摘要：在振動(dòng)加速度檢測(cè)中，如果系統(tǒng)不能對(duì)傳感器連接狀態(tài)加以自動(dòng)區(qū)分，將正常連接狀態(tài)下的數(shù)據(jù)和異常連接狀態(tài)下的數(shù)據(jù)全部存入數(shù)據(jù)庫(kù)，則必然會(huì)給數(shù)據(jù)庫(kù)增加不必要的負(fù)擔(dān)，造成數(shù)據(jù)污染；另外，為了傳感器檢修的便利，也有必要自動(dòng)識(shí)別傳感器的連接狀態(tài)。對(duì)振動(dòng)加速度檢測(cè)中傳感器四種連接狀態(tài)的自動(dòng)識(shí)別方法進(jìn)行了研究：定義了表征不同傳感器連接狀態(tài)的加速度信號(hào)數(shù)字特征，結(jié)合基于LDA的特征降維和最近鄰分類(lèi)器來(lái)實(shí)現(xiàn)自動(dòng)識(shí)別。實(shí)驗(yàn)顯示，提出的振動(dòng)加速度傳感器四種連接狀態(tài)的自動(dòng)識(shí)別方法是有效的。
關(guān)鍵詞：振動(dòng)加速度檢測(cè)；傳感器連接狀態(tài)；自動(dòng)識(shí)別；特征提??；近鄰法

0 引言
    在公路橋梁等大型結(jié)構(gòu)健康監(jiān)測(cè)、機(jī)器狀態(tài)監(jiān)測(cè)等工作中，經(jīng)常需要檢測(cè)振動(dòng)加速度信號(hào)。一個(gè)典型的振動(dòng)加速度在線(xiàn)監(jiān)測(cè)系統(tǒng)包括：加速度傳感器、振動(dòng)加速度采集卡、工控機(jī)、數(shù)據(jù)庫(kù)服務(wù)器等，如圖1所示。監(jiān)測(cè)系統(tǒng)在傳感器正常安裝和連接后，有時(shí)可能會(huì)由于施工等原因造成傳感器松脫、傳感器導(dǎo)線(xiàn)中斷等異常連接狀態(tài)；監(jiān)測(cè)系統(tǒng)在調(diào)試階段，傳感器往往尚未連接至導(dǎo)線(xiàn)或采集板卡，也會(huì)表現(xiàn)為一種異常連接狀態(tài)。如果監(jiān)測(cè)系統(tǒng)不對(duì)傳感器連接狀態(tài)加以區(qū)分，將正常連接下的數(shù)據(jù)和異常連接下的數(shù)據(jù)全部存入數(shù)據(jù)庫(kù)，則必然會(huì)給數(shù)據(jù)庫(kù)增加不必要的負(fù)擔(dān)，造成數(shù)據(jù)污染。另外，為了方便傳感器的檢修，也有必要自動(dòng)識(shí)別傳感器的連接狀態(tài)。
    本文考慮振動(dòng)加速度傳感器以下四種連接狀態(tài)的區(qū)分：正常安裝連接狀態(tài)；傳感器安裝松脫狀態(tài)；遠(yuǎn)端(圖1中A點(diǎn))處傳感器未連接上導(dǎo)線(xiàn)；近端(圖1中B點(diǎn))處導(dǎo)線(xiàn)未連接上采集卡。

    文獻(xiàn)對(duì)傳感器自身是否存在故障的兩類(lèi)分類(lèi)問(wèn)題進(jìn)行討論。文獻(xiàn)對(duì)位移傳感器的線(xiàn)圈斷裂、短路等完全失效性故障和松動(dòng)、線(xiàn)圈老化等部分失效性故障兩種情況的識(shí)別問(wèn)題進(jìn)行討論。文獻(xiàn)對(duì)振動(dòng)傳感器的偏置、沖擊、短路、開(kāi)路等硬故障和漂移、50 Hz周期干擾等軟故障兩種情況的識(shí)別問(wèn)題進(jìn)行討論。文獻(xiàn)對(duì)傳感器漂移、沖擊、干擾、短路、斷線(xiàn)等具體故障進(jìn)行分類(lèi)識(shí)別。目前，國(guó)內(nèi)外尚未發(fā)現(xiàn)對(duì)上面提到的振動(dòng)加速度傳感器四種連接狀態(tài)進(jìn)行自動(dòng)識(shí)別問(wèn)題進(jìn)行討論的文獻(xiàn)。

1 加速度信號(hào)特征參數(shù)的定義
    文獻(xiàn)利用小波包分解提取各頻段的能量作為特征。本文通過(guò)觀察采集的大量振動(dòng)加速度傳感器四種連接狀態(tài)下的信號(hào)的頻譜，提出了自己的一組參數(shù)作為識(shí)別的原始特征集。

    圖2為四種傳感器連接狀態(tài)下采集的加速度信號(hào)頻譜的示例。從圖中可看出，傳感器遠(yuǎn)端斷開(kāi)情況，由于線(xiàn)路較長(zhǎng)，50Hz工頻干擾最大，見(jiàn)圖2(c)；對(duì)采集卡處斷開(kāi)情況，沒(méi)有太突出的50 Hz工頻干擾，各種干擾和噪聲成分最為豐富和復(fù)雜，見(jiàn)圖2(d)；傳感器正常連接和傳感器松脫情況下的頻譜最相似，見(jiàn)圖2(a)和圖2(b)，相對(duì)而言，松脫狀態(tài)下的高頻稍弱一點(diǎn)。綜合考慮，定義了如下8個(gè)特征參數(shù)作為原始特征：
    (1)特征1、特征2、特征3分別為：0～45 Hz頻段能量，50 Hz能量，大于55 Hz頻段能量。
    (2)特征4、特征5、特征6分別為：0～45 Hz頻段能量在以上三個(gè)頻段總能量中的占比，50 Hz能量在三個(gè)頻段能量中的占比，大于55Hz頻段能量在三個(gè)頻段能量中的占比。
    (3)特征7：熵指標(biāo)。將信號(hào)頻域譜線(xiàn)i的幅值A(chǔ)i除以頻域所有譜線(xiàn)的幅值之和得到該譜線(xiàn)的廣義“概率”值pi，定義頻譜熵指標(biāo)。此熵指標(biāo)反映了頻域信號(hào)能量的集中和分散程度，頻譜能量分布越分散，則熵越大；圖1(d)昕示情況下的熵指標(biāo)應(yīng)最大。
    (4)特征8：重心頻率。在信號(hào)頻域定義譜重心頻率。此指標(biāo)為整體上反映信號(hào)頻率高低的一個(gè)指標(biāo)。

2 加速度特征參數(shù)的降維與連接狀態(tài)的分類(lèi)識(shí)別
2．1 降維
    第1節(jié)定義的8個(gè)特征參數(shù)肯定有一定相關(guān)性，可通過(guò)特征變換來(lái)進(jìn)一步降維，以提高分類(lèi)識(shí)別的效率和推廣性。本文采用基于可分性判據(jù)的方法來(lái)進(jìn)行特征變換降維，具體方法如下：
    (1)對(duì)獲得的四類(lèi)連接狀態(tài)的8維用于學(xué)習(xí)的特征樣本，求樣本類(lèi)內(nèi)離散度矩陣Si、總類(lèi)內(nèi)離散度矩陣Sw、樣本類(lèi)間離散度矩陣Sb。
    
    式中：Xi為第i類(lèi)的樣本子集；mi為第i類(lèi)的樣本子集的均值向量；Si為第i類(lèi)樣本的類(lèi)內(nèi)離散度矩陣；Pi為第i類(lèi)樣本個(gè)數(shù)占總樣本個(gè)數(shù)的比例；Sw為總類(lèi)內(nèi)離散度矩陣；D為類(lèi)別數(shù)，這里為4；m為總均值向量；Sb為類(lèi)間離散度矩陣。
    (2)求白化變換矩陣B及白化變換后樣本Y?；赟w的特征值分解，確定消除原分量相關(guān)性的K-L變換矩陣U=(u1，u2，…，uD)和歸一化矩陣(Λ是Sw的本征值對(duì)角矩陣)，則有：
    
    (3)求白化變換后樣本的類(lèi)問(wèn)離散度矩陣。
    (4)基于的特征值分解，確定K-L變換的本征向量U’和本征值Λ’，取d個(gè)最大本征值對(duì)應(yīng)的本征向量為W，即W=[u1，u2，…，ud]，后文取d=3。
    (5)求特征變換降維后的最終樣本Y1。令Y1=W’Y則得到降維后的樣本。
2．2 分類(lèi)識(shí)別
    基于降維后的學(xué)習(xí)樣本，可以設(shè)計(jì)分類(lèi)器，以對(duì)傳感器四種連接狀態(tài)進(jìn)行分類(lèi)識(shí)別。本文采用簡(jiǎn)單有效而被廣泛采用的近鄰法(Nearest Neighbor Classification)來(lái)進(jìn)行分類(lèi)。即將降維后的學(xué)習(xí)樣本作為標(biāo)準(zhǔn)樣本，將每次新獲得的8維原始樣本通過(guò)預(yù)先確定的降維矩陣B和W降維為待檢樣本；然后，在標(biāo)準(zhǔn)樣本中找出與待檢樣本距離最近的樣本，將其類(lèi)別確定為待檢樣本的類(lèi)別。

3 實(shí)驗(yàn)與結(jié)果
    實(shí)驗(yàn)是用一ICP加速度傳感器檢測(cè)工控機(jī)開(kāi)機(jī)時(shí)上表面的振動(dòng)，采集卡采用的是NI公司的4474卡，見(jiàn)圖1。實(shí)驗(yàn)中模擬的加速度傳感器的四種連接狀態(tài)的具體形式是：
    (1)傳感器吸在工控機(jī)上表面并與4474正常連接；
    (2)傳感器松放在工控機(jī)上表面并與4474正常連接；
    (3)傳感器端與導(dǎo)線(xiàn)的接頭斷開(kāi)；
    (4)4474端與導(dǎo)線(xiàn)的接頭斷開(kāi)。每種狀態(tài)下共采集50組數(shù)據(jù)，采樣率均為10 kHz，采樣長(zhǎng)度為100 000個(gè)點(diǎn)。
    
    用四種狀態(tài)下的前30組數(shù)據(jù)進(jìn)行學(xué)習(xí)。按第1節(jié)的方法計(jì)算這些數(shù)據(jù)的原始特征，形成8維的原始特征向量。按第2節(jié)的方法分別求出白化變換矩陣B、本征向量U’和本征值Λ’；從式(6)中的最后三個(gè)特征值很大可知，降維后的維數(shù)應(yīng)取d=3。降維后的最終學(xué)習(xí)樣本集Y1(3×120矩陣)見(jiàn)圖3。由圖3可知，四類(lèi)連接狀態(tài)的學(xué)習(xí)樣本在降維之后能完全分開(kāi)。

    用四種狀態(tài)下的后20組數(shù)據(jù)進(jìn)行分類(lèi)測(cè)試。首先計(jì)算每組數(shù)據(jù)的8個(gè)原始特征，基于學(xué)習(xí)階段確定的降維矩陣對(duì)每個(gè)樣本進(jìn)行降維，這里降為3維；然后，與標(biāo)準(zhǔn)樣本——學(xué)習(xí)樣本進(jìn)行一一比對(duì)。結(jié)果顯示，方法對(duì)四種狀態(tài)下的每個(gè)測(cè)試樣本都能正確分類(lèi)識(shí)別，測(cè)試正確率為100％。

4 結(jié)論
    本文定義了表征振動(dòng)加速度傳感器連接狀態(tài)的8個(gè)特征，并結(jié)合基于可分性判據(jù)的特征降維和近鄰法分類(lèi)，形成了識(shí)別振動(dòng)加速度傳感器四種連接狀態(tài)(正常連接、松脫、遠(yuǎn)端導(dǎo)線(xiàn)斷開(kāi)、近端導(dǎo)線(xiàn)斷開(kāi))的一種方法或者說(shuō)途徑。實(shí)驗(yàn)顯示所提方法切實(shí)有效。相信該方法在結(jié)構(gòu)健康監(jiān)測(cè)、機(jī)器狀態(tài)監(jiān)測(cè)等中大有可為，通過(guò)自動(dòng)識(shí)別振動(dòng)加速度傳感器的連接狀態(tài)，可避免系統(tǒng)調(diào)試及使用過(guò)程中出現(xiàn)的異常連接數(shù)據(jù)進(jìn)入數(shù)據(jù)庫(kù)，造成數(shù)據(jù)污染、增加數(shù)據(jù)庫(kù)負(fù)擔(dān)；同時(shí)，該方法也可為傳感器的檢修提供參考。