一种基于物联网和工业云的选矿设备移动监测系统及方法与流程

本发明属于移动监测技术领域，具体涉及一种基于物联网和工业云的选矿设备移动监测系统及方法。

背景技术：

选矿生产是典型的流程工业，流程工业的特点是生产线需要一直运转。一旦生产线某一设备发生非正常停机或严重故障，对于后面的生产流程将造成严重的影响。因此对于设备的运行状态需要做全流程的监测。选矿企业的成本中，维护成本占据了很大比例。为了保证选矿厂设备的安全稳定运行，提高其管理与故障维护的效率，有必要开发出满足选矿设备运行要求、功能完善、性能稳定的移动监测系统，使其能对选矿设备进行在线监测和分析、评估其运行状态、发现故障征兆、避免或减轻严重的设备损坏，以确定合理的维护时间和方案，从而达到大幅降低维护成本的目的。

目前对设备的移动监测领域有一些专利，如“201520387937.9(一种煤矿安全生产移动监测系统)”该系统的数据采集子系统通过光纤网络与数据处理子系统连接，数据处理子系统通过无线网络与用户呈现子系统连接，在智能终端上完成数据的储存和共享，为煤炭企业的发展提供了有力的技术支持。“201510964770.2(一种基于私有云的风电移动监测系统及方法)”该系统中Zookeeper有多个节点同与其通讯的客户端相连接，当有其他节点崩溃的时候，其能够将客户端转移到其他节点，保证了数据传输的稳定性；将读数据和写数据操作由传统的数据库转移到Zookeeper群集上，加快数据处理的速度。上述专利中：1、缺乏对设备的运行信息、停歇原因信息、维护信息和报警信息的统计分析，更未形成维修知识库为设备的维修维护提供专业化的维修维护经验支持；2、未涉及设备的视频监控，更未将视频信息与选矿设备的运行状态数据和设备关键参数进行融合，对设备的安全运行进行监控；3、未提供有效的巡检措施降低巡检人员的劳动强度、提高巡检效率。

技术实现要素：

针对现有技术的不足，本发明提出一种基于物联网和工业云的选矿设备移动监测系统及方法。

本发明的技术方案是：

一方面，一种基于物联网和工业云的选矿设备移动监测系统，包括工业云服务器、智能终端、选矿设备数据采集单元和本地服务器；

所述选矿设备数据采集单元，包括PLC、数据采集传感器和视频采集模块；所述数据采集传感器包括有线传感器和无线传感器；

所述有线传感器的输入端和无线传感器的输入端均连接采矿厂监测的各个设备，所述有线传感器的输出端连接PLC的输入端，所述无线传感器通过无线网关连接本地服务器，所述PLC的输出端和视频采集模块的输出端连接本地服务器，所述工业云服务器与智能终端通过无线网络进行通讯；

所述有线传感器和无线传感器，均用于实时采集监测的设备的运行状态数据和设备关键参数；所述监测的设备，包括球磨机、竖炉、过滤机、强磁选机、高梯度磁选机、高频细筛和柱塞泵；

所述视频采集模块，用于实时采集各个设备的工作视频，并发送至本地服务器；

所述PLC，用于将有线传感器采集的监测的设备的运行状态数据和设备关键参数传送至本地服务器；

所述本地服务器，用于获取设备的基本信息，将设备的基本信息、采集的监测的设备的运行状态数据、设备关键参数和设备的工作视频的索引字段存储于本地服务器数据库，将设备的工作视频存储于本地服务器文件系统，并分别传输至工业云服务器的数据库和文件系统；

所述工业云服务器，搭建有工业云选矿设备运行状态管理单元，包括第一用户管理模块、设备基础信息管理模块、设备运行状态管理模块、设备运行维护模块、设备运行维护统计模块、设备运行分析模块、设备视频管理模块；

所述第一用户管理模块，用于存储用户基本信息，并封装成服务，管理用户通过智能终端登录工业云时的权限；

所述设备基础信息管理模块，用于存储由本地服务器上传的监测的设备的基本信息，并封装成服务；

所述设备运行状态管理模块，用于存储由本地服务器上传的监测的设备的运行状态数据、设备关键参数和在线设备个数，设定设备运行状态数据限值和设备关键参数限值，当设备运行状态数据或设备关键参数超出其对应设定的限值时，则该设备运行状态数据为报警数据，生成报警信息，并封装成服务；

所述设备运行维护模块，用于存储智能终端记录的设备停歇原因和设备维护信息，并封装成服务；

所述设备运行维护统计模块，用于统计监测的设备的停歇原因、运行停止时间和设备维护信息，并封装成服务；

所述设备运行分析模块，用于采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献，并封装成服务；所述监测设备的运行状态包括正常运行和故障运行；

所述设备视频管理模块，用于存储由本地服务器上传的各设备的工作视频并提供查看实时视频和历史视频的服务；

所述智能终端，搭建有智能终端选矿设备监测单元，包括设备选择模块、设备扫描模块、第二用户管理模块、设备基础信息显示模块、设备运行状态显示模块、设备运行维护管理模块、设备运行维护统计显示模块、设备运行分析显示模块、设备视频监控模块；

所述设备选择模块，用于选择监测的设备类型以及所选择监测的设备类型对应的设备；

所述设备扫描模块，用于根据设备类型和设备编号生成对应设备的二维码；通过扫描设备二维码获取设备编号和设备类型，从而根据设备编号和设备类型获取工业云服务器中该设备的基本信息、运行状态数据、设备关键参数、设备的报警信息、停歇原因、设备维护信息、停歇原因统计、运行停止时间统计、设备维护信息统计、设备运行状态、SPE贡献图和T²贡献图；

所述第二用户管理模块，用于管理用户的新用户注册、密码找回、密码修改和用户登录；

所述设备基础信息显示模块，用于显示所选择监测的设备类型对应的设备的基本信息；

所述设备运行状态显示模块，用于显示所选择监测的设备类型的设备在线个数，所选择监测的设备的运行状态数据、设备关键参数、设备的报警信息；

所述设备运行维护管理模块，用于记录设备的停歇原因和设备维护信息，显示所选择监测的设备的停歇原因和设备维护信息，并将记录的设备的停歇原因和设备维护信息传输至工业云服务器；

所述设备运行维护统计显示模块，用于显示统计的所选择监测的设备的停歇原因、运行停止时间和设备维护信息；

所述设备运行分析显示模块，用于显示所选择监测的设备采用PCA模型进行在线诊断的运行状态，并显示该设备运行状态数据的SPE贡献图和T²贡献图；

所述设备视频监控模块，用于显示所选择监测的设备运行的实时工作视频和历史工作视频。

另一方面，采用基于物联网和工业云的选矿设备移动监测系统进行选矿设备监测的方法，包括以下步骤：

通过有线传感器和无线传感器实时采集监测的设备的运行状态数据和设备关键参数；通过PLC将有线传感器采集的监测的设备的运行状态数据和设备关键参数传送至本地服务器；通过无线网关将无线传感器实时采集的设备的运行状态数据和设备关键参数发送至本地服务器；

通过视频采集模块实时采集各个设备的工作视频，并发送至本地服务器；

通过本地服务器获取设备的基本信息，将设备的基本信息、采集的监测的设备的运行状态数据、设备关键参数和设备的工作视频的索引字段存储于本地服务器数据库，将设备的工作视频存储于本地服务器文件系统，并分别传输至工业云服务器的数据库和文件系统；

通过工业云服务器存储由本地服务器上传的监测的设备的基本信息、监测的设备的运行状态数据、设备关键参数、在线设备个数、各个设备的工作视频，存储智能终端记录的设备停歇原因和设备维护信息，并封装成服务；

通过工业云服务器设定设备运行状态数据限值和设备关键参数限值，当设备运行状态数据或设备关键参数超出其对应设定的限值时，则该设备运行状态数据为报警数据，生成报警信息，并封装成服务；

通过工业云服务器统计监测的设备的停歇原因、运行停止时间和设备维护信息，并封装成服务；

通过工业云服务器采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献，并封装成服务；

通过智能终端选择监测的设备类型以及所选择监测的设备类型对应的设备，或者扫描设备二维码获取所选择的设备编号和设备类型，从而根据设备编号和设备类型获取工业云服务器中的该设备的基本信息；

通过智能终端显示所选择监测的设备类型对应的设备的基本信息，所选择监测的设备类型的设备在线个数，所选择监测的设备的运行状态数据、设备关键参数、设备的报警信息；

通过智能终端记录设备的停歇原因和设备维护信息，显示所选择监测的设备的停歇原因和设备维护信息，并将记录的设备的停歇原因和设备维护信息传输至工业云服务器；

通过智能终端显示统计的所选择监测的设备的停歇原因、运行停止时间和设备维护信息；

通过智能终端显示所选择监测的设备采用PCA模型进行在线诊断的运行状态，并显示该设备运行状态数据的SPE贡献图和T²贡献图；

通过智能终端显示所选择监测的设备运行的实时工作视频和历史工作视频。

可选地，根据基于物联网和工业云的选矿设备移动监测方法，所述采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献的具体过程包括以下步骤：

S1：将M组监测的某一设备的历史正常运行状态数据作为训练集数据；

S2：将训练集数据进行归一化处理，得到归一化处理后的训练集数据；

S3：求解归一化处理后的训练集数据的T²统计量的控制限和SPE统计量的控制限，建立该设备的PCA模型；

S4：将N组监测的该设备的历史正常运行状态数据和已知故障类型的历史故障数据作为测试集数据；

S5：将测试集数据进行归一化处理，得到归一化处理后的测试集数据；

S6：求解归一化处理后的测试集数据的T²统计量和SPE统计量；

S7：若测试集数据中历史正常运行数据的T²统计量和SPE统计量均在其控制限范围内，同时，测试集数据中历史故障运行数据的T²统计量或SPE统计量超出其控制限，则当前设备的PCA模型作为该设备的PCA模型，执行S9，否则，执行S8；

S8：令M＝M+K，K为大于1的整数，返回S1；

S9：对实时采集的监测的该设备的运行状态数据采用该PCA模型进行在线诊断，判断该设备的运行状态；

S10：计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献。

本发明的有益效果：

本发明提出一种基于物联网和工业云的选矿设备移动监测系统及方法，本发明实现了对设备的运行信息、停歇原因信息、维护信息和报警信息进行统计分析，形成设备维修知识库，为选矿厂的设备维修维护提供专业化的维修维护经验支持；实现了对设备的安全运行进行视频监控，并将视频信息与选矿设备的运行状态数据和设备关键参数进行融合，便于对设备的安全运行进行监控；实现了将设备的设备类型和设备编号生成二维码，贴到工业现场的设备上，扫描设备上贴的二维码即可得到设备的设备信息，提供了有效的巡检措施降低了巡检人员的劳动强度、提高了巡检效率；实现了智能终端的设计使设备的监控不必在固定场所内进行，可以向企业管理人员和科研人员提供随时随地监测数据，体现出本方案的方便快捷性。

附图说明

图1为本发明具体实施方式中基于物联网和工业云的选矿设备移动监测系统的结构框图；

图2为本发明具体实施方式中基于物联网和工业云的选矿设备移动监测方法的流程图；

图3为本发明具体实施方式中球磨机#1的基本信息示意图；

图4为本发明具体实施方式中对应设备的PCA模型进行在线诊断的流程图。

具体实施方式

下面结合附图对本发明具体实施方式加以详细的说明。

一种基于物联网和工业云的选矿设备移动监测系统，如图1所示，包括工业云服务器、智能终端、选矿设备数据采集单元和本地服务器。

选矿设备数据采集单元，包括PLC、数据采集传感器和视频采集模块；数据采集传感器包括有线传感器和无线传感器。

有线传感器的输入端和无线传感器的输入端均连接采矿厂监测的各个设备，有线传感器的输出端连接PLC的输入端，无线传感器通过无线网关连接本地服务器，PLC的输出端和视频采集模块的输出端连接本地服务器，工业云服务器与智能终端通过无线网络进行通讯。

有线传感器和无线传感器，均用于实时采集监测的设备的运行状态数据和设备关键参数。

本实施方式中，有线传感器采用典型的OPC(OLE for Process Control，用于过程控制的OLE)工业标准，无线传感器采用的是WirelessHART无线通信协议。

本实施方式中，监测的设备，包括球磨机、竖炉、过滤机、强磁选机、高梯度磁选机、高频细筛和柱塞泵。需要采集的设备运行状态数据类型如表1所示，需要采集的设备关键参数类型如表2所示。

表1需要采集的设备运行状态数据类型

表2需要采集的设备关键参数类型

视频采集模块，用于实时采集各个设备的工作视频，并发送至本地服务器。

本实施方式中，视频采集模块采用的是海康威视的摄像头。

PLC，用于将有线传感器采集的监测的设备的运行状态数据和设备关键参数传送至本地服务器。

本实施方式中，PLC的型号为Rockwell Logix 5000。

本地服务器，用于获取设备的基本信息，将设备的基本信息、采集的监测的设备的运行状态数据、设备关键参数和设备的工作视频的索引字段存储于本地服务器数据库，将设备的工作视频存储于本地服务器文件系统，并分别传输至工业云服务器的数据库和文件系统。

本实施方式中，本地服务器存储设备的基本信息包括设备编码、设备名称、生产日期、制造商、设备价格、是否使用和设备类型名称。

工业云服务器，搭建有工业云选矿设备运行状态管理单元，包括第一用户管理模块、设备基础信息管理模块、设备运行状态管理模块、设备运行维护模块、设备运行维护统计模块、设备运行分析模块、设备视频管理模块。

第一用户管理模块，用于存储用户基本信息，并封装成服务，管理用户通过智能终端登录工业云时的权限。

设备基础信息管理模块，用于存储由本地服务器上传的监测的设备的基本信息，并封装成服务。

设备运行状态管理模块，用于存储由本地服务器上传的监测的设备的运行状态数据、设备关键参数和在线设备个数，设定设备运行状态数据限值和设备关键参数限值，当设备运行状态数据或设备关键参数超出其对应设定的限值时，则该设备运行状态数据为报警数据，生成报警信息，并封装成服务。

设备运行维护模块，用于存储智能终端记录的设备停歇原因和设备维护信息，并封装成服务。

设备运行维护统计模块，用于统计监测的设备的停歇原因、运行停止时间和设备维护信息，并封装成服务。

设备运行分析模块，用于采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献，并封装成服务；所述监测设备的运行状态包括正常运行和故障运行。

设备视频管理模块，用于存储由本地服务器上传的各设备的工作视频并提供查看实时视频和历史视频的服务。

智能终端，搭建有智能终端选矿设备监测单元，包括设备选择模块、设备扫描模块、第二用户管理模块、设备基础信息显示模块、设备运行状态显示模块、设备运行维护管理模块、设备运行维护统计显示模块、设备运行分析显示模块、设备视频监控模块。

设备选择模块，用于选择监测的设备类型以及所选择监测的设备类型对应的设备。

设备扫描模块，用于根据设备类型和设备编号生成对应设备的二维码；通过扫描设备二维码获取设备编号和设备类型，从而根据设备编号和设备类型获取工业云服务器中该设备的基本信息、运行状态数据、设备关键参数、设备的报警信息、停歇原因、设备维护信息、停歇原因统计、运行停止时间统计、设备维护信息统计、设备运行状态、SPE贡献图和T²贡献图。

第二用户管理模块，用于管理用户的新用户注册、密码找回、密码修改和用户登录。

设备基础信息显示模块，用于显示所选择监测的设备类型对应的设备的基本信息。

设备运行状态显示模块，用于显示设备在线个数，所选择监测的运行状态数据、设备关键参数、设备的报警信息。

本实施方式中，设备的报警信息包括报警级别和报警原因。且不同报警级别的历史报警记录用不同的颜色标识，统计报警信息次数，并将报警信息显示推送信息。

本实施方式中，设备运行状态显示模块中的设备的运行状态数据和设备关键参数以曲线形式实时显示，并显示设备运行状态数据限值和设备关键参数限值。

设备运行维护管理模块，用于记录设备的停歇原因和设备维护信息，显示所选择监测的设备的停歇原因和设备维护信息，并将记录的设备的停歇原因和设备维护信息传输至工业云服务器。

本实施方式中，记录设备的停歇原因包括停歇原因代码和停止原因，其中停止原因包括例行检查、设备润滑和设备休息。维护信息包括维护日期、维护厂家、维护费用、维护原因、维护次数和最后维护时间。

设备运行维护统计显示模块，用于显示统计的所选择监测的设备的停歇原因、运行停止时间和设备维护信息。

本实施方式中，对所选择监测的设备的停歇原因、运行停止时间和维护信息进行运行停止时间对比统计、运行时间统计、停歇原因对比统计和设备维护次数统计，包括设备统计饼状图和设备统计直方图；

设备统计饼状图包括设备运行停止时间统计饼状图和设备停歇原因统计饼状图。

设备运行停止时间统计饼状图，用于显示所选择监测的设备的月运行停止时间统计饼状图，用户可以选择不同的年份和月份来查看设备的运行停止时间统计饼状图，且点击饼状图的运行时间区域显示该设备的月运行时间和运行时间百分比，点击饼状图的停止时间区域显示设备的月停止时间和停止时间百分比。

设备停歇原因统计饼状图，用于显示所选择监测的设备的月停歇原因统计饼状图，用户可以选择不同的年份和月份来查看该设备的停歇原因统计饼状图，且点击饼状图的每个停歇原因的内部区域显示该停歇原因的停歇次数和所占百分比。

设备统计直方图，用于显示所选择监测的设备的月维护次数统计直方图，其中横坐标为月份，纵坐标为维护次数，且点击每个直方图显示该直方图所在的月份的维护次数统计结果。

设备运行分析显示模块，用于显示所选择监测的设备采用PCA模型进行在线诊断的运行状态，并显示该设备运行状态数据的SPE贡献图和T²贡献图。

设备视频监控模块，用于显示所选择监测的设备运行的实时工作视频和历史工作视频。

采用基于物联网和工业云的选矿设备移动监测系统进行选矿设备监测的方法，如图2所示，包括以下步骤：

101、通过有线传感器和无线传感器实时采集监测的设备的运行状态数据和设备关键参数；通过PLC将有线传感器采集的监测的设备的运行状态数据和设备关键参数传送至本地服务器；通过无线网关将无线传感器实时采集的设备的运行状态数据和设备关键参数发送至本地服务器。

102、通过视频采集模块实时采集各个设备的工作视频，并发送至本地服务器。

103、通过本地服务器获取设备的基本信息，将设备的基本信息、采集的监测的设备的运行状态数据、设备关键参数和设备的工作视频的索引字段存储于本地服务器数据库，将设备的工作视频存储于本地服务器文件系统，并分别传输至工业云服务器的数据库和文件系统。

104、通过工业云服务器存储由本地服务器上传的监测的设备的基本信息、监测的设备的运行状态数据、设备关键参数、在线设备个数、各个设备的工作视频，存储智能终端记录的设备停歇原因和设备维护信息，并封装成服务。

105、通过工业云服务器设定设备运行状态数据限值和设备关键参数限值，当设备运行状态数据或设备关键参数超出其对应设定的限值时，则该设备运行状态数据为报警数据，生成报警信息，并封装成服务。

106、通过工业云服务器统计监测的设备的停歇原因、运行停止时间和设备维护信息，并封装成服务。

107、通过工业云服务器采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献，并封装成服务。

108、通过智能终端选择监测的设备类型以及所选择监测的设备类型对应的设备，或者扫描设备二维码获取所选择的设备编号和设备类型，从而根据设备编号和设备类型获取工业云服务器中的该设备的基本信息。

本实施方式中，选择监测的设备类型以球磨机为例，所选择监测的设备类型对应的设备以球磨机#1为例。

球磨机#1的基本信息如图3所示，包括设备编码-001、设备名称-球磨机#1、生产日期-2014-04-10T00：00：00、制造商-球磨机厂、设备价格-350000.0、是否使用-使用、设备类型名称-球磨机。

109、通过智能终端显示所选择监测的设备类型对应的设备的基本信息，所选择监测的设备类型的设备在线个数，所选择监测的设备的运行状态数据、设备关键参数、设备的报警信息。

本实施方式中，当前在线的球磨机个数是9个。

110、通过智能终端记录设备的停歇原因和设备维护信息，显示所选择监测的设备的停歇原因和设备维护信息，并将记录的设备的停歇原因和设备维护信息传输至工业云服务器。

111、通过智能终端显示统计的所选择监测的设备的停歇原因、运行停止时间和设备维护信息。

112、通过智能终端显示所选择监测的设备采用PCA模型进行在线诊断的运行状态，并显示该设备运行状态数据的SPE贡献图和T²贡献图。

113、通过智能终端显示所选择监测的设备运行的实时工作视频和历史工作视频。

本实施方式中，采用监测的设备的历史运行状态数据建立监测的各个设备的PCA模型，对实时采集的监测的设备的运行状态数据采用其对应设备的PCA模型进行在线诊断，判断该监测设备的运行状态，并计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献的具体过程，如图4所示，包括以下步骤：

S1：将M组监测的某一设备的历史正常运行状态数据作为训练集数据。

本实施方式中，将M＝13组监测的球磨机#1的历史正常运行状态数据作为训练集数据如表3所示。

表3监测的球磨机#1的历史正常运行状态数据作为训练集数据

S2：将训练集数据进行归一化处理，得到归一化处理后的训练集数据。

本实施方式中，将训练集数据进行归一化处理，即将每个变量减去其均值后除以其标准差，以消除实际量纲的影响，归一化处理后的训练集数据如表4所示。

表4归一化处理后的训练集数据

S3：求解归一化处理后的训练集数据的T²统计量的控制限和SPE统计量的控制限，建立该设备的PCA模型。

本实施方式中，训练集数据的T²统计量的控制限CLT²计算公式如式(1)所示：

${\mathrm{CLT}}^2=\frac{A(M-1)}{M-A}{F}_{A,M-A,\mathrm{\α}}---\left(1\right)$

其中，M＝13为训练集数据的样本个数，A＝6为主成分模型中保留的主成分个数，α＝0.95为显著性水平，F_A，n-A，α＝3.866为对应于检验水平为0.95、自由度为6，7条件下的F分布临界值。

训练集数据的SPE统计量的控制限CLSPE计算公式如式(2)所示：

$CLSPE={\mathrm{\θ}}_1{\[\frac{C_{\mathrm{\α}}\sqrt{2{\mathrm{\θ}}_2{h}_0^2}}{{\mathrm{\θ}}_1}+1+\frac{{\mathrm{\θ}}_2{h}_0(h_0-1)}{{{\mathrm{\θ}}_1}^2}\]}^{\frac{1}{h_0}}---\left(2\right)$

其中，m＝10为一组设备的运行状态数据的个数，C_α＝1.645为正态分布在显著性水平0.95下的临界值，λ_j为协方差矩阵的较小的特征值，λ₇＝0.297，λ₈＝0.236，λ₉＝0.110，λ₁₀＝0.065。

经计算得，θ₁＝0.7072，θ₂＝0.1599，θ₃＝0.0408，h₀＝0.2471，CLT²＝42.823，CLSPE＝1.8343。

S4：将N组监测的该设备的历史正常运行状态数据和已知故障类型的历史故障数据作为测试集数据。

本实施方式中，选取N＝7组测试集数据如表5所示。

表5测试集数据

S5：将测试集数据进行归一化处理，得到归一化处理后的测试集数据。

S6：求解归一化处理后的测试集数据的T²统计量和SPE统计量。

S7：若测试集数据中历史正常运行数据的T²统计量和SPE统计量均在其控制限范围内，同时，测试集数据中历史故障运行数据的T²统计量或SPE统计量超出其控制限，则当前设备的PCA模型作为该设备的PCA模型，执行S9，否则，执行S8。

S8：令M＝M+K，K为大于1的整数，返回S1。

S9：对实时采集的监测的该设备的运行状态数据采用该PCA模型进行在线诊断，判断该设备的运行状态。

S10：计算该设备的每个运行状态数据对SPE统计量和T²统计量的贡献。