Wi-Fi传感器
随着物联网的不断扩展以及对物联网生态系统带宽需求的不断增长，Wi-Fi传感器的设计者和制造商将需要优先考虑电源问题。所谓多传感器数据融合（Multi-sensor Data Fusion），就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策而进行的信息处理过程。按照一般说明，AbsMaxPrincipal
机泵振动测量原理
Wi-Fi传感器
随着物联网的不断扩展以及对物联网生态系统带宽需求的不断增长，Wi-Fi传感器的设计者和制造商将需要优先考虑电源问题。所谓多传感器数据融合（Multi-sensor Data Fusion），就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策而进行的信息处理过程。按照一般说明，AbsMaxPrincipal和CriticalPlane两种方法是推荐使用的，多数情况，前者已经具有足够的求解精度，但后者更精准的同时也是耗费资源较多的。
振动传感器
大多数机械振动故障，必须依据振幅-频率谱图或傅立叶变换 (FFT) 来多方面确定机械振动特征。如果不知道设备的有关细节，这些数据对振动分析人员来说没有任何价值。故障的识别要考虑振动频率与部件旋转速度 (RPM)，以及其他的设备特征，如齿轮齿数、风机叶片数目等。另外，对于测试环境存在潮湿、腐蚀和电磁场等影响因素时，选择传感器也应该考虑这些因素。没有这些详细信息，完全查明故障原因是不可能的。
准确的分析包括如下重要详细的设备特征：
1旋转部件转速(RPM)
2轴承的类型
3风机叶片数量
4叶轮叶片数量
5齿轮齿数
6联轴器类型
7设备临界转速
8环境振动源
随机振动分析的实现
利用随机振动理论，从输入的PSD值并使用单自由度弹簧阻尼系统建立的传递函数H(ω)和模态叠加技术，就可以得到PSD响应（RPSD）。功率谱密度的响应RPSD计算，通过对输入的功率谱密度乘以传递函数进行定义：或者RPSD曲线下方围成的面积是均方响应，高斯正态分布激励作用在线性系统上的输出激励是不同的随机过程，但仍旧服从另一个正态高斯分布。（注：均方根（RMS）是一个标准偏差（1σ）的响应。关于上述定义和模态与谐响应分析的设置，碍于篇幅和时间，不再展开说明描述。）
1×RMS（1-Sigma）代表总体响应的68.27%
2×RMS（2-Sigma）代表总体响应的95.951%
3×RMS（3-Sigma）代表总体响应的99.737%
随机振动分析基于模态分析，求解类型设置，包括如下：
a) 其中多数情况下，“Program Controlled”选项自动提供蕞优的求解器。
b) 对于薄壁柔性体、形状奇异的实体模型，采用直接求解器更好。
c) 对于大模型（超过100 万自由度），采用迭代求解器更好。
d) 不对称法适用于声学问题（具有结构耦合作用）和其它类似的具有不对称质量矩阵[M]和刚度矩阵[K]的问题。
e) 超节点法适用于2D平面、梁壳结构等。
f) 子空间法比较适合于提取类似中型到大型模型的较少的振型，采用较少内存，在具有约束方程时不能采用此种方法。对于模态分析的相关内容不再展开说明，可以参阅相关材料。
（作者： 来源：）
