CN106325162B - 一种嵌入式智能化机电设备状态监测*** - Google Patents

一种嵌入式智能化机电设备状态监测*** Download PDF

Info

Publication number
CN106325162B
CN106325162B CN201610832997.6A CN201610832997A CN106325162B CN 106325162 B CN106325162 B CN 106325162B CN 201610832997 A CN201610832997 A CN 201610832997A CN 106325162 B CN106325162 B CN 106325162B
Authority
CN
China
Prior art keywords
component
monitoring
knowledge
data
reasoning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610832997.6A
Other languages
English (en)
Other versions
CN106325162A (zh
Inventor
谭大鹏
鲍官军
倪耶莎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201610832997.6A priority Critical patent/CN106325162B/zh
Publication of CN106325162A publication Critical patent/CN106325162A/zh
Application granted granted Critical
Publication of CN106325162B publication Critical patent/CN106325162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/289—Object oriented databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Alarm Systems (AREA)

Abstract

一种嵌入式智能化机电设备状态监测***，包括物理层元数据支撑模块、***知识管理维护模块、***知识推理识别模块与***交互会话模块；物理层元数据支撑模块包括实时数据采集构件RDC2、预处理与特征提取构件PCEC和监测数据存储查询构件DSAC；***知识管理维护模块包括对象实例管理子构件OIMC和监测知识规则管理子构件KRMC；***知识推理识别模块包括知识推理机构件KIEC、对象本体管理构件O2MC和规则聚类学习构件RCSC；***交互会话模块包括***管理构件SMC、监测建议与措施构件MAMC和用户会话处理构件USPC。本发明功能集成能力较弱强、兼容性较好、运行效率较高、适用性良好。

Description

一种嵌入式智能化机电设备状态监测***
技术领域
本发明涉及工业过程监测与仪器仪表领域，尤其是涉及面向一种嵌入式智能化机电设备状态监测***设计实现方法。
背景技术
工业设备的实时状态监控是保证设备安全运转、生产正常进行的关键因素之一。随着工业生产规模的不断扩大，众多设备协同工作，衍生诸多复杂工况，因此工业监控***的智能化问题就显得越来越突出。工业设备监控***对其可靠性、稳定性要求较高，若监控对象为大型关键机电设备，在满足上述要求的同时，***需要具备音频/视频等批量数据的实时传输能力；在某些特殊情况下，还需实现对监控目标的远程在线操作与控制。因此，针对不同的目标设备，采用统一的监控参数标准，提供统一的智能仪表接口，建立起具备自适应能力的智能化机电设备状态监测***，就显得十分迫切和必要。随着嵌入式技术、计算机与网络技术的发展，上述目标的实现已成为可能。
嵌入式技术是计算机技术的一个分支，其实时、稳定高效及低功耗的特点非常适于在工控领域应用。目前基于先进精简指令机(Advanced RISC Machine,ARM)和数字信号处理器(Digital Signal Processor,DSP)的数据采集分析***方面的研究已经比较成熟。上述嵌入式微处理器中一般可集成多路模数转换(A/D)模块、液晶显示(Liquid CrystalDisplay,LCD)驱动模块、传输控制/互联协议(Transmission Control Protocol/InternetProtocol,TCP/IP)通讯驱动模块等，能够承载复杂的软件***以及通信协议。只要建立通用的数据采集与存储标准，就完全能够以嵌入式***为核心，针对目标设备构建出具有网络通讯功能的状态监控网络的底层结构单元。该结构单元把目标设备上传感器测量的信号按照统一标准格式打包，上传给网络接口。所以尽管各种待监测设备都不一样，但底层结构单元通信接口却是一样的，具有通用性和互换性。
因此，实现上述目标的关键问题就是在嵌入式环境下，如何设计一种数据采集/存储及其分析识别方法，满足工业设备实时监控的通用性与自适应能力，以克服当前工业设备状态监控***存在的功能单一、智能化水平较低、兼容性差、实时性不强等问题。
发明内容
为了解决当前工业设备监控***存在的功能集成能力较弱、兼容性较差、运行效率较低、适用性较差的不足，本发明提供一种功能集成能力较弱强、兼容性较好、运行效率较高、适用性良好的嵌入式智能化机电设备状态监测***。
本发明解决其技术问题所采用的技术方案是：
一种嵌入式智能化机电设备状态监测***，包括物理层元数据支撑模块、***知识管理维护模块、***知识推理识别模块与***交互会话模块。
所述的物理层元数据支撑模块，采用构件化软件设计方法，划分为3个功能构件：实时数据采集构件RDC2、预处理与特征提取构件PCEC和监测数据存储查询构件DSAC，所述的实时数据采集构件RDC2基于FORK并发进程处理方法实现对目标设备物理信号的多道并行采集，按照既定的数据传输协议对采集的实时数据进行分割、封装，形成统一的数据分组，然后将封装的数据分组发送至预处理与特征提取构件PCEC；所述的预处理与特征提取构件PCEC接收监测数据存储查询构件DSAC上传的数据分组，将其解析重组后，进行限幅消抖滤波、加权递推平均滤波、一阶滞后滤波、金字塔压缩预处理操作，通过粗糙集方法对不同数据量、格式的数据信号进行融合处理，形成标准的规格化数据分组，然后通过特征提取算法提取目标设备的运行状态特征信号；所述的监测数据存储查询构件DSAC为面向嵌入式智能化机电设备状态监测的主体数据库，基于数据管理***第三范式建立，采用优先级轮转模式进行目标记录的循环扫描，实现对实时数据分组、预处理数据、特征数据的存储、查询、更新和维护；
所述的***知识管理维护模块，采用构件化软件设计方法，划分为2个功能构件：对象实例管理子构件OIMC和监测知识规则管理子构件KRMC，所述的对象实例管理子构件OIMC基于面向对象设计方法，支持类继承、类模板重载、虚基类，实现对嵌入式智能化机电设备状态监测***所涉及的各个对象进行类定义，并根据不同的监控对象需求生成具体实例；在此基础上，基于优先二叉树遍历算法，实现***在推理过程中对数据对象的快速、准确查找；所述的监测知识规则管理子构件KRMC采用矩阵知识点管理方法，负责知识规则的添加、编辑以及删除；所述的矩阵知识点管理是指将每个监测判断知识规则给予两重属性，即领域知识与***知识；所有知识点形成面向嵌入式智能化机电设备状态监测的知识点矩阵，根据具体监测需求对所需知识点进行检索、调用；
所述的***知识推理识别模块为面向嵌入式智能化机电设备状态监测***的功能主体，同样采用构件化软件设计方法，划分为3个功能构件：知识推理机构件KIEC、对象本体管理构件O2MC和规则聚类学***，通过有导师或者无导师知识学习算法进行逐步聚类计算；
所述的***交互会话模块，分为3个功能构件：***管理构件SMC、监测建议与措施构件MAMC和用户会话处理构件USPC，***管理构件SMC为用户提供***管理应用程序接口，实现***的启动/停止、工作模式转换、工作参数设置、目标设备选择、目标本体实例管理和推理知识规则维护；、监测建议与措施构件MAMC为***交互会话模块的核心，根据SRMC提供的识别结果，为提出请求的用户提供监测状态列表、推理过程列表、操作指导建议列表，以及上述列表数据记录所对应的置信度数据，最终形成监测任务日志文件；用户会话处理构件USPC为用户提供可视化会话窗口与操作提示。
进一步，所述物理层元数据支撑模块中，采用多道实时数据采集与数据处理分离结构，通过数据融合处理方法实现不同性质类型数据的统一处理。
再进一步，所述的多道实时数据采集与数据处理分离结构，采用嵌入式三处理器硬件构架，分别运行对应的3个功能构件：RDC2、PCEC、DSAC，实现数据采集、预处理、在线存储的并行处理。
更进一步，所述的数据融合处理方法，包含以下处理步骤：①对目标设备物理信号进行分类定义，批量数据为视频、音频、高频振动和高频脉冲，快变数据为低频振动、低频脉冲、脉动压力、交变电压/电流和感应磁场/电势，缓变数据为温度、静压、流量，开关数据为通断信号、高低电平；②RDC2根据批量数据规格进行数据分组封装，预留处理空间；③PCEC采用模糊集方法进行滤波、填充、插补处理，形成统一规格的数据分组上传至***知识推理识别模块，并复制数据记录，存入DSAC。
所述的***知识推理识别模块中，知识推理机构件KIEC采用C语言产生式规则***CLIPS规则判断与人工神经网络ANN进行信息融合的方法进行目标设备的推理与判断，包含以下处理步骤：①通过模糊集与ANN相结合，构成模糊ANN状态监控分类器，并将模糊处理传递至ANN各层；②利用来自PCEC的目标状态特征数据作为模糊ANN分类器的输入，通过置信度函数获得分类器输出，输出为相应目标设备状态的置信度值；③将分类器获得的目标状态置信度与CLIPS规则相匹配，得到第一轮匹配结果；④若匹配结果置信度达到或者超过预设的置信阈值，则可以直接得到目标状态识别结果；⑤若匹配结果不满足预设要求，则返回至步骤②，重新进行分类、匹配计算，直到满足预设置信度为止。
本发明的技术构思为：包含3个逻辑功能子***：多道并行实时数据采集子***、嵌入式智能识别子***、嵌入式智能知识处理子***。
所述的多道并行实时数据采集子***，可支持多个传感通道同时采集目标设备物理信号，并对不同性质类型数据进行预处理、融合与封装，为嵌入式智能化机电设备状态监测***提供稳定、可靠的元数据分组；所述的嵌入式智能识别子***，基于自适应规则匹配与自主学习方法，实现对目标设备工作状态的在线识别，并给出识别置信度；所述的嵌入式智能知识处理子***，基于知识点串联机制与优化算法，实现对智能化机电设备状态监测***所涉及知识规则的动态更新与优化，提高监测***的工作实时性与判断正确率。针对上述3个逻辑功能子***，本发明所涉及的嵌入式智能化机电设备状态监测***可分为4个实体功能模块：物理层元数据支撑模块、***知识管理维护模块、***知识推理识别模块与***交互会话模块。
本发明的有益效果主要表现在：
1)构件化***设计，功能集成能力强，兼容性好，易于进行用户定制设计与二次开发；
2)数据采集、存储、分析、判断分离化设计，使***能够获得较高的运行效率；
3)具有数据融合功能的实时数据采集构件，能够融合不同种类、性质、数据量的物理信号，提高了***的工业适用性；
4)产生式规则推理与模糊神经网络相结合的判断推理方法，使得***推理的有效性得到保证。
附图说明
图1是***功能构架示意图；
图2是***构件组成与内部信息交互示意图；
图3是***推理识别流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种嵌入式智能化机电设备状态监测***，包括物理层元数据支撑模块、***知识管理维护模块、***知识推理识别模块与***交互会话模块，如附图1所示。
物理层元数据支撑模块，采用构件化软件设计方法，可划分为3个功能构件：实时数据采集构件(RDC2)、预处理与特征提取构件(PCEC)、监测数据存储查询构件(DSAC)，如附图2所示。上述构架所涉及的RDC2基于FORK并发进程处理方法，产生新的处理任务，实现对目标设备物理信号的多道并行采集，按照既定的数据传输协议对采集的实时数据进行分割、封装，形成统一的数据分组，然后将封装的数据分组发送至PCEC。PCEC接收DSAC上传的数据分组，将其解析重组后，进行限幅消抖滤波、加权递推平均滤波、一阶滞后滤波、金字塔压缩等预处理操作，通过粗糙集方法对不同数据量、格式的数据信号进行融合处理，形成标准的规格化数据分组，然后通过特征提取算法提取目标设备的运行状态特征信号。DSAC为面向嵌入式智能化机电设备状态监测的主体数据库，基于数据管理***第三范式建立，采用优先级轮转模式进行目标记录的循环扫描，实现对实时数据分组、预处理数据、特征数据的存储、查询、更新、维护。
***知识管理维护模块，采用构件化软件设计方法，可划分为2个功能构件：对象实例管理子构件(OIMC)、监测知识规则管理子构件(KRMC)，如附图2所示。上述构架所涉及的OIMC基于面向对象设计(OOD)方法，支持类继承、类模板重载、虚基类，实现对嵌入式智能化机电设备状态监测***所涉及的各个对象进行类定义，并根据不同的监控对象需求生成具体实例；在此基础上，基于优先二叉树遍历算法，实现***在推理过程中对数据对象的快速、准确查找。KRMC采用矩阵知识点管理方法，负责知识规则的添加、编辑以及删除，在一定的空间内维护***推理的准确性。所述的矩阵知识点管理是指将每个监测判断知识规则给予两重属性，即领域知识与***知识；所有知识点形成面向嵌入式智能化机电设备状态监测的知识点矩阵，根据具体监测需求对所需知识点进行检索、调用。
***知识推理识别模块为面向嵌入式智能化机电设备状态监测***的功能主体，同样采用构件化软件设计方法，可划分为3个功能构件：知识推理机构件(KIEC)、对象本体管理构件(O2MC)、规则聚类学***，通过有导师或者无导师知识学习算法进行逐步聚类计算，从而使***推理识别的有效性得到保证。
***交互会话模块，主要分为3个功能构件：***管理构件(SMC)、监测建议与措施构件(MAMC)、用户会话处理构件(USPC)，如附图2所示。SMC为用户提供***管理应用程序接口，主要实现***的启动/停止、工作模式转换、工作参数设置、目标设备选择、目标本体实例管理、推理知识规则维护等功能。MAMC为***交互会话模块的核心，主要根据SRMC提供的识别结果，为提出请求的用户提供监测状态列表、推理过程列表、操作指导建议列表，以及上述列表数据记录所对应的置信度数据，最终形成监测任务日志文件。USPC为用户提供可视化会话窗口与操作提示，提高***在应用过程中的人机功效。
数据采集与预处理：RDAQS采用多道实时数据采集与数据处理分离结构，通过数据融合处理方法实现不同性质类型数据的统一处理，提高监测***的前端工作效率。上述方案涉及的多道实时数据采集与数据处理分离结构，采用嵌入式三处理器硬件构架，分别运行对应的3个功能构件：RDC2、PCEC、DSAC，实现数据采集、预处理、在线存储的并行处理。
所述的数据融合处理方法，主要包含以下处理步骤：
①对目标设备物理信号进行分类定义，主要包含：批量数据(视频、音频、高频振动、高频脉冲)、快变数据(低频振动、低频脉冲、脉动压力、交变电压/电流、感应磁场/电势)、缓变数据(温度、静压、流量)与开关数据(通断信号、高低电平)；
②RDC2根据批量数据规格进行数据分组封装，预留处理空间；
③PCEC采用模糊集方法进行滤波、填充、插补处理，形成统一规格的数据分组上传至***知识推理识别模块，并复制数据记录，存入DSAC。
***推理识别：本发明采用C语言产生式规则***(CLIPS)规则判断与人工神经网络(ANN)进行信息融合的方法进行目标设备的推理与判断，如附图3所示，主要包含以下处理步骤：
①通过模糊集与ANN相结合，构成模糊ANN状态监控分类器，并将模糊处理传递至ANN各层；
②利用来自PCEC的目标状态特征数据作为模糊ANN分类器的输入，通过置信度函数获得分类器输出，输出为相应目标设备状态的置信度值；
③将分类器获得的目标状态置信度与CLIPS规则相匹配，得到第一轮匹配结果；
④若匹配结果置信度达到或者超过预设的置信阈值，则可以直接得到目标状态识别结果；
⑤若匹配结果不满足预设要求，则返回至步骤②，重新进行分类、匹配计算，直到满足预设置信度为止。
最后，还需要注意的是，以上列举的仅是本发明的一个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (5)

1.一种嵌入式智能化机电设备状态监测***，其特征在于：包括物理层元数据支撑模块、***知识管理维护模块、***知识推理识别模块与***交互会话模块；
所述的物理层元数据支撑模块，采用构件化软件设计方法，划分为3个功能构件：实时数据采集构件RDC2、预处理与特征提取构件PCEC和监测数据存储查询构件DSAC，所述的实时数据采集构件RDC2基于FORK并发进程处理方法实现对目标设备物理信号的多道并行采集，按照既定的数据传输协议对采集的实时数据进行分割、封装，形成统一的数据分组，然后将封装的数据分组发送至预处理与特征提取构件PCEC；所述的预处理与特征提取构件PCEC接收监测数据存储查询构件DSAC上传的数据分组，将其解析重组后，进行限幅消抖滤波、加权递推平均滤波、一阶滞后滤波、金字塔压缩预处理操作，通过粗糙集方法对不同数据量、格式的数据信号进行融合处理，形成标准的规格化数据分组，然后通过特征提取算法提取目标设备的运行状态特征信号；所述的监测数据存储查询构件DSAC为面向嵌入式智能化机电设备状态监测的主体数据库，基于数据管理***第三范式建立，采用优先级轮转模式进行目标记录的循环扫描，实现对实时数据分组、预处理数据、特征数据的存储、查询、更新和维护；
所述的***知识管理维护模块，采用构件化软件设计方法，划分为2个功能构件：对象实例管理子构件OIMC和监测知识规则管理子构件KRMC，所述的对象实例管理子构件OIMC基于面向对象设计方法，支持类继承、类模板重载、虚基类，实现对嵌入式智能化机电设备状态监测***所涉及的各个对象进行类定义，并根据不同的监控对象需求生成具体实例；在此基础上，基于优先二叉树遍历算法，实现***在推理过程中对数据对象的快速、准确查找；所述的监测知识规则管理子构件KRMC采用矩阵知识点管理方法，负责知识规则的添加、编辑以及删除；所述的矩阵知识点管理是指将每个监测判断知识规则给予两重属性，即领域知识与***知识；所有知识点形成面向嵌入式智能化机电设备状态监测的知识点矩阵，根据具体监测需求对所需知识点进行检索、调用；
所述的***知识推理识别模块为面向嵌入式智能化机电设备状态监测***的功能主体，同样采用构件化软件设计方法，划分为3个功能构件：知识推理机构件KIEC、对象本体管理构件O2MC和规则聚类学***，通过有导师或者无导师知识学习算法进行逐步聚类计算；
所述的***交互会话模块，分为3个功能构件：***管理构件SMC、监测建议与措施构件MAMC和用户会话处理构件USPC，***管理构件SMC为用户提供***管理应用程序接口，实现***的启动/停止、工作模式转换、工作参数设置、目标设备选择、目标本体实例管理和推理知识规则维护；监测建议与措施构件MAMC为***交互会话模块的核心，根据SRMC提供的识别结果，为提出请求的用户提供监测状态列表、推理过程列表、操作指导建议列表，以及上述列表数据记录所对应的置信度数据，最终形成监测任务日志文件；用户会话处理构件USPC为用户提供可视化会话窗口与操作提示。
2.如权利要求1所述的嵌入式智能化机电设备状态监测***，其特征在于：所述物理层元数据支撑模块中，采用多道实时数据采集与数据处理分离结构，通过数据融合处理方法实现不同性质类型数据的统一处理。
3.如权利要求2所述的嵌入式智能化机电设备状态监测***，其特征在于：所述的多道实时数据采集与数据处理分离结构，采用嵌入式三处理器硬件构架，分别运行对应的3个功能构件：RDC2、PCEC、DSAC，实现数据采集、预处理、在线存储的并行处理。
4.如权利要求2所述的嵌入式智能化机电设备状态监测***，其特征在于：所述的数据融合处理方法，包含以下处理步骤：①对目标设备物理信号进行分类定义，批量数据为视频、音频、高频振动和高频脉冲，快变数据为低频振动、低频脉冲、脉动压力、交变电压/电流和感应磁场/电势，缓变数据为温度、静压、流量，开关数据为通断信号、高低电平；②RDC2根据批量数据规格进行数据分组封装，预留处理空间；③PCEC采用模糊集方法进行滤波、填充、插补处理，形成统一规格的数据分组上传至***知识推理识别模块，并复制数据记录，存入DSAC。
5.如权利要求1～4之一所述的嵌入式智能化机电设备状态监测***，其特征在于：所述的***知识推理识别模块中，知识推理机构件KIEC采用C语言产生式规则***CLIPS规则判断与人工神经网络ANN进行信息融合的方法进行目标设备的推理与判断，包含以下处理步骤：①通过模糊集与ANN相结合，构成模糊ANN状态监控分类器，并将模糊处理传递至ANN各层；②利用来自PCEC的目标状态特征数据作为模糊ANN分类器的输入，通过置信度函数获得分类器输出，输出为相应目标设备状态的置信度值；③将分类器获得的目标状态置信度与CLIPS规则相匹配，得到第一轮匹配结果；④若匹配结果置信度达到或者超过预设的置信阈值，则可以直接得到目标状态识别结果；⑤若匹配结果不满足预设要求，则返回至步骤②，重新进行分类、匹配计算，直到满足预设置信度为止。
CN201610832997.6A 2016-09-20 2016-09-20 一种嵌入式智能化机电设备状态监测*** Active CN106325162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610832997.6A CN106325162B (zh) 2016-09-20 2016-09-20 一种嵌入式智能化机电设备状态监测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610832997.6A CN106325162B (zh) 2016-09-20 2016-09-20 一种嵌入式智能化机电设备状态监测***

Publications (2)

Publication Number Publication Date
CN106325162A CN106325162A (zh) 2017-01-11
CN106325162B true CN106325162B (zh) 2018-09-21

Family

ID=57787148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610832997.6A Active CN106325162B (zh) 2016-09-20 2016-09-20 一种嵌入式智能化机电设备状态监测***

Country Status (1)

Country Link
CN (1) CN106325162B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106851478A (zh) * 2017-02-10 2017-06-13 深圳市笨笨机器人有限公司 多通道信息处理方法及***
CN107092440B (zh) * 2017-03-22 2020-07-24 深圳市中航世星科技有限公司 一种基于fpga的irig106高速数据存储***
CN107859516A (zh) * 2017-09-13 2018-03-30 杭州瑞利声电技术公司 一种小直径多功能双模式偶极子阵列声波测井仪
CN110796563A (zh) * 2018-08-02 2020-02-14 英业达科技有限公司 制造设备的塔形指示灯号控制与管理***及其方法
CN110440910B (zh) * 2019-08-22 2022-02-01 西门子工厂自动化工程有限公司 振动监测方法、装置、驱动***、工控设备及存储介质
CN111338262B (zh) * 2020-03-20 2021-11-19 湖南科技大学 基于arm的家用电器运行状态非侵入式检测装置及方法
CN113220632B (zh) * 2021-04-15 2023-05-12 远景智能国际私人投资有限公司 监控数据的发送方法、***及边缘设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101867500A (zh) * 2010-05-21 2010-10-20 浙江工业大学 嵌入式通用即插即用设备状态监控自适应网络构架实现方法及其***
CN101893875A (zh) * 2009-05-18 2010-11-24 中国石化集团南京化学工业有限公司 基于状态的机械设备一体化综合管理***
CN103646104A (zh) * 2013-12-23 2014-03-19 北京华力创通科技股份有限公司 一种强实时故障诊断方法及***
CN105467953A (zh) * 2015-11-11 2016-04-06 中国科学院软件研究所 一种面向工业大数据的知识表示及其自动化应用方法
CN105719034A (zh) * 2014-12-03 2016-06-29 中国铁路总公司 高速铁路桥梁评估预警***

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08221295A (ja) * 1995-02-13 1996-08-30 Mitsubishi Electric Corp 障害支援装置
JPH0934536A (ja) * 1995-07-25 1997-02-07 Hitachi Ltd 故障診断装置及び方法
US6421571B1 (en) * 2000-02-29 2002-07-16 Bently Nevada Corporation Industrial plant asset management system: apparatus and method
US20040199573A1 (en) * 2002-10-31 2004-10-07 Predictive Systems Engineering, Ltd. System and method for remote diagnosis of distributed objects
EP2533549A1 (en) * 2011-06-07 2012-12-12 Alcatel Lucent Fault detector for optical network communication system
CN102904343B (zh) * 2012-10-16 2014-12-17 贵州电力试验研究院 基于分布式多智能体的状态监测***及方法
CN103675600B (zh) * 2013-09-05 2016-03-30 国家电网公司 基于拓扑知识的配电网故障诊断***及方法
CN104638764A (zh) * 2015-01-22 2015-05-20 国家电网公司 配网设备状态智能诊断和检修***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101893875A (zh) * 2009-05-18 2010-11-24 中国石化集团南京化学工业有限公司 基于状态的机械设备一体化综合管理***
CN101867500A (zh) * 2010-05-21 2010-10-20 浙江工业大学 嵌入式通用即插即用设备状态监控自适应网络构架实现方法及其***
CN103646104A (zh) * 2013-12-23 2014-03-19 北京华力创通科技股份有限公司 一种强实时故障诊断方法及***
CN105719034A (zh) * 2014-12-03 2016-06-29 中国铁路总公司 高速铁路桥梁评估预警***
CN105467953A (zh) * 2015-11-11 2016-04-06 中国科学院软件研究所 一种面向工业大数据的知识表示及其自动化应用方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Application of Improved HMM Algorithm in Slag Detection System;TAN Da-peng;《JOURNAL OF IRON AND STEEL RESEARCH, INTERNATIONAL》;20091231;第16卷(第1期);第1-6页 *
Embedded Fault Diagnosis Expert System Based on CLIPS and ANN;T Dapeng;《Journal of Vibration Engineering》;20071231;第20卷(第5期);第957-960页 *
基于CLIPS与ANN的嵌入式故障诊断专家***;李培玉;《振动工程学报》;20071031;第20卷(第5期);第523-527页 *
基于模糊粗糙集的案例推理在发电设备RCM分析中的应用;董晓峰 等;《中国电机工程学报》;20091115;第29卷(第32期);第30-36页 *
基于模糊评判和RCM分析的发电设备状态综合评价;顾煜炯;《中国电机工程学报》;20040630;第24卷(第6期);第189-194页 *

Also Published As

Publication number Publication date
CN106325162A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
CN106325162B (zh) 一种嵌入式智能化机电设备状态监测***
CN205028126U (zh) 一种基于gis的供水管网智能监控***
CN109976296A (zh) 一种基于虚拟传感器的车间生产过程可视化***及构建方法
CN102536774B (zh) 工业循环水泵组运行特性及运行能效分析装置
CN104572831B (zh) 高速列车需求数据的处理方法及装置
CN107977737A (zh) 基于mxnet框架深度神经网络的配变负荷预测方法
CN113325816A (zh) 面向工业互联网的数字孪生体数据管理方法
CN107272608A (zh) 云平台中的工业设备和***证明
CN107679634A (zh) 一种基于数据可视化的供电故障报修分析和预测的方法
CN115062478A (zh) 基于数字孪生的动态车间生产排程调度方法、***及介质
CN105069025A (zh) 一种大数据的智能聚合可视化与管控***
CN107291830A (zh) 一种设备知识库的创建方法
CN112131782A (zh) 一种多回路智能工厂边缘侧数字孪生场景耦合装置
CN108280876A (zh) 一种基于动态三维模型场景式虚拟展现的工业监控***
CN106709017A (zh) 一种基于大数据的辅助决策方法
CN104573184B (zh) 高速列车产品元模型构建方法和装置
CN108830335A (zh) 光伏电站故障预警方法及***
CN115438726A (zh) 一种基于数字孪生技术的设备寿命与故障类型预测方法及***
CN108694448A (zh) Phm平台
CN102877443A (zh) 一种基于虚拟现实和物联网技术的水闸交互控制***
CN114415607A (zh) 基于数据驱动的设计工艺制造一体化数字孪生***
CN108230183A (zh) 一种基于时标量测的电网设备多维度综合告警的处理方法
CN116415386A (zh) 一种基于实时数据驱动的数字孪生产线可视化***
CN110516808A (zh) 一种知识表示模型的创建方法
CN105900030A (zh) 用于分析厂房内的生产和/或处理工程工序和/或工序步骤的方法、***和计算机程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant