本發(fā)明涉及智能制造與云診斷領(lǐng)域，特別是指一種基于云服務(wù)的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)及故障診斷方法。

背景技術(shù)：

隨著計(jì)算機(jī)、數(shù)據(jù)采集、傳感器和網(wǎng)絡(luò)技術(shù)的快速發(fā)展和廣泛應(yīng)用，制造技術(shù)也向著網(wǎng)絡(luò)化和智能化方向發(fā)展。機(jī)械設(shè)備不斷采用現(xiàn)代先進(jìn)工業(yè)技術(shù)，使得其復(fù)雜程度及維護(hù)難度不斷加大，同時(shí)對(duì)數(shù)據(jù)采集和分析的實(shí)時(shí)性、可靠性、完整性等要求也越來(lái)越高，傳統(tǒng)的基于單機(jī)和現(xiàn)場(chǎng)方式的設(shè)備監(jiān)測(cè)及故障診斷系統(tǒng)已不能滿足現(xiàn)代化的維護(hù)要求。如何減少技術(shù)人員、特別是高水平產(chǎn)品研發(fā)人員的出差，降低出廠產(chǎn)品的現(xiàn)場(chǎng)服務(wù)工作量；如何提高產(chǎn)品的遠(yuǎn)程維護(hù)響應(yīng)速度，如何及時(shí)發(fā)現(xiàn)潛在問(wèn)題，進(jìn)而為產(chǎn)品的改造、設(shè)計(jì)提供一手的數(shù)據(jù)依據(jù)，是設(shè)備制造商面臨的現(xiàn)實(shí)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種可提高產(chǎn)品的維修、維護(hù)響應(yīng)速度，及時(shí)發(fā)現(xiàn)設(shè)備潛在問(wèn)題的基于云服務(wù)的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)及故障診斷方法。

為了達(dá)成上述目的，本發(fā)明的解決方案是：

一種基于云服務(wù)的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)，包括：數(shù)據(jù)采集單元、遠(yuǎn)程通訊網(wǎng)關(guān)單元、云存儲(chǔ)管理單元及云服務(wù)中心單元；所述數(shù)據(jù)采集單元部署在機(jī)械設(shè)備的現(xiàn)場(chǎng)，數(shù)據(jù)采集單元與所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元之間、所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元與所述的云存儲(chǔ)管理單元之間、所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元與所述的云服務(wù)中心單元之間、所述的云存儲(chǔ)管理單元與所述的云服務(wù)中心單元之間均采用網(wǎng)絡(luò)進(jìn)行連接。

所述的數(shù)據(jù)采集單元與所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元之間，采用4g網(wǎng)絡(luò)進(jìn)行連接；

所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元與所述的云存儲(chǔ)管理單元之間、所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元與所述的云服務(wù)中心單元之間、所述的云存儲(chǔ)管理單元與所述的云服務(wù)中心單元之間，采用internet/intranet網(wǎng)絡(luò)進(jìn)行連接；

所述的云服務(wù)中心單元采用internet或4g網(wǎng)絡(luò)向用戶提供web/app/wap界面的云服務(wù)。

所述的數(shù)據(jù)采集單元，包括傳感器模塊、控制器模塊、遠(yuǎn)程通訊模塊，部署在數(shù)據(jù)采集終端上；

所述的傳感器模塊，按照預(yù)設(shè)的采集頻率，實(shí)時(shí)采集工業(yè)生產(chǎn)現(xiàn)場(chǎng)各類傳感器所感知的工況信號(hào)數(shù)據(jù)，傳送給遠(yuǎn)程通訊模塊；

所述的控制器模塊，實(shí)時(shí)接收遠(yuǎn)程通訊模塊所傳送的控制數(shù)據(jù)，根據(jù)控制數(shù)據(jù)對(duì)傳感器模塊的采集頻率、遠(yuǎn)程通訊模塊的上報(bào)頻率等參數(shù)進(jìn)行設(shè)置和修改；

所述的遠(yuǎn)程通訊模塊，一方面，實(shí)時(shí)接收遠(yuǎn)程通訊網(wǎng)關(guān)單元下發(fā)的下行指令，遵循遠(yuǎn)程通訊協(xié)議，解析指令數(shù)據(jù)，并將解析后得到的控制數(shù)據(jù)，傳送給控制器模塊，另一方面，實(shí)時(shí)接收傳感器模塊所傳送的工況信號(hào)數(shù)據(jù)，遵循遠(yuǎn)程通訊協(xié)議，封裝工況信號(hào)數(shù)據(jù)，并將封裝后得到的指令數(shù)據(jù)，按照預(yù)設(shè)的上報(bào)頻率，發(fā)送上行指令，實(shí)時(shí)上報(bào)給遠(yuǎn)程通訊網(wǎng)關(guān)單元。

所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元包括通訊服務(wù)模塊、數(shù)據(jù)預(yù)處理服務(wù)模塊及智能適配服務(wù)模塊，分別部署在云端前置網(wǎng)關(guān)服務(wù)器上；

所述的通訊服務(wù)模塊，一方面，實(shí)時(shí)接收數(shù)據(jù)采集單元上報(bào)的上行指令，遵循遠(yuǎn)程通訊協(xié)議，解析指令數(shù)據(jù)，并將解析后得到的工況信號(hào)數(shù)據(jù)，傳送給數(shù)據(jù)預(yù)處理服務(wù)模塊，另一方面，實(shí)時(shí)接收云服務(wù)中心單元所發(fā)送的控制數(shù)據(jù)，遵循遠(yuǎn)程通訊協(xié)議，封裝控制數(shù)據(jù)，并將封裝后得到的指令數(shù)據(jù)，發(fā)送下行指令，實(shí)時(shí)下發(fā)給數(shù)據(jù)采集單元；

所述的數(shù)據(jù)預(yù)處理服務(wù)模塊，實(shí)時(shí)接收通訊服務(wù)模塊所傳送的工況信號(hào)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，并實(shí)時(shí)發(fā)送給云存儲(chǔ)管理單元；

所述的智能適配服務(wù)模塊，提供適配器模式，為對(duì)應(yīng)型號(hào)的機(jī)械設(shè)備指定對(duì)應(yīng)的遠(yuǎn)程通訊協(xié)議。

所述的云存儲(chǔ)管理單元，包括數(shù)據(jù)存儲(chǔ)服務(wù)模塊、數(shù)據(jù)檢索服務(wù)模塊及數(shù)據(jù)加密服務(wù)模塊，各模塊部署在云端數(shù)據(jù)服務(wù)器上；

所述的數(shù)據(jù)存儲(chǔ)服務(wù)模塊，實(shí)時(shí)接收遠(yuǎn)程通訊網(wǎng)關(guān)單元所發(fā)送的特征向量數(shù)據(jù)，存儲(chǔ)到相應(yīng)的數(shù)據(jù)庫(kù)中；

所述的數(shù)據(jù)檢索服務(wù)模塊，實(shí)時(shí)接收云服務(wù)中心單元所發(fā)送的查詢請(qǐng)求，采用數(shù)據(jù)檢索技術(shù)，從數(shù)據(jù)庫(kù)中獲取目標(biāo)數(shù)據(jù)，并將目標(biāo)數(shù)據(jù)返回給云服務(wù)中心單元；

所述的數(shù)據(jù)加密服務(wù)模塊，采用成熟的商密加密技術(shù)，為某些敏感或關(guān)鍵的特征向量數(shù)據(jù)的存儲(chǔ)，提供可靠的加密、解密服務(wù)。

所述的云服務(wù)中心單元，包括監(jiān)測(cè)服務(wù)模塊、診斷服務(wù)模塊、預(yù)警服務(wù)模塊、會(huì)議服務(wù)模塊、文庫(kù)服務(wù)模塊、培訓(xùn)服務(wù)模塊，部署在云端應(yīng)用服務(wù)器上；

所述的監(jiān)測(cè)服務(wù)模塊，可以對(duì)機(jī)械設(shè)備的運(yùn)行狀態(tài)、現(xiàn)場(chǎng)景象等，提供圖形、圖表、圖像、視頻等展現(xiàn)方式的實(shí)時(shí)可視化監(jiān)控服務(wù)，以及指定時(shí)間段內(nèi)的過(guò)程回溯服務(wù)；

所述的診斷服務(wù)模塊，通過(guò)內(nèi)置知識(shí)庫(kù)、模型庫(kù)、狀態(tài)庫(kù)等，為不同難度、不同層次的診斷需求提供專家診斷服務(wù)；

所述的專家診斷服務(wù)，采用基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)故障診斷方法，其算法步驟如下：

步驟1：確定輸入、輸出向量：

根據(jù)布爾矩陣的構(gòu)造原理，設(shè)在故障診斷中，特征參數(shù)有m個(gè)，即輸入特征向量p＝(s1,s2,…,sm)，待識(shí)別的故障類型有n個(gè)，即輸出特征向量q＝(r1,r2,…,rn)；根據(jù)模糊聚類分析，rj(j∈[1,n])在(0,1)之間取值，判定rj中隸屬度最大者為零部件故障發(fā)生的原因；

步驟2：選取網(wǎng)絡(luò)層數(shù)：

采用三層bp神經(jīng)網(wǎng)絡(luò)，分別為輸入層、隱含層、輸出層。根據(jù)步驟1所述的輸入、輸出向量，確定輸入層神經(jīng)元個(gè)數(shù)為a，其中a＝m，輸出層神經(jīng)元個(gè)數(shù)為b，其中b＝n；

步驟3：計(jì)算隱含層神經(jīng)元個(gè)數(shù)：

隱含層神經(jīng)元個(gè)數(shù)由公式確定，x是一個(gè)常數(shù)，取值在[1,10]之間；

步驟4：設(shè)定初始權(quán)值：

設(shè)定初始權(quán)值為[-1,1]之間的隨機(jī)數(shù)值；

步驟5：設(shè)定學(xué)習(xí)速率：

設(shè)定學(xué)習(xí)速率為[0.01,0.8]之間的隨機(jī)數(shù)值；

步驟6：采用遺傳算法對(duì)bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和學(xué)習(xí)速率進(jìn)行優(yōu)化，避免后續(xù)的網(wǎng)絡(luò)學(xué)習(xí)陷入局部極小值，包括以下步驟：

步驟6.1：根據(jù)bp神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層和輸出層神經(jīng)元個(gè)數(shù)來(lái)確定遺傳算法的編碼長(zhǎng)度l

l＝a*b+b*h+h*a；

步驟6.2：確定遺傳算法的適應(yīng)度函數(shù)；

步驟6.3：通過(guò)遺傳算法的選擇、交叉和變異操作產(chǎn)生新的種群個(gè)體；

步驟6.4：根據(jù)編碼長(zhǎng)度和適應(yīng)度函數(shù)，計(jì)算種群個(gè)體的適應(yīng)度值，若該適應(yīng)度值滿足最優(yōu)適應(yīng)度，則將步驟6.3得到種群個(gè)體作為最優(yōu)的個(gè)體輸出到bp神經(jīng)網(wǎng)絡(luò)作為初始權(quán)值和學(xué)習(xí)速率，進(jìn)入步驟6.5，否則繼續(xù)進(jìn)行步驟6.3的操作；

步驟6.5：判斷遺傳算法是否達(dá)到了設(shè)定的最大進(jìn)化代數(shù)，若達(dá)到則輸出最優(yōu)解作為bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和學(xué)習(xí)速率，進(jìn)入步驟7，否則轉(zhuǎn)到步驟6.3；

步驟7：特征向量分組：

將輸入向量p分為兩組，一組作為學(xué)習(xí)樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，用xp表示，另一組作為診斷分析數(shù)據(jù)，用yp表示；

步驟8：網(wǎng)絡(luò)學(xué)習(xí)，包括以下步驟：

步驟8.1：將步驟6.4和步驟6.5得到的初始權(quán)值、學(xué)習(xí)速率和學(xué)習(xí)樣本數(shù)據(jù)xp輸入bp神經(jīng)網(wǎng)絡(luò)的輸入層，計(jì)算隱含層、輸出層各神經(jīng)元的輸出；

步驟8.2：計(jì)算輸出層期望輸出值與實(shí)際輸出值的偏差ep；

步驟8.3：若ep滿足訓(xùn)練誤差條件，則網(wǎng)絡(luò)學(xué)習(xí)結(jié)束，進(jìn)入步驟9，反之，則調(diào)整輸出層和隱含層的權(quán)值，返回步驟8.1繼續(xù)學(xué)習(xí)，依此類推，直至偏差ep符合條件；

步驟8.4：將網(wǎng)絡(luò)學(xué)習(xí)得出的最終權(quán)值作為后續(xù)診斷分析的對(duì)應(yīng)權(quán)值，并得到診斷分析的算法模型；

步驟9：診斷分析：

將診斷分析數(shù)據(jù)yp輸入步驟8.3得出的算法模型，計(jì)算實(shí)際輸出值(隸屬度)，若隸屬度超過(guò)0.8即認(rèn)為設(shè)備工況為故障存在，反之，則認(rèn)為設(shè)備工況正常。

所述的預(yù)警服務(wù)模塊，通過(guò)早期微小故障檢測(cè)、時(shí)間預(yù)測(cè)、定性分析等技術(shù)，提供對(duì)機(jī)械設(shè)備的故障預(yù)警服務(wù)，并可將預(yù)警信息通過(guò)聲音告警、郵件通知、短信通知、自動(dòng)語(yǔ)音電話等形式，及時(shí)告知相關(guān)人員；

所述的會(huì)議服務(wù)模塊，為設(shè)備制造商和生產(chǎn)企業(yè)提供視頻會(huì)議、語(yǔ)音會(huì)議、電子白板、文件共享、桌面共享、協(xié)同瀏覽、電子投票等遠(yuǎn)程溝通和協(xié)作服務(wù)；

所述的文庫(kù)服務(wù)模塊，為設(shè)備制造商和生產(chǎn)企業(yè)的各級(jí)用戶提供方便快捷的信息或文檔上傳、共享、查詢等服務(wù)；

所述的培訓(xùn)服務(wù)模塊，方便在線示教，設(shè)備制造商可以為生產(chǎn)企業(yè)提供遠(yuǎn)程培訓(xùn)和互動(dòng)教學(xué)服務(wù)。

作為本發(fā)明的優(yōu)化方案，所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元，采用服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持高并發(fā)訪問(wèn)；

作為本發(fā)明的優(yōu)化方案，所述的云存儲(chǔ)管理單元，采用分布式數(shù)據(jù)庫(kù)、服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持海量特征向量數(shù)據(jù)管理和高并發(fā)訪問(wèn)；

作為本發(fā)明的優(yōu)化方案，所述的云服務(wù)中心單元，采用服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持高并發(fā)訪問(wèn)。

本發(fā)明的優(yōu)點(diǎn)及積極效果在于：

(1)本發(fā)明基于松耦合的云服務(wù)構(gòu)建方式，使得功能模塊的可重用度更高，易于系統(tǒng)的擴(kuò)展，實(shí)現(xiàn)了對(duì)分散、異構(gòu)的資源進(jìn)行有效的整合，能夠便捷的提供適合跨地域環(huán)境下的遠(yuǎn)程監(jiān)測(cè)與故障診斷服務(wù)；

(2)本發(fā)明創(chuàng)造性地將基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)故障診斷方法應(yīng)用在機(jī)械設(shè)備故障診斷，有效地提高了診斷系統(tǒng)的診斷準(zhǔn)確性。

(3)本發(fā)明能夠?yàn)樵O(shè)備制造商的技術(shù)人員提供機(jī)械設(shè)備遠(yuǎn)程在線工況監(jiān)測(cè)，提高機(jī)械設(shè)備的遠(yuǎn)程故障診斷水平，減少技術(shù)人員的出差，降低現(xiàn)場(chǎng)服務(wù)工作量；能夠?yàn)樯a(chǎn)企業(yè)使用的機(jī)械設(shè)備提供復(fù)雜故障的快速、準(zhǔn)確、高效診斷，縮短維護(hù)請(qǐng)求的響應(yīng)時(shí)間，提高維護(hù)效率，降低因停機(jī)維護(hù)造成的損失；設(shè)備制造商通過(guò)遠(yuǎn)程網(wǎng)絡(luò)為生產(chǎn)企業(yè)使用的機(jī)械設(shè)備完成定期維護(hù)、數(shù)據(jù)監(jiān)測(cè)、系統(tǒng)升級(jí)、故障咨詢、協(xié)調(diào)診斷與維修服務(wù)，降低了產(chǎn)品維護(hù)費(fèi)用，達(dá)到綠色制造、生產(chǎn)與維護(hù)的目標(biāo)；

(4)本發(fā)明能夠?qū)崟r(shí)監(jiān)控設(shè)備狀態(tài)和參數(shù)，即時(shí)發(fā)現(xiàn)問(wèn)題，實(shí)現(xiàn)設(shè)備運(yùn)轉(zhuǎn)的透明化管理，擁有完整的設(shè)備歷史數(shù)據(jù)，可追溯分析故障，通過(guò)實(shí)時(shí)監(jiān)控生產(chǎn)設(shè)備的運(yùn)轉(zhuǎn)情況，不斷優(yōu)化工藝過(guò)程，從而提高產(chǎn)品質(zhì)量，提高生產(chǎn)效率；通過(guò)遠(yuǎn)程監(jiān)測(cè)及故障診斷的維護(hù)功能將設(shè)備的使用狀況及發(fā)展趨勢(shì)反饋給設(shè)計(jì)制造部門，能夠不斷完善和改進(jìn)設(shè)備，有助于實(shí)現(xiàn)設(shè)備從設(shè)計(jì)、制造、安裝、運(yùn)行、淘汰的全生命周期管理。

附圖說(shuō)明

圖1為本發(fā)明的結(jié)構(gòu)示意圖；

圖2為本發(fā)明的數(shù)據(jù)采集單元結(jié)構(gòu)圖；

圖3為本發(fā)明的智能通訊網(wǎng)關(guān)單元結(jié)構(gòu)圖；

圖4為本發(fā)明的云存儲(chǔ)管理單元結(jié)構(gòu)圖；

圖5為本發(fā)明的云服務(wù)中心單元結(jié)構(gòu)圖；

圖6為本發(fā)明的遠(yuǎn)程診斷數(shù)據(jù)流程圖；

圖7為本發(fā)明的診斷算法流程圖。

以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳述。

具體實(shí)施方式

本實(shí)施例以rt-rmds遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)為原型，詳細(xì)描述本發(fā)明的實(shí)施方式。rt-rmds遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)，基于云服務(wù)架構(gòu)，針對(duì)制造業(yè)中的大型、復(fù)雜、高技術(shù)設(shè)備的分布特點(diǎn)，通過(guò)數(shù)據(jù)采集、網(wǎng)絡(luò)通訊及故障診斷，將分布獨(dú)立的設(shè)備聯(lián)系為相互協(xié)作的有機(jī)體，以實(shí)現(xiàn)對(duì)狀態(tài)監(jiān)測(cè)和故障處置的及時(shí)響應(yīng)，并具有資源共享、遠(yuǎn)程協(xié)作、數(shù)據(jù)交換等功能。

如圖1所示，一種基于云服務(wù)的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)，包括數(shù)據(jù)采集單元100、遠(yuǎn)程通訊網(wǎng)關(guān)單元200、云存儲(chǔ)管理單元300、云服務(wù)中心單元400；

所述的數(shù)據(jù)采集單元100與所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元200之間，采用4g網(wǎng)絡(luò)進(jìn)行連接；

所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元200與所述的云存儲(chǔ)管理單元300之間、所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元200與所述的云服務(wù)中心單元400之間、所述的云存儲(chǔ)管理單元300與所述的云服務(wù)中心單元400之間，采用internet/intranet網(wǎng)絡(luò)進(jìn)行連接；

所述的云服務(wù)中心單元400，采用internet/4g網(wǎng)絡(luò)，向用戶提供web/app/wap界面的云服務(wù)；

如圖2所示，所述的數(shù)據(jù)采集單元100，包括傳感器模塊101、控制器模塊102、遠(yuǎn)程通訊模塊103，部署在數(shù)據(jù)采集終端上；

所述的傳感器模塊101，按照預(yù)設(shè)的采集頻率，實(shí)時(shí)采集工業(yè)生產(chǎn)現(xiàn)場(chǎng)各類傳感器所感知的工況信號(hào)數(shù)據(jù)，傳送給遠(yuǎn)程通訊模塊103；

所述的控制器模塊102，實(shí)時(shí)接收遠(yuǎn)程通訊模塊103所傳送的控制數(shù)據(jù)，根據(jù)控制數(shù)據(jù)對(duì)傳感器模塊101的采集頻率、遠(yuǎn)程通訊模塊103的上報(bào)頻率等參數(shù)進(jìn)行設(shè)置和修改；

配合圖6所示，所述的遠(yuǎn)程通訊模塊103，一方面，實(shí)時(shí)接收遠(yuǎn)程通訊網(wǎng)關(guān)單元200下發(fā)的下行指令，遵循遠(yuǎn)程通訊協(xié)議，解析指令數(shù)據(jù)，并將解析后得到的控制數(shù)據(jù)，傳送給控制器模塊102，另一方面，實(shí)時(shí)接收傳感器模塊101所傳送的工況信號(hào)數(shù)據(jù)，遵循遠(yuǎn)程通訊協(xié)議，封裝工況信號(hào)數(shù)據(jù)，并將封裝后得到的指令數(shù)據(jù)，按照預(yù)設(shè)的上報(bào)頻率，發(fā)送上行指令，實(shí)時(shí)上報(bào)給遠(yuǎn)程通訊網(wǎng)關(guān)單元200；

如圖3所示，所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元200，包括通訊服務(wù)模塊201、數(shù)據(jù)預(yù)處理服務(wù)模塊202、智能適配服務(wù)模塊203，部署在云端前置網(wǎng)關(guān)服務(wù)器上；

配合圖6所示，所述的通訊服務(wù)模塊201，一方面，實(shí)時(shí)接收數(shù)據(jù)采集單元100上報(bào)的上行指令，遵循遠(yuǎn)程通訊協(xié)議，解析指令數(shù)據(jù)，并將解析后得到的工況信號(hào)數(shù)據(jù)，傳送給數(shù)據(jù)預(yù)處理服務(wù)模塊202，另一方面，實(shí)時(shí)接收云服務(wù)中心單元400所發(fā)送的控制數(shù)據(jù)，遵循遠(yuǎn)程通訊協(xié)議，封裝控制數(shù)據(jù)，并將封裝后得到的指令數(shù)據(jù)，發(fā)送下行指令，實(shí)時(shí)下發(fā)給數(shù)據(jù)采集單元100；

所述的數(shù)據(jù)預(yù)處理服務(wù)模塊202，實(shí)時(shí)接收通訊服務(wù)模塊201所傳送的工況信號(hào)數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，并實(shí)時(shí)發(fā)送給云存儲(chǔ)管理單元300；

所述的智能適配服務(wù)模塊203，提供適配器模式，為不同型號(hào)的機(jī)械設(shè)備，指定不同的遠(yuǎn)程通訊協(xié)議；

如圖4所示，所述的云存儲(chǔ)管理單元300，包括數(shù)據(jù)存儲(chǔ)服務(wù)模塊301、數(shù)據(jù)檢索服務(wù)模塊302、數(shù)據(jù)加密服務(wù)模塊303，部署在云端數(shù)據(jù)服務(wù)器上；

所述的數(shù)據(jù)存儲(chǔ)服務(wù)模塊301，實(shí)時(shí)接收遠(yuǎn)程通訊網(wǎng)關(guān)單元200所發(fā)送的特征向量數(shù)據(jù)，存儲(chǔ)到相應(yīng)的數(shù)據(jù)庫(kù)中；

所述的數(shù)據(jù)檢索服務(wù)模塊302，實(shí)時(shí)接收云服務(wù)中心單元400所發(fā)送的查詢請(qǐng)求，采用數(shù)據(jù)檢索技術(shù)，從數(shù)據(jù)庫(kù)中獲取目標(biāo)數(shù)據(jù)，并將目標(biāo)數(shù)據(jù)返回給云服務(wù)中心單元400；

所述的數(shù)據(jù)加密服務(wù)模塊303，采用成熟的商密加密技術(shù)，為某些敏感或關(guān)鍵的特征向量數(shù)據(jù)的存儲(chǔ)，提供可靠的加密、解密服務(wù)；

如圖5所示，所述的云服務(wù)中心單元400，包括監(jiān)測(cè)服務(wù)模塊401、診斷服務(wù)模塊402、預(yù)警服務(wù)模塊403、會(huì)議服務(wù)模塊404、文庫(kù)服務(wù)模塊405、培訓(xùn)服務(wù)模塊406，部署在云端應(yīng)用服務(wù)器上；

所述的監(jiān)測(cè)服務(wù)模塊401，可以對(duì)機(jī)械設(shè)備的運(yùn)行狀態(tài)、現(xiàn)場(chǎng)景象等，提供圖形、圖表、圖像、視頻等展現(xiàn)方式的實(shí)時(shí)可視化監(jiān)控服務(wù)，以及指定時(shí)間段內(nèi)的過(guò)程回溯服務(wù)；

所述的診斷服務(wù)模塊402，通過(guò)內(nèi)置知識(shí)庫(kù)、模型庫(kù)、狀態(tài)庫(kù)等，為不同難度、不同層次的診斷需求提供專家診斷服務(wù)；

配合圖7所示，所述的專家診斷服務(wù)，采用基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)故障診斷方法，其算法步驟如下：

步驟1：確定輸入、輸出向量：

根據(jù)布爾矩陣的構(gòu)造原理，設(shè)在故障診斷中，特征參數(shù)有m個(gè)，即輸入向量(特征向量)p＝(s1,s2,…,sm)，待識(shí)別的故障類型有n個(gè)，即輸出向量q＝(r1,r2,…,rn)；根據(jù)模糊聚類分析，rj(j∈[1,n])在(0,1)之間取值，判定rj中隸屬度最大者為零部件故障發(fā)生的原因；

步驟2：選取網(wǎng)絡(luò)層數(shù)：

采用三層bp神經(jīng)網(wǎng)絡(luò)，分別為輸入層、隱含層、輸出層。根據(jù)步驟1所述的輸入、輸出向量，確定輸入層神經(jīng)元個(gè)數(shù)為a，其中a＝m，輸出層神經(jīng)元個(gè)數(shù)為b，其中b＝n；

步驟3：計(jì)算隱含層神經(jīng)元個(gè)數(shù)：

隱含層神經(jīng)元個(gè)數(shù)由公式確定，x是一個(gè)常數(shù)，取值在[1,10]之間；

步驟4：設(shè)定初始權(quán)值：

設(shè)定初始權(quán)值為[-1,1]之間的隨機(jī)數(shù)值；

步驟5：設(shè)定學(xué)習(xí)速率：

設(shè)定學(xué)習(xí)速率為[0.01,0.8]之間的隨機(jī)數(shù)值；

步驟6：采用遺傳算法對(duì)bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和學(xué)習(xí)速率進(jìn)行優(yōu)化，避免后續(xù)的網(wǎng)絡(luò)學(xué)習(xí)陷入局部極小值，包括以下步驟：

步驟6.1：根據(jù)bp神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層和輸出層神經(jīng)元個(gè)數(shù)來(lái)確定遺傳算法的編碼長(zhǎng)度l

l＝a*b+b*h+h*a；

步驟6.2：確定遺傳算法的適應(yīng)度函數(shù)；

步驟6.3：通過(guò)遺傳算法的選擇、交叉和變異操作產(chǎn)生新的種群個(gè)體；

步驟6.4：根據(jù)編碼長(zhǎng)度和適應(yīng)度函數(shù)，計(jì)算種群個(gè)體的適應(yīng)度值，若該適應(yīng)度值滿足最優(yōu)適應(yīng)度，則將步驟6.3得到種群個(gè)體作為最優(yōu)的個(gè)體輸出到bp神經(jīng)網(wǎng)絡(luò)作為初始權(quán)值和學(xué)習(xí)速率，進(jìn)入步驟6.5，否則繼續(xù)進(jìn)行步驟6.3的操作；

步驟6.5：判斷遺傳算法是否達(dá)到了設(shè)定的最大進(jìn)化代數(shù)，若達(dá)到則輸出最優(yōu)解作為bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和學(xué)習(xí)速率，進(jìn)入步驟7，否則轉(zhuǎn)到步驟6.3；

步驟7：特征向量分組：

將輸入向量p分為兩組，一組作為學(xué)習(xí)樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，用xp表示，另一組作為診斷分析數(shù)據(jù)，用yp表示；

步驟8：網(wǎng)絡(luò)學(xué)習(xí)，包括以下步驟：

步驟8.1：將步驟6.4和步驟6.5得到的初始權(quán)值、學(xué)習(xí)速率和學(xué)習(xí)樣本數(shù)據(jù)xp輸入bp神經(jīng)網(wǎng)絡(luò)的輸入層，計(jì)算隱含層、輸出層各神經(jīng)元的輸出；

步驟8.2：計(jì)算輸出層期望輸出值與實(shí)際輸出值的偏差ep；

步驟8.3：若ep滿足訓(xùn)練誤差條件，則網(wǎng)絡(luò)學(xué)習(xí)結(jié)束，進(jìn)入步驟9，反之，則調(diào)整輸出層和隱含層的權(quán)值，返回步驟8.1繼續(xù)學(xué)習(xí)，依此類推，直至偏差ep符合條件；

步驟8.4：將網(wǎng)絡(luò)學(xué)習(xí)得出的最終權(quán)值作為后續(xù)診斷分析的對(duì)應(yīng)權(quán)值，并得到診斷分析的算法模型；

步驟9：診斷分析：

將診斷分析數(shù)據(jù)yp輸入步驟8.3得出的算法模型，計(jì)算實(shí)際輸出值即隸屬度，若隸屬度超過(guò)0.8即認(rèn)為設(shè)備工況為故障存在，反之，則認(rèn)為設(shè)備工況正常。

所述的預(yù)警服務(wù)模塊403，通過(guò)早期微小故障檢測(cè)、時(shí)間預(yù)測(cè)、定性分析等技術(shù)，提供對(duì)機(jī)械設(shè)備的故障預(yù)警服務(wù)，并可將預(yù)警信息通過(guò)聲音告警、郵件通知、短信通知、自動(dòng)語(yǔ)音電話等形式，及時(shí)告知相關(guān)人員；

所述的會(huì)議服務(wù)模塊404，為設(shè)備制造商和生產(chǎn)企業(yè)提供視頻會(huì)議、語(yǔ)音會(huì)議、電子白板、文件共享、桌面共享、協(xié)同瀏覽、電子投票等遠(yuǎn)程溝通和協(xié)作服務(wù)；

所述的文庫(kù)服務(wù)模塊405，為設(shè)備制造商和生產(chǎn)企業(yè)的各級(jí)用戶提供方便快捷的信息或文檔上傳、共享、查詢等服務(wù)；

所述的培訓(xùn)服務(wù)模塊406，方便在線示教，設(shè)備制造商可以為生產(chǎn)企業(yè)提供遠(yuǎn)程培訓(xùn)和互動(dòng)教學(xué)服務(wù)。

作為本發(fā)明的優(yōu)化方案，所述的遠(yuǎn)程通訊網(wǎng)關(guān)單元200采用服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持高并發(fā)訪問(wèn)；

作為本發(fā)明的優(yōu)化方案，所述的云存儲(chǔ)管理單元300，采用分布式數(shù)據(jù)庫(kù)、服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持海量特征向量數(shù)據(jù)管理和高并發(fā)訪問(wèn)；

作為本發(fā)明的優(yōu)化方案，所述的云服務(wù)中心單元400，采用服務(wù)器集群和負(fù)載均衡技術(shù)部署，以支持高并發(fā)訪問(wèn)。

以上僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明實(shí)施例揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)該涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。