本發(fā)明涉及工業(yè)過程監(jiān)測與儀器儀表領域，尤其是涉及面向一種嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)設計實現(xiàn)方法。

背景技術：

工業(yè)設備的實時狀態(tài)監(jiān)控是保證設備安全運轉(zhuǎn)、生產(chǎn)正常進行的關鍵因素之一。隨著工業(yè)生產(chǎn)規(guī)模的不斷擴大，眾多設備協(xié)同工作，衍生諸多復雜工況，因此工業(yè)監(jiān)控系統(tǒng)的智能化問題就顯得越來越突出。工業(yè)設備監(jiān)控系統(tǒng)對其可靠性、穩(wěn)定性要求較高，若監(jiān)控對象為大型關鍵機電設備，在滿足上述要求的同時，系統(tǒng)需要具備音頻/視頻等批量數(shù)據(jù)的實時傳輸能力；在某些特殊情況下，還需實現(xiàn)對監(jiān)控目標的遠程在線操作與控制。因此，針對不同的目標設備，采用統(tǒng)一的監(jiān)控參數(shù)標準，提供統(tǒng)一的智能儀表接口，建立起具備自適應能力的智能化機電設備狀態(tài)監(jiān)測系統(tǒng)，就顯得十分迫切和必要。隨著嵌入式技術、計算機與網(wǎng)絡技術的發(fā)展，上述目標的實現(xiàn)已成為可能。

嵌入式技術是計算機技術的一個分支，其實時、穩(wěn)定高效及低功耗的特點非常適于在工控領域應用。目前基于先進精簡指令機(Advanced RISC Machine,ARM)和數(shù)字信號處理器(Digital Signal Processor,DSP)的數(shù)據(jù)采集分析系統(tǒng)方面的研究已經(jīng)比較成熟。上述嵌入式微處理器中一般可集成多路模數(shù)轉(zhuǎn)換(A/D)模塊、液晶顯示(Liquid Crystal Display,LCD)驅(qū)動模塊、傳輸控制/互聯(lián)協(xié)議(Transmission Control Protocol/Internet Protocol,TCP/IP)通訊驅(qū)動模塊等，能夠承載復雜的軟件系統(tǒng)以及通信協(xié)議。只要建立通用的數(shù)據(jù)采集與存儲標準，就完全能夠以嵌入式系統(tǒng)為核心，針對目標設備構建出具有網(wǎng)絡通訊功能的狀態(tài)監(jiān)控網(wǎng)絡的底層結(jié)構單元。該結(jié)構單元把目標設備上傳感器測量的信號按照統(tǒng)一標準格式打包，上傳給網(wǎng)絡接口。所以盡管各種待監(jiān)測設備都不一樣，但底層結(jié)構單元通信接口卻是一樣的，具有通用性和互換性。

因此，實現(xiàn)上述目標的關鍵問題就是在嵌入式環(huán)境下，如何設計一種數(shù)據(jù)采集/存儲及其分析識別方法，滿足工業(yè)設備實時監(jiān)控的通用性與自適應能力，以克服當前工業(yè)設備狀態(tài)監(jiān)控系統(tǒng)存在的功能單一、智能化水平較低、兼容性差、實時性不強等問題。

技術實現(xiàn)要素：

為了解決當前工業(yè)設備監(jiān)控系統(tǒng)存在的功能集成能力較弱、兼容性較差、運行效率較低、適用性較差的不足，本發(fā)明提供一種功能集成能力較弱強、兼容性較好、運行效率較高、適用性良好的嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)。

本發(fā)明解決其技術問題所采用的技術方案是：

一種嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)，包括物理層元數(shù)據(jù)支撐模塊、系統(tǒng)知識管理維護模塊、系統(tǒng)知識推理識別模塊與系統(tǒng)交互會話模塊。

所述的物理層元數(shù)據(jù)支撐模塊，采用構件化軟件設計方法，劃分為3個功能構件：實時數(shù)據(jù)采集構件RDC²、預處理與特征提取構件PCEC和監(jiān)測數(shù)據(jù)存儲查詢構件DSAC，所述的實時數(shù)據(jù)采集構件RDC²基于FORK并發(fā)進程處理方法實現(xiàn)對目標設備物理信號的多道并行采集，按照既定的數(shù)據(jù)傳輸協(xié)議對采集的實時數(shù)據(jù)進行分割、封裝，形成統(tǒng)一的數(shù)據(jù)分組，然后將封裝的數(shù)據(jù)分組發(fā)送至預處理與特征提取構件PCEC；所述的預處理與特征提取構件PCEC接收監(jiān)測數(shù)據(jù)存儲查詢構件DSAC上傳的數(shù)據(jù)分組，將其解析重組后，進行限幅消抖濾波、加權遞推平均濾波、一階滯后濾波、金字塔壓縮預處理操作，通過粗糙集方法對不同數(shù)據(jù)量、格式的數(shù)據(jù)信號進行融合處理，形成標準的規(guī)格化數(shù)據(jù)分組，然后通過特征提取算法提取目標設備的運行狀態(tài)特征信號；所述的監(jiān)測數(shù)據(jù)存儲查詢構件DSAC為面向嵌入式智能化機電設備狀態(tài)監(jiān)測的主體數(shù)據(jù)庫，基于數(shù)據(jù)管理系統(tǒng)第三范式建立，采用優(yōu)先級輪轉(zhuǎn)模式進行目標記錄的循環(huán)掃描，實現(xiàn)對實時數(shù)據(jù)分組、預處理數(shù)據(jù)、特征數(shù)據(jù)的存儲、查詢、更新和維護；

所述的系統(tǒng)知識管理維護模塊，采用構件化軟件設計方法，劃分為2個功能構件：對象實例管理子構件OIMC和監(jiān)測知識規(guī)則管理子構件KRMC，所述的對象實例管理子構件OIMC基于面向?qū)ο笤O計方法，支持類繼承、類模板重載、虛基類，實現(xiàn)對嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)所涉及的各個對象進行類定義，并根據(jù)不同的監(jiān)控對象需求生成具體實例；在此基礎上，基于優(yōu)先二叉樹遍歷算法，實現(xiàn)系統(tǒng)在推理過程中對數(shù)據(jù)對象的快速、準確查找；所述的監(jiān)測知識規(guī)則管理子構件KRMC采用矩陣知識點管理方法，負責知識規(guī)則的添加、編輯以及刪除；所述的矩陣知識點管理是指將每個監(jiān)測判斷知識規(guī)則給予兩重屬性，即領域知識與系統(tǒng)知識；所有知識點形成面向嵌入式智能化機電設備狀態(tài)監(jiān)測的知識點矩陣，根據(jù)具體監(jiān)測需求對所需知識點進行檢索、調(diào)用；

所述的系統(tǒng)知識推理識別模塊為面向嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)的功能主體，同樣采用構件化軟件設計方法，劃分為3個功能構件：知識推理機構件KIEC、對象本體管理構件O²MC和規(guī)則聚類學習構件RCSC，所述的知識推理機構件KIEC采用規(guī)則與數(shù)據(jù)分別存儲管理框架，細分為2個子構件：狀態(tài)監(jiān)測與識別子構件SMRC與推理知識維護子構件IKMC，狀態(tài)監(jiān)測與識別子構件SMRC根據(jù)不同的監(jiān)控需求，接收預處理與特征提取構件PCEC上傳的目標設備特征數(shù)據(jù)分組，根據(jù)推理知識維護子構件IKMC中所提供的判斷規(guī)則與監(jiān)測算法進行系統(tǒng)推理與識別；對象本體管理構件O²MC對目標設備、上下游設備及其配套裝置與儀器進行抽象類定義，并根據(jù)具體監(jiān)測任務生成應用實例，構件具有則將監(jiān)測目標系統(tǒng)進行定義后，形成具備OOD功能且較好可控性的監(jiān)測目標本體實例，并為推理知識維護子構件IKMC提供可視化操作方法接口；規(guī)則聚類學習構件RCSC是系統(tǒng)工作有效性的重要保障構件，以RDC²提供的目標設備實時物理信號、DSAC提供的目標設備歷史信號或者PCEC提供的目標設備特征信號為對象，針對不同的監(jiān)控功能需求與置信度水平，通過有導師或者無導師知識學習算法進行逐步聚類計算；

所述的系統(tǒng)交互會話模塊，分為3個功能構件：系統(tǒng)管理構件SMC、監(jiān)測建議與措施構件MAMC和用戶會話處理構件USPC，系統(tǒng)管理構件SMC為用戶提供系統(tǒng)管理應用程序接口，實現(xiàn)系統(tǒng)的啟動/停止、工作模式轉(zhuǎn)換、工作參數(shù)設置、目標設備選擇、目標本體實例管理和推理知識規(guī)則維護；、監(jiān)測建議與措施構件MAMC為系統(tǒng)交互會話模塊的核心，根據(jù)SRMC提供的識別結(jié)果，為提出請求的用戶提供監(jiān)測狀態(tài)列表、推理過程列表、操作指導建議列表，以及上述列表數(shù)據(jù)記錄所對應的置信度數(shù)據(jù)，最終形成監(jiān)測任務日志文件；用戶會話處理構件USPC為用戶提供可視化會話窗口與操作提示。

進一步，所述物理層元數(shù)據(jù)支撐模塊中，采用多道實時數(shù)據(jù)采集與數(shù)據(jù)處理分離結(jié)構，通過數(shù)據(jù)融合處理方法實現(xiàn)不同性質(zhì)類型數(shù)據(jù)的統(tǒng)一處理。

再進一步，所述的多道實時數(shù)據(jù)采集與數(shù)據(jù)處理分離結(jié)構，采用嵌入式三處理器硬件構架，分別運行對應的3個功能構件：RDC²、PCEC、DSAC，實現(xiàn)數(shù)據(jù)采集、預處理、在線存儲的并行處理。

更進一步，所述的數(shù)據(jù)融合處理方法，包含以下處理步驟：①對目標設備物理信號進行分類定義，批量數(shù)據(jù)為視頻、音頻、高頻振動和高頻脈沖，快變數(shù)據(jù)為低頻振動、低頻脈沖、脈動壓力、交變電壓/電流和感應磁場/電勢，緩變數(shù)據(jù)為溫度、靜壓、流量，開關數(shù)據(jù)為通斷信號、高低電平；②RDC²根據(jù)批量數(shù)據(jù)規(guī)格進行數(shù)據(jù)分組封裝，預留處理空間；③PCEC采用模糊集方法進行濾波、填充、插補處理，形成統(tǒng)一規(guī)格的數(shù)據(jù)分組上傳至系統(tǒng)知識推理識別模塊，并復制數(shù)據(jù)記錄，存入DSAC。

所述的系統(tǒng)知識推理識別模塊中，知識推理機構件KIEC采用C語言產(chǎn)生式規(guī)則系統(tǒng)CLIPS規(guī)則判斷與人工神經(jīng)網(wǎng)絡ANN進行信息融合的方法進行目標設備的推理與判斷，包含以下處理步驟：①通過模糊集與ANN相結(jié)合，構成模糊ANN狀態(tài)監(jiān)控分類器，并將模糊處理傳遞至ANN各層；②利用來自PCEC的目標狀態(tài)特征數(shù)據(jù)作為模糊ANN分類器的輸入，通過置信度函數(shù)獲得分類器輸出，輸出為相應目標設備狀態(tài)的置信度值；③將分類器獲得的目標狀態(tài)置信度與CLIPS規(guī)則相匹配，得到第一輪匹配結(jié)果；④若匹配結(jié)果置信度達到或者超過預設的置信閾值，則可以直接得到目標狀態(tài)識別結(jié)果；⑤若匹配結(jié)果不滿足預設要求，則返回至步驟②，重新進行分類、匹配計算，直到滿足預設置信度為止。

本發(fā)明的技術構思為：包含3個邏輯功能子系統(tǒng)：多道并行實時數(shù)據(jù)采集子系統(tǒng)、嵌入式智能識別子系統(tǒng)、嵌入式智能知識處理子系統(tǒng)。

所述的多道并行實時數(shù)據(jù)采集子系統(tǒng)，可支持多個傳感通道同時采集目標設備物理信號，并對不同性質(zhì)類型數(shù)據(jù)進行預處理、融合與封裝，為嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)提供穩(wěn)定、可靠的元數(shù)據(jù)分組；所述的嵌入式智能識別子系統(tǒng)，基于自適應規(guī)則匹配與自主學習方法，實現(xiàn)對目標設備工作狀態(tài)的在線識別，并給出識別置信度；所述的嵌入式智能知識處理子系統(tǒng)，基于知識點串聯(lián)機制與優(yōu)化算法，實現(xiàn)對智能化機電設備狀態(tài)監(jiān)測系統(tǒng)所涉及知識規(guī)則的動態(tài)更新與優(yōu)化，提高監(jiān)測系統(tǒng)的工作實時性與判斷正確率。針對上述3個邏輯功能子系統(tǒng)，本發(fā)明所涉及的嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)可分為4個實體功能模塊：物理層元數(shù)據(jù)支撐模塊、系統(tǒng)知識管理維護模塊、系統(tǒng)知識推理識別模塊與系統(tǒng)交互會話模塊。

本發(fā)明的有益效果主要表現(xiàn)在：

1)構件化系統(tǒng)設計，功能集成能力強，兼容性好，易于進行用戶定制設計與二次開發(fā)；

2)數(shù)據(jù)采集、存儲、分析、判斷分離化設計，使系統(tǒng)能夠獲得較高的運行效率；

3)具有數(shù)據(jù)融合功能的實時數(shù)據(jù)采集構件，能夠融合不同種類、性質(zhì)、數(shù)據(jù)量的物理信號，提高了系統(tǒng)的工業(yè)適用性；

4)產(chǎn)生式規(guī)則推理與模糊神經(jīng)網(wǎng)絡相結(jié)合的判斷推理方法，使得系統(tǒng)推理的有效性得到保證。

附圖說明

圖1是系統(tǒng)功能構架示意圖；

圖2是系統(tǒng)構件組成與內(nèi)部信息交互示意圖；

圖3是系統(tǒng)推理識別流程圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步描述。

參照圖1～圖3，一種嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)，包括物理層元數(shù)據(jù)支撐模塊、系統(tǒng)知識管理維護模塊、系統(tǒng)知識推理識別模塊與系統(tǒng)交互會話模塊，如附圖1所示。

物理層元數(shù)據(jù)支撐模塊，采用構件化軟件設計方法，可劃分為3個功能構件：實時數(shù)據(jù)采集構件(RDC²)、預處理與特征提取構件(PCEC)、監(jiān)測數(shù)據(jù)存儲查詢構件(DSAC)，如附圖2所示。上述構架所涉及的RDC²基于FORK并發(fā)進程處理方法，產(chǎn)生新的處理任務，實現(xiàn)對目標設備物理信號的多道并行采集，按照既定的數(shù)據(jù)傳輸協(xié)議對采集的實時數(shù)據(jù)進行分割、封裝，形成統(tǒng)一的數(shù)據(jù)分組，然后將封裝的數(shù)據(jù)分組發(fā)送至PCEC。PCEC接收DSAC上傳的數(shù)據(jù)分組，將其解析重組后，進行限幅消抖濾波、加權遞推平均濾波、一階滯后濾波、金字塔壓縮等預處理操作，通過粗糙集方法對不同數(shù)據(jù)量、格式的數(shù)據(jù)信號進行融合處理，形成標準的規(guī)格化數(shù)據(jù)分組，然后通過特征提取算法提取目標設備的運行狀態(tài)特征信號。DSAC為面向嵌入式智能化機電設備狀態(tài)監(jiān)測的主體數(shù)據(jù)庫，基于數(shù)據(jù)管理系統(tǒng)第三范式建立，采用優(yōu)先級輪轉(zhuǎn)模式進行目標記錄的循環(huán)掃描，實現(xiàn)對實時數(shù)據(jù)分組、預處理數(shù)據(jù)、特征數(shù)據(jù)的存儲、查詢、更新、維護。

系統(tǒng)知識管理維護模塊，采用構件化軟件設計方法，可劃分為2個功能構件：對象實例管理子構件(OIMC)、監(jiān)測知識規(guī)則管理子構件(KRMC)，如附圖2所示。上述構架所涉及的OIMC基于面向?qū)ο笤O計(OOD)方法，支持類繼承、類模板重載、虛基類，實現(xiàn)對嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)所涉及的各個對象進行類定義，并根據(jù)不同的監(jiān)控對象需求生成具體實例；在此基礎上，基于優(yōu)先二叉樹遍歷算法，實現(xiàn)系統(tǒng)在推理過程中對數(shù)據(jù)對象的快速、準確查找。KRMC采用矩陣知識點管理方法，負責知識規(guī)則的添加、編輯以及刪除，在一定的空間內(nèi)維護系統(tǒng)推理的準確性。所述的矩陣知識點管理是指將每個監(jiān)測判斷知識規(guī)則給予兩重屬性，即領域知識與系統(tǒng)知識；所有知識點形成面向嵌入式智能化機電設備狀態(tài)監(jiān)測的知識點矩陣，根據(jù)具體監(jiān)測需求對所需知識點進行檢索、調(diào)用。

系統(tǒng)知識推理識別模塊為面向嵌入式智能化機電設備狀態(tài)監(jiān)測系統(tǒng)的功能主體，同樣采用構件化軟件設計方法，可劃分為3個功能構件：知識推理機構件(KIEC)、對象本體管理構件(O²MC)、規(guī)則聚類學習構件(RCSC)組成，如附圖2所示。上述構架所涉及的KIEC采用規(guī)則與數(shù)據(jù)分別存儲管理框架，可以細分為2個子構件：狀態(tài)監(jiān)測與識別子構件(SMRC)與推理知識維護子構件(IKMC)。SMRC根據(jù)不同的監(jiān)控需求，接收PCEC上傳的目標設備特征數(shù)據(jù)分組，根據(jù)IKMC中所提供的判斷規(guī)則與監(jiān)測算法進行系統(tǒng)推理與識別。O²MC對目標設備、上下游設備及其配套裝置與儀器進行抽象類定義，并根據(jù)具體監(jiān)測任務生成應用實例，構件具有則將監(jiān)測目標系統(tǒng)進行定義后，形成具備OOD功能且較好可控性的監(jiān)測目標本體實例，并為IKMC提供可視化操作方法接口，提高目標本體實例在監(jiān)測推理與狀態(tài)識別過程中的工作柔性與操作靈活性。RCSC是系統(tǒng)工作有效性的重要保障構件，以RDC2提供的目標設備實時物理信號、DSAC提供的目標設備歷史信號或者PCEC提供的目標設備特征信號為對象，針對不同的監(jiān)控功能需求與置信度水平，通過有導師或者無導師知識學習算法進行逐步聚類計算，從而使系統(tǒng)推理識別的有效性得到保證。

系統(tǒng)交互會話模塊，主要分為3個功能構件：系統(tǒng)管理構件(SMC)、監(jiān)測建議與措施構件(MAMC)、用戶會話處理構件(USPC)，如附圖2所示。SMC為用戶提供系統(tǒng)管理應用程序接口，主要實現(xiàn)系統(tǒng)的啟動/停止、工作模式轉(zhuǎn)換、工作參數(shù)設置、目標設備選擇、目標本體實例管理、推理知識規(guī)則維護等功能。MAMC為系統(tǒng)交互會話模塊的核心，主要根據(jù)SRMC提供的識別結(jié)果，為提出請求的用戶提供監(jiān)測狀態(tài)列表、推理過程列表、操作指導建議列表，以及上述列表數(shù)據(jù)記錄所對應的置信度數(shù)據(jù)，最終形成監(jiān)測任務日志文件。USPC為用戶提供可視化會話窗口與操作提示，提高系統(tǒng)在應用過程中的人機功效。

數(shù)據(jù)采集與預處理：RDAQS采用多道實時數(shù)據(jù)采集與數(shù)據(jù)處理分離結(jié)構，通過數(shù)據(jù)融合處理方法實現(xiàn)不同性質(zhì)類型數(shù)據(jù)的統(tǒng)一處理，提高監(jiān)測系統(tǒng)的前端工作效率。上述方案涉及的多道實時數(shù)據(jù)采集與數(shù)據(jù)處理分離結(jié)構，采用嵌入式三處理器硬件構架，分別運行對應的3個功能構件：RDC²、PCEC、DSAC，實現(xiàn)數(shù)據(jù)采集、預處理、在線存儲的并行處理。

所述的數(shù)據(jù)融合處理方法，主要包含以下處理步驟：

①對目標設備物理信號進行分類定義，主要包含：批量數(shù)據(jù)(視頻、音頻、高頻振動、高頻脈沖)、快變數(shù)據(jù)(低頻振動、低頻脈沖、脈動壓力、交變電壓/電流、感應磁場/電勢)、緩變數(shù)據(jù)(溫度、靜壓、流量)與開關數(shù)據(jù)(通斷信號、高低電平)；

②RDC²根據(jù)批量數(shù)據(jù)規(guī)格進行數(shù)據(jù)分組封裝，預留處理空間；

③PCEC采用模糊集方法進行濾波、填充、插補處理，形成統(tǒng)一規(guī)格的數(shù)據(jù)分組上傳至系統(tǒng)知識推理識別模塊，并復制數(shù)據(jù)記錄，存入DSAC。

系統(tǒng)推理識別：本發(fā)明采用C語言產(chǎn)生式規(guī)則系統(tǒng)(CLIPS)規(guī)則判斷與人工神經(jīng)網(wǎng)絡(ANN)進行信息融合的方法進行目標設備的推理與判斷，如附圖3所示，主要包含以下處理步驟：

①通過模糊集與ANN相結(jié)合，構成模糊ANN狀態(tài)監(jiān)控分類器，并將模糊處理傳遞至ANN各層；

②利用來自PCEC的目標狀態(tài)特征數(shù)據(jù)作為模糊ANN分類器的輸入，通過置信度函數(shù)獲得分類器輸出，輸出為相應目標設備狀態(tài)的置信度值；

③將分類器獲得的目標狀態(tài)置信度與CLIPS規(guī)則相匹配，得到第一輪匹配結(jié)果；

④若匹配結(jié)果置信度達到或者超過預設的置信閾值，則可以直接得到目標狀態(tài)識別結(jié)果；

⑤若匹配結(jié)果不滿足預設要求，則返回至步驟②，重新進行分類、匹配計算，直到滿足預設置信度為止。

最后，還需要注意的是，以上列舉的僅是本發(fā)明的一個具體實施例。顯然，本發(fā)明不限于以上實施例，還可以有許多變形。本領域的普通技術人員能從本發(fā)明公開的內(nèi)容直接導出或聯(lián)想到的所有變形，均應認為是本發(fā)明的保護范圍。