[发明专利]低功耗物联网振动异常检测装置及其检测方法

权利要求书

1.低功耗物联网振动异常检测装置，其特征在于：包括盒体(4)以及置于其内的振动异常检测模块(2)和锂亚电池(3)，其上盖有上盖(1)，锂亚电池(3)与振动异常检测模块(2)电性连接，振动异常检测模块(2)包含MCU(21)、LoRa通讯单元(24)、天线(25)、RS485接口单元(23)、存储单元(22)和振动监测单元(26)，MCU(21)分别与存储单元(22)、RS485接口单元(23)、LoRa通讯单元(24)、振动监测单元(26)相连，LoRa通讯单元(24)连接天线(25)；所述振动监测单元(26)采集三轴振动传感器数据，传送至MCU(21)，MCU(21)利用VAE算法实时计算采集的数据，并将设备是否处于异常运行情况的计算结果发送到LoRa通讯单元(24)，通过天线(25)发送无线信号，与网关通讯，网关把数据发送至网络云服务器上；同时，天线接收LoRa无线信号，LoRa通讯单元(24)将无线信号传输给MCU(21)，MCU(21)对信号解析、转换为数据指令，控制振动检测终端。

2.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述MCU(21)为ST公司的基于cortex_M7内核的STM32H743芯片。

3.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述LoRa通讯单元(24)为semtech公司的sx1278通讯芯片。

4.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述天线(25)为螺旋弹簧天线。

5.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述RS485接口单元(23)为SN65HVD75DR接口芯片。

6.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述存储单元(22)为MX25L6433FZNI非易失性存储芯片。

7.根据权利要求1所述的低功耗物联网振动异常检测装置，其特征在于：所述振动监测单元(26)为ADXL354高带宽三轴振动检测芯片。

8.低功耗物联网振动异常检测方法，其特征在于：

构建VAE模型，由编码器与解码器组成，外部输入的向量数据X₁、X₂、X₃…X_n经过均值方差计算，得到不同的正太分布模型的均值和方差，经过重参数计算，使得服从正态分布N(0,I)，经过采样后得到隐变量Z₁、Z₂、Z₃…Z_n，经过解码器后得到生成的重构数据X'₁、X'₂、X'₃…X'_n，通过最小化损失函数￡构建编码器和解码器，得到振动模型：

￡＝Е_x～p(x)[E_z～p(z|x)[-lnq(x|z)+KL(P(z|x)║q(z))]

Е_x～_p(x)[f(x)]表示对f(x)算期望，其中x的分布为p(x)；

KL(p(x)║q(x))表示两个分布的KL散度；

通过生成数据与原始数据的对比计算得到的重构概率P_θ(x|x')(reconstructionprobability)，大于设定阈值时，则判断为异常情况，发出预测性报警；重构概率计算公式如下：

将振动异常检测装置布置到被测设备，以等间隔周期，4k/s采样率采集设备的X/Y/Z轴1s时长振动数据，连续采集覆盖被测设备完整的正常工作周期；

将被采集振动数据作为VAE模型训练的输入X_n，在深度学习工作站上训练生成基于设备数据集的正常工作模型；

将深度学习工作站上生成的模型转换成基于C文件的嵌入式模型；

将振动异常检测模型编译链接下载至振动异常检测装置；

将振动异常检测装置布置到原被测设备上，实时采集振动数据，计算VAE模型的重构概率，如果重构概率大于设定阈值，则做出预测性报警。