本发明涉及轨道交通领域，特别是涉及一种地铁轴流风机状态监测与智慧运维系统及方法。
背景技术：
随着国内城市轨道交通的迅速发展和地铁建设步伐加快，地下隧道空间的消防疏散、送风、排烟等功能越来越引发关注，区间轴流通风机作为地铁区间隧道排烟、送风的专用工具，其健康状态直接关乎地铁安全运营。
轴流风机分散在各个地下车站，为了保证轴流风机的正常运行，当前主要还是采用日常维修、计划维修、整体定期更换等维修管理模式。
但是，采用日常维修、计划维修、整体定期更换等维修管理模式，需要配备大量的人力资源来保证轴流风机设备的正常运行，并且造成大量的备品备件的浪费，因此，造成了运维人员的工作效率低下、运维成本高。
技术实现要素：
本发明的目的是提供一种地铁轴流风机的状态监测与智慧运维系统，实现了轴流风机的在线状态监测与故障自动诊断并给出维修建议实现运维闭环，在运维过程与全量数据仓库及后台算法中心实现数据交互，并修正诊断配置参数和/或维修建议信息库，促成故障诊断准确率的提高，给出的维修建议更适用于用户的个性习惯，进而提高了运维人员的工作效率，节约了运维成本。
本发明第一方面提供一种地铁轴流风机状态监测与智慧运维系统，包括：
数据采集装置、全量数据仓库、后台算法中心及运维终端，后台算法中心和全量数据仓库布置在相同服务器或不同服务器上，运维终端至少为一个；
数据采集装置，用于获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，并特征数据及筛选数据发送到全量数据仓库；
全量数据仓库，用于存储特征数据及筛选数据，并实现与后台算法中心的数据交互；
后台算法中心，用于根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
后台算法中心，还用于基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警等；
后台算法中心，还用于根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端；
运维终端，至少有一个目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维；
运维终端，还用于在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互；
后台算法中心，还用于基于与运维终端的数据交互，判定诊断结论及维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
进一步的，数据采集装置包括：
采集站、至少一个传感器，采集站对应一台或多台轴流风机；
采集站，用于通过至少一个传感器采集轴流风机的工况数据；
采集站，还用于通过通讯网络获取轴流风机控制柜的控制数据和/或轴流风机本身加装传感器采集的传感器数据；
采集站，还用于通过通讯网络获取气动、电气相应子监测系统数据；
采集站，还对采集的工况数据、传感器数据、获取的子监测系统数据及控制数据进行特征提取和基于设定规则结合特征阈值的数据筛选，得到特征数据与筛选数据，将特征数据与筛选数据发送至全量数据仓库。
进一步的，状态监测与智慧运维系统还包括：
环控中心，环控中心与一个或多个采集站及全量数据仓库通信连接；
环控中心，用于接收采集站发送的特征数据与筛选数据；
环控中心，还用于将特征数据与筛选数据发送至全量数据仓库。
进一步的，状态监测与智慧运维系统还包括：
数据交互模块、故障联合诊断综合决策模块、维修建议信息库、闭环运维模块；
数据交互模块，用于通过数据交互从全量数据仓库获取特征数据与筛选数据；
故障联合诊断综合决策模块，用于根据特征数据与筛选数据基于相关算法实现故障的联合诊断与综合决策，得到轴流风机的诊断结论、诊断结论相关数据和维修建议；
维修建议信息库，用于存储轴流风机不同细分故障种类的维修建议，并能根据外部信息修正对应的维修建议；
闭环运维模块，还用于根据运维终端对轴流风机进行运维过程中的交互数据，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正；
数据交互模块，还用于将诊断结论相关数据及维修建议发送至相应的运维终端。
进一步的，
故障联合诊断综合决策模块，具体用于根据特征数据与筛选数据，采用基于自动诊断相关判据实现轴流风机细分故障的判定；
故障联合诊断综合决策模块，还用于当轴流风机出现故障时，生成诊断结论，并得到诊断结论相关数据；
故障联合诊断综合决策模块，还用于根据诊断结论调用维修建议信息库存的指令，生成维修建议。
进一步的，
闭环运维模块，还用于根据运维终端对轴流风机进行运维过程中的交互数据，基于人工智能自学习提供虚拟运维专家支持；
闭环运维模块，还用于根据运维终端对轴流风机进行运维过程中的交互数据关联虚拟运维专家支持，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正。
进一步的，运维终端包括：
运维人员手持式实施运维的app和/或小程序终端；
地铁机电分公司的监控与人机交互终端；
地铁公司运维展示大屏终端；
地铁公司企业资源规划(enterpriseresourceplanning，erp)终端。
进一步的，运维人员手持式实施运维的app和/或小程序终端包括：
终端通信模块及运维记录模块；
终端通信模块，用于接收后台算法中心发送的诊断结论相关数据及维修建议；
运维记录模块，用于记录根据诊断结论相关数据及维修建议进行运维时产生的运维数据；
终端通信模块，还用于将运维数据发送至全量数据仓库。
进一步的，运维终端还包括：虚拟运维专家模块；
虚拟运维专家模块，用于将维修建议、运维数据及运维人员形成人机交互式信息，人机交互式信息包括文字信息、语音信息、图片信息、视频信息等结构化数据或非结构化数据。
本发明第二方面提供一种地铁轴流风机状态监测与智慧运维方法，应用于地铁轴流风机状态监测与智慧运维系统，状态监测与智慧运维系统包括数据采集装置、全量数据仓库、后台算法中心及至少一个运维终端，状态监测与智慧运维方法包括：
后台算法中心从全量数据仓库获取特征数据及筛选数据，特征数据及筛选数据由数据采集装置获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选得到；
后台算法中心根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
后台算法中心基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警；
后台算法中心根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端，使得目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维，并在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互；
后台算法中心基于与运维终端的数据交互，判定诊断结论及维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
可见，地铁轴流风机状态监测与智慧运维系统中数据采集装置获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，并将特征数据及筛选数据发送到全量数据仓库，全量数据仓库存储特征数据及筛选数据，并实现与后台算法中心的数据交互，后台算法中心根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议，基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警等，根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端，运维终端中至少有一个目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维，在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互，后台算法中心基于与运维终端的数据交互，判定诊断结论及维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。实现了轴流风机的在线状态监测与故障自动诊断并给出维修建议实现运维闭环，在运维过程与全量数据仓库及后台算法中心实现数据交互，并修正诊断配置参数和/或维修建议信息库，促成故障诊断准确率的提高，给出的维修建议更适用于用户的个性习惯，进而提高了运维人员的工作效率，节约了运维成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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他的附图。
图1为本发明实施例的地铁轴流风机的状态监测与智慧运维系统的一个结构示意图；
图2为本发明实施例的地铁轴流风机的状态监测与智慧运维系统的另一个结构示意图；
图3为本发明实施例的地铁轴流风机的状态监测与智慧运维系统的又一个结构示意图；
图4为本发明实施例的地铁轴流风机的状态监测与智慧运维系统的再一个结构示意图；
图5为本发明实施例的运维人员手持式实施运维的app和/或小程序终端的一个结构示意图；
图6为本发明实施例的地铁轴流风机的状态监测与智慧运维方法的一个流程示意图。
具体实施方式
本发明的核心是提供一种地铁轴流风机的状态监测与智慧运维系统及方法，实现了轴流风机的在线状态监测与故障自动诊断并给出维修建议实现运维闭环，在运维过程与全量数据仓库及后台算法中心实现数据交互，并修正诊断配置参数和/或维修建议信息库，促成故障诊断准确率的提高，给出的维修建议更适用于用户的个性习惯，进而提高了运维人员的工作效率，节约了运维成本。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明主要应用于地下轨交通(例如，地铁)中轴流风机的故障检测及运维，在地下隧道空间的消防疏散、送风、排烟等功能越来越引发关注，区间轴流通风机作为地铁区间隧道排烟、送风的专用工具，其健康状态直接关乎地铁安全运营。地铁轴流风机故障种类众多，据统计，风机故障最为常见的有如下几类：1)配套电机轴承、绕组烧坏导致风机不能启动；2)松动、转子不平衡造成振动超标，最终造成风机停运；3)叶片故障，由于有异物进入风道或金属疲劳，造成风机叶片裂纹、断裂。上述故障发展到不能启动或运行停运及严重动不平衡后，将会对地铁安全运营带来较大的风险。而当前地铁轴流风机采取的监测方式主要为电机轴温、电机绕组温度、机壳及电机振动监测，通过这三个数据量的监测可以发现轴流风机的一些故障，但这些监测方式存在的缺陷也是非常明显的，主要表现在：从旋转机械部件监测技术的发展来看，轴承温度监测属于事后报警，通常轴承部件达到高温报警值时，轴承本身已出现了较严重的损伤，引起摩擦过热而促使温度升高，这种方式不能发现轴承早期故障，当轴承温度报警时，轴承往往已经损坏只能换新件。
绕组温度报警是由于转子不平衡或通风滞流喘振造成电机过载或其他原因造成过流造成的，温度报警有局限性，它不能发现早期故障，也不能起到预知维修指导作用；轴流风机机壳上加装了一个监测振动的传感器，此装置只能监测到机壳的振动是否超标，因缺少对于振动信号的进一步分析和诊断，不能从振动信号中有效提取故障特征，因而没有故障诊断的功能。
轴流风机是分散在各个地下车站，为了保证轴流风机正常运行，机电公司当前主要还是采用日常维修、计划维修、整体定期更换等维修管理模式，需要配备大量的人力资源来保证轴流风机设备的正常运行，并且造成大量的备品备件的浪费。
为了解决以上轴流风机的运维过程中导致的运维人员的工作效率低下、运维成本高的问题，本发明提供了一种地铁轴流风机的状态监测与智慧运维系统，下面通过实施例进行详细说明。
如图1所示，本发明实施例提供一种地铁轴流风机的状态监测与智慧运维系统10，包括：
数据采集装置101、全量数据仓库102、后台算法中心103及运维终端104，后台算法中心103和全量数据仓库102布置在相同服务器或不同服务器上，运维终端104至少为一个；
数据采集装置101，用于获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，并将特征数据及筛选数据发送到全量数据仓库；
全量数据仓库102，用于存储特征数据及筛选数据，并实现与后台算法中心103的数据交互；
后台算法中心103，用于根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
后台算法中心103，还用于基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警等；
后台算法中心103，还用于根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端；
运维终端104，至少有一个目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维；
运维终端104，还用于在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互；
后台算法中心103，还用于基于与运维终端的数据交互，判定诊断结论及维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
本发明实施例中，数据采集装置101获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，将特征数据及筛选数据发送到全量数据仓库102，全量数据仓库102存储特征数据及筛选数据，并实现与后台算法中心103的数据交互，后台算法中心103通过数据交互调用全量数据仓库102的特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议，后台算法中心103具体可以是后台软件，运行在服务器上，后台算法中心103基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常、预报警等，根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端，至少有一个目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维，在对轴流风机进行运维过程中，与全量数据仓库102及后台算法中心103实现数据交互。实现了轴流风机的在线状态监测与故障自动诊断并给出维修建议实现运维闭环，在运维过程与全量数据仓库及后台算法中心实现数据交互，并修正诊断配置参数和/或维修建议信息库，促成故障诊断准确率的提高，给出的维修建议更适用于用户的个性习惯，进而提高了运维人员的工作效率，节约了运维成本。
可选的，如图2所示，本发明的一些实施例中，数据采集装置101包括：
采集站201、至少一个传感器202，采集站201对应一台或多台轴流风机；
采集站201，用于通过至少一个传感器202采集轴流风机的工况数据；
采集站201，还用于通过通讯网络获取轴流风机控制柜的控制数据和/或轴流风机本身加装传感器采集的传感器数据；
采集站201，还用于通过通讯网络获取气动、电气相应子监测系统数据；
采集站201，还对采集的工况数据、传感器数据、获取的子监测系统数据及控制数据进行特征提取和基于设定规则结合特征阈值的数据筛选，得到特征数据与筛选数据，将特征数据与筛选数据发送至全量数据仓库102。
本发明实施例中，以一个地下车站布设4台轴流风机为例，一端2台，有些车站布置在同一层，有些车站分布在2层，故在方案中，如是同一层的2台共用一个采集站201，如不同在一层，一台轴流风机用一个采集站201。一个控制柜203和一个采集站201对应。
传感器202可以是振动冲击复合传感器，具体可以是三个，分别安装在叶轮端的水平、垂直方向各一个，非叶轮端一个。叶轮端的水平、垂直方向是用于采集叶片端轴承的故障冲击、常规振动和动平衡振动数据；非叶轮端是用于采集非叶片端轴承等故障冲击和常规振动数据。采集站201可以通过至少一个传感器202采集轴流风机的工况数据，还通过通讯网络获取轴流风机控制柜的控制数据和/或轴流风机本身加装传感器采集的传感器数据，还通过通讯网络获取气动、电气相应子监测系统数据，对采集的工况数据、传感器数据、获取的子监测系统数据及控制数据进行特征提取和基于设定规则结合特征阈值的数据筛选，得到特征数据与筛选数据，将特征数据与筛选数据发送至全量数据仓库102。
可选的，结合图1和图2所示的实施例，如图3所示，本发明的一些实施例中，状态监测与智慧运维系统10还包括：
环控中心301，环控中心301与一个或多个采集站201及全量数据仓库102通信连接；
环控中心301，用于接收采集站201发送的特征数据与筛选数据；
环控中心301，还用于将特征数据与筛选数据发送至全量数据仓库102。
本发明实施例中，一个环控中心301对应的是一个地铁车站的所有采集站201，环控中心301可以通过企业的内部组网与全量数据仓库102连接，具体的连接方式可以是无线或者有线，环控中心301从采集站201获取特征数据与筛选数据之后，将其转发到全量数据仓库102。
可选的，结合图1所示的实施例，如图4所示，本发明的一些实施例中，后台算法中心103包括：
数据交互模块401、故障联合诊断综合决策模块402、维修建议信息库403、闭环运维模块404；
数据交互模块401，用于通过数据交互从全量数据仓库102获取特征数据与筛选数据；
故障联合诊断综合决策模块402，用于根据特征数据与筛选数据基于相关算法实现故障的联合诊断与综合决策，得到轴流风机的诊断结论、诊断结论相关数据和维修建议；
维修建议信息库403，用于存储轴流风机不同细分故障种类的维修建议，并能根据外部信息修正对应的维修建议；
闭环运维模块404，还用于根据运维终端104对轴流风机进行运维过程中的交互数据，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正；
数据交互模块401，还用于将诊断结论相关数据及维修建议发送至相应的运维终端104。
本发明实施例中，数据交互模块401接通过数据交互从全量数据仓库102获取特征数据与筛选数据，故障联合诊断综合决策模块402根据特征数据与筛选数据基于相关算法实现故障的联合诊断与综合决策，得到轴流风机的诊断结论、诊断结论相关数据和维修建议，维修建议信息库403存储轴流风机不同细分故障种类的维修建议，并能根据外部信息修正对应的维修建议，闭环运维模块404根据运维终端104对轴流风机进行运维过程中的交互数据，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正，数据交互模块401将诊断结论相关数据及维修建议发送至相应的运维终端104。
可选的，基于图4所示的实施例，本发明的一些实施例中，
故障联合诊断综合决策模块402，具体用于根据特征数据与筛选数据，采用基于自动诊断相关判据实现轴流风机细分故障的判定；
故障联合诊断综合决策模块402，还用于当轴流风机出现故障时，生成诊断结论，并得到诊断结论相关数据；
故障联合诊断综合决策模块402，还用于根据诊断结论调用维修建议信息库存的指令，生成维修建议。
本发明实施例中，故障联合诊断综合决策模块402根据特征数据与筛选数据，采用基于自动诊断相关判据实现轴流风机细分故障的判定，在判定出轴流风机出现了故障时，生成诊断结论，并得到诊断结论相关数据，根据诊断结论调用维修建议信息库存的指令，生成维修建议。
可选的，基于图4所示的实施例，本发明的一些实施例中，
闭环运维模块404，还用于根据运维终端对轴流风机进行运维过程中的交互数据，基于人工智能自学习提供虚拟运维专家支持；
闭环运维模块404，还用于根据运维终端对轴流风机进行运维过程中的交互数据关联虚拟运维专家支持，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正。
本发明实施例中，闭环运维模块404需要实现的是闭环运维，那么需要根据运维终端对轴流风机进行运维过程中的交互数据，基于人工智能自学习提供虚拟运维专家支持，根据运维终端对轴流风机进行运维过程中的交互数据关联虚拟运维专家支持，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对诊断配置参数和/或维修建议信息库执行修正。从而依据运维的情况实现了诊断配置参数和维修建议信息库的修正，对于后续出现同样故障时，能够提高故障诊断准确率。
可选的，结合以上图1所示，本发明的一些实施例中，运维终端104包括：
运维人员手持式实施运维的app和/或小程序终端；
地铁机电分公司的监控与人机交互终端；
地铁公司运维展示大屏终端；
地铁公司erp终端。
可选的，如图5所示，本发明的一些实施例中，运维人员手持式实施运维的app和/或小程序终端包括：
终端通信模块501及运维记录模块502；
终端通信模块501，用于接收后台算法中心发送的诊断结论相关数据及维修建议；
运维记录模块502，用于记录根据诊断结论相关数据及维修建议进行运维时产生的运维数据；
终端通信模块501，还用于将运维数据发送至全量数据仓库。
进一步的，结合图4所示的实施例，本发明的一些实施例中，运维终端包括：虚拟运维专家模块；
虚拟运维专家模块，用于将维修建议、运维数据及运维人员形成人机交互式信息，人机交互式信息包括文字信息、语音信息、图片信息、视频信息等结构化数据或非结构化数据。
在具体实施过程中，可以通过全球定位系统(globalpositioningsystem，gps)、北斗导航系统、格洛纳斯(glonass)系统或者伽利略卫星导航系统，确定运维终端的位置信息，而运维特征信息具体可以是运维人员的特征，例如，运维过程中的操作习惯。在轴流风机发生故障时，为了达到及时抢修的目的，可以按照位置优先选择策略，从多个运维终端中选择距离最近的运维终端，作为最优运维终端，再根据最优运维终端的运维特征信息及故障特征信息制定第一运维方案。例如，故障特征信息是轴流风机的叶片裂纹，最优运维终端的运维特征信息为运维人员的操作习惯，具体是：先用眼睛查找裂纹，如果眼睛发现不了，再通过敲击的方式找出声音异常处，从而定位出裂纹。那么制定的维修建议就需要综合考虑叶片裂纹这一特征与运维人员的操作习惯。在选择目标运维终端时具体可以按照使用该运维终端的人来确定，比如，运维人员的职称是高级工程师，那么优先级信息设定为s；运维人员的职称是初级工程师，那么优先级信息设定为a；运维人员的职称是实习工程师，那么优先级信息设定为b。在轴流风机发生故障时，为了达到及时抢修的目的，可以按照优先级选择策略，从多个运维终端中选择优先级最高的运维终端，作为目标运维终端。
除了以上的目标运维终端选择方式之外，还可以通过不同的诊断结论和不同的状态来确定目标运维终端，具体方式如下：
先将运维终端分为4个类型：1、运维人员手持式实施运维的app和/或小程序终端；2、地铁机电分公司的监控与人机交互终端；3、地铁公司运维展示大屏终端；4、地铁公司erp终端；
如果诊断结论和对应的状态是正常的，那么数据就可能只要发给2和3的终端；
如果诊断结论和对应的状态是预报警，并且暂时不需要进行维修时，则只需要将数据发送给2、3和4的终端；
如果诊断结论和对应的状态是预报警，并且需要立即进行维修时，则需要将数据发送给1、2和3的终端；
需要说明的是，除了以上三种方式的组合之外，在实际应用中，还可以包括其他的方式，具体不做限定。
以上实施例中说明了地铁轴流风机状态监测与智慧运维系统，下面通过实施例对应用于该系统的地铁轴流风机状态监测与智慧运维方法进行说明，因为后台算法中心是得到诊断结论及维修建议的关键模块，因此在方法实施例中以后台算法中心进行单侧描述。
请参阅图6，本发明实施例提供一种地铁轴流风机状态监测与智慧运维方法，包括：
601、后台算法中心从全量数据仓库获取特征数据及筛选数据，特征数据及筛选数据由数据采集装置获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选得到；
本实施例中，数据采集装置获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，数据采集装置将特征数据及筛选数据发送到全量数据仓库，因此，后台算法中心从全量数据仓库可以获取到轴流风机的特征数据及筛选数据。
602、后台算法中心根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
本实施例中，后台算法中心根据特征数据及筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议。
603、后台算法中心基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警；
本实施例中，后台算法中心基于诊断对象将诊断结论分为至少一种状态，每一个状态对应不同的诊断结论相关数据及维修建议，诊断结论包括正常及预报警。
604、后台算法中心根据不同的状态从运维终端中选择目标运维终端，将诊断结论相关数据及维修建议发送至目标运维终端，使得目标运维终端接收诊断结论相关数据及维修建议，基于维修建议确认是否要对轴流风机开展运维，并在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互；
本实施例中，后台算法中心将诊断结论分出状态之后，由于不同的状态对应不同的诊断结论相关数据及维修建议，因此更够根据不同的状态从运维终端中选择最适合进行维修的运维终端，作为目标运维终端，再将诊断结论相关数据及维修建议发送至目标运维终端，目标运维终端在收到诊断结论相关数据及维修建议之后，基于维修建议确认是否要对轴流风机开展运维，如果要开展运维，在对轴流风机进行运维过程中，与全量数据仓库及后台算法中心实现数据交互，从而能够将运维数据、运维结果等等信息上报给后台算法中心。
605、后台算法中心基于与运维终端的数据交互，判定诊断结论及维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
本实施例中，后台算法中心基于与运维终端的数据交互，就能判定诊断结论及维修建议是否有偏差，如果没有偏差，就证明了不需要进行任何修改；如果有偏差，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
本发明实施例中，实现了轴流风机的在线状态监测与故障自动诊断并给出维修建议实现运维闭环，在运维过程与全量数据仓库及后台算法中心实现数据交互，并修正诊断配置参数和/或维修建议信息库，促成故障诊断准确率的提高，给出的维修建议更适用于用户的个性习惯，进而提高了运维人员的工作效率，节约了运维成本。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
1.一种地铁轴流风机状态监测与智慧运维系统，其特征在于，包括：
数据采集装置、全量数据仓库、后台算法中心及运维终端，所述后台算法中心和所述全量数据仓库布置在相同服务器或不同服务器上，所述运维终端至少为一个；
所述数据采集装置，用于获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选，得到特征数据及筛选数据，并将所述特征数据及所述筛选数据发送到所述全量数据仓库；
所述全量数据仓库，用于存储所述特征数据及所述筛选数据，并实现与所述后台算法中心的数据交互；
所述后台算法中心，用于根据所述特征数据及所述筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
所述后台算法中心，还用于基于诊断对象将所述诊断结论分为至少一种状态，每一个状态对应不同的所述诊断结论相关数据及所述维修建议，所述诊断结论包括正常及预报警；
所述后台算法中心，还用于根据不同的状态从所述运维终端中选择目标运维终端，将所述诊断结论相关数据及所述维修建议发送至所述目标运维终端；
所述运维终端，至少有一个目标运维终端接收所述诊断结论相关数据及所述维修建议，基于所述维修建议确认是否要对所述轴流风机开展运维；
所述运维终端，还用于在对所述轴流风机进行运维过程中，与所述全量数据仓库及所述后台算法中心实现数据交互；
所述后台算法中心，还用于基于与所述运维终端的数据交互，判定所述诊断结论及所述维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
2.根据权利要求1所述的状态监测与智慧运维系统，其特征在于，所述数据采集装置包括：
采集站、至少一个传感器，所述采集站对应一台或多台轴流风机；
所述采集站，用于通过所述至少一个传感器采集所述轴流风机的工况数据；
所述采集站，还用于通过通讯网络获取所述轴流风机控制柜的控制数据和/或所述轴流风机本身加装传感器采集的传感器数据；
所述采集站，还用于通过通讯网络获取气动、电气相应子监测系统数据；
所述采集站，还对采集的所述工况数据、所述传感器数据、获取的子监测系统数据及所述控制数据进行特征提取和基于设定规则结合特征阈值的数据筛选，得到特征数据与筛选数据，将所述特征数据与所述筛选数据发送至所述全量数据仓库。
3.根据权利要求2所述的状态监测与智慧运维系统，其特征在于，所述状态监测与智慧运维系统还包括：
环控中心，所述环控中心与一个或多个采集站及所述全量数据仓库通信连接；
所述环控中心，用于接收所述采集站发送的所述特征数据与所述筛选数据；
所述环控中心，还用于将所述特征数据与所述筛选数据发送至所述全量数据仓库。
4.根据权利要求1所述的状态监测与智慧运维系统，其特征在于，所述后台算法中心包括：
数据交互模块、故障联合诊断综合决策模块、维修建议信息库、闭环运维模块；
所述数据交互模块，用于通过数据交互从所述全量数据仓库获取所述特征数据与所述筛选数据；
所述故障联合诊断综合决策模块，用于根据所述特征数据与所述筛选数据基于相关算法实现故障的联合诊断与综合决策，得到所述轴流风机的诊断结论、诊断结论相关数据和维修建议；
所述维修建议信息库，用于存储所述轴流风机不同细分故障种类的维修建议，并能根据外部信息修正对应的维修建议；
所述闭环运维模块，还用于根据所述运维终端对所述轴流风机进行运维过程中的交互数据，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对所述诊断配置参数和/或所述维修建议信息库执行修正；
所述数据交互模块，还用于将所述诊断结论相关数据及所述维修建议发送至相应的运维终端。
5.根据权利要求4所述的状态监测与智慧运维系统，其特征在于，
所述故障联合诊断综合决策模块，具体用于根据所述特征数据与所述筛选数据，采用基于自动诊断相关判据实现轴流风机细分故障的判定；
所述故障联合诊断综合决策模块，还用于当所述轴流风机出现故障时，生成诊断结论，并得到诊断结论相关数据；
所述故障联合诊断综合决策模块，还用于根据所述诊断结论调用维修建议信息库存的指令，生成维修建议。
6.根据权利要求4所述的状态监测与智慧运维系统，其特征在于，
所述闭环运维模块，还用于根据所述运维终端对所述轴流风机进行运维过程中的交互数据，基于人工智能自学习提供虚拟运维专家支持；
所述闭环运维模块，还用于根据所述运维终端对所述轴流风机进行运维过程中的交互数据关联所述虚拟运维专家支持，评估判定是否需要修正诊断配置参数和/或维修建议信息库，若是，则对所述诊断配置参数和/或所述维修建议信息库执行修正。
7.根据权利要求1所述的状态监测与智慧运维系统，其特征在于，所述运维终端包括：
运维人员手持式实施运维的app和/或小程序终端；
地铁机电分公司的监控与人机交互终端；
地铁公司运维展示大屏终端；
地铁公司企业资源规划erp终端。
8.根据权利要求7所述的状态监测与智慧运维系统，其特征在于，所述运维人员手持式实施运维的app和/或小程序终端包括：
终端通信模块及运维记录模块；
所述终端通信模块，用于接收所述后台算法中心发送的所述诊断结论相关数据及所述维修建议；
所述运维记录模块，用于记录根据所述诊断结论相关数据及所述维修建议进行运维时产生的运维数据；
所述终端通信模块，还用于将所述运维数据发送至所述全量数据仓库。
9.根据权利要求6所述的状态监测与智慧运维系统，其特征在于，所述运维终端包括：虚拟运维专家模块；
所述虚拟运维专家模块，用于将所述维修建议、所述运维数据及运维人员形成人机交互式信息，所述人机交互式信息包括文字信息、语音信息、图片信息、视频信息等结构化数据或非结构化数据。
10.一种地铁轴流风机状态监测与智慧运维方法，其特征在于，应用于地铁轴流风机状态监测与智慧运维系统，所述状态监测与智慧运维系统包括数据采集装置、全量数据仓库、后台算法中心及至少一个运维终端，所述状态监测与智慧运维方法包括：
所述后台算法中心从所述全量数据仓库获取特征数据及筛选数据，所述特征数据及所述筛选数据由所述数据采集装置获取轴流风机的工况数据与传感器数据进行特征提取与数据筛选得到；
所述后台算法中心根据所述特征数据及所述筛选数据进行故障自动诊断决策，得到诊断结论、诊断结论相关数据及维修建议；
所述后台算法中心基于诊断对象将所述诊断结论分为至少一种状态，每一个状态对应不同的所述诊断结论相关数据及所述维修建议，所述诊断结论包括正常及预报警；
所述后台算法中心根据不同的状态从所述运维终端中选择目标运维终端，将所述诊断结论相关数据及所述维修建议发送至所述目标运维终端，使得所述目标运维终端接收所述诊断结论相关数据及所述维修建议，基于所述维修建议确认是否要对所述轴流风机开展运维，并在对所述轴流风机进行运维过程中，与所述全量数据仓库及所述后台算法中心实现数据交互；
所述后台算法中心基于与所述运维终端的数据交互，判定所述诊断结论及所述维修建议是否有偏差，若有，则修正诊断算法配置参数和/或维修建议信息库，使得再次或后续同类轴流风机故障时得到更准确的诊断结论与维修建议。
技术总结