本发明涉及设备状态监测与故障诊断领域，特别是涉及基于感知哈希的设备状态监测终端、系统及方法。
背景技术：
设备状态监测能够为基于状态的设备维护提供切实的决策支持，从而能够有效降低生产成本，避免设备或零部件的突发故障造成的生产事故，保证生产秩序，因此被工业界和学术界所广泛研究和应用。设备状态监测是信息技术与故障诊断理论与方法的有机集成。在技术集成方面，目前设备状态监测广泛采用集中式设备状态监测技术方案，即借助于服务器丰富的存储和计算资源，监测数据被实时传送至远程监测服务器进行集中地存储、处理和显示；而在理论与方法集成方面，基于数据驱动的智能故障诊断方法能够模拟人类思维的推理过程，自动挖掘监测数据中蕴含的设备状态信息与设备状态性能衰退规律，成为构建设备状态识别模型较为理想的选择。
但是，集中式设备状态监测面临诸多弊端：一是大量原始的监测数据传送至服务器会占用较大网络带宽和存储空间；二是服务器的数据计算任务量繁重；三是服务器端的设备状态识别结果再传送回终端会有一定的时间延迟。较为折中的方式是在设备状态监测终端进行一定的数据预处理，一方面减小数据维度，另一方面降低服务器计算的复杂度。例如：文献“aunifiedframeworkandplatformfordesigningofcloud-basedmachinehealthmonitoringandmanufacturingsystems”提出在设备状态监测终端进行标准化的特征提取，在云计算服务器执行故障诊断或预测算法。但仍不能满足设备状态监测终端本地化的应急状态识别的需求，同时由于状态识别模型的强耦合性，设备状态监测终端所提取特征的类型和数量，极大限制了云计算服务器对设备状态识别的精度和对设备性能衰退规律挖掘的深度。
感知哈希是一种基于对数据中可感知内容进行摘要性量化编码的哈希方法。不同于messagedigest5(md5)和securehashalgorithm1(sha-1)等对字节级别数据变化敏感的哈希方法，感知哈希方法在可感知内容为发生变化时具有较强的鲁棒性。并且，合理定义的距离函数能够将数据中可感知内容语义上的相似性映射为感知哈希码的量化距离测度。
综上所述，为了构建更为高效、经济、安全的设备状态监测系统，需要在设备状态监测终端强化数据预处理，并赋予其一定的状态识别能力。感知哈希理论提供了一种较好的解决方案。
技术实现要素：
本发明主要解决的技术问题是提供一种基于感知哈希的设备状态监测终端、系统及方法，能够有效减小设备状态监测过程中传送数据的维度，从而降低对网络带宽和存储空间的占用，同时便于设备状态识别建模和技术实施。
本发明提出的第一个方面的技术方案是：
设备状态监测方法，包括：
步骤(11)：设备状态监测终端接收云计算服务器利用历史设备状态哈希码训练好的分类器；
步骤(12)：设备状态监测终端采集设备状态的实时信号；
步骤(13)：设备状态监测终端利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
步骤(14)：设备状态监测终端将实时设备状态哈希码发送给云计算服务器，云计算服务器将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
步骤(15)：设备状态监测终端利用训练好的分类器对步骤(13)所得实时设备状态哈希码进行分类，输出设备状态。
进一步的，所述步骤(13)的步骤为：
步骤(131)：将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
步骤(132)：设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
步骤(133)：将二进制序列转化为整型数值，作为实时设备状态哈希码。
本发明提出的第二个方面的技术方案是：
设备状态监测终端，包括：
第一数据通信模块，用于接收云计算服务器利用历史设备状态哈希码训练好的分类器；
数据采集模块，用于采集设备状态的实时信号；
感知哈希模块，用于利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
第一数据通信模块，还用于将实时设备状态哈希码发送给云计算服务器，云计算服务器将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
设备状态识别模块，用于利用训练好的分类器对所得实时设备状态哈希码进行分类，输出设备状态。
进一步的，所述感知哈希模块，包括：
频谱获取单元，用于将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
判断单元，用于设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
感知哈希码获取单元，用于将二进制序列转化为整型数值，作为实时设备状态感知哈希码。
本发明提出的第三个方面的技术方案是：
云计算服务器，包括：
第二数据通信模块，用于接收设备状态监测终端发送的实时设备状态哈希码，还用于将利用历史设备状态哈希码训练好的分类器发送给设备状态监测终端；
数据存储模块，用于将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
人机交互模块，用于接收外界指令，并根据外界指令建立分类器；
数据挖掘模块，用于基于历史设备状态哈希码对分类器进行训练，得到训练好的分类器。
本发明提出的第四个方面的技术方案是：
基于感知哈希的设备状态监测系统，包括：相互通信的设备状态监测终端和云计算服务器；
所述设备状态监测终端，包括：数据采集模块、感知哈希模块、设备状态识别模块和第一数据通信模块；
所述云计算服务器，包括：第二数据通信模块、数据存储模块、人机交互模块和数据挖掘模块；其中，
第一数据通信模块，用于接收云计算服务器利用历史设备状态哈希码训练好的分类器；
数据采集模块，用于采集设备状态的实时信号；
感知哈希模块，用于利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
第一数据通信模块，还用于将实时设备状态哈希码发送给云计算服务器；
设备状态识别模块，用于利用训练好的分类器对所得实时设备状态哈希码进行分类，输出设备状态；
第二数据通信模块，用于接收设备状态监测终端发送的实时设备状态哈希码，还用于将利用历史设备状态哈希码训练好的分类器发送给设备状态监测终端；
数据存储模块，用于将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
人机交互模块，用于接收外界指令，并根据外界指令建立分类器；
数据挖掘模块，用于基于历史设备状态哈希码对分类器进行训练，得到训练好的分类器。
进一步的，所述感知哈希模块，包括：
频谱获取单元，用于将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
判断单元，用于设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
感知哈希码获取单元，用于将二进制序列转化为整型数值，作为实时设备状态感知哈希码。
本发明的有益效果：
一是将原始信号变换为设备状态哈希码，有效降低了所传送数据的维度，降低了对网络带宽和服务器存储资源的占用；
二是降低了云计算服务器的计算负担；
三是基于云计算服务器丰富的历史数据和强大的计算能力所训练的状态识别模型应用于设备状态监测终端，充分发挥了云计算服务器与设备状态监测终端的各自优势；
四是基于设备状态哈希码的相似性测度，在云计算服务器上能够进行更加深入的数据挖掘。
在云计算服务器上，用户可以通过人机交互模块设计状态识别模型，并基于数据存储模块记录的实时设备状态哈希码对其进行训练，然后下载到设备状态监测终端，用于设备状态监测过程中实时的状态识别输出。
分类器需要基于历史数据进行训练才能对设备状态哈希码的输入做出正确的输出。由于云计算服务器具有较大的存储空间、计算资源和方便的人机接口。所以在云计算服务器上进行训练，训练好后在设备状态监测终端直接使用，即将终端的设备状态哈希码映射为设备状态输出。另外，在设备状态监测终端进行设备状态识别的目的是避免由于数据通信、云计算所导致的时间延迟，在终端上识别输出的实时性更强。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明一种基于感知哈希的设备状态监测系统示意图；
图2是一种感知哈希计算方法示意图；
图3是设备状态监测终端原型构成图；
图4是四种轴承状态下振动信号样本；
图5是原始信号的频谱；
图6是四种轴承状态下的频谱处理结果。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明第一个实施例包括：
设备状态监测方法，包括：
步骤(11)：设备状态监测终端接收云计算服务器利用历史设备状态哈希码训练好的分类器；
步骤(12)：设备状态监测终端采集设备状态的实时信号；
步骤(13)：设备状态监测终端利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
步骤(14)：设备状态监测终端将实时设备状态哈希码发送给云计算服务器，云计算服务器将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
步骤(15)：设备状态监测终端利用训练好的分类器对步骤(13)所得实时设备状态哈希码进行分类，输出设备状态。
进一步的，所述步骤(13)的步骤为：
步骤(131)：将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
步骤(132)：设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
步骤(133)：将二进制序列转化为整型数值，作为实时设备状态哈希码。
本发明提出的第二个实施例：
设备状态监测终端，包括：
第一数据通信模块，用于接收云计算服务器利用历史设备状态哈希码训练好的分类器；
数据采集模块，用于采集设备状态的实时信号；
感知哈希模块，用于利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
第一数据通信模块，还用于将实时设备状态哈希码发送给云计算服务器，云计算服务器将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
设备状态识别模块，用于利用训练好的分类器对所得实时设备状态哈希码进行分类，输出设备状态。
进一步的，所述感知哈希模块，包括：
频谱获取单元，用于将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
判断单元，用于设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
感知哈希码获取单元，用于将二进制序列转化为整型数值，作为实时设备状态感知哈希码。
本发明提出的第三个实施例：
云计算服务器，包括：
第二数据通信模块，用于接收设备状态监测终端发送的实时设备状态哈希码，还用于将利用历史设备状态哈希码训练好的分类器发送给设备状态监测终端；
数据存储模块，用于将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
人机交互模块，用于接收外界指令，并根据外界指令建立分类器；
数据挖掘模块，用于基于历史设备状态哈希码对分类器进行训练，得到训练好的分类器。
本发明提出的第四个实施例：
基于感知哈希的设备状态监测系统，包括：相互通信的设备状态监测终端和云计算服务器；
所述设备状态监测终端，包括：数据采集模块、感知哈希模块、设备状态识别模块和第一数据通信模块；
所述云计算服务器，包括：第二数据通信模块、数据存储模块、人机交互模块和数据挖掘模块；其中，
第一数据通信模块，用于接收云计算服务器利用历史设备状态哈希码训练好的分类器；
数据采集模块，用于采集设备状态的实时信号；
感知哈希模块，用于利用感知哈希算法，将采集到的设备状态的实时信号转换为实时设备状态哈希码；
第一数据通信模块，还用于将实时设备状态哈希码发送给云计算服务器；
设备状态识别模块，用于利用训练好的分类器对所得实时设备状态哈希码进行分类，输出设备状态；
第二数据通信模块，用于接收设备状态监测终端发送的实时设备状态哈希码，还用于将利用历史设备状态哈希码训练好的分类器发送给设备状态监测终端；
数据存储模块，用于将接收到的实时设备状态哈希码进行累积存储，作为历史设备状态哈希码；
人机交互模块，用于接收外界指令，并根据外界指令建立分类器；
数据挖掘模块，用于基于历史设备状态哈希码对分类器进行训练，得到训练好的分类器。
进一步的，所述感知哈希模块，包括：
频谱获取单元，用于将设备状态的实时信号进行快速傅里叶变换，获取设备状态的实时信号的频谱；
判断单元，用于设定频谱阈值，若设备状态的实时信号的频谱大于等于设定频谱阈值，那么将设备状态的实时信号的频谱置为1；若设备状态的实时信号的频谱小于设定频谱阈值，那么将设备状态的实时信号的频谱置为0；将设备状态的实时信号的频谱转化为二进制序列；
感知哈希码获取单元，用于将二进制序列转化为整型数值，作为实时设备状态感知哈希码。
在具体选型设计上，云计算服务器硬件与软件系统的构建属于该领域内技术人员所普遍具备的专业知识，不再赘述。
图3对设备状态监测终端原型构成进行了说明，对应于图1，数据采集模块由dsp处理器驱动ad转换单元构成，感知哈希模块由dsp处理器构成，状态识别模块由arm处理器、lcd与蜂鸣器构成，移动通信模块用于实现第一数据通信模块。其中，dsp处理器采用tms320f28335，运行名称为ti-rtos的嵌入式操作系统；ad转换采用ad7606；arm处理器选用stm32f103微处理器，运行名称为μc/osii嵌入式操作系统；移动通信模块sim800c；双口ram采用idt70v25l25，用于arm处理器与dsp处理器的数据通信。
感知哈希算法，如图2所示。为对本发明的感知哈希算法进行说明，以图4所示振动信号进行本发明感知哈希算法的说明。
第一步，将图4所示振动信号快速傅里叶变换，获取原始信号的频谱如图5所示，对于同一种轴承状态下的振动信号，其频谱较为稳定，不同轴承状态下的振动信号频谱差异较大。
第二步，设定频谱阈值，并进行频率成分的归1处理和归0处理，四种轴承状态下的频谱处理结果如图6所示。从图中可见，所生成的设备状态哈希码具有较强的数值稳定性。
第三步，按照二进制对进行编码，获取设备状态感知哈希码。对于一个1024数据点构成的振动信号，变换到频域后由512个点构成，按照二进制编码则只需要64个字节，数据维度被极大降低。
结合图3可对设备状态监测过程进行说明，在设备状态监测终端，dsp处理器在嵌入式操作系统ti-rtos的协调下驱动ad转换单元采集原始信号，并经过dsp处理器运行上述感知哈希算法，将原始信号转换为设备状态哈希码，然后通过双口ram传送给arm处理器，一方面经移动通信模块向云计算服务器进行传送，另一方面调用云计算服务器下载的状态识别模型对当前设备状态进行识别，并通过lcd进行显示，如设备状态出现异常，则调用蜂鸣器进行报警。在云计算服务器上，第二数据通信模块实时接收设备状态监测终端发送的设备状态哈希码并存入数据存储模块，经数据挖掘模块进行设备性能衰退规律、设备故障诊断和寿命预测，通过人机交互模块进行结果的输出。相关设计内容属于该领域内技术人员所普遍具备的专业知识，不再赘述。
在云计算服务器上，用户可以通过人机交互模块设计状态识别模型，并基于数据存储模块记录的实时设备状态哈希码对其进行训练，然后下载到设备状态监测终端，用于设备状态监测过程中实时的状态识别输出。其中，状态识别模型的简单实施例可以是基于汉明距离的最近邻分类算法，也可以是其他分类算法。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。