一种基于可视化建模的综合健康管理建模平台

技术领域

本发明涉及工业设备的健康管理技术，旨在解决工业设备和生产相关应用领域，尤其是新兴产业重点领域健康管理建模困难、技术门槛高的问题，本发明提出了一种综合健康管理建模平台。

背景技术

随着工业核心设备和生产相关领域的系统集成化和模块化，尤其是新兴产业重点领域的崛起，工业核心设备的系统结构复杂性和功能复杂性也逐渐增大，对工业设备系统进行健康管理是保障设备正常运行、提高设备安全性和可靠性、减少维修人力成本的重要手段。

由于当前工业设备的复杂性，对工业设备进行检测、诊断和预测的难度也大大提高，同时，传统的健康管理模式都是分别针对不同的工业设备开发一套健康管理系统，这将大大提高了开发成本，造成了平台异构、知识不易积累沉淀等问题，同时，由于各工程专业技术人员的专业知识背景和编程能力的不足，当有需要自己构建健康管理模型时，这将耗费他们更多的时间和精力去学习和构建模型，从而提高了工程技术人员的使用成本。

随着云计算、工业大数据技术及通信技术的发展，以物联网为代表的新一代网络技术可以随时随地采集和传输数据，以云计算为代表的新型数据处理基础设施大大降低了工业数据处理的技术门槛和成本支出，这些都促进了工业互联网平台的技术的发展。同时也给建立通用化的集诊断、检测与预测于一体的线上健康管理平台提供了契机。就目前而言，关于工业互联网平台的技术发展，我国与欧美基本一致，在如大数据技术等某些方面甚至是反超欧美，在世界上拥有一定的实力，在国外，目前比较典型的工业互联网平台有海尔的卡奥斯COSMOPlat平台，在国外比较典型的有通用电气的Predix工业大数据平台。

然则，在健康管理技术在工业互联网技术的应用上，我国正处在起步阶段。同时如何降低健康管理平台的使用成本、加快知识积累、实现平台的通用化以及健康管理建模困难也为健康管理技术的发展带来了困难。

发明内容

本发明为解决降低健康管理平台的建模困难问题和降低其使用门槛，提供了一种综合健康管理建模平台及其实现方法，本发明方法所构建的综合健康管理建模平台不仅局限于新兴产业领域，也可以应用于工业设备和生产相关应用领域等相关领域。

综合健康管理建模平台基于微服务的组织架构，通过Redis和kafka消息中间件实现了并行计算任务与平台服务的分离，降低了综合健康管理建模平台的耦合性，提高了平台的高扩展性。同时其采用B/S架构进行设计，用户仅需一个浏览器就可以浏览平台信息并进行相关诊断、检测任务。

综合健康管理建模平台主要由两部分组成，分别是基于Django和Rest Framework的服务主控端和基于Bootstrap和Vue的前端交互界面。其中主控端提供了测试平台的逻辑控制中心和通过浏览器访问网页的人机交互接口，实现了应用层与服务层的主要逻辑功能，而前端交互界面提供人机交互的测试接口，将请求发送至主控端，并将返回的答复显示在网页上。

综合健康管理建模平台是基于Django Web框架和Rest Framework前后端分离框架开发的系统，采用的是Django经典的MTV模式，MTV模式可以保持各组件之间的松耦合关系，每个由Django驱动的Web应用都有着明确的目的，并且可独立更改而不影响到其它的部件。当用户通过浏览器访问访问Web系统的时候，Web服务器就会收到一个HTTP请求，Django就会把服务器传过来的请求转换成一个对象，然后在URL conf里面查找对应的视图(View)函数来处理HTTP请求，参数为请求对象的参数；而采用Rest Framework前后端分离框架实现具有restful api的接口和前后端分离，前端和后端只需要关注数据而不必注重两者的交互关系，同时具有restful api的接口可以清晰的表明资源对象，这使得前后端通信更有层次。本发明的优点在于：

(1)所述综合健康管理建模平台采用B/S架构，相比起C/S架构，具有系统轻便，实时性强，移植性强，多任务并行的特点，尤其适合分布式平台。

(2)所述综合健康管理建模平台采用基于Redis和kafka消息中间件的通信，通过Redis和kafka消息中间件实现了并行计算层和服务层的解耦，使得后端本身只需要关注用户的调用命令而不需要执行相关检测任务。

(3)综合健康管理建模平台采用了基于流程图可拖拽的方式、可视化对选择的组件进行连接以构建自己的工程模型，而非采用编程的方式构建工程模型，降低了用户的技术门槛，提高了平台的通用性；

(4)平台可实现线上和离线部署运行，提供分布式云+离线方式运行的模式，当涉及加密数据或网络不好时，可进行离线检测。

附图说明

图1为综合健康管理建模平台功能示意图；

图2为测试维修平台软件层次架构图；

图3可视化建模的组件工具示意图；

图4为拓扑排序结构图。

具体实施方式

1.系统框架

综合健康管理建模平台是面向新兴产业的诊断、检测及预测的可视化建模健康管理平台，该建模平台设计了用于执行计算任务的主进程和用于完成平台服务的主控端，设计了基于Redis和kafka为通信中间件的分布式平台架构，通过该架构实现了平台服务层与计算层的分离，该平台采用基于B/S架构进行设计和开发，其主要提供了数据源管理模块、工程管理模块、组件管理模块、平台离线定制模块等功能，综合健康管理建模平台的详细功能示意图如图1所示。

在综合健康管理建模平台中，主控端即平台服务端提供了平台的逻辑控制中心和通过浏览器访问网页的人际交互接口，实现了应用层与服务层的主要逻辑功能，其主要包括应用层中的工程组件里面的算法管理工具、数据源管理工具、任务执行结果输出与自定义模型组件或算法组件的管理工具；服务层中的时统服务、数据服务、控制服务和存储服务。其中，应用层通过人际交互接口访问服务器，服务器提供具体的服务执行功能，包括数据源对象的构建、节点管理、数据对象及数据模型的构建，工程模型的构建、执行或训练及发布，检测任务的执行及及可视化监控，自定义组件的上传及订阅其它组件；信息与数据的管理与存储，资源的集中管理与配置。综合健康管理建模平台的层次架构如图2所示。

2.可视化建模的构建与设计

为降低工程技术人员的使用成本，综合健康管理建模平台支持在线以可视化流程图的方式通过拖拽的方式构建自己的模型，并可以在构建完成后在线执行或训练。平台支持在线训练自己的工程模型，当执行或训练完成后可以通过表格或图的形式查看结果，以验证当前模型是否符合用户的预期。如图3所示，为满足可视化建模需要，平台提供了数据对象、数据预处理、异常检测、故障诊断、寿命预测、已订阅模型六大组件工具，其中数据对象为在数据源管理模块由工程技术人员创建的数据对象，这数据对象可以理解为数据的一个实例，数据预处理组件则提供了一系列用于对数据进行数据清洗等相关操作的数据预处理的算法组件，异常检测组件则提供了一些检测异常数据的相关算法，故障诊断和寿命预测分别提供了一些基本的故障诊断算法组件和寿命预测算法组件，已订阅模型则提供了用户在组件管理模块订阅的他人共享或者自身上传并订阅的一些工程模型或算法组件。在数据源模块下构建数据对象的一般流程如下：

①创建数据源：创建的数据源分为两种类型，一种为csv离线数据，另外一种为socket实时数据，构建socket类型的数据源需要相关的解码协议和对应端口信息，并且当在实际使用时，需要确保发数方能正常工作；

②创建数据源的节点信息：节点信息分为主节点、次节点与子节点，节点信息的创建是为了区分不同区域的设备或不同设备的系统或分系统；

③创建数据模型：数据模型是将数据源里面的各个数据进行命名；

④创建数据对象：选取数据源的部分数据。

在用户构建模型的过程中，用户可以通过拖拽的方式将组件拖入中间画布区域，而后对各组件进行连接，并在右侧属性栏根据提示设置各组件的参数，当构建完成后，用户可对构建的模型进行验证、训练等相关操作，并查看结果以验证模型的准确性，被构建的工程模型将保存在服务端，供用户下一次使用。

为了便于扩展工程组件库和简洁化组件的使用，综合健康管理建模平台采用了基于xml语言来描述各个组件，对各个组件的输入输出格式、数据类型和相关描述信息，这极大地提高了工程模型组件的扩展性，当需要扩展工程组件库时，仅需要将相应算法文件放入并完善xml文件信息。

用户最初构建的模型只是一个流程图信息，为了将流程图信息生成相应的可执行文件，综合健康管理建模平台采用了基于拓扑排序的方法解析流程图数据信息，随后根据解析的信息重新生成相应的可执行模型文件，在生成相应文件后，当需要执行该模型文件时，便将该文件信息传入计算层进行执行。相应的拓扑排序的流程图如图4所示，其一般流程如下：

①将流程图信息的各个节点的关系采用一个有向图来表示，其中图中的顶点代表活动，图中的有向边代表活动的先后关系，即有向边的起点的节点是终点节点的的前序活动；

②计算每个顶点的前驱节点个数；

③在有向图中找到一个没有前驱的顶点并输出；

④从图删除该顶点和所有与该顶点有关系的边；

⑤重复上述②③步骤，直到所有的顶点输出，或者当前流程图信息中不存在无前驱的顶点为止。

3.运行流程

用户登陆综合健康管理建模平台页面后，在平台填写构建相关的数据源信息和工程模型信息后，浏览器前端根据用户选择生成表单以HTTP POST方式发送至主控服务器后端，

服务器Django后端视图接收并解析参数，根据用户指令及所需数据URI生成HTTPPOST请求。以HTTP Response的形式返回主控服务端，主控服务端再将数据按格式渲染为HTML页面返回给客户端浏览器供用户浏览。具体流程如下所示

步骤1：综合健康管理建模平台通过python manage.py runserver指令运行服务器，加载数据库和相关配置；

步骤2：创建数据源相关配置信息并提交；

步骤3：配置数据源的节点管理、数据模型和数据对象等相关配置信息并提交；

步骤4：创建工程模型，测试训练或执行，并将工程发布至任务；

步骤5：创建新任务并选择相关数据源并保存；

步骤6：点击执行任务并进入监视查看界面查看实时结果。