在线监测系统 _监测

背景介绍
在线监测系统广泛应用于高铁、火力发电厂以及航空航天等领域，其核心内容是研究传感器输出信号的变化趋势，后续依据智能算法对设备的剩余寿命进行预测，该方法即可以防止因维修不足引起的系统故障，也可避免维修过剩造成的资源浪费，是保证机械设备安全高效运行的关键技术。
其中，在线监测系统主要有三个层次: 1.故障监测:系统能够识别机械设备的运行状态，当故障发生时能够给维修人员反馈状态信息；2.寿命预测:依据传感器采集的历史数据，对设备各零件的寿命进行预测，判别出系统的薄弱环节；3.万物互联:在线监测系统作为信息交互的一种手段，是构建万物互联的基础；在兴趣爱好的驱动下，本推文对在线监测系统相关的内容进行归纳汇总，具体如下所示：
图a-c展示了在线监测系统在工业中的应用场景，具体为: a.监测火力发电厂排放的废气，从而减缓工业生产对环境的污染；b.监测机械设备的振动信号、温度等特征，保障装备安全可靠的运行；c.监测结构的最大变形，保证桥梁的安全可靠等：图d表述了在线监测系统在人们日常生活中的应用场景，通过云平台（具体见附件）将摩拜共享单车（物）与人连接到一起。
【在线监测系统】附: 生命总是充满了各种巧合，本科期间阴差阳错学习了信号处理以及故障诊断相关课程，没想到多年后，工作中涉及到传感器设计及信号采集相关的内容，共同组成了在线监测系统非常重要的两个环节~
在线监测系统

文章插图
调研可知，设备故障诊断主要包含在线和离线两种模式，具体框架如下图所示，其中，对于典型的在线监测系统主要包含数据采集、数据预处理、数据传输、特征提取、数据融合以及故障诊断等环节；
如何可靠的获取数据是搭建在线监测系统的前提，因此，大量的研究学者对传感器进行了优化改进，主要体现在高精度、低功耗、环境适应能力强以及可靠性高等；本科主要学习了信号特征提取、故障诊断以及寿命预测等相关内容，与近来学习的知识刚好构成闭环回路。
寿命预测主要方法
在线监测系统寿命预测的方法主要有三种：1、数据驱动预测方法：基于大量数据样本，通过回归、支持向量机以及神经网络神经网络等智能算法，对剩余寿命进行预测；2、基于物理的预测模型：依据实际的物理背景，建立系统损伤模型，后续通过实验数据对关键参数进行拟合；3、混合方法：同时使用数据驱动和物理模型对设备寿命进行预测，具体如下图所示：
上图表述了寿命预测的核心框架：基于已有的历史数据，建立设备失效时的状态特征，对设备的寿命终点（EoL）进行预测；其中，建立寿命预测模型时，要尽可能减小信号噪声、偶然测量误差等因素对预测结果的影响；

文章插图
在线监测系统架构
郑州大学韩捷老师获得了国家级奖励（核心技术：振动信号处理、特征提取等），以此为契机搭建了一套在线监测系统，为社会上大型旋转机械设备提供在线监测服务，经过多年的发展逐渐形成了一套完整的技术方案；本推文对相关技术进行归纳汇总，具体如下所示：
上图表述为在线监测系统的整体架构，主要由数据采集系统（下位机）、服务器以及客户端三部分组成；对于数据采集系统，前期推文中具有详细的介绍；另外，我跟室友（矿矿）的本科毕业论文刚好是在线监测系统中服务器和客户端两个环节，我这边主要负责网络数据传输，数据封装解析两部分内容，具体见推文远程医疗以及数据传输；舍友在硕士期间延续了编写用户交互界面的课题，相关成果服务于611所等；