【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其涉及一种基于规则引擎的故障识别诊断方法。
技术介绍
1、近年来，我国进出口业务的高速增长带来工业制造业的蓬勃发展，同时各种大小类型的机械设备也在水泥、电力、石化、港口起重设备、水电、轨道交通、等各行业应用。随着各行业的机械设备自动化程度发展，各行业的机械设备也朝种类多样化、大型化、智能化方向发展，其机械设备的结构也愈加复杂。一些资产密集型企业，设备自动化程度高、生产连续性强，检维修困难，一旦发生故障，轻者引起装置停产，重者会造成机毁人亡的重大恶性事故。
2、因此客观要求设备运维方式需要作出应有的改变，以提高运维安全，提高生产效益。随着模糊集理论、专家系统、神经网络和小波分析理论的发展，以及检测技术、计算机技术和通讯技术等相关领域学科研究的进一步深入，故障诊断正朝着智能化方向发展，已形成一门集信息处理、模式识别和人工智能等多学科交叉的综合性技术，故障诊断技术进入以知识处理为核心，信号处理、建模方法与知识处理相融合的智能诊断技术阶段。针对机械设备旋转部件振动监测及智能诊断技术正在被众多的企业所采用。通常可通过安装在设备上的传感网络设备，针对设备不同的结构类型和工作状态，通过有线或无线等方式不间断的获取装备在运行状态下的振动、温度信号，自动采集设备实时数据，异常数据自动触发异常报警机制，实现设备运行健康状态的实时控制。
3、故障识别与诊断有一定的专业识别方式，之前靠人工的听、闻、触、看等方式人工识别，后来发展到态势感知、振动监测等系统，通过温湿度、语言、振动等传感器采集的数据人工分析
4、规则引擎是根据推理性的引擎发展而来，根据各种条件匹配信息，达到自动识别的目的。目前可以引入规则引擎辅助进行故障诊断分析，例如drools是一个易于访问企业策略、易于调整以及易于管理的开源业务规则引擎。但是有关设备故障检查诊断的人员通常不懂编程，无法很好地利用规则引擎来定义复杂的业务规则，实现故障识别诊断。
技术实现思路
1、本专利技术的主要目的在于提供一种基于规则引擎的故障识别诊断方法，可充分利用drools规则引擎的独立与高效性，使业务人员通过简单的配置就能够实现设备的故障诊断识别。
2、为实现上述目的，本申请第一方面提供一种基于规则引擎的故障识别诊断方法，所述方法包括：
3、基于所述采集平台获取采集器采集的设备传感器数据作为待诊断数据，将解析后的所述待诊断数据按格式推送到kafka平台，波形数据存储到文件服务器，以进行诊断分析；
4、基于drools规则库中的阈值告警规则对所述待诊断数据进行阈值告警分析，所述drools规则库中的阈值告警规则根据excel格式的阈值报警对应关系表生成；
5、基于drools规则库中的故障告警规则对所述待诊断数据进行故障识别处理，所述drools规则库中的故障告警规则根据excel格式的故障分类对应关系表生成。
6、在一种可选的实施方式中，所述方法还包括：
7、基于轴承信息计算故障频率，根据计算出的所述故障频率，生成所述阈值报警对应关系表；
8、根据所述阈值报警对应关系表生成drools规则的drl文件。
9、在一种可选的实施方式中，所述方法还包括：
10、配置阈值适配器；
11、所述基于drools规则库中的阈值告警规则对所述待诊断数据进行阈值告警分析，包括：
12、基于所述阈值适配器，将当前特征值与所述drools规则库中的阈值告警规则进行匹配以触发告警规则；
13、将所述当前特征值与所述阈值告警规则的匹配情况，存储到数据库；
14、根据所述匹配情况发出阈值告警信息。
15、在一种可选的实施方式中，所述告警规则通过配置excel格式的告警模板动态生成，并加载到所述drools规则库中。
16、在一种可选的实施方式中，所述方法还包括：
17、根据设备的传感器阈值告警情况，以及特征总值判断范围，生成所述故障分类对应关系表；
18、根据所述故障分类对应关系表生成drools规则的drl文件。
19、在一种可选的实施方式中，所述方法还包括：
20、配置故障适配器；
21、所述基于drools规则库中的故障告警规则对所述待诊断数据进行故障识别处理，包括：
22、基于所述故障适配器将当前设备的阈值告警信息与所述drools规则库中的故障告警规则进行匹配以触发故障识别规则，所述故障识别规则通过配置的故障识别模板动态生成，并加载到所述drools规则库中；
23、将所述传感器告警信息与所述故障识别规则的匹配情况，存储到所述数据库；
24、根据所述匹配情况发出故障告警信息。
25、在一种可选的实施方式中，所述基于轴承信息计算故障频率，包括：
26、获取轴承库中的多条轴承信息，所述轴承信息包括节径、滚动体直径、滚动体个数、接触角、内圈转频和外圈转频；
27、根据所述多条轴承信息计算保持架故障频率、内圈故障频率、外圈故障频率、滚动体自传故障频率。
28、本申请第二方面提供一种基于规则引擎的故障识别诊断装置，包括：
29、采集模块，用于基于所述采集平台获取采集器采集的设备传感器数据作为待诊断数据，将解析后的所述待诊断数据按格式推送到kafka平台，波形数据存储到文件服务器，以进行诊断分析；
30、阈值告警模块，用于基于drools规则库中的阈值告警规则对所述待诊断数据进行阈值告警分析，所述drools规则库中的阈值告警规则根据excel格式的阈值报警对应关系表生成；
31、故障识别模块，用于基于drools规则库中的故障告警规则对所述待诊断数据进行故障识别处理，所述drools规则库中的故障告警规则根据excel格式的故障分类对应关系表生成。
32、本申请第三方面提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面及其任一种可能的实现方式的步骤。
33、为实现上述目的，本申请第四方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述的方法中的各个步骤。
34、本申请提供一种基于规则引擎的故障识别诊断方法，通过基于所述采集平台获取采集器采集的设备传感器数据作为待诊断数据，将解析后的所述待诊断数据按格式推送到kafka平台，波形数据存储到文件服务器，以进行诊断分析；基于drools规则库中的阈值告警规则对所述待诊断数据进行阈值告警分析，所述drools规则库中的阈值告警规则根据excel格式的阈值报警对应关系表生成；基于drools规则库中的故障告警规则对所述待诊断数据进行故障识别处理，所述drools规则库中的故障告本文档来自技高网...
【技术保护点】
1.一种基于规则引擎的故障识别诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
3.根据权利要求2所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
4.根据权利要求3所述基于规则引擎的故障识别诊断方法，其特征在于，所述告警规则通过配置excel格式的告警模板动态生成，并加载到所述Drools规则库中。
5.根据权利要求1所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
6.根据权利要求5所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
7.根据权利要求1所述基于规则引擎的故障识别诊断方法，其特征在于，所述基于轴承信息计算故障频率，包括：
8.一种基于规则引擎的故障识别诊断装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述方法的步
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于规则引擎的故障识别诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
3.根据权利要求2所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
4.根据权利要求3所述基于规则引擎的故障识别诊断方法，其特征在于，所述告警规则通过配置excel格式的告警模板动态生成，并加载到所述drools规则库中。
5.根据权利要求1所述基于规则引擎的故障识别诊断方法，其特征在于，所述方法还包括：
6.根据权利要求5所述基于规则引擎的故障识别...
【专利技术属性】
技术研发人员：刘正方，汪凌峰，李威，
申请(专利权)人：利维智能深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。