1.一種嵌入式智能化機(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)，其特征在于：包括物理層元數(shù)據(jù)支撐模塊、系統(tǒng)知識管理維護(hù)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(gòu)件化軟件設(shè)計方法，劃分為3個功能構(gòu)件：實時數(shù)據(jù)采集構(gòu)件RDC2、預(yù)處理與特征提取構(gòu)件PCEC和監(jiān)測數(shù)據(jù)存儲查詢構(gòu)件DSAC，所述的實時數(shù)據(jù)采集構(gòu)件RDC2基于FORK并發(fā)進(jìn)程處理方法實現(xiàn)對目標(biāo)設(shè)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(jìn)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(yù)處理與特征提取構(gòu)件PCEC；所述的預(yù)處理與特征提取構(gòu)件PCEC接收監(jiān)測數(shù)據(jù)存儲查詢構(gòu)件DSAC上傳的數(shù)據(jù)分組，將其解析重組后，進(jìn)行限幅消抖濾波、加權(quán)遞推平均濾波、一階滯后濾波、金字塔壓縮預(yù)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(jìn)行融合處理，形成標(biāo)準(zhǔn)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(biāo)設(shè)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(gòu)件DSAC為面向嵌入式智能化機(jī)電設(shè)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(jìn)行目標(biāo)記錄的循環(huán)掃描，實現(xiàn)對實時數(shù)據(jù)分組、預(yù)處理數(shù)據(jù)、特征數(shù)據(jù)的存儲、查詢、更新和維護(hù)；
所述的系統(tǒng)知識管理維護(hù)模塊，采用構(gòu)件化軟件設(shè)計方法，劃分為2個功能構(gòu)件：對象實例管理子構(gòu)件OIMC和監(jiān)測知識規(guī)則管理子構(gòu)件KRMC，所述的對象實例管理子構(gòu)件OIMC基于面向?qū)ο笤O(shè)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(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)所涉及的各個對象進(jìn)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(chǔ)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(zhǔn)確查找；所述的監(jiān)測知識規(guī)則管理子構(gòu)件KRMC采用矩陣知識點管理方法，負(fù)責(zé)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(lǐng)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(jī)電設(shè)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(jìn)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(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)的功能主體，同樣采用構(gòu)件化軟件設(shè)計方法，劃分為3個功能構(gòu)件：知識推理機(jī)構(gòu)件KIEC、對象本體管理構(gòu)件O2MC和規(guī)則聚類學(xué)習(xí)構(gòu)件RCSC，所述的知識推理機(jī)構(gòu)件KIEC采用規(guī)則與數(shù)據(jù)分別存儲管理框架，細(xì)分為2個子構(gòu)件：狀態(tài)監(jiān)測與識別子構(gòu)件SMRC與推理知識維護(hù)子構(gòu)件IKMC，狀態(tài)監(jiān)測與識別子構(gòu)件SMRC根據(jù)不同的監(jiān)控需求，接收預(yù)處理與特征提取構(gòu)件PCEC上傳的目標(biāo)設(shè)備特征數(shù)據(jù)分組，根據(jù)推理知識維護(hù)子構(gòu)件IKMC中所提供的判斷規(guī)則與監(jiān)測算法進(jìn)行系統(tǒng)推理與識別；對象本體管理構(gòu)件O2MC對目標(biāo)設(shè)備、上下游設(shè)備及其配套裝置與儀器進(jìn)行抽象類定義，并根據(jù)具體監(jiān)測任務(wù)生成應(yīng)用實例，構(gòu)件具有則將監(jiān)測目標(biāo)系統(tǒng)進(jìn)行定義后，形成具備OOD功能且較好可控性的監(jiān)測目標(biāo)本體實例，并為推理知識維護(hù)子構(gòu)件IKMC提供可視化操作方法接口；規(guī)則聚類學(xué)習(xí)構(gòu)件RCSC是系統(tǒng)工作有效性的重要保障構(gòu)件，以RDC2提供的目標(biāo)設(shè)備實時物理信號、DSAC提供的目標(biāo)設(shè)備歷史信號或者PCEC提供的目標(biāo)設(shè)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(dǎo)師或者無導(dǎo)師知識學(xué)習(xí)算法進(jìn)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(gòu)件：系統(tǒng)管理構(gòu)件SMC、監(jiān)測建議與措施構(gòu)件MAMC和用戶會話處理構(gòu)件USPC，系統(tǒng)管理構(gòu)件SMC為用戶提供系統(tǒng)管理應(yīng)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(shè)置、目標(biāo)設(shè)備選擇、目標(biāo)本體實例管理和推理知識規(guī)則維護(hù)；、監(jiān)測建議與措施構(gòu)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(dǎo)建議列表，以及上述列表數(shù)據(jù)記錄所對應(yīng)的置信度數(shù)據(jù)，最終形成監(jiān)測任務(wù)日志文件；用戶會話處理構(gòu)件USPC為用戶提供可視化會話窗口與操作提示。
2.如權(quán)利要求1所述的嵌入式智能化機(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)，其特征在于：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(gòu)，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。
3.如權(quán)利要求2所述的嵌入式智能化機(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)，其特征在于：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(gòu)，采用嵌入式三處理器硬件構(gòu)架，分別運行對應(yīng)的3個功能構(gòu)件：RDC2、PCEC、DSAC，實現(xiàn)數(shù)據(jù)采集、預(yù)處理、在線存儲的并行處理。
4.如權(quán)利要求2所述的嵌入式智能化機(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)，其特征在于：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(biāo)設(shè)備物理信號進(jìn)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(yīng)磁場/電勢，緩變數(shù)據(jù)為溫度、靜壓、流量，開關(guān)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(jìn)行數(shù)據(jù)分組封裝，預(yù)留處理空間；③PCEC采用模糊集方法進(jìn)行濾波、填充、插補(bǔ)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(fù)制數(shù)據(jù)記錄，存入DSAC。
5.如權(quán)利要求1～4之一所述的嵌入式智能化機(jī)電設(shè)備狀態(tài)監(jiān)測系統(tǒng)，其特征在于：所述的系統(tǒng)知識推理識別模塊中，知識推理機(jī)構(gòu)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(luò)ANN進(jìn)行信息融合的方法進(jìn)行目標(biāo)設(shè)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(gòu)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(biāo)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(yīng)目標(biāo)設(shè)備狀態(tài)的置信度值；③將分類器獲得的目標(biāo)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(dá)到或者超過預(yù)設(shè)的置信閾值，則可以直接得到目標(biāo)狀態(tài)識別結(jié)果；⑤若匹配結(jié)果不滿足預(yù)設(shè)要求，則返回至步驟②，重新進(jìn)行分類、匹配計算，直到滿足預(yù)設(shè)置信度為止。