一种智能诊断系统与方法与流程

本发明涉及设备故障诊断技术领域，具体涉及一种智能诊断系统与方法。

背景技术：

随着科技的进步和计算机科学的发展，各种设备已经开始向大型化、复杂化、智能化演变，使得机器或设备更加接近或满足自然人的操作习惯和功能需求。然而同样的，机器和设备的智能化是以机器设计、制造和运行的复杂度作为前提条件的，智能化的设备运行过程中通常伴随着各种各样的问题。问题的显现往往具有“滞后性”，即一旦机器表现出来人们可以发现的问题，机器早已是“疾病缠身”，此时问题定位、修复、维护等相对非常的繁琐，通常依靠工程师的经验进行问题排查，无法快速定位问题、迅速恢复设备正常工作，且无法完成技术的传承。

业界解决以上问题的常用手段为增加各种传感设备，对设备内部的温度、湿度、压力、电流等因素进行实时的检测，由于故障的发生具有“随机性”和“偶然性”等特点，因此需要将检测的数据进行实时的存储，这样大大增加了存储的时间，更加增加了存储的空间，即空间复杂度和时间复杂度会线性增长，甚至成指数增加；而当故障发生时，往往仅仅需要故障发生前的前几秒或前几分钟的数据，大量的数据为垃圾或冗余数据，不但占用了大量的硬件空间，增加了硬件成本，同样因为计算机高频率i/o操作，大大增加了运行时间，影响了设备的整体性能。

此外，业界对故障的检测和处理一般都是在故障发生后，停机处理，未采用一些故障预测机制，避免简单或重复故障的发生，虽然最终可以解决故障问题，但会导致mttr(meantimetorepair，平均恢复前时间)较大，影响了生产进度，降低了设备的产率。

技术实现要素：

本发明针对现有技术中存在的问题，提供了一种可实现故障预判及故障预处理，加快生产进度，提高设备产率的智能诊断系统与方法。

为了解决上述技术问题，本发明的技术方案是：一种智能诊断系统，包括：

主系统，包括系统主控板卡、主枢纽板卡和若干数据板卡以及与所述系统主控板卡、主枢纽板卡和数据板卡连接的数据总线和控制总线；

分系统，包括系统主控板卡、从枢纽板卡和若干数据板卡以及与所述系统主控板卡、从枢纽板卡和数据板卡连接的数据总线和控制总线；

所述主枢纽板卡和从枢纽板卡与传感器连接；

诊断预测板卡，与所述系统主控板卡连接。

进一步的，所述诊断预测板卡与所述系统主控板卡之间通过以太网总线连接。

进一步的，所述系统主控板卡采用powerpc板卡。

根据权利要求1所述的智能诊断系统，其特征在于，所述诊断预测板卡采用上位机或powerpc板卡。

进一步的，所述诊断预测板卡包括故障预测模块、数据库和故障接收与处理模块。

进一步的，所述诊断预测板卡还与所述主枢纽板卡和从枢纽板卡之间通过hssl光纤传输总线和串口连接总线连接。

进一步的，所述主系统和分系统还包括故障诊断板卡，所述故障诊断板卡连接至所述数据总线和控制总线，所述故障诊断板卡与所述诊断预测板卡之间通过hssl光纤传输总线和串口连接总线连接。

本发明还提供一种如上所述的智能诊断系统的诊断方法，包括以下步骤：

s1：所述主枢纽板卡和从枢纽板卡实时获取传感器的检测数据，并将该检测数据发送至数据板卡进行计算；

s2：周期性获取数据板卡的中间运行数据，并将其传送至诊断预测板卡；

s3：所述诊断预测板卡根据接收的中间运行数据进行故障预测，并将预测结果反馈至系统主控板卡。

进一步的，所述步骤s2中，通过所述主枢纽板卡和从枢纽板卡周期性获取数据板卡的中间运行数据，并将其传送至所述诊断预测板卡。

进一步的，所述步骤s2中，通过故障诊断板卡周期性获取数据板卡的中间运行数据，进行故障预测，并将预测信息和中间运行数据传送至所述诊断预测板卡。

进一步的，所述步骤s2中，故障预测包括以下步骤：

s21：所述故障诊断板卡根据配置文件中的时间参数和感兴趣数据，周期性的获取数据板卡的中间运行数据，并放入内存缓冲中；

s22：所述故障诊断板卡对获取的中间运行数据进行实时监测，判断数据值是否处于配置文件设置的安全范围中；

s23：当数据值超出安全范围(0，m％)时，上报警告信息给故障预测板卡，并实时反馈给系统主控板卡中的驱动组件，进行相应的调整，避免运行状况的恶化；

s24：当数据值超出安全范围>m％时，上报故障信息给故障预测板卡处理，同时直接反馈给系统主控板卡中的驱动组件，进行初始化操作，其中m为实数，由配置文件设定。

进一步的，所述步骤s24中，当数据值超出安全范围>m％时，故障诊断板卡对故障类型进行编码处理，并通过串行中断触发，通知诊断预测板卡。

进一步的，所述步骤s3还包括当诊断预测板卡接收到故障信息后，首先发送指令暂停所有的分系统动作，并对故障进行处理，判断故障机理，是否运行动作重试，若允许，则发送“重试”命令给参与动作的分系统，重试本次动作，若重试同样失败，则上报至服务器端；若不允许，则发送“系统错误”至服务器端，等待人工干预。

进一步的，所述步骤s3包括以下步骤：

s31：所述诊断预测板卡根据配置文件中的采样时间、感兴趣数据进行配置；

s32：所述诊断预测板卡固定n个伺服周期采样一次故障诊断板卡的数据并存储到数据库中，其中n为自然数，由配置文件设置；

s33：所述诊断预测板卡中的故障预测模块将本次采样的数据与数据库中的历史数据进行综合处理，拟合数据变化曲线，并寻找数据库中对应的规则，得到故障预测信息；

s34：所述诊断预测板卡将故障预测信息通过主系统中的主枢纽板卡反馈给相应的分系统，由分系统中的系统主控板卡做对应的调整和操作。

进一步的，所述步骤s33中，所述规则均以故障树的形式保存，即一种数据趋势与一种故障种类型。

进一步的，所述步骤s33中，若未找到规则，则所述故障预测模块进行故障训练，并存储为新的规则。

进一步的，所述步骤s33中，通过最小二乘法或求平均趋势的方法拟合数据变化曲线。

进一步的，还包括步骤s4，对所述诊断预测板卡或系统主控板卡进行故障注入，以检验系统的诊断效果。

本发明提供的智能诊断系统与方法，相比现有技术存在以下优势：

(1)对传感器检测的数据进行实时内存操作，避免了批量数据的频率i/o的耗时操作；

(2)采用可配置的感兴趣数据获取模式，避免了大量冗余数据的处理；

(3)对设备中数据板卡的运行中间数据进行“在线”处理和分析，可对故障进行预测；

(4)智能化故障判断和在线处理，避免了设备停机等待人工干涉，加快了生产进度，提高了设备的产率；

(5)采用“中断触发”和“暂停”模式，避免了故障的扩大化，且易于故障定位；

(6)采用分布式故障诊断和处理模型，可对主系统和分系统的故障进行快速、及时处理；

(7)采用“故障训练”与“规则处理”方式并存，快速、实时、精确的预测故障的发生和处理故障。

(8)通过故障注入模拟故障的发生，测试系统的故障处理能力，提高了系统可靠性。

附图说明

图1是本发明实施例1中智能诊断系统的结构示意图；

图2是本发明实施例1中诊断预测板卡的结构示意图；

图3是本发明实施例2中诊断预测板卡的结构示意图；

图4是本发明实施例2中故障诊断板卡对三种状态的判断示意图。

图中所示：100、主系统；200、分系统；300、诊断预测板卡；400、服务器端；1、系统主控板卡；2、主枢纽板卡；3、数据板卡；4、数据总线；5、控制总线；6、从枢纽板卡；7、以太网总线；8、hssl光纤传输总线；9、串口连接总线；10、故障预测模块；11、数据库；12、故障接收与处理模块；13、故障诊断板卡。

具体实施方式

下面结合附图对本发明作详细描述。

实施例1

如图1所示，本发明提供一种智能诊断系统，包括：

主系统100，包括系统主控板卡1、主枢纽板卡(masterhubboard，mhb)2和若干数据板卡3以及与所述系统主控板卡1、主枢纽板卡2和数据板卡(data板卡)3连接的数据总线4和控制总线5。所述主枢纽板卡2与该主系统100对应的传感器连接，用于接收传感器的测量数据，并下发至各个数据板卡3进行计算。

分系统200，包括系统主控板卡1、从枢纽板卡6和若干数据板卡3以及与所述系统主控板卡1、从枢纽板卡6和数据板卡3连接的数据总线4和控制总线5，所述从枢纽板卡6与该分系统对应的传感器连接，用于接收传感器的测量数据，并下发至该系统各个数据板卡3进行计算。

其中，系统主控板卡1采用powerpc(performanceoptimizationwithenhancedrisc-performancecomputing，精简指令集risc架构的中央处理器)板卡，也称ppc板卡，主要负责接收诊断预测板卡300的命令，并将该命令解释后发送至该系统中其他的板卡。具体的，系统主控板卡1通过以太网总线7接收诊断预测板卡300下发的命令(如初始化、机器参数下发、运行固件的分配等)，并将命令解释后，通过数据总线4将命令下发至系统中各个板卡，包括主枢纽板卡2和数据板卡3，该数据总线4可采用srio、sdb、mdb、pcie等；系统运行过程中，一些其它的辅助信息(如trace等)，将通过控制总线5发送至ppc板卡，完成对该信息的处理或存储，该控制总线5为vme64x或vpx总线，或者为ethernet。同时，该系统的驱动程序运行于ppc板卡上，通过控制总线5对data板卡进行参数下发和控制等。

数据板卡3主要用于控制算法的实现和控制过程中数据的运算和处理。系统初始化之后，数据板卡3时时处于就绪状态，等待着传感器检测数据的到来；当有数据到达时，将数据快速搬移至该板卡的ram中，以最快的速度完成本次计算，将计算结果根据事先约定的序列通过数据总线4进行数据广播，系统内的所有板卡均可以从数据总线4中获取该计算结果数据并进行存储，实现了板间数据的交互；数据处理过程中的中间运行数据可根据配置需求写入到数据板卡3的外存或者dpram中，以提供给主枢纽板卡2或从枢纽板卡6进行抓取，避免运行执行完成后直接丢弃数据。

诊断预测板卡(masterdiagnosistriggerboard，mdt)300，采用上位机或powerpc板卡，与所述系统主控板卡1通过以太网总线7连接，同时诊断预测板卡300还与所述主枢纽板卡2和从枢纽板卡6之间通过hssl光纤传输总线8和串口连接总线9连接。其中串行总线5可为rs232、rs485、usb、ieee1394等，如图2所示，所述诊断预测板卡300包括故障预测模块10、数据库11和故障接收与处理模块12，其中故障预测模块10采用“规则处理”和“故障训练”两种方式进行故障的预测处理，并实时完善数据库11的故障规则；数据库11主要用于存储处理规则，规则均以“故障树”的形式保存，即一种数据趋势对应一种故障类型；故障接收与处理模块12主要负责故障处理。具体的，主枢纽板卡2或从枢纽板卡6周期性抓取data板卡写入到外存或dpram中的数据，并每隔n个伺服周期，n为自然数，由配置文件设置，通过hssl光纤传输总线8上传本次伺服周期的运行数据至诊断预测板卡300，诊断预测板卡300接收后存储至数据库11中；故障预测模块10将抓取本次的运行数据与数据库11中的历史数据进行综合处理，拟合数据变化曲线，并寻找数据库11中对应的规则，得到故障预测信息，并通过主系统100中的主枢纽板卡2反馈给相应的分系统200，由分系统200中的系统主控板卡1做对应的调整和操作；若未找到规则，则进行“故障训练”，并存储为新的规则。

其中参数数据拟合的方式包括两种：

最小二乘法：由于电流、电压、温度等参数值，在设备运行中应尽量保持稳定，其增长趋势缓慢，可设为一个一元回归线性方程yi＝f(ti)＝ati+b+ξi，对于不同的参数数据，设置的函数项不同，如速度和加速度等，为多阶多项式，根据f(yi,ti)＝∑[yi-ati-b]²，对f(yi,ti)求偏导可得到a和b的值，从而确定关系函数式。

ma方法：即求平均趋势，可设置函数为yi＝f(ti)＝ati+b，通过两点间的平均值，逐步确定并修复该公式，通过该公式预测故障趋势。

本实施例中还提供上述智能诊断系统的诊断方法，包括以下步骤：

s1：所述主枢纽板卡2和从枢纽板卡6实时获取传感器的检测数据，并将该检测数据发送至数据板卡3进行计算，数据板卡3在数据处理过程中的中间运行数据可根据配置需求写入到其外存或者dpram中。

s2：所述主枢纽板卡2和从枢纽板卡6周期性获取数据板卡3的中间运行数据，并将其传送至诊断预测板卡300；具体的，所述主枢纽板卡2或从枢纽板卡6周期性抓取data板卡写入到外存或dpram中的数据，并每隔n个伺服周期，n为自然数，由配置文件设置，通过hssl光纤传输总线8上传本次伺服周期的运行数据至诊断预测板卡300，诊断预测板卡300接收后存储至数据库11中。

s3：所述诊断预测板卡300根据接收的中间运行数据进行故障预测，并将预测结果反馈至系统主控板卡1。具体的，故障预测模块10将抓取本次的运行数据与数据库11中的历史数据进行综合处理，拟合数据变化曲线，并寻找数据库11中对应的规则，得到故障预测信息，并通过主系统100中的主枢纽板卡2反馈给相应的分系统200，由分系统200中的系统主控板卡1做对应的调整和操作；若未找到规则，则进行“故障训练”，并存储为新的规则。

s4：对所述诊断预测板卡300或系统主控板卡1进行故障注入，以检验系统的诊断效果。即故障注入可由诊断预测板卡300进行注入，诊断预测板卡300将故障信息打包下发至主系统100和分系统200，并实时处理主系统100和分系统200相应的故障；或者针对主系统100或分系统200的系统主控板卡1分别注入，诊断预测板卡300接收并处理主系统100和分系统200的故障。

实施例2

如图3所示，与实施例1不同的是，本实施例中所述主系统100和分洗系统200还包括故障诊断板卡(slavediagnosistriggerboard，sdt)13，所述故障诊断板卡13连接至所述数据总线4和控制总线5，所述故障诊断板卡13与所述诊断预测板卡300之间通过hssl光纤传输总线8和串口连接总线9连接。

故障诊断板卡13的功能主要包括以下方面：

1、时间和数据的可配置性，即可根据配置文件dts.cfg的时间参数和感兴趣数据进行配置，若为运动分系统，且数据可取电机的电压或电流数据；若为照明分系统，则数据可取激光光强、激光剂量等参数；若为环境分系统，则数据可取温度、压强、湿度等参数。当然并不仅限于以上参数，具体参数由实际场景或工程师自行定义。

2、每隔一定的时间去各数据板卡3的dpram或外存中抓取其中间运行数据，并放入故障诊断板卡13为每块数据板卡3所开辟的内存缓冲中；时间以伺服周期的个数为单位，初始化时刻从配置文件dts.cfg中读取，同样该参数可由用户界面进行实时设置；由于故障发生的概率往往在初始化和机器启动时最高，因此，此时的时间间隔尽量小，可设置为1个伺服周期；当设备运行稳定后，可根据需求或实际情况进行实时调整；

3、对中间运行数据进行实时的监测，判断数据值是否处于安全范围中，该安全范围由配置文件dts.cfg设置；如图4所示，安全范围可设置为三种状态：健康、故障和亚健康；健康状态为处于安全范围内的数据；亚健康状态为超出安全阈值m％以内；故障状态则为超出安全阈值m％以上，其中m为实数，由配置文件设定；

4、当监测的参数值超出安全范围(0，m％)时，即此时系统处于亚健康状态，故障诊断板卡13通过串行连接总线9上报警告信息给故障预测板卡300，并实时反馈给系统主控板卡1中的驱动组件，进行相应的调整，避免运行状况的恶化；

5、当监测的参数值超出安全范围≧m％时，此时系统被定义为故障状态，故障诊断板卡13首先对故障类型进行编码处理，并通过串行连接总线9上报故障信息给故障预测板卡300处理，同时直接反馈给系统主控板卡1中的驱动组件，进行初始化操作，避免处于故障等待状态，便于上层发送“retry”或其它请求，其中m为实数，由配置文件设定。

与之对应的，诊断预测板卡300中的故障接收与处理模块12接收到系统的故障信息后，首先发送事件暂停所有的分系统200动作，并对故障进行处理，判断故障机理，是否运行动作重试，若允许，则发送“retry”命令给参与动作的分系统200，重试本次动作；若不允许，则发送“系统错误”至服务器端，等待人工干预。

本实施例中所述的智能诊断系统的诊断方法，包括以下步骤：

s1：所述主枢纽板卡2和从枢纽板卡3实时获取传感器的检测数据，并将该检测数据发送至数据板卡3进行计算；数据板卡3在数据处理过程中的中间运行数据可根据配置需求写入到其外存或者dpram中。

s2：故障诊断板卡13周期性获取数据板卡3的中间运行数据，并将其传送至诊断预测板卡300；故障诊断板卡13周期性获取数据板卡3的中间运行数据，进行故障预测，并将预测信息和中间运行数据传送至所述诊断预测板卡300。其中故障预测包括以下步骤：

s21：所述故障诊断板卡13根据配置文件dts.cfg中的时间参数和感兴趣数据，周期性的抓取数据板卡3的中间运行数据，当然也可以主动获取，并放入内存缓冲中；需要说明的是，若为运动分系统，且感兴趣数据可取电机的电压或电流数据；若为照明分系统，则数据可取激光光强、激光剂量等参数；若为环境分系统，则感兴趣数据可取温度、压强、湿度等参数。以上参数为例，并不仅限于以上参数，具体参数由实际场景或工程师自行定义。

s22：所述故障诊断板卡300对获取的中间运行数据进行实时监测，判断数据值是否处于配置文件设置的安全范围中；该安全范围由配置文件dts.cfg设置；安全范围可设置为三种状态：健康、故障和亚健康；健康状态为处于安全范围内的数据；亚健康状态为超出安全阈值m％以内；故障状态则为超出安全阈值m％以上，其中m为实数，由配置文件设定；

s23：当数据值超出安全范围(0，m％)时，故障诊断板卡13通过串行连接总线9上报警告信息给故障预测板卡300，并实时反馈给系统主控板卡1中的驱动组件，进行相应的调整，避免运行状况的恶化；

s24：当数据值超出安全范围>m％时，此时系统被定义为故障状态，故障诊断板卡13首先对故障类型进行编码处理，并通过串行中断触发，通知诊断预测板卡300，同时直接反馈给系统主控板卡1中的驱动组件，进行初始化操作，其中m为实数，由配置文件设定。

s3：所述诊断预测板卡300根据接收的中间运行数据进行故障预测，并将预测结果反馈至系统主控板卡1。包括以下步骤：

s31：所述诊断预测板卡300根据配置文件中的采样时间、感兴趣数据进行配置；

s32：所述诊断预测板卡300固定n个伺服周期采样一次(可主动获取，或被动接受)故障诊断板卡13的数据并存储到数据库11中，其中n为自然数，由配置文件设置；

s33：所述诊断预测板卡300中的故障预测模块10将本次采样的数据与数据库11中的历史数据进行综合处理，拟合数据变化曲线，并寻找数据库11中对应的规则，得到故障预测信息；

s34：所述诊断预测板卡300将故障预测信息通过主系统100中的主枢纽板卡1反馈给相应的分系统200，由分系统中200的系统主控板卡1做对应的调整和操作。

此外，当诊断预测板卡300接收到故障诊断板卡13的故障信息后，首先发送指令暂停所有的分系统200动作，并对故障进行处理，判断故障机理，是否运行动作重试，若允许，则发送“重试”命令给参与动作的分系统，重试本次动作，若重试同样失败，则上报至服务器端400，等待人工干预；若不允许，则发送“系统错误”至服务器端400，等待人工干预。

相比实施例1，本实施例中提供的技术方案中通过增加故障诊断板卡13，采用分布式故障诊断和处理模型实现主系统100和分系统200中故障的预检测和在线处理，进一步提高了效率。

综上所述，本发明提供的智能诊断系统与方法，相比现有技术存在以下优势：

(1)对传感器检测的数据进行实时内存操作，避免了批量数据的频率i/o的耗时操作；

(2)采用可配置的感兴趣数据获取模式，避免了大量冗余数据的处理；

(3)对设备中数据板卡3的运行中间数据进行“在线”处理和分析，可对故障进行预测；

(4)智能化故障判断和在线处理，避免了设备停机等待人工干涉，节约了时间，提高了效率；

(5)采用“中断触发”和“暂停”模式，避免了故障的扩大化，且易于故障定位；

(6)采用分布式故障诊断和处理模型，可对主系统100和分系统200的故障进行快速、及时处理；

(7)采用“故障训练”与“规则处理”方式并存，快速、实时、精确的预测故障的发生和处理故障。

(8)通过故障注入模拟故障的发生，测试系统的故障处理能力，提高了系统可靠性。

虽然说明书中对本发明的实施方式进行了说明，但这些实施方式只是作为提示，不应限定本发明的保护范围。在不脱离本发明宗旨的范围内进行各种省略、置换和变更均应包含在本发明的保护范围内。