[发明专利]基于数据融合模式识别的嵌入式故障智能诊断装置及方法

权利要求书

1.一种基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，

所述基于数据融合模式识别的嵌入式故障智能诊断装置包括硬件结构和软件结构组成；

所述硬件结构包括数据采集模块和嵌入式模块，数据采集模块负责完成数据采集、信号处理的任务，信号采集单元(1)至信号采集单元(n)分别通过CAN总线接口和中心处理单元PC104连接，信号采集单元直接安装固定在列车关键设备的主要部位上，完成传感器的故障诊断、标定和校准，列车设备工作状态参数采集、信号的特征提取和CAN总线通讯；中心处理单元是采用PC104总线的嵌入式PC，中心处理单元位于设备的监测中心，分别和液晶显示、键盘及存贮设备、CAN接口、适配卡连接，画通过网络与远程服务器通讯，主要完成采集信号的处理、工作状态的判断与报警，以及故障诊断工作；

所述软件结构采用模块化设计，具有据预处理、历史数据网络训练，网络知识库进行网络推理，故障解释功能，主要包括监测数据库、监测报警模块、故障诊断模块、CAN通讯模块及网络通讯模块通过数据库管理模块与故障诊断模块通讯。

2.根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，所述PC104是一种专门为嵌入式控制而定义的工业控制总线，实质上是一种紧凑型的IEEE-P996标准，其信号定义和PC/AT基本一致，但电气和机械规范却完全不同，是一种优化的、小型、堆栈式结构的嵌入式系统，有极好的抗振性；PC104嵌入式计算机模块系列是一整套低成本、高可靠性、能迅速配置成产品的结构化模块，满足了系统抗振性和可靠性的要求。

3.根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，所述信号采集单元包括传感器、信号调理、AD转换、DSP(或MCU)、数字量输入模块、FLASH存贮器。

4.根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，所述监测报警模块根据具体工作状态恶劣程度的不同将报警分为3级；1级报警：只是提醒注意，在这种情况下设备还能工作一段时间；2级报警：要求密切注视故障的发展，但不需立即处理；3级报警：对这级报警，应立即进行应急处理。

5.根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，所述网络推理，故障解释是靠神经网络诊断模块实现，该模块包括三大模块：数据级融合模块、特征级并行多神经网络局部诊断模块及决策级融合诊断模块，是基于数据融合模式识别故障智能诊断机制，利用数据在不同层次(或级别)上的融合来进行故障诊断；为进行故障诊断，所需要的主要参数通过多传感器从试验台架上监测获得，经过D/A及A/D转换变换为数字信号输入到计算机中进行系统的监测及诊断，在特征级上采用3个结构相同的并行BP(backpropagation)神经网络，故障诊断模块工作时，将监测数据库的下位机采集的数据取出并进行预处理，作为神经网络的输入量，神经网络的输出量代表故障诊断的结果。

6.根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置，其特征在于，所述神经网络诊断模块还包括一种基于模糊神经网络的故障诊断专家系统(FNN-FD-ES)，充分利用专家系统(ES)和模糊神经网络(FNN)的特点，由ES负责符号处理；FNN负责数值计算，完成知识获取、推理工作。

7.一种基于数据融合模式识别的嵌入式故障智能诊断方法，其特征在于，所述嵌入式故障智能诊断是采用高速的DSP微处理器，借助其高速数据处理的多级缓冲和流水线机制，组成一种分布式监测处理系统，结合基于数据融合模式识别的传感器群信息，借助多神经网络局部诊断及决策级融合模式识别故障智能诊断机制实现故障决策融合方法，步骤如下：

1)数据采集并存入数据库；

2)从数据库读取特征数据；

3)判断特征提取是否完成，如果未完成，则返回步骤2；如果完成，则执行步骤4；

4)将读取的特征数据送入神经网络，进行多神经网络进行训练、推理、故障定位；

5)读取读取训练好的网络连接权值，进行计算网络输出；

6)对任意两个神经网络输出进行融合计算；

7)将融合结果与第3个网络进行融合；

8)对步骤7融合诊断结果进行判断，是否继续诊断，如果是，则返回步骤1，重复步骤1～7，否则结束。