K-means聚类-DCT压缩算法在振动传感器中的研究与应用

作者：王昱钦1，王鑫2，刘保强1，李轶1，洪晟3作者单位：1.江苏自动化研究所，江苏 连云港 222000；2.中国人民解放军32381部队，北京 100000；3.北京航空航天大学 网络空间安全学院，北京 100191。摘要：为延长无线振动传感器在需要对大量高频振动数据进行采集情况下的使用寿命，首先对现有振动数据压缩算法进行了研究，对其存在的问题进行了分析，并在此基础上提出了一种基于K-means聚类-DCT双重数据压缩算法的压缩方法。所采用的K-means聚类-DCT双重数据压缩算法针对预测性维护数据特点，首先利用K-means算法对振动数据进行聚合分类，再根据振动信号频域特点进行离散余弦变换（Discret Cosine Transform， DCT）压缩。通过实际验证表明，采用该算法对振动数据进行数据聚合，可以非常明显地提高数据压缩的效率，从而在传输时将冗余数据有效减少。而在相同数据量情况下，采用改进的双重压缩算法的峰值信噪比与其他算法相比，其具有更好的性能。引言：在工作时机械设备基本都存在比较明显的振动情况，如果想要监测设备的运行状态，是可以通过分析机械设备所产生的振动信号来实现的，并且通过分析监测结果的变化情况可以在早期及时地发现机械设备可能出现的故障情况[1]。但是如果要想通过设备所产生的振动信号对其运行状态情况获得非常准确的评估或预测结果，则需要对机械设备所产生的大量高频振动数据进行有效分析[2]，为了能够有效采集到大量高频振动数据，需要安装大量的传感器用于采集机械设备在工作时所产生的高频振动数据[3]。但是现有的基于ZigBee、蓝牙技术等低功耗、低速率的无线传输技术是无法满足此类应用需求的，无法满足需求的原因主要有两个方面[4]:(1)对高频振动数据进行采集会快速消耗终端节点所使用的电池电量，进而影响整个采集系统的工作寿命；(2)大量数据的无线传输会严重占用系统带宽资源，从而会造成传输过程丢包率的升高，最终会影响到数据分析的准确性[5]。
文章来源：《电子技术应用》杂志1月刊点击下方阅读原文，下载论文PDF

☞商务合作：☏ 请致电010-82306118 /✐ 或致件 Tiger@chinaaet.com

点

这里“阅读原文”，直达电子技术应用官网

新闻来源：电子技术应用ChinaAET，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。