通过数据驱动流水线优化实现高性价比振动分析
信号处理
2021-10-29 v1
摘要
振动分析是一个活跃的研究领域，其目标之一是对机械故障模式进行准确分类。这常常导致复杂且繁琐的信号处理流水线设计，其计算需求高且无法部署在边缘设备上。在当前工作中，我们通过提出一种数据驱动的方法来解决这个问题，该方法允许优化并论证信号处理流水线的复杂性。此外，为了使物联网振动分析系统更具成本效益和计算效率，我们以 MAFAULDA 振动数据集为例，评估了在低采样率以及短观测时间窗口下故障分类性能的变化。我们发现，采样率从 50 kHz 降至 1 kHz 会导致统计显著的分类性能下降。与 5 秒窗口相比，0.1 秒时间窗口也观察到统计显著的下降。然而，效应量从小到中等，表明在某些设置下可以使用较低的采样率和较短的观测窗口。所提出的优化方法以及本研究经统计支持的结果，使得物联网振动分析系统在复杂性和成本方面得以更高效设计，使我们向基于物联网/边缘的振动分析更近一步。
引用
@article{arxiv.2108.07017,
title = {Cost-effective vibration analysis through data-backed pipeline optimisation},
author = {Artur Sokolovsky and David Hare and Jorn Mehnen},
journal= {arXiv preprint arXiv:2108.07017},
year = {2021}
}