[发明专利]一种基于自供能传感和TinyML技术的小型智能无线测振仪

说明书

本发明公开了一种基于自供能传感和TinyML技术的小型智能无线测振仪，利用先进的动能收集技术，在传感侧采用自供能压电传感器，利用先进的机器学习和模型压缩技术，在数据处理侧嵌入TinyML本地推理模型，配合高效智能的物联网技术和间歇工作模式，融汇成一款具有本地分析能力的小型低成本无线测振仪，为振动监测、能量收集和低功耗嵌入式物联网领域打开了新思路。与现有的所有测振仪相比，本发明结构紧凑、成本极低、续航时间大程度延长且具有极佳的可靠性。本发明是首款采用自供能压电传感器、TinyML推理技术和物联网技术的智能测振仪，良好的运行结果充分说明了本发明的可行性、可靠性和市场价值，使得后期的大规模商用成为可能。

技术领域

本发明涉及一种小型智能无线测振仪，属于振动监测和诊断技术领域。

背景技术

生活中处处存在振动，对振动信号的分析能让我们更好地去感知环境。尤其在工业领域，设备故障的状态分析对生产线的安全稳定具有重要意义，而基于振动信号处理的机械故障诊断具有在线、实时、无损检测、方便、快速、准确等特点，在实际应用中得到了广泛的应用。

但是，市面上的测振仪大多体积庞大、成本昂贵且续航时间短。基于机械原理的测振仪依靠高精度的传感器和高采样率完成振动测量与诊断，达不到实时、在线的监测功能。而基于人工智能的测振仪依赖高端的服务器，本地需要将大量原始信号高功耗地传送至额外的计算节点，存在信息安全隐患。前述两者都离不开昂贵的商用传感器，没有考虑低功耗和低成本这两个促进产业发展的关键要素。

近年来由谷歌公司提出的TinyML技术旨在边缘的资源有限的物联网设备上运行机器学习模型，即赋予边缘设备智力，它所需的极低功耗和成本将大大促进AIoT的发展。但是，TinyML刚刚起步，还没有与动能收集和无电传感结合起来迈向更低功耗的研究。

发明内容

本发明要解决的技术问题是：如今的振动监测和诊断领域，缺少一款采用自供能传感器的、不依赖额外计算节点的、本地完成数据分析的、低成本低功耗的安全端侧智能无线测振仪。

为了解决上述技术问题，本发明的技术方案是提供了一种基于自供能传感和TinyML技术的小型智能无线测振仪，包括壳体，其特征在于，壳体内设有：

自供能压电传感器，用于捕获振动信息，并将振动信息传递至低功耗物联网单片机；

低功耗物联网单片机实时采样自供能压电传感器传递的振动信息号，并在内部实现数据预处理、TinyML模型推理和状态分析与信息上传，低功耗物联网单片机在完成分析功能后进入深度睡眠状态，进入深度睡眠状态的低功耗物联网单片能够根据用户和应用的需求定时进行信息上传，也能够基于所设置的振动条件进行信息上传。

优选地，所述小型智能无线测振仪整体尺寸为长6cm、宽5cm、高1.5cm。

优选地，所述壳体包括下壳以及扣合在下壳上的上壳，其中，下壳固定于振动源处，用于初步捕获振动信息，再由自供能压电传感器进一步捕获该振动信息。

优选地，所述低功耗物联网单片机实时利用内置的ADC对所述振动信息号进行采样，得到初步的原数字信号，随后进行片上FFT和归一化数据预处理操作，经过预处理的数字信号传入TinyML模型，由TinyML模型进行数据本地分析后，TinyML模型推理得到的结果被用于振动状态分析的依据。

优选地，低功耗物联网单片机进行信息上传时，利用低功耗蓝牙向信息接收终端发送Beacon信息包。