本一致, 该结果验证了所设计的多参数气体流量传感器的可行性。

4 结语

矿用多参数气体流量传感器可以同时测量管道内气体流量、温度和压力, 集成度高, 造价低, 且减少了现场通信电缆铺设数量, 降低了工程安装难度, 减少了日常维护工作量;MCU采用包含丰富的外设资源的LPC1227, 节约了很多昂贵的外围器件 (如AD转换芯片) , 并且功耗低;该传感器完全满足Ia等级对插入瓦斯管道内传感器电流小于100mA的要求。目前该传感器已经完成工业性试验, 试验结果表明, 该传感器在瓦斯管道环境中运行稳定, 量程比大, 精度高。

参考文献

[1]杨帆.基于MSP430F149的矿用多参数传感器的设计[J].工矿自动化, 2010, 36 (7) :15-18.

[2]李成伟, 李朝辉, 戴景民, 等.管道煤气热式质量流量计研制及标定技术研究[J].哈尔滨工业大学学报, 2002, 34 (3) :333-336.

[3]邹哲强, 庄捷, 屈世甲.煤矿井下中低频段电磁干扰测量与分析[J].工矿自动化, 2013, 39 (5) :1-5.

[4]路立平, 冯建勤, 鹿晓力.温度传感器的热时间常数及其测试方法[J].仪表技术与传感器, 2005 (7) :17-18.

[5]杜水友, 章皓, 郑永军, 等.最小二乘法拟合压力传感器二次曲线及精度分析[J].中国计量学院学报, 2005, 16 (3) :185-187.