In this paper a wireless sensor network (WSN) with low-cost nodes (less than $US 30.00) is presented. The nodes are based on microelectromechanical systems (MEMS) accelerometers and a highly-integrated microcontroller with built-in antenna for Wi-Fi and Bluetooth Low-Energy (BLE). The system was specially designed to analyze unbalance, load, and rotor obstructions in a rotating machine. Two sensor nodes were installed on an apparatus: one in the shaft and the other on the support table. The acceleration signals were used to analyze the machine vibration in the frequency domain by its Fast Fourier Transform (FFT). This spectrum was pre-analyzed on the sensor node, and the most significant features were sent to a cloud platform. These nodes were mounted to acquire vibration from an electric bicycle motor. Three situations were simulated: unbalance, using weights at the endings of rim spokes; mechanical load, using neodymium magnets, through the principle of eddy currents; and rotor obstruction, using an object made with a nylon cable. The solution presented was used to measure vibration and calculate its spectrum and send it to the cloud. The signals were analyzed using three strategies: an FFT amplitude level comparison, logistic regression, and neural network (NN). The analyses were carried out using the signals of each sensor independently and as a sensor network, this last showing better results. It was possible to diagnose each type of fault inserted in the tests, proving that the device developed can be used in industries as a low-cost alternative to monitor the health of rotating machines.

中文翻译：

---

用于旋转机械振动诊断的低成本 MEMS 加速度计网络

在本文中，介绍了一种具有低成本节点（低于 30.00 美元）的无线传感器网络 (WSN)。这些节点基于微机电系统 (MEMS) 加速度计和高度集成的微控制器，带有用于 Wi-Fi 和蓝牙低功耗 (BLE) 的内置天线。该系统专门设计用于分析旋转机器中的不平衡、负载和转子障碍物。两个传感器节点安装在一个设备上：一个在竖井中，另一个在支撑台上。加速度信号用于通过其快速傅立叶变换 (FFT) 在频域中分析机器振动。该频谱在传感器节点上进行了预分析，并将最重要的特征发送到云平台。安装这些节点是为了从电动自行车电机中获取振动。模拟了三种情况：不平衡、在轮辋辐条的末端使用配重；机械负载，使用钕磁铁，通过涡流原理；和转子障碍物，使用由尼龙电缆制成的物体。提出的解决方案用于测量振动并计算其频谱并将其发送到云端。使用三种策略分析信号：FFT 幅度水平比较、逻辑回归和神经网络 (NN)。分析是独立使用每个传感器的信号并作为传感器网络进行的，最后显示出更好的结果。可以诊断测试中插入的每种类型的故障，证明开发的设备可以在工业中用作监控旋转机器健康状况的低成本替代方案。通过涡流原理；和转子障碍物，使用由尼龙电缆制成的物体。提出的解决方案用于测量振动并计算其频谱并将其发送到云端。使用三种策略分析信号：FFT 幅度水平比较、逻辑回归和神经网络 (NN)。分析是独立使用每个传感器的信号并作为传感器网络进行的，最后显示出更好的结果。可以诊断测试中插入的每种类型的故障，证明开发的设备可以在工业中用作监控旋转机器健康状况的低成本替代方案。通过涡流原理；和转子障碍物，使用由尼龙电缆制成的物体。提出的解决方案用于测量振动并计算其频谱并将其发送到云端。使用三种策略分析信号：FFT 幅度水平比较、逻辑回归和神经网络 (NN)。分析是独立使用每个传感器的信号并作为传感器网络进行的，最后显示出更好的结果。可以诊断测试中插入的每种类型的故障，证明开发的设备可以在工业中用作监控旋转机器健康状况的低成本替代方案。提出的解决方案用于测量振动并计算其频谱并将其发送到云端。使用三种策略分析信号：FFT 幅度水平比较、逻辑回归和神经网络 (NN)。分析是独立使用每个传感器的信号并作为传感器网络进行的，最后显示出更好的结果。可以诊断测试中插入的每种类型的故障，证明开发的设备可以在工业中用作监控旋转机器健康状况的低成本替代方案。提出的解决方案用于测量振动并计算其频谱并将其发送到云端。使用三种策略分析信号：FFT 幅度水平比较、逻辑回归和神经网络 (NN)。分析是独立使用每个传感器的信号并作为传感器网络进行的，最后显示出更好的结果。可以诊断测试中插入的每种类型的故障，证明开发的设备可以在工业中用作监控旋转机器健康状况的低成本替代方案。