工业设备运行状况的检测系统及方法与流程

本发明涉及智能系统技术领域，特别涉及一种工业设备运行状况的检测系统及方法。

背景技术：

工业设备运行的稳定性极大地影响着企业的生产效率，进而影响企业的效益，与此同时，工业设备运行的安全问题也是企业安全生产内容中的重要组成部分。目前的工业设备维护主要采用计划维修维护的方式，这种维护系统有以下问题：

(1)由于安全检修周期设置不合理，导致安全隐患不能被及时发现，从而造成重大安全隐患；

(2)不必要的计划性维修造成了人力、物力的浪费，导致维修成本过高；

(3)过度的维修有可能对设备造成损伤，对机械设备造成了额外的损坏；

(4)传统检修方法依赖于维修人员的技术水平和工作经验，导致维修效率不高，诊断结果不够准确等问题；

随着机械设备结构和功能日益复杂和自动化程度日益提升，工业界对设备安全性和可靠性的要求越来越高，事后维修和定期维修在很多领域已经不能满足维修保障要求。因此，能够第一时间获取设备运行状态信息、实时观测设备性能走势并且智能判断设备故障类型无论是对企业的生产安全、生产效率还是生成成本都有着重要意义。

工业设备监控和故障诊断系统是利用计算机控制系统和数据通信技术进行数据采集、状态监测和故障诊断的专用系统。目前大多数工厂中的设备监控系统的应用范围只局限于本地，无法进行远程监测，一旦出现问题远在外地的技术人员无法立即获知设备运行状态，不能针对特定的故障预先做好准备，只能到现场进行调试分析，使得维护过程变得十分不便，效率低下，并且延长了维护周期，增加了维护成本。

随着机械设备常年不断运行，大量可以反应设备运行状态及趋势的历史数据不断积累，这些工业机械设备的生产数据弥足珍贵。然而目前的工业设备监控和故障诊断系统没有一套系统的数据管理平台将这些数据保存下来，造成了数据的浪费。而且，目前的设备故障诊断系统的实现主要是基于专家系统，随着机械设备结构和功能日益复杂和自动化程度日益提升，传统的故障诊断方法越来越难以对情况做出有效决策，亟需一种先进的数据挖掘理论和算法模型来进行故障诊断。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种工业设备运行状况的检测系统，该系统提高了工厂对设备管理的效率并且降低了企业对设备的维护成本，提高了检测的准确性，简单易实现。

本发明的另一个目的在于提出一种工业设备运行状况的检测方法。

为达到上述目的，本发明一方面实施例提出了一种工业设备运行状况的检测系统，包括：采集模块，用于采集工业设备上关键部位的状态数据，并通过通信链路将所述状态数据传输至本地网关；本地网关模块，用于通过所述本地网关对所述状态数据进行解析，以根据二进制数据流得到物理数据，并将所述物理数据存储至本地的同时，将所述物理数据推送至云服务器；云平台模块，用于通过所述云服务器将所述物理数据存储至预设数据存储单元，并将所述物理数据以预设图表和/或文字展现在单页web应用上，并且根据所述物理数据检测所述工业设备的当前运行状态，并在所述当前运行状态为故障状态时，进一步识别所述工业设备的故障类型。

本发明实施例的工业设备运行状况的检测系统，通过对工厂设备的运行状况进行远程实时监控、判断设备是否发生故障并给出故障类型的功能，即通过实时监测工业设备运行状态，并结合算法模型利用大数据平台进行故障诊断，实现工业设备运行状况远程实时监测和故障诊断，从而提高了工厂对设备管理的效率并且降低了企业对设备的维护成本，提高了检测的准确性，简单易实现。

另外，根据本发明上述实施例的工业设备运行状况的检测系统还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述关键部位包括电箱、立柱、转动底盘、减速机、电机、减速机、上轴承、下轴承和可编程逻辑控制器中的一个或多个部位，所述状态数据包括电流数据、振动数据、转速数据、摆幅数据、温度数据和可编程逻辑控制器数据中的一项或多项。

进一步地，在本发明的一个实施例中，所述采集模块包括：通信链路；传感器单元，所述传感器单元包括电流霍尔环、三轴加速度振动传感器、转速传感器、位移传感器和/或温度传感器，其中，所述电流霍尔环设置在所述电箱中，所述三轴加速度振动传感器设置在所述立柱上，所述转速传感器设置在所述转动底盘上，所述位移传感器设置在所述减速机上，多个温度传感器分别设置在所述电机、所述减速机、所述上轴承和所述下轴承上；控制单元，用于将所述传感器采集的模拟信号转换为数字信号，并将所述数字信号存储到寄存器中。

进一步地，在本发明的一个实施例中，所述本地网关模块包括：数据读取单元，用于根据预设频率读取所述状态数据；数据解析单元，用于解析所述状态数据以得到所述物理数据；本地存储单元，用于存储所述物理数据；远程推送单元，用于推送所述物理数据。

进一步地，在本发明的一个实施例中，所述云平台模块包括：数据存储单元；数据分析单元；数据展现单元。

为达到上述目的，本发明另一方面实施例提出了一种工业设备运行状况的检测方法，，包括以下步骤：采集工业设备上关键部位的状态数据，并通过通信链路将所述状态数据传输至本地网关；通过所述本地网关对所述状态数据进行解析，以根据二进制数据流得到物理数据，并将所述物理数据存储至本地的同时，将所述物理数据推送至云服务器；通过所述云服务器将所述物理数据存储至预设数据存储单元，并将所述物理数据以预设图表和/或文字展现在单页web应用上，并且根据所述物理数据检测所述工业设备的当前运行状态，并在所述当前运行状态为故障状态时，进一步识别所述工业设备的故障类型。

本发明实施例的工业设备运行状况的检测方法，通过对工厂设备的运行状况进行远程实时监控、判断设备是否发生故障并给出故障类型的功能，即通过实时监测工业设备运行状态，并结合算法模型利用大数据平台进行故障诊断，实现工业设备运行状况远程实时监测和故障诊断，从而提高了工厂对设备管理的效率并且降低了企业对设备的维护成本，提高了检测的准确性，简单易实现。

另外，根据本发明上述实施例的工业设备运行状况的检测方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，还包括：根据所述故障类型生成报警信号；将所述报警信号通过邮件和/或短信发送至预设终端。

进一步地，在本发明的一个实施例中，所述故障类型电机故障、减速机故障或轴承故障中的一种或多种。

进一步地，在本发明的一个实施例中，所述关键部位包括电箱、立柱、转动底盘、减速机、电机、减速机、上轴承和下轴承中的一个或多个部位。

进一步地，在本发明的一个实施例中，所述状态数据包括电流数据、振动数据、转速数据、摆幅数据、温度数据和可编程逻辑控制器数据中的一项或多项。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的工业设备运行状况的检测系统的结构示意图；

图2为根据本发明一个具体实施例的工业设备运行状况的检测系统的结构示意图；

图3为根据本发明一个实施例的工业设备运行状况的检测系统的本地网关模块设计结构图；

图4为根据本发明一个实施例的工业设备运行状况的检测系统的大数据平台架构图；

图5为根据本发明一个实施例的工业设备状态数据展现方法流程图；

图6为根据本发明一个实施例的工业设备运行状况的检测方法的流程图；

图7为根据本发明一个实施例的工业设备故障诊断方法流程图；

图8为根据本发明一个实施例的故障诊断数据特征表格式示意图；

图9为根据本发明一个实施例的采集到的传感器的实时数据的展示图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的工业设备运行状况的检测系统及方法，首先将参照附图描述根据本发明实施例提出的工业设备运行状况的检测系统。

图1是本发明一个实施例的工业设备运行状况的检测系统的结构示意图。

如图1所示，该工业设备运行状况的检测系统10包括：采集模块100、本地网关模块200和云平台模块300。

其中，采集模块100用于采集工业设备上关键部位的状态数据，并通过通信链路将状态数据传输至本地网关。本地网关模块200用于通过本地网关对状态数据进行解析，以根据二进制数据流得到物理数据，并将物理数据存储至本地的同时，将物理数据推送至云服务器。云平台模块300用于通过云服务器将物理数据存储至预设数据存储单元，并将物理数据以预设图表和/或文字展现在单页web应用上，并且根据物理数据检测工业设备的当前运行状态，并在当前运行状态为故障状态时，进一步识别工业设备的故障类型。本发明实施例的装置10通过对工厂设备的运行状况进行远程实时监控、判断设备是否发生故障并给出故障类型的功能，从而提高了工厂对设备管理的效率并且降低了企业对设备的维护成本，提高了检测的准确性，简单易实现。

具体而言，如图2所示，数据采集模块100用于通过多种传感器采集工业设备上各重要部件数据，之后经过通信链路将数据传输至本地网关模块。本地网关模块200用于读取数据和解析数据，并将解析后的数据进行本地存储和向云端推送。云平台模块300用于进行大数据分布式数据存储以及对数据进行分析，进而对设备进行故障诊断，同时将采集的实时数据以及数据分析结果呈现到云平台上。

下面将结合具体实施例对工业设备运行状况的检测系统10进行详细阐述。

进一步地，在本发明的一个实施例中，采集模块100包括：通信链路、传感器单元和控制单元。

其中，通信链路；传感器单元，传感器单元包括电流霍尔环、三轴加速度振动传感器、转速传感器、位移传感器和/或温度传感器，其中，电流霍尔环设置在电箱中，三轴加速度振动传感器设置在立柱上，转速传感器设置在转动底盘上，位移传感器设置在减速机上，多个温度传感器分别设置在电机、减速机、上轴承和下轴承上；控制单元，用于将传感器采集的模拟信号转换为数字信号，并将数字信号存储到寄存器中。

可选地，在本发明的一个实施例中，关键部位包括电箱、立柱、转动底盘、减速机、电机、减速机、上轴承、下轴承和可编程逻辑控制器中的一个或多个部位，状态数据包括电流数据、振动数据、转速数据、摆幅数据、温度数据和可编程逻辑控制器数据中的一项或多项。

具体而言，如图2所示，数据采集模块又包括了三个单元，即传感器单元，控制单元和通信链路单元。数据采集模块的作用是用于通过多种传感器采集工业设备上各重要部件数据，然后将采集到的数据经过通信链路传输至本地网关模块。其中，工业设备上的重要部件包括电箱，电机，减速机，转动底盘，立柱，上轴承，下轴承和可编程逻辑控制器。

传感器单元是数据的来源，所需要的传感器有霍尔环，三轴加速度振动传感器，转速传感器，位移传感器和温度传感器，其中霍尔环用来采集电箱中的a、b、c三相电流的数据，三轴加速度振动传感器用来采集立柱的振动数据，转速传感器用来采集转动底盘的转速数据，位移传感器用来采集减速机在工作时左右晃动的位移数据，温度传感器用来采集电机、减速机、上轴承和下轴承上的温度数据。可编程逻辑控制器中的数据直接可以由socket通信读到，不需要借助任何传感器设备。最终将得到电流数据，振动数据，转速数据，摆幅数据，温度数据和可编程逻辑控制器数据六种类型的数据，其中，获取可编程逻辑控制器数据的目的是为了获悉设备当前是否处于工作状态。

本发明实施例采集了包括五种传感器数据和一种设备状态数据，不仅可以从多部位、多维度实时获知设备运行状态，同时也方便故障诊断中的算法建模，使得数据集更大、数据特征更多，极大地提高了故障判别的准确率。

控制单元即指图1所示的采集卡，它包括一个单片机最小控制系统和数模转换模块。它的作用是传感器采集到的模拟信号都会经由采集卡转换为数字信号，之后采集卡将转换后的数字信号存储到芯片的相应寄存器中，等待被本地网关读取。

通信链路单元包括了两条链路，具体分别是指传感器到采集卡，采集卡到串口服务器，串口服务器再到本地网关的通信链路和可编程逻辑控制器到本地网关的通信链路。其中传感器到最小采集模块再到串口服务器采用的通信协议是modbus串行通信协议，采用的通信接口是rs485，串口服务器到本地网关之间的通信协议是tcp协议，采用的通信接口是以太网；可编程逻辑控制器使用tcp协议通过以太网直接与本地网关相连。

进一步地，在本发明的一个实施例中，本地网关模块200包括：数据读取单元、数据解析单元、本地存储单元和远程推送单元。

其中，数据读取单元用于根据预设频率读取状态数据。数据解析单元用于解析状态数据以得到物理数据。本地存储单元用于存储物理数据。远程推送单元用于推送物理数据。

具体而言，如图3所示，本地网关模块包括数据读取单元，数据解析单元，本地存储单元和远程推送单元。其中，数据读取单元负责根据指定的频率，利用串口通信协议读取采集卡芯片中相应寄存器地址中的传感器数据，之后再接收从采集卡传输过来的数据。数据解析单元根据不同传感器值的类型将接收到的二进制数据解析为实际的物理值，本地存储单元对数据进行存储，远程推送单元通过无线通信链路，采用mqtt协议将数据推送到云平台模块。其中本地存储单元的作用是对数据做本地备份，只保存近七天的数据，超过七天的数据将会被删除掉。

进一步地，在本发明的一个实施例中，云平台模块300包括：数据存储单元；数据分析单元；数据展现单元。

具体而言，如图4和图5所示，图4为大数据平台架构图，包括了存储和分析两个功能。其中存储单元包括hadoop分布式文件系统和hive数据仓库工具，其作用是将接收到的数据存储到分布式文件系统中，定期对海量数据进行备份容灾和动态扩容，提供对数据查询和分析的能力。数据分析单元包括一系列定期执行的数据统计分析脚本和故障诊断算法，用于对历史数据进行各种指标的年度、季度、月度统计，同时利用训练好的设备故障诊断模型实时地对一段时间窗口内的数据进行预测，给出诊断结果。图5为数据展现方法流程图，数据展示单元包括一个单页web应用，用于实时地以图表的形式展现采集到的多维度传感器数据和各种指标的历史统计数据，以及对每台设备显示其当前的运行状态，如果发生故障显示其相应的故障类型。

根据本发明实施例提出的工业设备运行状况的检测系统，通过采集工业设备上的电流、温度、振动等数据，并配合本地网关与云平台模块，实现了设备运行实时数据采集，远程对设备状态实时监控，及时对设备故障事件进行报警的功能，并且能够使工作人员快速发现问题，提高维护效率，必要时可以进行远程指导，极大地降低设备的维护成本，可以为企业提供现场数据采集、运行过程监控、历史数据统计和设备故障报警等服务。

其次参照附图描述根据本发明实施例提出的工业设备运行状况的检测方法。

图6是本发明一个实施例的工业设备运行状况的检测方法的流程图。

如图6所示，该工业设备运行状况的检测方法包括以下步骤：

在步骤s601中，采集工业设备上关键部位的状态数据，并通过通信链路将状态数据传输至本地网关。

可以理解的是，本发明实施例利用传感器采集工业设备上关键部件的状态数据，控制本地网关读取传感器数据和可编程逻辑控制器数据，然后通过有线通信链路将数据传送到本地网关。其中，有线通信链路中间需要使用串口服务器将通信接口由rs485通信接口转换为以太网接口，将传输协议由modbus串行通信协议转换为tcp协议，最终通过以太网口将数据传送至本地网关。

其中，在本发明的一个实施例中，关键部位包括电箱、立柱、转动底盘、减速机、电机、减速机、上轴承和下轴承中的一个或多个部位；状态数据包括电流数据、振动数据、转速数据、摆幅数据、温度数据和可编程逻辑控制器数据中的一项或多项。

可以理解的是，各种传感器的安装位置为电流霍尔环需要安置在电箱中，测量a、b、c三相电流；三轴加速度振动传感器安置在立柱上；转速传感器安置在转动底盘上；位移传感器安置在减速机上；温度传感器需要安置在四个位置，分别为电机、减速机、上轴承和下轴承。其中，各类型传感器的采集频率分别为霍尔环传感器和温度传感器是10hz、位移传感器是5hz、转速传感器是1hz、振动传感器是2000hz。

在步骤s602中，通过本地网关对状态数据进行解析，以根据二进制数据流得到物理数据，并将物理数据存储至本地的同时，将物理数据推送至云服务器。

可以理解的是，在本地网关中对采集到的二进制数据流进行解析，将解析后的实际物理数据存储到本地，同时将解析后的实际物理数据利用mqtt协议推送到云平台上。

具体而言，数据解析方法为通过设备id读取指定控制单元模块中相应的寄存器地址中的值，连续读取两个字节，最终得到的真实值为：其中，vi表示读取到的寄存器的值，tmax表示控制单元模块量程的最大值，tmin表示控制单元模块量程的最小值。

网关对解析好的各通道传感器数据每1秒中进行一次打包，将打包好的数据传送到云平台上。本地网关与云平台传输数据的通信方式采用无线通信方式，通信协议采用mqtt协议，使用发布/订阅消息的模式向云平台传输数据，传输数据之前本地网关需要和云平台协商好发布和订阅的主题。

在步骤s603中，通过云服务器将物理数据存储至预设数据存储单元，并将物理数据以预设图表和/或文字展现在单页web应用上，并且根据物理数据检测工业设备的当前运行状态，并在当前运行状态为故障状态时，进一步识别工业设备的故障类型。

可以理解的是，云平台实时接收从本地网关发送来的数据，一方面将数据存储到大数据存储单元中；一方面将多种数据以合适的图表或文字的形式实时展现在单页web应用上，使得任何接入云平台的终端设备都可以实时远程监测到设备运行状态；同时后台还会利用设备故障诊断算法模型判别设备故障类型，将模型得到的诊断结果保存在数据库中，最终呈现到web页面上。

具体地，单页web应用采用mqttwebsocket技术订阅主题，获取传感器的实时数据，数据的展现方式为：电流、温度使用折线图显示，转速使用仪表盘显示，摆幅使用柱状图显示，振动数据经过fft变换后获取主频数据，再由折线图显示。云平台将实时接收到的可编程逻辑控制器数据存储到redis数据库中，单页web应用采用每秒请求一次rest接口的方式获取可编程逻辑控制器数据，从而获悉设备是否处于工作状态，并将其以文字形式显示出来。大数据存储平台可以为hadoop分布式文件系统，使用hive工具定时运行统计脚本，将历史数据统计信息保存到mysql数据库中；单页web应用采用每秒请求一次rest接口的方式获取mysql数据库中的数据，将结果输出至单页web应用上。

进一步地，在本发明的一个实施例中，还包括：根据故障类型生成报警信号；将报警信号通过邮件和/或短信发送至预设终端。

可以理解的是，在经过设备故障诊断算法进行判断后，设备如果发生故障，就采用邮件和短信的形式进行报警，通知给相关工作人员。

进一步地，在本发明的一个实施例中，故障类型电机故障、减速机故障或轴承故障中的一种或多种。

具体而言，设备故障类型分为电机故障、减速机故障和轴承故障；云平台实时地接收数据的同时会设置一个时间窗口，当数据积累满一个时间窗口时，算法模型会统计时间窗口内的电流的平均值和方差，温度的平均值和方差，摆幅的平均值和方法和转速的平均值作为模型特征，利用支持向量机算法模型进行建模进行电机故障和减速机故障判断；算法模型直接利用振动数据作为输入，利用递归神经网络中的gru模型进行轴承故障诊断。

设备故障诊断算法将判别结果存储到redis数据库中，单页web应用采用每秒请求一次rest接口的方式获取redis数据库中的诊断结果数据，然后将其输出至单页web应用上。

下面将结合具体实施例对工业设备运行状况的检测方法进行进一步阐述。

s1、将传感器安置在工业设备的关键部件上，利用modbus串行通信协议，采集相应的数据到采集卡的寄存器中，然后设置本地网关模块中的数据读取单元，以一定的频率读取采集卡寄存器中的数据，再将读到的数据经过串口服务器转化为tcp字节流接收上来。

其中，本地网关模块中的数据读取单元对各种传感器的采集频率分别为霍尔环传感器和温度传感器是10hz、位移传感器是5hz、转速传感器是1hz、振动传感器是2000hz。

s2、本地网关模块中的数据读取单元接收到数据后，将数据传送到数据解析单元，如图3所示。数据解析单元对采集到的二进制数据流进行解析，将解析后的实际物理数据存储到本地的mongodb数据库中，与此同时，数据解析单元直接把解析后的数据利用mqtt协议推送到云平台上。

数据解析方法为通过设备id读取指定控制单元模块中相应的寄存器地址中的值，连续读取两个字节，最终得到的真实值为：其中，vi表示读取到的寄存器的值，tmax表示控制单元模块量程的最大值，tmin表示控制单元模块量程的最小值。

解析好的数据在被发送到云平台之前，需要对一秒内的数据进行一次打包再发送，这样可以减少发送频率，节省数据流量。本地网关与云平台传输数据的通信方式采用无线通信方式，通信协议采用mqtt协议，使用发布/订阅消息的模式向云平台传输数据，传输数据之前本地网关需要和云平台协商好发布和订阅的主题。mqtt协议是一种物联网传输协议，适用于低功耗和带宽有限的场景中，云平台只要订阅需要的主题，就可以获得相应的数据。

s3、云平台通过mqtt协议订阅从网关发上来的数据，一方面将数据存储到大数据存储单元做数据存储，然后利用数据分析单元对存储的数据做历史数据分析，如图4所示。一方面将多种数据以合适的图表或文字的形式实时展现在单页web应用上，使得任何接入云平台的终端设备都可以实时远程监测到设备运行状态，具体方法如图5所示。同时后台还会利用设备故障诊断算法模型判别设备故障类型，将模型得到的诊断结果保存在数据库中，最终呈现到web页面上。在经过设备故障诊断算法进行判断后，设备如果发生故障，就采用邮件和短信的形式进行报警，通知给相关工作人员。

云平台接收到的数据可以分为两类，即传感器数据和可编程逻辑控制器数据。对于传感器数据，云平台中的大数据存储单元使用hadoop分布式文件系统，即hdfs作为其存储平台。云平台首先将从mqtt订阅到的传感器数据存储到本地临时文件中，然后定期运行脚本文件将临时文件中的数据导入到hdfs中去。这样做的好处是使得存储系统具备高可靠性和高可扩展性。同时，数据分析单元利用hive数据仓库定期执行sql脚本，查询hdfs中存储的数据，统计计算年度、季度、月度各项数据指标，将统计结果存储到mysql数据库中。

对于可编程逻辑控制器数据，云平台后台运行一个python脚本对数据进行实时订阅接收，同时对接收到的数据进行解析，然后将解析后的数据存储到redis数据库中。

数据分析单元除了需要对历史数据进行离线分析，统计出各项指标数据之外，还需要针对实时数据利用故障诊断算法模型进行设备当前的故障诊断。本发明可以诊断三种故障类型，分别是电机故障、减速机故障和轴承故障。故障诊断算法模型的建立流程如图7所示。首先需要准备一台运行状况良好的设备和三台分别具有电机故障、减速机故障和轴承故障的设备，使用前述传感器分别采集它们相同位置、相同类型的运行状态数据，然后利用本发明实施例系统将数据传输并存储到云平台上的hive数据仓库中。之后需要在hive仓库中编写sql语句提取特征，其中电机故障和减速机故障所需要提取的特征如图8所示，轴承故障直接使用振动数据建立模型。针对从每种类型设备上采集到的数据，分别对应输入到电机故障学习系统、减速机故障学习系统和轴承故障学习系统，具体采用的算法是支持向量机分类器和gru模型，其中电机故障和减速机故障的诊断采用支持向量机分类器，轴承故障采用gru模型，最终经过学习系统将分别得到电机故障算法模型、减速机故障算法模型和轴承故障算法模型，这三个模型共同组成了最终的判别系统。当有新来的实时数据时，系统将选取与提取特征相同时长的时间窗口内的数据，这里为3秒，然后提取特征，输入到判别系统中，最终判别系统将诊断结果输出到redis数据库中。

如图5所示，单页web应用中需要展示四种类型的数据，分别是实时上传的传感器数据，状态数据，历史统计数据和诊断结果数据。其中传感器数据的显示方法为单页web应用中的js脚本利用mqttwebsocket技术直接订阅传感器数据，将订阅得到的数据直接展现到页面中。其中，电流、温度使用折线图显示，转速使用仪表盘显示，摆幅使用柱状图显示，振动数据经过fft变换后获取主频数据，再由折线图显示，如图9所示。状态数据，历史数据和诊断结果数据的显示方法为在云服务上建立一个httpserver，响应web应用的请求。单页web应用采用每秒请求一次rest接口的方式向httpserver请求数据，httpserver接收到请求后去相应的数据库获取数据，然后将结果返回给web应用，web应用再以合适的表现形式将其展示出来。其中，状态数据和诊断结果数据需要从redis数据库中获取，历史数据需要从mysql数据库中获取。

综上，大数据和云计算技术的迅速发展为工业设备远程监控和智能故障诊断的深入研究和应用提供了新的机遇，本发明实施例有效解决使用传统的计划维修维护的方式进行设备状态监控和故障诊断，会面临维修效率低、维护成本高、诊断准确率低等问题。首先利用多种传感器采集工业设备上各重要部件数据，然后通过本地网关读取数据和解析数据，并将解析后的数据进行本地存储和向云平台推送，最后在云平台对采集到的数据进行大数据分布式数据存储和建模分析，进而对设备进行故障诊断，同时将采集的实时数据以及数据分析结果呈现到云平台上，如果有设备发生故障则会进行报警处理。本发明实施例实现了对工厂设备的运行状况进行远程实时监控、判断设备是否发生故障并给出故障类型的功能，提高了工厂对设备管理的效率并且降低了企业对设备的维护成本。

根据本发明实施例提出的工业设备运行状况的检测方法，将采集到的设备上的电流、温度、振动等多维度数据进行分布式存储和运算。该系统方法基于这些海量数据，构建离线数据处理系统和实时流式数据处理系统。一方面，利用消息发布订阅机制，做到可以在远程实时监控设备运行状态；另一方面，结合机器学习自我训练的特点分析其频次和影响，总结故障发生类型和相应的特征，最终构建出一套设备故障诊断算法模型，然后依托于大数据分析平台对机械设备健康状况进行分析，起到故障诊断的效果。该诊断方法可以弥补技术人员经验上的不足，辅助技术人员进行设备检修，进而提高维修效率、提升故障检测的准确率，便于技术人员统筹规划，为企业生产提供科学指导，减少企业成本。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。