CN115561006B - 面向旋转机械设备的模块化多核异架构远程实时监测*** - Google Patents

Abstract

本公开的实施例公开了一种面向旋转机械设备的模块化多核异架构远程实时监测***。该***的一具体实施方式包括：面向旋转机械设备的模块化多核异架构远程实时监测***包括：数据采集单元、服务器单元和预警单元。数据采集单元，用于根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合；还用于对采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合。服务器单元，还用于利用关键数据信息集合，确定旋转机械设备的运行状态；还用于根据运行状态，确定旋转机械设备的故障类型。预警单元，用于基于故障类型和关键数据信息集合，执行故障报警操作。该实施方式实现了较为全面充分的监测和报警。

Description

面向旋转机械设备的模块化多核异架构远程实时监测***

技术领域

本公开的实施例涉及计算机技术领域，具体涉及面向旋转机械设备的模块化多核异架构远程实时监测***。

背景技术

远程实时监测，是一种对旋转设备进行实时监测并报警的技术。目前，在对旋转机械设备，特别是挤压造粒机机组进行监测时，通常采用的方式为：通过对温度和压力的在线监测以及对齿轮箱轴承振动的离线监测实现数据监测和报警。

然而，当采用上述方式对旋转设备进行实时监测并报警时，经常会存在如下技术问题：

第一，监测的数据较少，且数据之间的关联性差，针对性不强，难以实现全面充分的监测和报警；

第二，难以根据监测到的数据较为准确地确定故障类型，进而影响对故障的修复；

第三，难以根据旋转机械设备所产生的数据的实时变化，解除报警。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了面向旋转机械设备的模块化多核异架构远程实时监测***，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种面向旋转机械设备的模块化多核异架构远程实时监测***，该***包括多个模块化单元：数据采集单元、服务器单元和预警单元。该***包括的各个模块化单元有单独的处理器，各个模块化单元的处理器可以为32位处理器。各个处理器可以采用单片机、MIPS（Million Instructions Per Second，每秒百万条）、ARM（Advanced RISC Machine，进阶精简指令集机器）、RSIC-V（Reduced InstructionSet Computer-Five，精减指令集计算机-5）等架构形式，并通过网络或总线进行连接。其中，上述数据采集单元用于根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合；上述数据采集单元还用于对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，以及将上述关键数据信息集合发送至上述服务器单元；上述服务器单元用于利用上述关键数据信息集合，确定上述旋转机械设备的运行状态；上述服务器单元还用于根据上述运行状态，确定上述旋转机械设备的故障类型，以及将上述故障类型和上述关键数据信息集合发送至上述预警单元；上述预警单元用于基于上述故障类型和上述关键数据信息集合，执行故障报警操作。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的面向旋转机械设备的模块化多核异架构远程实时监测***，能够实现较为全面充分的监测和报警。具体来说，造成相关的监测和报警不够全面充分的原因在于：通过对温度和压力的在线监测以及对齿轮箱轴承振动的离线监测实现数据监测和报警，监测的数据较少，且数据之间的关联性差，针对性不强。基于此，本公开的一些实施例的面向旋转机械设备的模块化多核异架构远程实时监测***，首先，根据预先设置的数据采集频率，对上述旋转机械设备中的各个测点进行数据采集，得到采集数据集合。由此，可以根据实际的需要对上述旋转机械设备中的各个测点进行数据采集，充分满足监测和报警的数据要求。然后，对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合。接着，利用上述关键数据信息集合，确定上述旋转机械设备的运行状态。由此，根据处理后的关键数据信息集合，确定旋转机械设备的运行状态。再接着，根据上述运行状态，确定上述旋转机械设备的故障类型。最后，基于上述故障类型和上述关键数据信息集合，执行故障报警操作。由此，可以实现较为全面充分的监测和报警。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的实施例可以应用于其中的示例性***架构图；

图2是根据本公开的面向旋转机械设备的模块化多核异架构远程实时监测***方法的一些实施例的时序图；

图3是根据本公开的面向旋转机械设备的模块化多核异架构远程实时监测***方法的另一些实施例的时序图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的面向旋转机械设备的模块化多核异架构远程实时监测***的示例性***架构100。

如图1所示，***架构100可以包括数据采集单元101、服务器单元102、预警单元103和网络104。其中，网络104用以在数据采集单元101、服务器单元102和预警单元103之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

数据采集单元101、服务器单元102和预警单元103可以通过网络104进行交互以接收或发送消息。服务器单元102可以提供各种服务，例如服务器单元102可以对从数据采集单元101获取的关键数据信息集合，确定上述旋转机械设备的运行状态。

应该理解，图1中的数据采集单元、服务器单元、预警单元和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的用户终端、网络、信息处理服务器。

继续参考图2，示出了根据本公开的面向旋转机械设备的模块化多核异架构远程实时监测***的一些实施例的时序图200。

本申请实施例中的面向旋转机械设备的模块化多核异架构远程实时监测***可以包括：数据采集单元（例如图1所示的数据采集单元101）、服务器单元（例如图1所示的服务器单元102）和预警单元（例如图1所示的预警单元103）。其中，上述数据采集单元用于根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合；上述数据采集单元还用于对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，以及将上述关键数据信息集合发送至上述服务器单元；上述服务器单元用于利用上述关键数据信息集合，确定上述旋转机械设备的运行状态；上述服务器单元还用于根据上述运行状态，确定上述旋转机械设备的故障类型，以及上上述故障类型和上述关键数据信息集合发送至上述预警单元；上述预警单元用于基于上述故障类型和上述关键数据信息集合，执行故障报警操作。

如图2所示，在步骤201中，数据采集单元根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合。

在一些实施例中，数据采集单元（如图1所示的数据采集单元101）可以用于通过有线连接方式或者无线连接方式根据预先设置的数据采集频率，对上述旋转机械设备中的各个测点进行数据采集，得到采集数据集合。其中，上述各个测点可以是根据实际需要预先在上述旋转机械设备中选取的、用于采集数据的点位。上述数据采集可以是利用在各个测点安装的数据传感器获取原始的采集数据，从而得到采集数据集合。

实践中，可以根据实际应用需要设置上述数据采集频率，此处不做限定。

作为示例，上述数据采集频率可以是1秒一次。上述旋转机械设备可以是挤压造粒机，但不仅限于挤压造粒机。

在步骤202中，数据采集单元对采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合。

在一些实施例中，上述采集数据集合中的采集数据可以包括但不限于以下至少一项：振动加速度原始数据、振动速度原始数据、冲击脉冲、温度值、电流值和位移信号。上述关键数据信息集合中的关键数据信息可以包括但不限于以下至少一项：加速度振动总值、速度振动总值、加速度时域谱和速度时域谱。

上述数据采集单元对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，可以包括以下步骤：

第一步，对上述采集数据集合中的每个采集数据包括的振动加速度原始数据和振动速度原始数据进行振动总值处理，得到加速度振动总值和速度振动总值。其中，上述振动总值处理可以包括：信号滤波、数据去趋势和样本统计值确定。

第二步，确定上述采集数据集合中的每个采集数据包括的振动加速度原始数据的加速度时域谱和振动速度原始数据的速度时域谱。其中，可以对振动加速度原始数据和振动速度原始数据进行傅里叶变换，得到加速度时域谱和速度时域谱。

在一些实施例的一些可选的实现方式中，上述关键数据信息集合中的关键数据信息还可以包括加速度振动总值和速度振动总值。

上述数据采集单元对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，还可以包括以下步骤：

第一步，对预先设置的第一监测频率段内的振动加速度原始数据进行加速度频域处理，得到加速度振动总值和峭度值。其中，上述加速度频域处理可以包括：信号滤波、数据去趋势和频域变换。

实践中，可以根据实际应用需要设置上述第一监测频率段，此处不做限定。

第二步，对预先设置的第二监测频率段内的振动加速度原始数据进行速度频域处理，得到速度振动总值和峭度值，其中，上述速度频域处理包括：信号滤波、信号积分、数据去趋势和频域变换。

实践中，可以根据实际应用需要设置上述第一监测频率段，此处不做限定。

可选的，上述数据采集单元还可以用于执行以下步骤：

第一步，对上述采集数据集合中的每个采集数据包括的振动速度原始数据进行处理，得到加速度包络谱、加速度时域谱和速度时域谱。

其中，可以对振动加速度原始数据进行傅里叶逆变换，得到加速度包络谱。

第二步，将得到的各个加速度包络谱、各个加速度时域谱和各个速度时域谱发送至目标用户终端以供展示。

对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合的步骤作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题一“监测的数据较少，且数据之间的关联性差，针对性不强，难以实现全面充分的监测和报警”。导致上述技术问题的因素往往如下：难以对数据进行有效的分析。如果解决了上述因素，就能达到对设备进行全面有效检测的效果。为了达到这一效果，本公开对对上述采集数据集合中的每个采集数据中的各项数据进行处理，得到加速度振动总值、速度振动总值、加速度时域谱、速度时域谱、累积加速度振动总值、累积速度振动总值、加速度包络谱、加速度时域谱、速度时域谱和加速度包络谱。进而，利用处理后得到的各项数据进一步供后续对设备状态进行判断，并进行预警。

在一些实施例的一些可选的实现方式中，上述数据采集单元还可以包括采集模组，上述采集模组包括但不限于以下至少一项冲击脉冲模组、振动模组、位移模组、电流模组、转速模组和温度模组。

上述冲击脉冲模组可以由至少一个冲击脉冲传感器组成。上述冲击脉冲模组，用于通过上述至少一个冲击脉冲传感器采集上述旋转机械设备轴承部位运行过程中的冲击脉冲数据。其中，上述冲击脉冲数据可以包括在上述采集数据集合中。

上述振动模组可以由至少一个加速度传感器组成。上述振动模组用于通过上述至少一个加速度传感器采集上述旋转机械设备的齿轮箱在运行过程中的振动加速度原始数据和振动速度原始数据。其中，上述振动加速度原始数据和和振动速度原始数据可以包括在上述采集数据集合中。

上述位移模组可以由至少一个位移传感器组成。上述位移模组通过上述至少一个位移传感器采集上述旋转机械设备的螺杆部件在运行过程中在垂直方向的位移数据和水平方向的位移数据。以及利用上述垂直方向的位移数据和上述水平方向的位移数据确定整***移数据，上述整***移数据包括在上述采集数据集合中。

上述电流模组，可以用于通过4毫安至20毫安电流模拟量采集上述旋转机械设备在运行过程中所产生的电流信号。其中，上述电流信号可以包括在上述采集数据集合中。上述电流信号包括但不限于以下至少一项：溢流阀开度信号、负载电流值、转速、距离值和振动总值。

上述转速模组可以由至少一个转速传感器组成。上述转速模组，可以用于通过上述至少一个转速传感器采集上述旋转机械设备中的各个测点的转速。其中，上述各个测点的转速可以包括在上述采集数据集合中。

上述温度模组可以由至少一个温度传感器组成。上述温度模组可以用于通过上述至少一个温度传感器采集上述旋转机械设备中的各个测点的温度，上述各个测点的温度包括在上述采集数据集合中。

由此，可以通过多个模组较为全面的获取上述旋转机械设备中的各个测点的各项数据。

可选的，上述数据采集单元还可以包括数据处理模块。上述数据处理模块与上述振动模组、冲击脉冲模组、位移模组、电流模组、转速模组和温度模组通信连接，上述数据处理模块可以用于执行以下步骤：

第一步，获取上述采集模组采集的原始数据。其中，上述原始数据可以包括：冲击脉冲数据、振动加速度原始数据、振动速度原始数据、整***移数据、电流信号、各个测点的转速和各个测点的温度。

第二步，对上述振动速度原始数据进行振动总值处理，得到加速度振动总值。其中，上述振动总值处理包括：信号滤波、数据去趋势和样本统计值确定。

可选的，上述数据处理模块还可以用于执行以下步骤：

第一步，对预先设置的第一监测频率段内的振动加速度原始数据进行加速度频域处理，得到加速度振动总值和峭度值。其中，上述加速度频域处理可以包括：信号滤波、数据去趋势和频域变换。

第二步，对预先设置的第二监测频率段内的振动加速度原始数据进行速度频域处理，得到速度振动总值和峭度值。其中，上述速度频域处理可以包括：信号滤波、信号积分、数据去趋势和频域变换。

在步骤203中，数据采集单元将关键数据信息集合发送至服务器单元。

在一些实施例中，上述数据采集单元可以将上述关键数据信息集合发送至上述服务器单元。

在步骤204中，服务器单元利用关键数据信息集合，确定旋转机械设备的运行状态。

在一些实施例中，上述服务器单元（如图1所示的服务器单元102）利用上述关键数据信息集合，确定上述旋转机械设备的运行状态，可以包括以下步骤：

第一步，对于上述关键数据信息集合中每个关键数据信息，将上述关键数据信息与预先设置的与上述关键数据信息对应的子状态组中的各个子状态进行匹配，得到匹配子状态。其中，可以预先为每个关键数据信息设置对应的子状态组。子状态组中的每个子状态对应于同一个关键数据的不同信息。

第二步，将得到的各个匹配子状态进行组合，得到上述旋转机械设备的运行状态。

在一些实施例的一些可选的实现方式中，上述面向旋转机械设备的模块化多核异架构远程实时监测***还包括目标用户终端。上述数据处理模块还用于对振动加速度原始数据进行处理，得到加速度包络谱、加速度时域谱和速度时域谱，以及将得到的上述加速度包络谱、上述加速度时域谱和上述速度时域谱发送至目标用户终端以供展示。上述目标用户终端可以是硬件，也可以是软件。当目标用户终端为硬件时，可以是具有显示屏并且支持数据查询和显示的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当目标用户终端为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

在步骤205中，服务器单元根据运行状态，确定旋转机械设备的故障类型。

在一些实施例中，上述服务器单元还用于根据上述运行状态，确定上述旋转机械设备的故障类型。其中，可以将上述运行状态与预先设置的故障匹配信息集合中的故障匹配信息进行匹配。其中，上述故障匹配信息集合中的故障匹配信息包括运行状态和故障类型。可以将故障匹配信息中的运行状态与上述运行状态相同的故障匹配信息确定为目标故障匹配信息。再将上述目标故障匹配信息中的故障类型确定为上述旋转机械设备的故障类型。

在一些实施例中的可选的实现方式中，上述执行主体可以根据上述运行状态和上述关键数据信息集合，利用预先生成的故障分类模型集合确定上述旋转机械设备的故障类型：

第一步，将上述运行状态和上述关键数据信息集合输入上述故障分类模型集合中的每个故障分类模型以生成候选故障类型，得到候选故障类型集合。

第二步，将上述候选故障类型集合中相同的候选故障类型分为一组，得到候选故障类型组集合。

第三步，将上述候选故障类型组集合中满足第一预设条件的候选故障类型组中的候选故障类型确定为上述旋转机械设备的故障类型。其中，上述第一预设条件可以是候选故障类型组中候选故障类型的数量是上述候选故障类型组集合包括的各个候选故障类型组中最大的。

其中，上述故障分类模型集合通可以过以下步骤生成：

第一步，利用预先获取的样本数据集对初始故障分类模型集合中的各个初始故障分类模型进行训练，得到故障分类模型集合。其中，上述样本数据集中的样本数据可以包括：关键数据信息集合、运行状态和故障类型。

实践中，可以根据实际应用需要确定上述初始故障分类模型集合中的各个初始故障分类模型，此处不做限定。作为示例，上述初始故障分类模型集合中的各个初始故障分类模型可以包括但不限于以下至少一项：逻辑回归模型、决策树模型、随机森林模型、梯度提升树模型、多层感知机模型、朴素贝叶斯模型、线性回归模型、决策树回归模型、随机森林回归模型、梯度提升树回归模型、生存回归模型等。

第二步，为上述故障分类模型集合中的各个故障分类模型设置相同的模型评分值。

作为示例，设置的初始模型评分值可以是100。

在一些实施例的一些可选的实现方式中，上述执行主体还可以执行以下步骤：

第一步，将上述候选故障类型组集合中满足第二预设条件的候选故障类型组中的各个候选故障类型对应的故障分类模型确定为待筛选故障分类模型，得到待筛选故障分类模型集合。其中，上述第二预设条件可以是候选故障类型组中候选故障类型的数量是上述候选故障类型组集合包括的各个候选故障类型组中最小的。

第二步，响应于确定上述待筛选故障分类模型集合中待筛选故障分类模型的数量小于预设阈值，将上述待筛选故障分类模型集合中每个待筛选故障分类模型的模型评分值递减预设分值。

作为示例，上述预设阈值可以是2。上述预设分值可以是5。

可选的，上述执行主体还可以执行以下步骤：

响应于确定上述故障分类模型集合中存在满足第三预设条件的故障分类模型，将满足上述第三预设条件的故障分类模型从上述故障分类模型集合中剔除。其中，上述第三预设条件可以是故障分类模型的模型评分值小于预设模型评分值阈值。

作为示例，上述模型评分值阈值可以是60。

上述根据运行状态，确定旋转机械设备的故障类型的步骤及其扩展步骤作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“难以根据监测到的数据较为准确地确定故障类型，进而影响对故障的修复”。导致确定的故障类型的准确度较低的因素往往如下：对温度和压力的在线监测以及对齿轮箱轴承振动的离线监测后，通过人工方式确定故障类型，确定的故障类型可能受到人的主观经验和认知的影响而不够准确。如果解决了上述因素，就能达到提高故障类型的准确度的效果。为了达到这一效果，本公开首先，将上述运行状态和上述关键数据信息集合输入上述故障分类模型集合中的每个故障分类模型以生成候选故障类型，得到候选故障类型集合。然后，将上述候选故障类型集合中相同的候选故障类型分为一组，得到候选故障类型组集合。再然后，将上述候选故障类型组集合中满足第一预设条件的候选故障类型组中的候选故障类型确定为上述旋转机械设备的故障类型。其中，上述第一预设条件可以是候选故障类型组中候选故障类型的数量是上述候选故障类型组集合包括的各个候选故障类型组中最大的。从而，利用故障分类模型集合中的多个故障分类模型确定故障类型，从一定程度上避免了单一模型确定结果的偏差，提升结果的准确性。接着，将上述候选故障类型组集合中满足第二预设条件的候选故障类型组中的各个候选故障类型对应的故障分类模型确定为待筛选故障分类模型，得到待筛选故障分类模型集合。再接着，响应于确定上述待筛选故障分类模型集合中待筛选故障分类模型的数量小于预设阈值，将上述待筛选故障分类模型集合中每个待筛选故障分类模型的模型评分值递减预设分值。最后，响应于确定上述故障分类模型集合中存在满足第三预设条件的故障分类模型，将满足上述第三预设条件的故障分类模型从上述故障分类模型集合中剔除。由此，可以根据每次故障类型的确定结果，动态的调整故障分类模型集合中故障分类模型的评分值，进而，根据评分值剔除表现不好的故障分类模型。从而，提升后续确定故障类型的准确性。

在步骤206中，服务器单元将故障类型和关键数据信息集合发送至预警单元。

在一些实施例中，上述服务器单元还用于上述将故障类型和上述关键数据信息集合发送至上述预警单元。

在步骤207中，预警单元基于故障类型和关键数据信息集合，执行故障报警操作。

在一些实施例中，上述预警单元（如图1所示的预警单元103）基于上述故障类型和上述关键数据信息集合，执行故障报警操作，可以包括以下步骤：

第一步，响应于确定上述关键数据信息集合中存在满足第四预设条件的关键数据信息，将满足上述第四预设条件的关键数据信息作为故障信息和上述故障类型进行组合，得到报警信息。其中，上述第四预设条件可以是关键数据信息中的数值大于预设参考数值。

第二步，利用上述报警信息执行报警操作。其中，上述报警操作可以是将上述报警信息发送至控制终端，以及控制报警设备进行语音或振动报警。上述控制终端可以是移动端设备，但不仅限于移动端设备。

在一些实施例的一些可选的实现方式中，上述预警单元基于上述故障类型和上述关键数据信息集合，执行故障报警操作，还可以包括以下步骤：

响应于检测到报警操作，且上述关键数据信息集合中不存在满足上述第四预设条件的关键数据信息，终止所检测到的报警操作。其中，可以控制报警设备取消语音或振动报警，以终止报警操作。

上述步骤207及其扩展步骤作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“难以根据旋转机械设备所产生的数据的实时变化，解除报警”。导致上述技术问题的因素往往如下：现有的故障报警方法往往只进行报警。如果解决了上述因素，就能达到根据数据的实时变化，解除报警的效果。为了达到这一效果，本公开在控制报警设备进行语音或振动报警之后，可以响应于检测到报警操作，且上述关键数据信息集合中不存在满足上述第四预设条件的关键数据信息，终止所检测到的报警操作。其中，可以控制报警设备取消语音或振动报警，以终止报警操作。由此，可以根据数据的实时变化，解除报警的效果。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的面向旋转机械设备的模块化多核异架构远程实时监测***，能够实现较为全面充分的监测和报警。具体来说，造成相关的监测和报警不够全面充分的原因在于：通过对温度和压力的在线监测以及对齿轮箱轴承振动的离线监测实现数据监测和报警，监测的数据较少，且数据之间的关联性差，针对性不强。基于此，本公开的一些实施例的面向旋转机械设备的模块化多核异架构远程实时监测***，首先，根据预先设置的数据采集频率，对上述旋转机械设备中的各个测点进行数据采集，得到采集数据集合。由此，可以根据实际的需要对上述旋转机械设备中的各个测点进行数据采集，充分满足监测和报警的数据要求。然后，对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合。接着，利用上述关键数据信息集合，确定上述旋转机械设备的运行状态。由此，根据处理后的关键数据信息集合，确定旋转机械设备的运行状态。再接着，根据上述运行状态，确定上述旋转机械设备的故障类型。最后，基于上述故障类型和上述关键数据信息集合，执行故障报警操作。由此，可以实现较为全面充分的监测和报警。

进一步参考图3，其示出了面向旋转机械设备的模块化多核异架构远程实时监测***的另一些实施例的时序图300。

本申请实施例中的面向旋转机械设备的模块化多核异架构远程实时监测***可以包括：数据采集单元（例如图1所示的数据采集单元101）、服务器单元（例如图1所示的服务器单元102）、预警单元（例如图1所示的预警单元103）、数据查询单元和远程管理单元。其中，上述数据采集单元用于根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合；上述数据采集单元还用于对上述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，以及将上述关键数据信息集合发送至上述服务器单元；上述服务器单元用于利用上述关键数据信息集合，确定上述旋转机械设备的运行状态；上述服务器单元还用于根据上述运行状态，确定上述旋转机械设备的故障类型，以及上上述故障类型和上述关键数据信息集合发送至上述预警单元；上述预警单元用于基于上述故障类型和上述关键数据信息集合，执行故障报警操作。上述数据查询单元与上述服务器单元通信连接，上述数据查询单元用于实时查询上述服务器单元所获取到的数据；上述远程管理单元与上述服务器单元通信连接，上述远程管理单元用于对上述服务器单元进行采集参数的配置、时钟授时管理、通信参数配置、远程升级、功能模块化管理和信息总览。

如图3所示，在步骤301中，数据采集单元根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合。

在步骤302中，数据采集单元对采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合。

在步骤303中，数据采集单元将关键数据信息集合发送至服务器单元。

在步骤304中，服务器单元利用关键数据信息集合，确定旋转机械设备的运行状态。

在步骤305中，服务器单元根据运行状态，确定旋转机械设备的故障类型。

在步骤306中，服务器单元将故障类型和关键数据信息集合发送至预警单元。

在步骤307中，预警单元基于故障类型和关键数据信息集合，执行故障报警操作。

在一些实施例中，步骤301-307的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-207，在此不再赘述。

在步骤308中，数据查询单元实时查询服务器单元所获取到的数据。

在一些实施例中，数据查询单元用于实时查询上述服务器单元所采集到的数据。

由此，可以实时查询上述数据采集单元所采集到的数据，进而提供实时的数据服务。

在一些实施例的一些可选的实现方式中，上述***还可以包括运维单元，上述运维单元与上述数据采集单元、上述服务器单元、上述预警单元、上述数据查询单元和上述远程管理单元通信连接，上述运维单元包括关键指标监控接口、管理接口和日志查看接口，上述关键指标监控接口可以用于执行以下步骤：

第一步，获取并提供关键指标监控数据。其中，上述关键指标监控数据可以包括但不限于：中央处理器使用率和内存使用率，上述管理接口用于服务信息的模糊查询、服务状态查询和服务启停，上述日志查看接口用于对运行服务的运行日志进行查询和下载。

第二步，以预设的备份频率对上述数据采集单元、上述服务器单元、上述预警单元，上述数据查询单元和上述远程管理单元所产生的数据进行备份处理。其中，上述备份处理可以是按设备和时间两个维度定时进行数据备份并且对备份数据进行存储。对配置数据可以进行全量备份。对历史数据可以进行增量备份。

在步骤309中，远程管理单元对服务器单元进行采集参数的配置、时钟授时管理、通信参数配置、远程升级、功能模块化管理和信息总览。

在一些实施例中，上述执行主体可以远程管理单元用于对上述服务器单元进行采集参数的配置、时钟授时管理、通信参数配置、远程升级、功能模块化管理和信息总览。其中，信息总览是获取上述数据采集单元的各项数据并进行展示。

在一些实施例的一些可选的实现方式中，上述***还可以包括数据供应模块。上述数据供应模块可以与上述数据采集单元、上述服务器单元、上述预警单元，上述数据查询单元和上述远程管理单元通信连接。上述数据供应模块可以用于向外部的控制单元或设备提供上述数据采集单元、上述服务器单元、上述预警单元、上述数据查询单元或上述远程管理单元所产生的数据。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的面向旋转机械设备的模块化多核异架构远程实时监测***的时序图300体现了数据查询单元对数据采集单元所采集到的数据的实时查询和远程管理单元对数据采集单元的采集参数的配置、时钟授时管理、通信参数配置、远程升级、功能模块化管理和信息总览。由此，这些实施例描述的方案可以实现更为全面的远程实时监测，并能够提供实时的数据服务。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述***包括数据采集单元、服务器单元和预警单元，其中：

所述数据采集单元，用于根据预先设置的数据采集频率，对旋转机械设备中的各个测点进行数据采集，得到采集数据集合；

所述数据采集单元，还用于对所述采集数据集合中的采集数据进行关键数据提取处理，得到关键数据信息集合，以及将所述关键信息集合发送至所述服务器单元；

所述服务器单元，用于利用所述关键数据信息集合，确定所述旋转机械设备的运行状态；

所述服务器单元，还用于根据所述运行状态，确定所述旋转机械设备的故障类型，以及将所述故障类型和所述关键数据信息集合发送至所述预警单元；

所述预警单元，用于基于所述故障类型和所述关键数据信息集合，执行故障报警操作；

所述服务器单元，还用于：

将所述运行状态和所述关键数据信息集合输入故障分类模型集合中的每个故障分类模型以生成候选故障类型，得到候选故障类型集合，其中，所述故障分类模型集合通过以下步骤生成：利用预先获取的样本数据集对初始故障分类模型集合中的各个初始故障分类模型进行训练，得到故障分类模型集合，其中，所述样本数据集中的样本数据包括：关键数据信息集合、运行状态和故障类型，为所述故障分类模型集合中的各个故障分类模型设置相同的模型评分值；

将所述候选故障类型集合中相同的候选故障类型分为一组，得到候选故障类型组集合；

将所述候选故障类型组集合中满足第一预设条件的候选故障类型组中的候选故障类型确定为所述旋转机械设备的故障类型，其中，所述第一预设条件是候选故障类型组中候选故障类型的数量是所述候选故障类型组集合包括的各个候选故障类型组中最大的；

将所述候选故障类型组集合中满足第二预设条件的候选故障类型组中的各个候选故障类型对应的故障分类模型确定为待筛选故障分类模型，得到待筛选故障分类模型集合，其中，所述第二预设条件是候选故障类型组中候选故障类型的数量是所述候选故障类型组集合包括的各个候选故障类型组中最小的；

响应于确定所述待筛选故障分类模型集合中待筛选故障分类模型的数量小于预设阈值，将所述待筛选故障分类模型集合中每个待筛选故障分类模型的模型评分值递减预设分值；

响应于确定所述故障分类模型集合中存在满足第三预设条件的故障分类模型，将满足所述第三预设条件的故障分类模型从所述故障分类模型集合中剔除，其中，所述第三预设条件是故障分类模型的模型评分值小于预设模型评分值阈值。

2.根据权利要求1所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述数据采集单元包括采集模组，所述采集模组包括但不限于冲击脉冲模组、振动模组、位移模组、电流模组、转速模组和温度模组，其中：

所述冲击脉冲模组由至少一个冲击脉冲传感器组成，所述冲击脉冲模组用于通过所述至少一个冲击脉冲传感器采集所述旋转机械设备轴承部位运行过程中的冲击脉冲数据，其中，所述冲击脉冲数据包括在所述采集数据集合中；

所述振动模组由至少一个加速度传感器组成，所述振动模组用于通过所述至少一个加速度传感器采集所述旋转机械设备的齿轮箱在运行过程中的振动加速度原始数据和振动速度原始数据，其中，所述振动加速度原始数据和所述振动速度原始数据包括在所述采集数据集合中；

所述位移模组由至少一个位移传感器组成，所述位移模组用于通过所述至少一个位移传感器采集所述旋转机械设备的螺杆部件在运行过程中在垂直方向的位移数据和水平方向的位移数据，以及利用所述垂直方向的位移数据和所述水平方向的位移数据确定整***移数据，所述整***移数据包括在所述采集数据集合中；

所述电流模组用于通过预设电流值范围内的电流模拟量采集所述旋转机械设备在运行过程中所产生的电流信号，其中，所述电流信号包括在所述采集数据集合中，所述电流信号包括但不限于：溢流阀开度信号、负载电流值、转速、距离值和振动总值；

所述转速模组由至少一个转速传感器组成，所述转速模组用于通过所述少一个转速传感器采集所述旋转机械设备中的各个测点的转速，其中，所述各个测点的转速包括在所述采集数据集合中；

所述温度模组由至少一个温度传感器组成，所述温度模组用于通过所述少一个温度传感器采集所述旋转机械设备中的各个测点的温度，所述各个测点的温度包括在所述采集数据集合中。

3.根据权利要求2所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述数据采集单元还包括数据处理模块，所述数据处理模块与所述振动模组、冲击脉冲模组、位移模组、电流模组、转速模组和温度模组通信连接，所述数据处理模块用于：

获取所述采集模组采集的原始数据，其中，所述原始数据包括：冲击脉冲数据、振动加速度原始数据、振动速度原始数据、整***移数据、电流信号、各个测点的转速和各个测点的温度；

对所述原始数据中包括的振动速度原始数据进行振动总值处理，得到加速度振动总值，其中，所述振动总值处理包括：信号滤波、数据去趋势和样本统计值确定。

4.根据权利要求3所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述数据处理模块还用于：

对预先设置的第一监测频率段内的振动加速度原始数据进行加速度频域处理，得到加速度振动总值和峭度值，其中，所述加速度频域处理包括：信号滤波、数据去趋势和频域变换；

对预先设置的第二监测频率段内的振动加速度原始数据进行速度频域处理，得到速度振动总值和峭度值，其中，所述速度频域处理包括：信号滤波、信号积分、数据去趋势和频域变换。

5.根据权利要求4所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述面向旋转机械设备的模块化多核异架构远程实时监测***还包括目标用户终端，所述目标用户终端与所述数据处理单元通信连接，所述数据处理模块还用于：

对振动加速度原始数据进行处理，得到加速度包络谱、加速度时域谱和速度时域谱，以及将得到的所述加速度包络谱、所述加速度时域谱和所述速度时域谱发送至目标用户终端以供展示。

6.根据权利要求1所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述面向旋转机械设备的模块化多核异架构远程实时监测***还包括数据查询单元，所述数据查询单元与所述服务器单元通信连接，所述数据查询单元用于：

实时查询所述服务器单元所获取到的数据。

7.根据权利要求6所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述面向旋转机械设备的模块化多核异架构远程实时监测***还包括远程管理单元，所述远程管理单元与所述服务器单元通信连接，所述远程管理单元用于：

对所述服务器单元进行采集参数的配置、时钟授时管理、通信参数配置、远程升级、功能模块化管理和信息总览。

8.根据权利要求7所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述面向旋转机械设备的模块化多核异架构远程实时监测***还包括运维单元，所述运维单元与所述数据采集单元、所述服务器单元、所述预警单元、所述数据查询单元和所述远程管理单元通信连接，所述运维单元包括关键指标监控接口、管理接口和日志查看接口，其中：

所述关键指标监控接口，用于获取并提供关键指标监控数据，其中，所述关键指标监控数据包括但不限于中央处理器使用率和内存使用率；

所述管理接口，用于服务信息的模糊查询、服务状态查询和服务启停操作；

所述日志查看接口，用于对运行服务的运行日志进行查询和下载。

9.根据权利要求8所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述运维单元还用于：

对所述数据采集单元、所述服务器单元、所述预警单元，所述数据查询单元和所述远程管理单元所产生的数据进行备份处理，其中，所述备份处理是按设备和时间两个维度定时进行数据备份并且对备份数据进行存储，对配置数据进行全量备份，对历史数据进行增量备份，自动备份频率是预先设置的。

10.根据权利要求9所述的面向旋转机械设备的模块化多核异架构远程实时监测***，其特征在于，所述面向旋转机械设备的模块化多核异架构远程实时监测***还包括数据供应模块，所述数据供应模块与所述数据采集单元、所述服务器单元、所述预警单元，所述数据查询单元和所述远程管理单元通信连接，所述数据供应模块用于：

向外部的控制单元或设备提供所述数据采集单元、所述服务器单元、所述预警单元、所述数据查询单元或所述远程管理单元所产生的数据。

Images