一种基于工业云的高可靠的选矿设备故障诊断系统及方法与流程

本发明属于故障诊断技术领域，具体涉及一种基于工业云的高可靠的选矿设备故障诊断系统及方法。

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。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，有必要提出一种提高选矿设备故障诊断可靠性的系统及方法，使其能对选矿设备进行在线诊断，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，学者对于设备故障诊断已展开了研究，如专利号为201610027929.2的基于物联网和云计算的变压器故障诊断系统，该系统将实时数据经微处理器处理后通过无线通信模块发送给电力变压器故障监控中心中的无线网关，无线网关将实时数据发送给云服务器，故障诊断器通过诊断云服务器发来的实时数据诊断变压器故障并发送到中央监控器，当故障诊断器判断变压器存在故障，预警器发出报警；专利号为201510404106.2的基于物联网和云计算的仪器远程故障诊断系统，该系统通过无线网关将实时数据发送给云服务器，通过云计算平台，存储到仪器故障诊断中心的故障数据库内；一旦发生故障，仪器故障诊断中心的故障数据库和诊断专家端会对被监测到的故障情况进行分析处理；通过无线网关和无线通信模块之间的连接将故障信息和故障诊断意见传送到微处理器，微处理器将信息显示在故障显示器上并启动报警器，同时将故障修复意见发送给仪器运行操作系统，从而控制仪器运行状态；云服务器还将故障信息和故障诊断意见传送到远程客户端。但已有的设备故障诊断方法仍存在许多不足：1、云服务器仅用来接收和传送实时数据，未涉及在云服务器上收集不同厂的相同类型设备的设备运行状态数据并建立和不断优化故障诊断模型，从而未能不断提高故障诊断性能；2、未提供本地的设备故障诊断，当无线网关与云服务器出现通信故障时故障诊断无法进行，从而导致诊断系统失效。

技术实现要素：

针对上述现有技术存在的不足，本发明提供一种基于工业云的高可靠的选矿设备故障诊断系统及方法。

本发明的技术方案：

一种基于工业云的高可靠的选矿设备故障诊断系统及方法，包括：数据采集单元，设置于本地服务器中的本地数据库、本地智能模块、云智能模块和诊断结果模块，设置于工业云服务器中的设备运行状态数据库、模型建立及管理模块和故障诊断模块，设置于本地监控中心中的设备选择模块、设备诊断结果接收模块和设备故障诊断显示模块；

所述数据采集单元，包括PLC和数据采集传感器；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分别连接选矿厂待诊断设备，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的输出端连接本地服务器，所述本地服务器与工业云服务器通过网络进行通讯，所述本地服务器与本地监控中心通过网络进行通讯；

所述有线传感器和无线传感器，均用于实时采集待诊断设备的实时运行状态数据，有线传感器将采集到的实时运行状态数据通过PLC分别发送给本地服务器的本地数据库、本地智能模块和云智能模块，无线传感器将采集到的实时运行状态数据分别发送给本地服务器的本地数据库、本地智能模块和云智能模块；

所述本地数据库，用于接收有线传感器和无线传感器发送的待诊断设备的实时运行状态数据并保存；

所述设备选择模块，用于选择待诊断的具体设备类型，并发送给本地服务器中本地智能模块和云智能模块；

所述本地智能模块，用于接收设备选择模块发送的待诊断设备类型；接收模型建立及管理模块发送的故障诊断模型或故障诊断模型参数，并替换原有故障诊断模型或故障诊断模型参数；接收有线传感器和无线传感器发送的待诊断设备的实时运行状态数据，并根据待诊断设备类型对应的本地故障诊断模型计算出本地诊断结果，并将本地诊断结果发送给诊断结果模块；

所述云智能模块，用于接收设备选择模块发送的待诊断设备类型，并发送给模型建立及管理模块和故障诊断模块；接收到数据采集单元发送的待诊断设备的实时运行状态数据后，发送给工业云服务器的设备运行状态数据库和故障诊断模块，并判断是否发送成功，是，调用故障诊断模块的故障诊断服务并接收故障诊断模块发送的云诊断结果，并将云诊断结果发送给诊断结果模块；否则，标记未发送成功的数据待可正常发送时上传至设备运行状态数据库；

所述模型建立及管理模块，用于接收云智能模块发送的待诊断设备类型，判断是否有待诊断设备类型对应的故障诊断模型，是，对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新；否则，建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，将故障诊断模型发送给本地智能模块；

所述设备运行状态数据库，用于接收各云智能模块发送的实时运行状态数据并存储；

所述故障诊断模块，用于接收云智能模块发送的待诊断设备类型和实时运行状态数据，并根据模型建立及管理模块中待诊断设备类型对应的当前最优故障诊断模型进行故障诊断，将得到的云诊断结果发送给本地服务器的云智能模块；

所述诊断结果模块，用于判断是否有当前时间请求内的云诊断结果，是，将云诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块，否则，将本地诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块；

所述设备诊断结果接收模块，用于接收诊断结果模块发送的最终诊断结果，并发送给设备故障诊断显示模块；

所述设备故障诊断显示模块，用于显示设备诊断结果接收模块发送的最终诊断结果；

所述本地监控中心，用于选择待诊断的具体设备类型、接收诊断结果模块发送的最终诊断结果，并进行显示；

所述模型建立及管理模块对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新的具体过程为：判断待诊断设备的当前最优故障诊断模型是否能正确诊断出设备的运行状态，是，不进行模型更新，否则，利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据重新建立新的不同故障诊断模型；利用该选矿厂和其他选矿厂的历史运行状态数据计算新建立的故障诊断模型的诊断正确率；对所有故障诊断模型包括历史故障诊断模型和重新建立的故障诊断模型进行诊断正确率比较，将正确率最高的故障诊断模型标记为当前最优故障诊断模型；计算当前最优故障诊断模型的计算量；计算出当前最优故障诊断模型和上一最优故障诊断模型相比的增长诊断正确率；判定模型优化类别：若当前最优故障诊断模型和上一个最优故障诊断模型相比，使用的故障诊断算法不同，则当前最优故障诊断模型为模型算法优化；若当前最优故障诊断模型和上一个最优故障诊断模型相比，故障诊断算法相同但模型参数不同，则当前最优故障诊断模型为模型参数优化；判断增长诊断正确率是否超过M，超过M，本地故障诊断模型需要更新并判断模型优化类别是否为模型算法优化，是模型算法优化，判断最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，模型建立及管理模块将当前最优故障诊断模型通过模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否则，将当前最优故障诊断模型发送给本地智能模块，超过M但不是模型算法优化，将当前最优故障诊断模型的模型参数发送给本地智能模块，未超过M，则本地故障诊断模型不需要更新；

模型建立及管理模块建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，并将故障诊断模型发送给本地智能模块的具体过程为：利用设备运行状态数据库中该选矿和其他选矿厂的历史运行状态数据建立不同的故障诊断模型；利用该选矿厂和其他选矿厂的历史运行状态数据对建立的故障诊断模型的诊断效果进行评估，得到故障诊断模型的诊断正确率，若诊断正确率最高的故障诊断模型的诊断正确率超过诊断正确率R，则将该故障诊断模型标记为当前最优故障诊断模型，否则，重新建立故障诊断模型；计算当前最优故障诊断模型的计算量，若当前最优故障诊断模型的计算量超过本地服务器的最大计算量N，则将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否则，将当前最优故障诊断模型发送给本地智能模块；

利用基于工业云的高可靠的选矿设备故障诊断系统进行选矿设备故障诊断方法，包括如下步骤：

S1：本地监控中心的设备选择模块选择待诊断的具体设备类型，并发送给本地服务器中本地智能模块和云智能模块，通过云智能模块发送给模型建立及管理模块和故障诊断模块；

S2：模型建立及管理模块接收待诊断设备类型，并判断是否有待诊断设备类型对应的故障诊断模型，是，执行S3，否则，执行S4；

S3：模型建立及管理模块对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新；

S3.1：模型建立及管理模块接收待诊断设备类型，并判断待诊断设备的当前最优故障诊断模型是否能正确诊断出设备的运行状态，是，执行S5，否则，利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据重新建立新的不同故障诊断模型；

S3.2：模型建立及管理模块利用该选矿厂和其他选矿厂的历史运行状态数据对重新建立的故障诊断模型的诊断效果进行评估，得到该故障诊断模型的诊断正确率；

S3.3：模型建立及管理模块标记出当前最优故障诊断模型、计算出当前最优故障诊断模型的计算量、计算出当前最优故障诊断模型的增长诊断正确率和判定模型优化类别；

S3.3.1：模型建立及管理模块对所有故障诊断模型包括历史故障诊断模型和重新建立的故障诊断模型进行诊断正确率比较，将所有故障诊断模型中诊断正确率最高的故障诊断模型标记为当前最优故障诊断模型，并保存，实现工业云服务器上故障诊断模型的优化更新；

S3.3.2：模型建立及管理模块计算当前最优故障诊断模型的计算量；

S3.3.3：模型建立及管理模块计算出当前最优故障诊断模型和上一最优故障诊断模型相比的增长诊断正确率；

S3.3.4：模型建立及管理模块判定模型优化类别：若当前最优故障诊断模型和上一个最优故障诊断模型相比，使用的故障诊断算法不同，则当前最优故障诊断模型为模型算法优化；若当前最优故障诊断模型和上一个最优故障诊断模型相比，故障诊断算法相同但模型参数不同，则当前最优故障诊断模型为模型参数优化；

S3.4：模型建立及管理模块判断本地智能模块的本地故障诊断模型是否需要更新及更新类型，并根据不同的更新类型实现本地智能模块的故障诊断模型的优化更新，执行S5：

S3.4.1：模型建立及管理模块判断增长诊断正确率是否超过M，是，本地故障诊断模型需要更新，执行S3.4.2，否则，本地故障诊断模型不需要更新，执行S5；

S3.4.2：模型建立及管理模块判断模型优化类别是否为模型算法优化，是模型算法优化，判断当前最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，模型建立及管理模块将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，执行S3.4.4，否则，将当前最优故障诊断模型发送给本地智能模块，执行S3.4.4，不是模型算法优化；

S3.4.3：模型建立及管理模块将当前最优故障诊断模型的模型参数发送给本地智能模块；

S3.4.4：本地智能模块使用接收到的故障诊断模型或故障诊断模型参数替换原有故障诊断模型或故障诊断模型参数，执行S5；

S4：模型建立及管理模块建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，并将故障诊断模型发送给本地智能模块；

S4.1：模型建立及管理模块接收待诊断设备类型，并利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据建立不同的故障诊断模型；

S4.2：模型建立及管理模块利用该选矿厂和其他选矿厂的历史运行状态数据对建立的故障诊断模型的诊断效果进行评估，得到故障诊断模型的诊断正确率，判断诊断正确率最高的故障诊断模型的诊断正确率是否超过诊断正确率R，是，将该故障诊断模型标记为当前最优故障诊断模型，并保存，否，执行S4.1；

S4.3：模型建立及管理模块计算当前最优故障诊断模型的计算量，判断当前最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否，将当前最优故障诊断模型发送给本地智能模块；

S4.4：本地智能模块接收模型建立及管理模块发送的故障诊断模型；

S5：有线传感器和无线传感器实时采集待诊断设备的实时运行状态数据，并通过无线网关和PLC将实时运行状态数据传送至本地服务器的本地数据库、本地智能模块和云智能模块；

S6：本地数据库接收待诊断设备的实时运行状态数据并保存；

S7：本地智能模块接收待诊断设备的实时运行状态数据，并根据待诊断设备类型对应的本地故障诊断模型计算出本地诊断结果，并将本地诊断结果发送给诊断结果模块；

S8：云智能模块接收实时运行状态数据后，发送给工业云服务器的设备运行状态数据库和故障诊断模块，判断是否发送成功，是，调用故障诊断模块的故障诊断服务，否则，标记未发送成功的数据，待可正常发送时上传至设备运行状态数据库，并执行S12；

S9：设备运行状态数据库接收云智能模块发送的实时运行状态数据并存储；

S10：故障诊断模块接收实时运行状态数据，并根据模型建立及管理模块中待诊断设备类型对应的当前最优故障诊断模型进行故障诊断，将得到的云诊断结果发送给本地服务器的云智能模块，并判断是否发送成功，是，执行S11，否则，执行S12；

S11：云智能模块接收云诊断结果，并发送给诊断结果模块；

S12：诊断结果模块判断是否有当前时间请求内的云诊断结果，是，将云诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块，否则，将本地诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块；

S13：设备诊断结果接收模块接收最终诊断结果，并通过设备故障诊断显示模块显示，执行S3。

有益效果：一种基于工业云的高可靠的选矿设备故障诊断系统及方法与现有技术相比，具有如下优势：

1、云服务器可以收集不同选矿厂的相同类型设备的设备运行状态数据，用本选矿厂和其他选矿厂的历史运行状态数据建立故障诊断模型，用本选矿厂和其他选矿厂的历史运行状态数据评估建立的故障诊断模型，由于考虑了其他选矿厂的历史运行状态数据，从而提高了故障诊断率，从而使建立的故障诊断模型能更好的诊断设备的运行状态和实现故障诊断模型的优化更新，更好的保证了故障诊断系统的诊断性能；

2、利用云服务器强大的计算能力，所有的故障诊断模型的建立和管理都在云端，针对故障诊断模型应用时需要大量计算的问题，对下载的诊断模型启动模型约简功能(云端运行的是未约简的诊断模型)，建立故障诊断模型的约简模型，以便该约简模型可以运行在本地服务器上，从而保证本地诊断模块的诊断效率；

3、由于故障诊断模型被下载到本地，因此，本地故障诊断模型可以在云诊断服务中断时提供本地诊断服务，更好的保证了故障诊断系统的可靠性。

附图说明

图1为本发明实施方式的一种基于工业云的高可靠的选矿设备故障诊断系统结构示意图；

图2为本发明实施方式的一种基于工业云的高可靠的选矿设备故障诊断方法流程图。

具体实施方式

下面结合附图对本发明的一种实施方式做详细说明。

本发明一种实施方式，

如图1所示，一种基于工业云的高可靠的选矿设备故障诊断系统，包括：数据采集单元，设置于本地服务器中的本地数据库、本地智能模块、云智能模块和诊断结果模块，设置于工业云服务器中的设备运行状态数据库、模型建立及管理模块和故障诊断模块，设置于本地监控中心中的设备选择模块、设备诊断结果接收模块和设备故障诊断显示模块；

所述数据采集单元，包括PLC和数据采集传感器；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分别连接选矿厂待诊断设备，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的输出端连接本地服务器，所述本地服务器与工业云服务器通过网络进行通讯，所述本地服务器与本地监控中心通过网络进行通讯；

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，PLC的型号为Rockwell Logix 5000。

本实施方式中，待诊断设备包括：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。

表1需要采集的设备运行状态数据类型表

本实施方式中，诊断的设备以球磨机#1为例。

所述有线传感器和无线传感器，均用于实时采集待诊断设备的实时运行状态数据，有线传感器将采集到的实时运行状态数据通过PLC分别发送给本地服务器的本地数据库、本地智能模块和云智能模块，无线传感器将采集到的实时运行状态数据分别发送给本地服务器的本地数据库、本地智能模块和云智能模块；

所述本地数据库，用于接收有线传感器和无线传感器发送的待诊断设备的实时运行状态数据并保存；

所述设备选择模块，用于选择待诊断的具体设备类型，并发送给本地服务器中本地智能模块和云智能模块；

所述本地智能模块，用于接收设备选择模块发送的待诊断设备类型；接收模型建立及管理模块发送的故障诊断模型或故障诊断模型参数，并替换原有故障诊断模型或故障诊断模型参数；接收有线传感器和无线传感器发送的待诊断设备的实时运行状态数据，并根据待诊断设备类型对应的本地故障诊断模型计算出本地诊断结果，并将本地诊断结果发送给诊断结果模块；

所述云智能模块，用于接收设备选择模块发送的待诊断设备类型，并发送给模型建立及管理模块和故障诊断模块；接收数据采集单元发送的待诊断设备的实时运行状态数据后，发送给工业云服务器的设备运行状态数据库和故障诊断模块，并判断是否发送成功，是，调用故障诊断模块的故障诊断服务并接收故障诊断模块发送的云诊断结果，并将云诊断结果发送给诊断结果模块；否则，标记未发送成功的数据待可正常发送时上传至设备运行状态数据库；

所述模型建立及管理模块，用于接收云智能模块发送的待诊断设备类型，判断是否有待诊断设备类型对应的故障诊断模型，是，对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新；否则，建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，将故障诊断模型发送给本地智能模块；

所述设备运行状态数据库，用于接收各云智能模块发送的实时运行状态数据并存储；

所述故障诊断模块，用于接收云智能模块发送的待诊断设备类型和实时运行状态数据，并根据模型建立及管理模块中待诊断设备类型对应的当前最优故障诊断模型进行故障诊断，将得到的云诊断结果发送给本地服务器的云智能模块；

所述诊断结果模块，用于判断是否有当前时间请求内的云诊断结果，是，将云诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块，否则，将本地诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块；

本实施方式中，最终诊断结果包括正常运行和故障运行。

所述设备诊断结果接收模块，用于接收诊断结果模块发送的最终诊断结果，并发送给设备故障诊断显示模块；

所述设备故障诊断显示模块，用于显示设备诊断结果接收模块发送的最终诊断结果；

所述本地监控中心，用于选择待诊断的具体设备类型、接收诊断结果模块发送的最终诊断结果，并进行显示；

所述模型建立及管理模块对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新的具体过程为：判断待诊断设备的当前最优故障诊断模型是否能正确诊断出设备的运行状态，是，不进行模型更新，否则，利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据重新建立新的不同故障诊断模型；利用该选矿厂和其他选矿厂的历史运行状态数据计算新建立的故障诊断模型的诊断正确率；对所有故障诊断模型包括历史故障诊断模型和重新建立的故障诊断模型进行诊断正确率比较，将正确率最高的故障诊断模型标记为当前最优故障诊断模型；用虚拟机(和本地服务器配置相同)对当前最优故障诊断模型进行仿真测试计算出该模型的计算量；计算出当前最优故障诊断模型和上一最优故障诊断模型相比的增长诊断正确率；判定模型优化类别：若当前最优故障诊断模型和上一个最优故障诊断模型相比，使用的故障诊断算法不同，则当前最优故障诊断模型为模型算法优化；若当前最优故障诊断模型和上一个最优故障诊断模型相比，故障诊断算法相同但模型参数不同，则当前最优故障诊断模型为模型参数优化；判断增长诊断正确率是否超过M，超过M，本地故障诊断模型需要更新并判断模型优化类别是否为模型算法优化，是模型算法优化，判断最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，模型建立及管理模块将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否则，将当前最优故障诊断模型发送给本地智能模块，超过M但不是模型算法优化，将当前最优故障诊断模型的模型参数发送给本地智能模块，未超过M，则本地故障诊断模型不需要更新更新；

模型建立及管理模块建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，并将故障诊断模型发送给本地智能模块的具体过程为：利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据建立不同的故障诊断模型；利用该选矿厂和其他选矿厂的历史运行状态数据对建立的故障诊断模型的诊断效果进行评估，得到故障诊断模型的诊断正确率，若诊断正确率最高的故障诊断模型的诊断正确率超过诊断正确率R，则将该故障诊断模型标记为当前最优故障诊断模型，否则，重新建立故障诊断模型；用虚拟机(和本地服务器配置相同)对当前最优故障诊断模型进行仿真测试计算出该模型的计算量，若当前最优故障诊断模型的计算量超过本地服务器的最大计算量N，则将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否则，将当前最优故障诊断模型发送给本地智能模块；

本实施方式中，采用“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”，专利号为201610807805.6的专利中记载的故障诊断模型建立方法进行模型建立。

如图2所示，利用基于工业云的高可靠的选矿设备故障诊断系统进行选矿设备故障诊断方法，包括如下步骤：

S1：本地监控中心的设备选择模块选择待诊断的具体设备类型，并发送给本地服务器中本地智能模块和云智能模块，通过云智能模块发送给模型建立及管理模块和故障诊断模块；

本实施方式中，具体设备类型为球磨机。

S2：模型建立及管理模块接收待诊断设备类型，并判断是否有待诊断设备类型对应的故障诊断模型，是，执行S3，否则，执行S4；

S3：模型建立及管理模块对工业云服务器上待诊断设备的故障诊断模型和本地智能模块上的待诊断设备的故障诊断模型进行优化更新；

S3.1：模型建立及管理模块接收待诊断设备类型，并判断待诊断设备的当前最优故障诊断模型是否能正确诊断出设备的运行状态，是，执行S5，否则，利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据重新建立新的不同故障诊断模型；

S3.2：模型建立及管理模块利用该选矿厂和其他选矿厂的历史运行状态数据对重新建立的故障诊断模型的诊断效果进行评估，得到该故障诊断模型的诊断正确率；

S3.3：模型建立及管理模块标记出当前最优故障诊断模型、计算出当前最优故障诊断模型的计算量、计算出当前最优故障诊断模型的增长诊断正确率和判定模型优化类别；

S3.3.1：模型建立及管理模块对所有故障诊断模型包括历史故障诊断模型和重新建立的故障诊断模型进行诊断正确率比较，将所有故障诊断模型中诊断正确率最高的故障诊断模型标记为当前最优故障诊断模型，并保存，实现工业云服务器上故障诊断模型的优化更新；

S3.3.2：模型建立及管理模块用虚拟机(和本地服务器配置相同)对当前最优故障诊断模型进行仿真测试计算出该模型的计算量；

S3.3.3：模型建立及管理模块计算出当前最优故障诊断模型和上一最优故障诊断模型相比的增长诊断正确率；

S3.3.4：模型建立及管理模块判定模型优化类别：若当前最优故障诊断模型和上一个最优故障诊断模型相比，使用的故障诊断算法不同，则当前最优故障诊断模型为模型算法优化；若当前最优故障诊断模型和上一个最优故障诊断模型相比，故障诊断算法相同但模型参数不同，则当前最优故障诊断模型为模型参数优化；

S3.4：模型建立及管理模块判断本地智能模块的本地故障诊断模型是否需要更新及更新类型，并根据不同的更新类型实现本地智能模块的故障诊断模型的优化更新，执行S5：

S3.4.1：模型建立及管理模块判断增长诊断正确率是否超过M，是，本地故障诊断模型需要更新，执行S3.4.2，否则，本地故障诊断模型不需要更新，执行S5；

S3.4.2：模型建立及管理模块判断模型优化类别是否为模型算法优化，是模型算法优化，判断当前最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，模型建立及管理模块将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，执行S3.4.4，否则，将当前最优故障诊断模型发送给本地智能模块，执行S3.4.4，不是模型算法优化；

S3.4.3：模型建立及管理模块将当前最优故障诊断模型的模型参数发送给本地智能模块；

S3.4.4：本地智能模块使用接收到的故障诊断模型或故障诊断模型参数替换原有故障诊断模型或故障诊断模型参数，执行S5；

S4：模型建立及管理模块建立待诊断设备的故障诊断模型，评估和管理建立的故障诊断模型，并将故障诊断模型发送给本地智能模块；

S4.1：模型建立及管理模块接收待诊断设备类型，并利用设备运行状态数据库中该选矿厂和其他选矿厂的历史运行状态数据建立不同的故障诊断模型；

本实施方式中，模型建立及管理模块利用球磨机的设备运行状态数据库中的历史运行状态数据建立球磨机的PCA(Principal Component Analysis，主成分分析)模型和KPCA(Kernel Principal Component Analysis，核主成分分析)模型。

S4.2：模型建立及管理模块利用该选矿厂和其他选矿厂的历史运行状态数据对建立的故障诊断模型的诊断效果进行评估，得到故障诊断模型的诊断正确率，判断诊断正确率最高的故障诊断模型的诊断正确率是否超过诊断正确率R，是，将该故障诊断模型标记为当前最优故障诊断模型，并保存，否，执行S4.1；

S4.3：模型建立及管理模块用虚拟机(和本地服务器配置相同)对当前最优故障诊断模型进行仿真测试计算出该模型的计算量，判断当前最优故障诊断模型的计算量是否超过本地服务器的最大计算量N，是，将当前最优故障诊断模型进行约简，并将约简后的故障诊断模型发送给本地智能模块，否，将当前最优故障诊断模型发送给本地智能模块；

S4.4：本地智能模块接收模型建立及管理模块发送的故障诊断模型；

本实施方式中，通过Docker的形式将故障诊断模型下载到本地服务器的本地智能模块；

S5：有线传感器和无线传感器实时采集待诊断设备的实时运行状态数据，并通过无线网关和PLC将实时运行状态数据传送至本地服务器的本地数据库、本地智能模块和云智能模块；

本实施方式中，采用有线传感器和无线传感器实时采集球磨机#1的实时运行状态数据，通过无线网关和Rockwell Logix 5000PLC将球磨机#1的实时运行状态数据传送至本地服务器。

S6：本地数据库接收待诊断设备的实时运行状态数据并保存；

S7：本地智能模块接收待诊断设备的实时运行状态数据，并根据待诊断设备类型对应的本地故障诊断模型计算出本地诊断结果，并将本地诊断结果发送给诊断结果模块；

S8：云智能模块接收实时运行状态数据后，发送给工业云服务器的设备运行状态数据库和故障诊断模块，判断是否发送成功，是，调用故障诊断模块的故障诊断服务，否则，标记未发送成功的数据，待可正常发送时上传至设备运行状态数据库，并执行S12；

S9：设备运行状态数据库接收云智能模块发送的实时运行状态数据并存储；

S10：故障诊断模块接收实时运行状态数据，并根据模型建立及管理模块中待诊断设备类型对应的当前最优故障诊断模型进行故障诊断，将得到的云诊断结果发送给本地服务器的云智能模块，并判断是否发送成功，是，执行S11，否则，执行S12；

S11：云智能模块接收云诊断结果，并发送给诊断结果模块；

S12：诊断结果模块判断是否有当前时间请求内的云诊断结果，是，将云诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块，否则，将本地诊断结果作为最终诊断结果，发送给本地监控中心的设备诊断结果接收模块；

S13：设备诊断结果接收模块接收最终诊断结果，并通过设备故障诊断显示模块显示，执行S3。