自然语言处理
自然语言处理是用自然语言同计算机进行通讯的一种技术，例如在淘宝客服或者联通移动的客服中心有听到过机器人的讲话，机器人可以代替人查询资料，解答问题，摘录文摘，汇编资料等
计算机视觉
简单来说就是用摄像机和电脑代替人眼对目标进行识别，跟踪，测量的一项技术，在我们的生活中应用的实际例子也有很多。比如，人脸检测，人脸支付，人脸打卡等。
复杂装备故障诊断
现在制造业流水线上到处都是传感器，产生大量的监测数据，所以开展智能故障诊断是有可能的。有一些方法，比如深度残差收缩网络，就致力于从含噪振动信号中学习故障特征，用于智能故障诊断。
选择什么传感器对减速机进行故障诊断
1直观诊断法
直观诊断法主要是依靠维修人员的经验对故障进行观测和判断，能够解决很多明显的故障问题。尤其是在电器设备出现故障后往往伴随冒烟和高温、电火花等现象，同时会发出焦糊味道和异常声响等，维修人员能够依靠视觉、听觉和嗅觉能够判断简单的故障[1]。相较于其他检测方法而言，该检测方法对于维系人员专业能力和经验的依赖性较高。当线路和设备出现短路故障后，会出现冒烟和烧焦味道，应该对各类故障现象进行综合评估，在获取初步信息的基础上为后续深入排查奠定基础。在表象故障诊断中多采用直观诊断法，而针对汽车的电子元器件故障则无法得到可靠的诊断结果。在实践工作当中，往往是在直观诊断的基础上，运用相应的技术和设备做进一步的诊断和维修。
2数字式万用表检测法
数字式万用表在汽车电器系统故障检测中的应用较多，能够针对电器设备的电阻和电路电压等进行测量，当出现异常状况时进行深入排查，在故障源查找和设备故障判断中的效果较好。如果被检测设备的电阻值正常，那么被测件并不存在故障问题，而当电阻值无穷大或者无穷小时则说明该部件中出现故障[2]。在汽车电器系统故障诊断当中，数字式万用表可以用于逐步判断，要想得到更加精准的故障信息，还应该与其他检测方法融合应用，以便找到故障的具体原因，防止造成较大误差。
3仪表显示法
利用汽车的仪表盘也能够对汽车电器系统故障进行诊断，借助于相关显示设备明确故障位置及原因，采取针对性维修措施。当电器系统中出现故障后，在报警装置和仪表当中会有所显示，通过读数分析能够了解不同设备和线路的性能状态，如果汽车处于故障状态，警报系统则会发出相应的警告。通过分析仪表盘，能够帮助技术人员对故障进行分析并制定检修方案，提高故障处理的效率。机油压力表的警报表能够直观化展示在仪表盘当中，对汽车的机油压力进行评估，分析汽车油位状况来找到故障问题。尤其是在汽车大修当中，也需要运用仪表盘进行初步判断。
4专用仪器检测法
电路系统具有复杂性的特点，尤其是随着汽车制造水平的提升，会用到多种电气组件，为了减轻工作人员的负担，更加精准、快速地分析故障问题，还应该采用专用仪器检测法。专用仪器的技术含量较高，能够帮助工作人员找到故障的具体位置，并对其影响因素进行全面评估和分析，有利于维修方案的编制。OBD汽车诊断仪在电子控制系统中的应用较多，能够对故障进行直观化读取和可视化显示，故障范围得到控制，降低了诊断和维修工作量。
结合LED屏幕能够帮助维修人员对故障信息进行分析，在排查电子系统故障中更加可靠，在汽车底盘控制系统、汽车动力控制单元、汽车灯光系统和汽车舒适系统等检测维修中得到广泛应用。工作人员只需获取相关数据流和故障码，就能快速判断故障，不仅能够保障操作的便捷性，而且防止出现误判。
5智能系统诊断技术
进入到智能化时代后，在故障诊断和维修中也会用到较多的智能技术，不仅能够提高故障处理的效率，而且能够更加精准的定位故障位置和原因，使电器系统故障问题得到针对性解决，降低维修成本。计算机存储能力和计算能力是决定智能诊断和维修效果的关键，汽车方向盘智能检测仪、四轮定位仪和车身大梁校正仪等在实践中得到广泛应用。此外，虚拟技术的应用可以解决现场诊断和维修工作中的不足，通过三维立体模型对故障进行可视化排查和分析。
该技术引入了虚拆装的方式，大大减轻了维修人员的负担，而且在检查工作当中更具可行性及操作性、便捷性。应该以网络平台为依托，加快电器系统虚拟构造的建设，从而更加直观地展示各道工序，运用检测数据库对各类数据信息进行存储与更新，为虚拟检修提供依据。应用该技术时应该优化三维动画制作软件的功能，保障操作的便捷性，达到自行调节的目的。融合Auto CAD技术能够高效化处理复杂图形，满足检修人员的个性化需求。
在减速机诊断分析技术领域中，需要用不同类型的传感器来采集减速机数据，不同类型的传感器需要用不同的诊断系统，目前市场上有容知、斯凯孚诊断分析系统，他们的诊断分析系统多采用c/s架构，在使用时，数据采集不稳定，用多线程进行数据采集时，易发生数据传输错误、丢包现象，此外，c/s架构适用面窄，通常用于局域网中，由于程序需要安装才可使用，维护成本高，发生一次升级，则所有客户端的程序都需要改变。目前诊断分析系统的数据库大多采用单实例的架构设计，数据结构设计不合理，当数据量随着时间推移不断增大，数据查询非常缓慢。此外，目前诊断分析系统没有针对减速机的自学习、自修正及预测功能，从而导致分析结果的准确度低。
技术实现要素：
本发明旨在解决现有技术的不足，而提供一种减速机智能故障诊断系统及其诊断方法。
本发明为实现上述目的，采用以下技术方案：一种减速机智能故障诊断系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
传感器的种类包括e版传感器、煤安传感器和本安传感器。
mysql主主为两个主数据库互为主从。
ssm框架结构为spring+springmvc+mybatis的框架结构。
api接口服务为手机app、大屏展示模块提供数据接口服务。
数据采集服务通过socket接口与传感器进行通信，接收传感器数据，并经过算法处理，写入数据库。
数据查询服务通过前端页面请求数据，建立数据库连接获取查询数据。
数据配置服务通过前端页面进行配置管理模块，建立数据库连接写入到数据库。
上述一种减速机智能故障诊断系统的诊断方法，其方法如下：
传感器采用无线4g传感器，安装在减速机轴承座附近，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。
本发明的有益效果是：数据采集层的数据采用netty框架的多线程处理方式，可以快速开发高性能、高可靠性的网络服务器和客户端程序，减少数据传输错误和丢包现象的发生；分析诊断采用ssm框架结构能够快速开发高性能、高可靠性的分析软件，维护成本低，不需要因一次升级所有的客户端的程序都需要改变；数据库采用mysql主主+中间件mycat的架构管理数据，具有读写分离、均衡负载、高可用等特点，能够快速存储和读取数据库；预测分析模块能够对减速机运行状态进行趋势分析及寿命预测。
附图说明
图1为本发明的架构示意图；
图2为本发明的数据流程图；
图3为本发明的mysql主主+中间件mycat的架构示意图；
图4为本发明的设备智能状态诊断过程示意图；
图5为本发明的设备智能状态预测过程示意图；
图6为本发明的智能算法流程图；
图7为实施例1的多趋势波形图；
图8为实施例1的时域波形图；
图9为实施例1的包络解调图；
图10为实施例2的多趋势波形图；
图11为实施例2的输入端3v时频域图；
图12为实施例2的时域波形图；
图13为实施例2的包络解调图；
以下将结合本发明的实施例参照附图进行详细叙述。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
如图1-6所示，一种减速机智能故障诊断系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
传感器的种类包括e版传感器、煤安传感器和本安传感器。
mysql主主为两个主数据库互为主从。
ssm框架结构为spring+springmvc+mybatis的框架结构。
api接口服务为手机app、大屏展示模块提供数据接口服务。
数据采集服务通过socket接口与传感器进行通信，接收传感器数据，并经过算法处理，写入数据库。
数据查询服务通过前端页面请求数据，建立数据库连接获取查询数据。
数据配置服务通过前端页面进行配置管理模块，建立数据库连接写入到数据库。
配置管理模块可以对组织结构、测点、采集站进行配置管理模块。
波形展示模块可以对减速机测点的各种波形进行展示。
报警展示模块可以对减速机测点的振动、温度进行报警事件的查询。
诊断报告模块可以对减速机的诊断报告模块进行查询。
上述一种减速机智能故障诊断系统的诊断方法，其方法如下：
传感器采用无线4g传感器，安装在减速机轴承座附近，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。
如图4设备智能状态诊断过程，该模块能够系统地和逐步地选择重要诊断参数(包括能量包络宽度，信号与故障的关系，特征频带等)的最佳组合。包含信号特征和故障大小的自适应大数据分析方法以及深度和快速的机器学习方法将在此模块中实现。
如图5设备智能状态预测过程，该模块基于测量后的机器健康状况，将自动实现针对剩余寿命的预测最佳结果该目标的达成通过将参数趋势与大数据融合以及应用粒子群优化算法，从而迭代地改变诊断模块参数(长相关函数)。
如图6智能算法信号处理流程如下：
1、振动信号进行预处理(滤波)，通常使用巴特沃斯滤波器；
2、预处理后的信号进行时域(幅域)特征参数计算，计算的时域指标有波形指标、峰值指标、脉冲指标、峭度指标、裕度指标；
3、匀速信号进行匀转速情况下的频域特征计算，计算fft幅值谱、功率谱、倒频谱、包络谱及共振解调谱；
4、变速信号进行变转速情况下的频域特征计算，计算阶次功率谱、伯德图、极坐标图、瀑布图、级联图；
5、通过时域指标和频域特征(匀速、变速)进行故障位置判断；
6、趋势分析模块对振动信号的峭度、烈度、峰值因子、有效值进行趋势分析及预测；
7、arma及arma-rls算法能够对设备的残余寿命进行预测，此部分总体实现流程：
a将要分析的模拟进行采集，使其成为能够工上位机处理的数字信号；
b信号处理模块提取原始喜好的特征值，包括但不限于时域指标、频域特征等；
c信号诊断分析模块对设备健康状态进行判断；
d智能调机程序通过实际设备健康状态与设备预测健康状态的误差分析，来修正信号处理模块的特征提取方法，包括频带宽度、阈值等参数，以提高故障特征提取精度；
e预测分析模块通过获取诊断分析模块的设备健康状态判断结果，进一步预测设备的残余寿命；
f智能调机程序通过对比实际设备健康状态与预测分析模块计算出的设备残余寿命之间的误差，进而修正预测分析模块的相关参数，包括模型阈值、参数权重等；
g如此重复上述过程。
实施例1
一种减速机智能诊断分析系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，分析诊断的监测数据显示包括测点的状态、振动、温度实时数据，其中振动数据包括有原始波形(时域波形)、fft频谱、包络/解调谱，在显示波形时要具有峰值自动捕捉功能；分析诊断计算有效值、脉冲指标、波形指标、峰值指标、裕度指标、峭度指标、时域总值、频域总值；分析诊断的时域信号需要有多光标功能和谐光标(可以设置谐波个数)功能，频域需要多光标功能，有谐频(可以设置谐波个数)、边频和谐边带(可以设置谐波次数和边频个数)分析功能，同时可以在一个页面里显示同一个设备下多个测点下多个波形图；分析诊断的历史数据曲线图可以显示趋势分析(总值、峰值、脉冲、峭度、有效值、烈度、时域总值、包络谱总值、频域总值、温度)曲线图。在有效值、包络谱总值、频域总值趋势图中显示出报警线。
展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。
如图7-9所示，传感器采用无线4g(振动、温度)传感器，安装在减速机轴承座附近(受力最大处)，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件(根据通讯协议)接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况，比如金隅广灵的减速机输入端轴承座和输出端轴承座振动波形趋势突然上升，查看输出端轴承座轴承的长波形，可以明显的见到冲击信号，且冲击频率为17hz左右，恰为转频的04x左右，因此推测为轴承保持架故障频率，再通过包络解调能够看到17hz左右频率谐波，且在97hz左右(滚珠故障频率)及其谐波中均存在17hz左右的边带，符合滚动轴承滚珠磨损带有保持架边带的故障特征，因此推测轴承座轴承存在中后期故障，且轴承的保持架和滚珠均有较明显的磨损现象，建议现场准备备品备件，密切关注设备振动和噪声的变化情况。
实施例2
如图10-13所示，以滦平建龙矿业动辊减速机为例，传感器采用无线4g(振动、温度)传感器，安装在减速机轴承座附近(受力最大处)，动辊设备多趋势中可以看到近期振动趋势有整体上升趋势，动辊减速机输入端3v的趋势图中能够发现振动趋势逐渐上升，时域波形中发现明显的冲击信号且能量较高，频谱分析中能够发现143hz左右的谐频(推测一级行星啮合频率)以及6hz的边带，以及349hz左右的谐波；从动辊磨辊输出端时域波形中可以明显的发现017hz左右的冲击信号，包络解调能够解调出大量的017hz左右的谐波，因此推测动辊输入端轴承存在磨损现象，一级平行齿轮啮合和一级行星齿轮啮合存在啮合不良的现象，齿轮存在磨损现象，磨辊输出端轴承出现严重磨损或输出端连接部件出现异常现象。(目前没有详细的设备内部参数，影响故障判断的准确率，建议现场尽快提供设备的详细信息，例如：齿轮齿数、轴承型号等)，建议现场检查动辊输入端是否存在异常，仔细听设备是否存在异响，检查磨辊输出端轴承是否存在异响，以及磨辊输出端连接部件是否存在异常情况，保证轴承润滑密切关注设备的振动和噪声的变化情况。
传感器检测点的数量为1-9个，检测点位于轴承座上。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。
以上就是关于人工智能应用开发做什么全部的内容，包括:人工智能应用开发做什么、请问一下，汽车电器系统故障的诊断技术有哪些、选择什么传感器对减速机进行故障诊断等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
