基于分类学的诊断系统、方法及可读存储介质与流程

1.本公开涉及数据处理领域，更具体地，涉及一种用于确定目标设备的状况的基于分类学的诊断系统、方法及可读存储介质。


背景技术：

2.当前，为了保证设备的正常运转，通常需要对设备进行诊断以确定设备的状况，从而便于对设备开展管理、维修等工作。
3.然而，通常情况下，例如在工厂中存在大量的设备。这些设备可能具有不同的特性(物理特性、电特性等)，并且它们可能处于不同的环境之中。因此为了确定不同的设备的状况，现有技术的诊断系统经常使用基于规则的故障诊断，为了保证诊断的精确度，需要用户在执行每次诊断之前针对每个待诊断的设备在每个工作状态和应用情况开发下定制诊断规则模型。然而，开发、管理和应用这些模型将消耗大量的时间，并且也不能自动化地实现。
4.因此，期望一种确保针对设备执行定制化诊断的同时可以自动执行的高效的诊断系统。


技术实现要素：

5.针对上述问题，本公开提供了一种用于确定目标设备的状况的基于分类学的诊断系统、方法及可读存储介质，该系统可以在确保针对设备执行定制化诊断的同时，高效、自动地确定目标设备的状况。
6.根据本公开的一方面提供了用于确定目标设备的状况的基于分类学的诊断系统，包括：分类网关，配置为存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与所述分类定义数据对应的诊断数据，其中所述诊断数据包括针对所述预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据；数据库，配置为存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；应用单元，配置为接收标识所述目标设备的第一分类定义数据；数据获取单元，配置为获取所述目标设备的监测数据；以及处理单元，配置为根据所述目标设备的监测数据以及通过所述分类网关从数据库获取的与所述第一分类定义数据对应的诊断库中的诊断模型，确定所述目标设备的状况。
7.根据本公开的一些实施例，其中，所述分类网关进一步配置为：解析所述应用单元接收的第一分类定义数据，从存储的多个分类学信息中确定与所述第一分类定义数据对应的第一分类学信息；从所述第一分类学信息中确定需要提取的特征的列表以及提取每个特征所需的监测数据的名称，并输出给所述处理单元；以及从所述数据库中提取与所述第一分类学信息对应的第一诊断库，并向所述处理单元输出所述第一诊断库。
8.根据本公开的一些实施例，其中，所述处理单元进一步包括：特征提取模块，配置为读取所述数据获取单元获取的目标设备的监测数据，以及根据从所述分类网关接收的需要提取的特征的列表以及提取每个特征所需的监测数据的名称，从所述监测数据中提取一
个或多个特征的特征值；匹配模块，配置为确定提取的一个或多个特征是否与所述第一诊断库中的一个或多个诊断模型的诊断所需特征列表匹配，并且响应于提取的一个或多个特征与诊断所需特征列表匹配，激活对应的诊断模型的集合，其中所述诊断模型基于预先确定的诊断规则并且具有预定的诊断所需特征列表；诊断模块，配置为对于激活的诊断模型的集合，使用提取的一个或多个特征的特征值，根据诊断模型中的预先确定的诊断规则进行诊断以输出指示所述目标设备的状况的诊断结果。
9.根据本公开的一些实施例，其中，所述特征提取模块进一步配置为：确定所述目标设备的监测数据是否符合所述第一分类学信息中的诊断数据中指示的提取每个特征所需的监测数据；响应于所述目标设备的监测数据符合提取一个或多个特征所需的监测数据，从所述目标设备的监测数据中提取所述一个或多个特征的特征值；以及响应于所述目标设备的监测数据不符合提取特定特征所需的监测数据，跳过提取所述特定特征。
10.根据本公开的一些实施例，其中，所述应用单元进一步配置为接收标识第二设备的第二分类定义数据，其中，所述处理单元还包括诊断库管理模块，所述分类网关进一步配置为：解析所述应用单元接收的标识第二设备的第二分类定义数据；确定所述数据库中是否存在与所述第二分类定义数据对应的第二诊断库；响应于所述数据库中存在与所述第二分类定义数据对应的第二诊断库，从所述数据库中提取所述第二诊断库，并且向所述诊断库管理模块输出所述第二诊断库，所述诊断库管理模块配置为：基于用户指令，调整所述第二诊断库中的一个或多个诊断模型，所述调整包括对于该第二诊断库编辑、删除和/或创建诊断模型；以及经由所述分类网关将调整后的第二诊断库存储在所述数据库中。
11.根据本公开的一些实施例，所述方法还包括：其中，所述分类网关进一步配置为：响应于所述数据库中不存在与所述第二分类定义数据对应的第二诊断库，初始化具有通用格式的第三诊断库，并且向所述诊断库管理模块输出所述第三诊断库；所述诊断库管理模块配置为：基于用户指令，调整所述第三诊断库中的一个或多个诊断模型，所述调整包括对于该第三诊断库编辑、删除和/或创建诊断模型；经由所述分类网关将调整后的第三诊断库存储在所述数据库中，所述第三诊断库与所述第二分类定义数据对应。
12.根据本公开的一些实施例，其中，所述分类定义数据包括与预定设备有关的多个定义参数，所述定义参数的每个分别指示预定设备的不同特性。
13.根据本公开的一些实施例，其中，所述定义参数包括资产名称、资产序列、资产类别、资产类型以及分段中的一个或多个。
14.根据本公开的另一方面，还提供了一种用于确定目标设备的状况的基于分类学的诊断方法，包括：接收标识所述目标设备的第一分类定义数据；获取所述目标设备的监测数据；通过分类网关，从数据库中提取与所述第一分类定义数据对应的第一诊断库，其中所述分类网关存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与所述分类定义数据对应的诊断数据，所述诊断数据包括针对所述预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据，以及所述数据库存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；以及根据所述目标设备的监测数据以及所述第一诊断库中的诊断模型，确定所述目标设备的状况。
15.根据本公开的另一方面，还提供了一种非暂时性计算机可读存储介质，存储有计
算机可读指令，其中，当所述计算机可读指令在由处理器执行时，实现上述诊断系统中任一项所述的用于确定目标设备的状况的基于分类学的诊断系统。
16.因此，根据本公开实施例的诊断系统，针对多个预定设备，系统的分类网关中存储有多个分类学定义，并且系统的数据库中存储有与每个分类学定义对应的多个诊断库，其中每个分类学信息包括用于标识预定设备的分类定义数据以及与该类定义数据对应的诊断数据。这样，在对多个预定设备中的一个目标设备进行诊断时，可以在仅接收目标设备的第一分类定义数据的情况下，通过分类网关快速且容易地从数据库获取与第一分类定义数据对应的诊断库中的针对目标设备定制的诊断模型，并结合目标设备的监测数据来自动地执行诊断，从而实现针对目标设备执行定制化诊断的同时，高效地确定该目标设备的状况。
附图说明
17.为了更清楚地说明本公开实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本公开的一些示例性实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
18.图1示出了根据本公开第一实施例的用于确定目标设备的状况的基于分类学的诊断系统的框图；
19.图2a示出了根据本公开第一实施例的分类网关的示意图；
20.图2b是图2a中所示的多个分类学定义中的一个的示意图；
21.图3示出了根据本公开第一实施例的数据库的示意图；
22.图4示出了根据本公开第一实施例的处理单元的框图；
23.图5示出了根据本公开第一实施例的诊断系统用于进行诊断时的示意图；
24.图6a示出了根据本公开第二实施例的诊断系统的框图；
25.图6b示出了根据本公开第二实施例的诊断系统的系统流程图；
26.图7示出了根据本公开第三实施例的诊断方法的流程图。
具体实施方式
27.为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
28.除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元素或者物件涵盖出现在该词后面列举的元素或者物件及其等同，而不排除其他元素或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关
系也可能相应地改变。为了保持本公开实施例的以下说明清楚且简明，本公开省略了部分已知功能和已知部件的详细说明。
29.本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步。
30.在本公开的说明书和附图中，根据实施例，元素以单数或复数的形式来描述。然而，单数和复数形式被适当地选择用于所提出的情况仅仅是为了方便解释而无意将本公开限制于此。因此，单数形式可以包括复数形式，并且复数形式也可以包括单数形式，除非上下文另有明确说明。
31.《第一实施例》
32.图1示出了根据本公开第一实施例的用于确定目标设备的状况的基于分类学的诊断系统100的框图。如图1所示，诊断系统100可以包括分类网关110、数据库120、应用单元130、数据获取单元140以及处理单元150。其中：
33.分类网关110，配置为存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与该分类定义数据对应的诊断数据，其中诊断数据包括针对预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据；
34.数据库120，配置为存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；
35.应用单元130，配置为接收标识目标设备的第一分类定义数据；
36.数据获取单元1140，配置为获取目标设备的监测数据；以及
37.处理单元150，配置为根据目标设备的监测数据以及通过分类网关从数据库获取的与第一分类定义数据对应的诊断库中的诊断模型，确定目标设备的状况。
38.下面将对上述诊断系统中的各个单元进行进一步详细描述。
39.具体地，根据本公开的第一实施例，分类网关110可以被配置为存储多个分类学信息，每个分类学信息可以包括用于标识预定设备的分类定义数据以及与该分类定义数据对应的诊断数据，其中诊断数据包括针对预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据。
40.图2a示出了根据本公开第一实施例的分类网关的示意图。如图2所示，分类网关110存储有多个分类学信息210(210-1
…
210-n)，在下文中为了便于说明，可以用分类学信息210来代表分类学信息210-1
…
210-n。每个分类学信息210包括用于标识不同预定设备的分类定义数据220。通常，分类定义数据220的数量可以达到10000个以上，以实现针对实际场景中的不同预定设备具有对应的不同分类定义数据220。
41.在一个示例中，预定设备可以是设备、装置、仪器、机器、以及它们所包含的部件中的任何一种。例如，预定设备可以是电机或者电机中的轴承、转子，也可以是电缆、连接件等。这些预定设备可以是例如冶金工业、能源工业、铁路工业等中使用的设备。
42.根据本公开的第一实施例，为了区分不同的预定设备，分类定义数据220可以包括与预定设备有关的多个定义参数，这些定义参数的每个分别指示预定设备的不同特性。定义参数也可以是其他的用于指示一个预定设备区别于其他设备的参数。
43.根据本公开的第一实施例，定义参数可以包括资产名称、资产序列、资产类别、资
产类型以及分段中的一个或多个。图2b是图2a中所示的多个分类学定义中的一个的示意图。在图2b的示例中，分类定义数据220中的定义参数包括设备的资产名称(主轴承)、资产序列(直驱)、资产类别(风)、资产类型(涡轮)、分段(可再生)。因此，针对不同的预定设备，可以通过使用具有不同的定义参数的分类定义数据220来进行标识，从而使得诊断系统可以根据分类定义数据来识别所要诊断的设备。
44.此外，根据本公开的第一实施例，每个分类学信息210还可以包括与分类定义数据对应的诊断数据230，其中诊断数据230包括针对预定设备可以进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据。
45.在一个示例中，诊断可以指诊断设备的故障或是诊断设备的状况以用于进一步的分析。在图2b所示的示例中，针对前述的分类定义数据220，与其对应的诊断数据230可以包括轴承故障诊断、不平衡等。其中，针对轴承故障诊断需要提取的特征包括ge_bpfi_1、vel_bpfi_1等，并且用于提取特征ge_bpfi_1所需的监测数据包括env3，用于提取特征vel_bpfi_1所需的监测数据包括vel_f。
46.应当注意的是，图2b所示的示例仅是用于说明，针对不同的预定设备，还可以进行一种或多种相同的诊断。例如，针对第一预定设备和第二预定设备可以执行相同的第一诊断。此外，对于不同的诊断，其需要提取的部分特征可以是相同的。例如，对于第一诊断，需要提取第一特征和第二特征，对于第二诊断，需要提取第一特征和第三特征。类似地，对于不同的特征，提取特征所需的部分监测数据可以是相同的。例如，用于提取第一特征所需的监测数据包括第一监测数据和第二监测数据，用于提取第二特征所需的监测数据包括第一监测数据和第三监测数据。
47.在一个示例中，诊断数据230所包括的诊断需要提取的特征以及提取每个特征所需的监测数据是指特征及监测数据的名称或者类型，而不是指特征的特征值和监测数据的数值。
48.此外，在一个示例中，为了使诊断系统100可以适用于不同的场景，还可以根据不同的需要修改和/或扩充分类学信息210以及其中所包括的分类定义数据220和诊断数据230。然而，在一些情况下，当需要诊断的设备较少时，也可以适当减少分类学信息210以及其中所包括的分类定义数据220和诊断数据230，从而节约系统的存储空间。
49.根据本公开的第一实施例，诊断系统100还可以包括数据库120，其可以配置为存储多个诊断库，每个诊断库对应于一种分类学信息210，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型。
50.图3示出了根据本公开第一实施例的数据库120的示意图。如图3所示，数据库120中包括多个诊断库(310-1
…
310-n)，其中每个诊断库所对应的分类学信息都是不同的。例如，诊断库310-1对应于分类学信息210-1，诊断库310-2对应于分类类学信息210-2，依此类推。应当注意的是，上述对应关系仅是为了说明，诊断库与分类学信息的对应关系不局限于顺序关系。
51.在一个示例中，诊断库310与分类学信息210之间的对应关系可以通过对应于分类学信息210中的分类定义数据220来实现。例如，可以根据分类定义数据220所包括的定义参数来确定对应的诊断库310。
52.在一个示例中，诊断库310与分类学信息210之间的对应关系可以以分类学信息
210或者其中包括的分类定义数据220作为诊断库310的索引的方式来实现，或者以将分类学信息210或者其中包括的分类定义数据220作为诊断库310的名称的方式来实现。
53.在一个示例中，诊断库310中所包括的一组诊断模型可以是一个或多个诊断模型。这些诊断模型是针对其所对应的预定设备的定制化的诊断模型，因此当使用这种诊断模型时，可以确保执行的诊断的精度。此外，现有技术中在每次诊断之前都需要通过编辑通用模板来定制诊断模型，而编辑通用模板通常对于用户而言通常是困难的，因此很难实现针对待诊断的目标设备定制精确的诊断模型。通过预先针对预定设备设置具有诊断模型的诊断库可以避免这样的问题的产生。
54.通常情况下，诊断模型以设备的特征为输入，根据预设的诊断模型规则来确定设备的状况。在一个示例中，诊断模型可以是基于规则的模型，例如其可以是决策树模型。在决策树模型中的每一层中，可以根据设备的特征进行判断，从而最终输出诊断结果(即，设备的状况)。在一个示例中，诊断模型还可以是已经基于训练集训练好的神经网络模型，其中训练集包括设备的特征。
55.此外，根据用户的需求，诊断系统110可以是重量级或者轻量级的应用
56.例如，在前述的修改和/或扩充分类学信息210以及其中所包括的分类定义数据220和诊断数据230的示例中，还可以根据不同的需要来修改和/或扩充诊断库以及诊断库310中包括的诊断模型，从而使诊断系统100适用于不同的场景。在这种情况下，诊断系统可以包括针对不同场景所需的各种诊断库以实现系统的重量级应用。
57.同样如前所述，在需要诊断的设备较少的情况中，对应于减少分类学信息210以及其中所包括的分类定义数据220和诊断数据230，也可以减少数据库中相应的诊断库310，从而节约系统的存储空间。
58.在一个示例中，数据库120可以不存储在诊断系统100的内部，而是存储在诊断系统100外部的存储器中，并且诊断系统可以经由网络访问数据库120。通过这样的方式可以使诊断系统100进一步轻量化，从而例如可以实现在便携式处理设备(例如，智能手机、平板计算机、膝上型计算机等)。通过减少系统的存储空间可以实现系统的轻量级应用。
59.在一个示例中，网络可以是有线网络和/或无线网络。例如，有线网络可以采用双绞线、同轴电缆或光纤传输等方式进行数据传输，无线网络可以采用3g/4g/5g等移动通信网络、蓝牙、zigbee或者wifi等方式进行数据传输。
60.通过在诊断系统中设置具有分类学信息210的分类网关110和具有包含预先定制的诊断模型的诊断库310的数据库120，可以使诊断系统100在确保定制化的基础上，基于分类学信息快速且轻易地自动为待诊断的目标设备确定要执行诊断的诊断模型，从而高效地确定目标设备的状况。下面将对诊断系统100实现诊断的过程进一步地详细描述。
61.根据本公开的第一实施例，诊断系统100还可以包括应用单元130，其可以配置为接收标识目标设备的第一分类定义数据。
62.在一个示例中，应用单元130在接收标识目标设备的第一分类定义数据后，可以将第一分类定义数据传输给分类网关110以进行后续的处理。
63.在一个示例中，应用单元130可以包括输入/输出(i/o)接口，其可以外接各种输入/输出设备，以接收用户输入的第一分类定义数据，并且向用户显示其输入的内容。
64.根据本公开的第一实施例，诊断系统100还包括数据获取单元140，其可以配置为
获取目标设备的监测数据。
65.在一个示例中，可以在应用单元130将第一分类定义数据传输给分类网关110之后，由分类网关指定数据获取单元140获取目标设备的监测数据。替代地，数据获取单元140还可以获取多个设备的监测信息，但是数据获取单元140根据分类网关所指定的目标设备，仅将目标设备的监测信息输出给处理单元150以用于后续处理。替代地，数据获取单元140还可以获取多个设备的监测信息，并将这些检测信息全部传输给处理单元150以用于后续处理。应用单元130的配置方式具体取决于诊断系统100的实际架构。
66.例如，数据获取单元130可以包括传感器、采集器以及数据传输模块，其中，传感器用于测量目标设备的数据；采集器用于采集所测量的数据；以及数据传输模块将采集到的数据输出给处理单元150。
67.在一个示例中，目标设备自身可以设置有传感器以测量目标设备的监测数据。例如，传感器可以测量温度、压力、湿度等监测数据。附加地或者替代地，传感器还可以是目标设备的周围的传感器，例如传感器可以是位于目标设备周围地面上的传感器，以测量例如关于目标设备的震动等的监测数据等。
68.在一个示例中，监测数据可以包括实时数据，以用于确定设备的实时状况。例如，监测数据可以是实时状态数据(como data)。附加地或替代地，监测数据还可以包括非实时数据，例如一些需要持续性测量的数据。
69.根据本公开的第一实施例，诊断系统100还可以包括处理单元150，其可以配置为根据目标设备的监测数据以及通过分类网关从数据库获取的与第一分类定义数据对应的诊断库中的诊断模型，确定目标设备的状况。
70.在一个示例中，如前所述，诊断库可以包括一组诊断模型，该组模型中可以是一个或多个诊断模型。也就是说，第一分类定义数据对应的诊断模型可以是一个或多个诊断模型，因而在一次诊断中，可以根据诊断库中适用的多个诊断模型确定目标设备的多种状况。
71.具体地，根据本公开的第一实施例，在处理单元确定目标设备的状况之前，分类网关110还可以进一步配置为解析应用单元130接收的第一分类定义数据，从存储的多个分类学信息210中确定与第一分类定义数据对应的第一分类学信息；从第一分类学信息中确定需要提取的特征的列表以及提取每个特征所需的监测数据的名称，并输出给处理单元150；以及从数据库130中提取与第一分类学信息对应的第一诊断库，并向处理单元150输出该第一诊断库。
72.进一步地，如图4所示，根据本公开的第一实施例，处理单元150还可以包括特征提取模块410、匹配模块420以及诊断模块430。
73.其中，特征提取模块410，可以配置为读取数据获取单元140获取的目标设备的监测数据，以及根据从分类网关110接收的需要提取的特征的列表以及提取每个特征所需的监测数据的名称，从监测数据中提取一个或多个特征的特征值。
74.在一个示例中，可以通过预先定义特征提取规则(例如建立开发好的特征提取库)来将特征的名称标准化，从而可以更快速地从监测数据中提取特征。基于预先定义的特征提取规则进行特征提取的方式，可以有助于诊断系统100快速地应用于各种场景，这也有助于对模型的进一步改进。在一个示例中，预先定义的特征提取规则可以是存储在诊断系统中的离线的固定规则，也可以是经由网络可以调整的动态规则。
75.匹配模块420，可以配置为确定提取的一个或多个特征是否与第一诊断库中的一个或多个诊断模型的诊断所需特征列表匹配，并且响应于提取的一个或多个特征与诊断所需特征列表匹配，激活对应的诊断模型的集合，其中诊断模型基于预先确定的诊断规则并且具有预定的诊断所需特征列表。
76.诊断模块430，可以配置为对于激活的诊断模型的集合，使用提取的一个或多个特征的特征值，根据诊断模型中的预先确定的诊断规则进行诊断以输出指示目标设备的状况的诊断结果。
77.在一个示例中，在诊断模块430中，可以将一个或多个特征的特征值馈送入规则引擎，规则引擎根据诊断模型中的预先确定的诊断规则来进行规则引擎推演，从而获得诊断结果。
78.根据本公开的第一实施例，特征提取模块410还可以进一步配置为：确定目标设备的监测数据是否符合第一分类学信息中的诊断数据中指示的提取每个特征所需的监测数据；响应于目标设备的监测数据符合提取一个或多个特征所需的监测数据，从目标设备的监测数据中提取该一个或多个特征的特征值；以及响应于目标设备的监测数据不符合提取特定特征所需的监测数据，跳过提取该特定特征。通过避免提取不必要的特征，可以进一步的提高诊断系统的效率。
79.下面将结合图5所示的诊断系统进行诊断时的具体实例来进一步说明本公开的第一实施例。
80.如图5所示，当用户期望确定风力发电机主轴承的状况时，用户可以向诊断系统110输入标识风力发电机主轴承的分类定义数据“再生-涡轮-风-直驱-主轴承”。应用单元130接收该分类定义数据“再生-涡轮-风-直驱-主轴承”并将其输出给分类网关。
81.然后，一方面，分类网关110根据接收的分类定义数据“再生-涡轮-风-直驱-主轴承”，从其存储的多个多个分类学信息中确定与该分类定义数据“再生-涡轮-风-直驱-主轴承”对应的分类学信息；并且从该分类学定义中提取要提取的特征的列表以及提取每个特征所需的监测数据的名称：{feature1:va,feature2:va,feature3:ve,feature4:dd}。其中，feature1、feature2是针对风力发电机主轴承可以提取的特征的名称，va、ve、dd分别是提取对应特征所需要的监测数据的名称。接着，分类网关110将其输出给处理单元150中的特征提取模块410。
82.此外，分类网关110还从数据库120中提取与风力发电机主轴承的分类学信息对应的诊断库，并将其输出给处理单元150中的匹配模块420，在本实例中，该诊断库具有“再生-涡轮-风-直驱-主轴承”的名称，分类网关可以根据该名称来识别诊断库以进行提取。
83.另一方面，数据获取单元140根据安装在风力发电主轴承上的传感器，获取风力发电主轴承的监测数据va和ve。数据获取单元140在获取数据后将这些数据输出给特征提取模块410。
84.然后，在特征提取模块410中，其可以读取数据获取单元140获取的数据va和ve，并且基于来自分类网关110的{feature1:va,feature2:va,feature3:ve,feature4:dd}，从监测数据中进行特征提取。由于针对feature4需要的监测数据类型为dd，而数据获取单元140所获取的数据并不包含dd类型的数据，也就是说监测数据并不符合分类学信息中所指示的提取feature4所需的监测数据。因此，在这种情况下，跳过对feature4的特征提取，而只提
取feature1、feature2、feature3。其提取的结果为{feature1:0.642,feature2:15.358,feature3:4.112}
85.在特征提取完成后，特征提取模块410可以将提取的特征feature1、feature2、feature3的特征值输出给匹配模块420。匹配模块420根据来自分类网关110的“再生-涡轮-风-直驱-主轴承”诊断库确定该诊断库中包括模型a和模型b，其中模型a需要feature1、feature3，而模型b需要feature1、feature2、feature3、feature4。由于通过特征提取模块410所提取的特征仅包括feature1、feature2、feature3，因此，所提取的特征仅与模型a匹配而不与模型b匹配。在这种情况下，匹配模块仅激活模型a用于后续的处理。并且将由特征提取模块提取的特征值{feature1:0.642,feature2:15.358,feature3:4.112}以及模型a都输出给诊断模块430。
86.然后，诊断模块430使用提取的特征值{feature1:0.642,feature2:15.358,feature3:4.112}，经由根据诊断模型a的规则引擎来进行诊断，以输出可以确定风力发电主轴承的状况的诊断结果。
87.因此，根据本公开实施例的诊断系统，针对多个预定设备，系统的分类网关中存储有多个分类学定义，并且系统的数据库中存储有与每个分类学定义对应的多个诊断库，其中每个分类学信息包括用于标识预定设备的分类定义数据以及与该分类定义数据对应的诊断数据。这样，在对多个预定设备中的一个目标设备进行诊断时，可以在仅接收目标设备的第一分类定义数据的情况下，通过分类网关快速且容易地从数据库获取与第一分类定义数据对应的诊断库中的针对目标设备定制的诊断模型，并结合目标设备的监测数据来自动地执行诊断，从而实现针对目标设备执行定制化诊断的同时，高效地确定该目标设备的状况。
88.《第二实施例》
89.图6a和图6b分别示出了根据本公开第二实施例的诊断系统的框图以及其系统流程图。如图所示，为了减少管理和维护诊断模型所消耗的时间，以进一步提高诊断系统的效率，应用单元还可以进一步配置为接收标识第二设备的第二分类定义数据，其中，处理单元150还可以包括诊断库管理模块610，分类网关110可以进一步配置为：解析应用单元接收的标识第二设备的第二分类定义数据；确定数据库120中是否存在与第二分类定义数据对应的第二诊断库；响应于数据库中存在与第二分类定义数据对应的第二诊断库，从数据库120中提取第二诊断库，并且向诊断库管理模块510输出第二诊断库，诊断库管理模块510可以配置为：基于用户指令，调整第二诊断库中的一个或多个诊断模型。其中，调整可以包括对于该第二诊断库编辑、删除和/或创建诊断模型；以及经由分类网关110将调整后的第二诊断库存储在数据库120中。
90.此外，分类网关110还可以进一步配置为：响应于数据库120中不存在与第二分类定义数据对应的第二诊断库，初始化具有通用格式的第三诊断库，并且向诊断库管理模块610输出第三诊断库；诊断库管理模块610配置为：基于用户指令，调整第三诊断库中的一个或多个诊断模型。其中，调整包括对于该第三诊断库编辑、删除和/或创建诊断模型；经由分类网关110将调整后的第三诊断库存储在数据库120中，其中第三诊断库与第二分类定义数据对应。
91.在一个示例中，针对诊断库中的模型的编辑、删除和/或创建可以是通过规则边界
器来实现的。
92.因此，根据本公开第二实施例的诊断系统，可以在确保定制化的基础上减少管理和维护诊断模型所消耗的时间，以进一步提高诊断系统的效率。
93.《第三实施例》
94.本公开除了提供上述用于确定目标设备的状况的基于分类学的诊断系统，还提供了用于确定目标设备的状况的基于分类学的诊断方法，接下来将结合图7对此进行详细描述。
95.图7示出了根据本公开第三实施例的诊断方法的流程图。如图7所示，本公开所述的诊断方法可以包括一下步骤：
96.步骤s710：接收标识目标设备的第一分类定义数据；
97.步骤s720：获取目标设备的监测数据；
98.步骤s730：通过分类网关，从数据库中提取与第一分类定义数据对应的第一诊断库，其中分类网关存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与该分类定义数据对应的诊断数据，诊断数据包括针对预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据，以及数据库存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；以及
99.步骤s740：根据目标设备的监测数据以及第一诊断库中的诊断模型，确定目标设备的状况。
100.根据本公开第三实施例的诊断方法，针对多个预定设备，可以设立分类网关和数据库，其中分类网关中存储有多个分类学定义，并且数据库中存储有与每个分类学定义对应的多个诊断库，其中每个分类学信息包括用于标识预定设备的分类定义数据以及与该类定义数据对应的诊断数据。这样，在对多个预定设备中的一个目标设备进行诊断时，可以在仅接收目标设备的第一分类定义数据的情况下，通过分类网关快速且容易地从数据库获取与第一分类定义数据对应的诊断库中的针对目标设备定制的诊断模型，并结合目标设备的监测数据来自动地执行诊断，从而实现针对目标设备执行定制化诊断的同时，高效地确定该目标设备的状况。
101.关于图7所示的诊断方法的一些具体细节可以参考前述的诊断系统的内容。
102.此外，本文所述的系统可以包括处理器和存储器。处理器和存储器都可以通过总线相连。该系统可以是任何类型的便携式设备(如智能手机、平板电脑等)也可以是任何类型的固定设备(如台式计算机、服务器等)。
103.处理器可以根据存储在存储器中的程序执行各种动作和处理。具体地，处理器可以是一种集成电路芯片，具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以是x86架构或arm架构的。
104.存储器存储有计算机可执行指令，在计算机可执行指令被处理器执行时实现上述各个实施例中的诊断系统。存储器可以是易失性存储器或非易失性存储器，或可包括易失
性和非易失性存储器两者。非易失性存储器可以是只读存储器(rom)、可编程只读存储器(prom)、可擦除可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)或闪存。易失性存储器可以是随机存取存储器(ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(sdram)、双倍数据速率同步动态随机存取存储器(ddrsdram)、增强型同步动态随机存取存储器(esdram)、同步连接动态随机存取存储器(sldram)和直接内存总线随机存取存储器(dr ram)。应注意，本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
105.此外，根据本公开的诊断系统或方法可被记录在计算机可读存储介质中。具体地，根据本公开，可提供一种存储有计算机可执行指令的计算机可读存储介质，当所述计算机可执行指令被处理器执行时，可促使处理器实现如上所述的诊断系统或方法。
106.需要说明的是，附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含至少一个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
107.一般而言，本公开的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其它方面可以在可以由控制器、微处理器或其它计算设备执行的固件或软件中实施。当本公开的实施例的各方面被图示或描述为框图、流程图或使用某些其它图像表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算设备，或其某些组合中实施。
108.除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
109.以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。

技术特征：
1.一种用于确定目标设备的状况的基于分类学的诊断系统，包括：分类网关，配置为存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与所述分类定义数据对应的诊断数据，其中所述诊断数据包括针对所述预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据；数据库，配置为存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；应用单元，配置为接收标识所述目标设备的第一分类定义数据；数据获取单元，配置为获取所述目标设备的监测数据；以及处理单元，配置为根据所述目标设备的监测数据以及通过所述分类网关从数据库获取的与所述第一分类定义数据对应的诊断库中的诊断模型，确定所述目标设备的状况。2.根据权利要求1所述的诊断系统，其中，所述分类网关进一步配置为：解析所述应用单元接收的第一分类定义数据，从存储的多个分类学信息中确定与所述第一分类定义数据对应的第一分类学信息；从所述第一分类学信息中确定需要提取的特征的列表以及提取每个特征所需的监测数据的名称，并输出给所述处理单元；以及从所述数据库中提取与所述第一分类学信息对应的第一诊断库，并向所述处理单元输出所述第一诊断库。3.根据权利要求2所述的诊断系统，其中，所述处理单元进一步包括：特征提取模块，配置为读取所述数据获取单元获取的目标设备的监测数据，以及根据从所述分类网关接收的需要提取的特征的列表以及提取每个特征所需的监测数据的名称，从所述监测数据中提取一个或多个特征的特征值；匹配模块，配置为确定提取的一个或多个特征是否与所述第一诊断库中的一个或多个诊断模型的诊断所需特征列表匹配，并且响应于提取的一个或多个特征与诊断所需特征列表匹配，激活对应的诊断模型的集合，其中所述诊断模型基于预先确定的诊断规则并且具有预定的诊断所需特征列表；诊断模块，配置为对于激活的诊断模型的集合，使用提取的一个或多个特征的特征值，根据诊断模型中的预先确定的诊断规则进行诊断以输出指示所述目标设备的状况的诊断结果。4.根据权利要求3所述的诊断系统，其中，所述特征提取模块进一步配置为：确定所述目标设备的监测数据是否符合所述第一分类学信息中的诊断数据中指示的提取每个特征所需的监测数据；响应于所述目标设备的监测数据符合提取一个或多个特征所需的监测数据，从所述目标设备的监测数据中提取所述一个或多个特征的特征值；以及响应于所述目标设备的监测数据不符合提取特定特征所需的监测数据，跳过提取所述特定特征。5.根据权利要求1所述的诊断系统，其中，所述应用单元进一步配置为接收标识第二设备的第二分类定义数据，其中，所述处理单元还包括诊断库管理模块，所述分类网关进一步配置为：
解析所述应用单元接收的标识第二设备的第二分类定义数据；确定所述数据库中是否存在与所述第二分类定义数据对应的第二诊断库；响应于所述数据库中存在与所述第二分类定义数据对应的第二诊断库，从所述数据库中提取所述第二诊断库，并且向所述诊断库管理模块输出所述第二诊断库，所述诊断库管理模块配置为：基于用户指令，调整所述第二诊断库中的一个或多个诊断模型，所述调整包括对于该第二诊断库编辑、删除和/或创建诊断模型；以及经由所述分类网关将调整后的第二诊断库存储在所述数据库中。6.根据权利要求5所述的诊断系统，其中，所述分类网关进一步配置为：响应于所述数据库中不存在与所述第二分类定义数据对应的第二诊断库，初始化具有通用格式的第三诊断库，并且向所述诊断库管理模块输出所述第三诊断库；所述诊断库管理模块配置为：基于用户指令，调整所述第三诊断库中的一个或多个诊断模型，所述调整包括对于该第三诊断库编辑、删除和/或创建诊断模型；经由所述分类网关将调整后的第三诊断库存储在所述数据库中，所述第三诊断库与所述第二分类定义数据对应。7.根据权利要求1所述的诊断系统，其中，所述分类定义数据包括与预定设备有关的多个定义参数，所述定义参数的每个分别指示预定设备的不同特性。8.根据权利要求7所述的诊断系统，其中，所述定义参数包括资产名称、资产序列、资产类别、资产类型以及分段中的一个或多个。9.一种用于确定目标设备的状况的基于分类学的诊断方法，包括：接收标识所述目标设备的第一分类定义数据；获取所述目标设备的监测数据；通过分类网关，从数据库中提取与所述第一分类定义数据对应的第一诊断库，其中所述分类网关存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及与所述分类定义数据对应的诊断数据，所述诊断数据包括针对所述预定设备进行的一种或多种诊断、诊断需要提取的特征以及提取每个特征所需的监测数据，以及所述数据库存储多个诊断库，每个诊断库对应于一种分类学信息，并且包括用于根据设备的特征来确定设备的状况的一组诊断模型；以及根据所述目标设备的监测数据以及所述第一诊断库中的诊断模型，确定所述目标设备的状况。10.一种非暂时性计算机可读存储介质，存储有计算机可读指令，其中，当所述计算机可读指令在由处理器执行时，实现权利要求1-8中任一项所述的用于确定目标设备的状况的基于分类学的诊断系统。

技术总结
本公开提供了基于分类学的诊断系统、方法及可读存储介质。该系统包括：分类网关，配置为存储多个分类学信息，每个分类学信息包括用于标识预定设备的分类定义数据以及对应的诊断数据，诊断数据包括针对预定设备进行的诊断、诊断需要提取的特征以及提取每个特征所需的监测数据；数据库，配置为存储对应于分类学信息的多个诊断库，并且包括用于根据设备的特征来确定设备的状况的诊断模型；应用单元，配置为接收标识目标设备的第一分类定义数据；数据获取单元，配置为获取目标设备的监测数据；以及处理单元，配置为根据目标设备的监测数据以及与第一分类定义数据对应的诊断库中的诊断模型，确定目标设备的状况。该系统可高效、自动地确定设备的状况。地确定设备的状况。地确定设备的状况。


技术研发人员：姚铄 程刚 韦俊
受保护的技术使用者：斯凯孚(中国)有限公司
技术研发日：2022.01.21
技术公布日：2023/7/31