CN108591104A - 一种基于云平台的风机故障预测与健康管理系统、方法 - Google Patents

Abstract

一种基于云平台的风机故障预测与健康管理系统，系统包括远程数据采集模块、云平台、地铁控制中心和客户端；远程数据采集模块采集风机数据并将采集到的数据上传至云平台，云平台对上传的数据进行分析，云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器；地铁控制中心用于接收云平台发送的风机分析数据；客户端用于工作人员监控地铁风机运行参数、健康状况。本发明提出一种基于云平台的风机故障预测与健康管理系统、方法，实现对地铁风机的状态预警，突破过往依据单一数据源进行预警的弊端，减少误报、漏报的情况；根据数据分析结果提前制定维保计划，防止突发故障；并通过客户端实现对众多地铁风机的远程监控与管理。

Description

一种基于云平台的风机故障预测与健康管理系统、方法

技术领域

本发明涉及风机智能化技术领域，尤其涉及一种基于云平台的风机故障预测与健康管理系统、方法。

背景技术

随着城市化进程的不断发展，城市人口数量急剧增加，城市交通发展迎来挑战。而轨迹交通作为当今运行效率最高，环境污染小、快速安全和准时的出行方式，已经成为缓解城市交通压力的最好解决途径。因此近年来，国内地铁发展迅速，但随之而来的是如何对众多地铁风机进行运行管理和维护。随着地铁线路的复杂发展，现阶段以人工定期检查和维护的管理方式面临诸多挑战，同时也将成为地铁交通安全的隐患因素。

然而目前无法对众多的地铁风机进行统一的有序的管理，现有检测方式主要检测地铁实时运行的振动、温度情况，并设定了报警阀值，当设备超过了额定阀值，设备监控系统会发出报警。这种预警方式局限于当前设备接近或者已经出现故障才会发出相应的报警，然后安排维修人员进行检查维修，无法对故障做出快速、准确地反应，对故障响应滞后性。并且传统的维护保养方式要求维修人员对各个风机定期检查，该方式需要耗费大量的人力和维修成本，无法提前预测风机会出现故障，无法做到有计划性的，有目的性的，针对性的维护保养。

发明内容

本发明的目的在于提出一种基于云平台的风机故障预测与健康管理系统，所述系统包括远程数据采集模块、云平台、地铁控制中心和客户端；

所述远程数据采集模块用于采集风机数据并将采集到的数据上传至所述云平台，所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备；

所述云平台用于对所述远程数据采集模块上传的数据进行分析，根据数据分析结果对风机进行管理，所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器，所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；

地铁控制中心用于接收来自应用服务器的实时数据与历史数据，同时接收数据转换模块的状态报警数据；

所述客户端用于工作人员监控地铁风机运行参数、健康状况。

优选的，所述远程数据采集模块设置分布式数据采集系统和边缘数据采集设备，所述分布式数据采集系统包括传感器，所述传感器包括三向振动传感器、温度传感器、电流传感器、电压传感器和转速传感器，实时采集地铁风机运行过程中的状态数据，所述状态数据包括轴承三向振动、轴承座温度、电机转速、电机电流和电机电压数据，所述边缘数据采集设备采集地铁隧道各种工况数据、环境数据和维修工单数据；

所述边缘数据采集设备收集所述分布式数据采集系统上传的各种原始数据并对这些数据进行边缘计算，然后将边缘计算之后的原始数据上传所述云平台，供云平台的预测性维护管理模块进行数据分析和处理，把采集上来的维护工单数据供信息管理模块进行分类管理。

优选的，所述数据转换模块对所述边缘数据采集设备上传的原始数据进行数据预处理和特征提取，所述数据预处理包括滤波处理、解调处理、分解处理和重构处理，恢复信号的原貌并获取有用数据，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据的分析，所述特征数据的分析包括分析波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，所述特征提取算法包括小波包分解、主成分分析、经验模态分解，对融合多种信息源的实时特征值进行判别。

优选的，所述数据诊断分析模块用于对特征数据进行信号处理，包括健康评估、故障诊断和衰退预测，分析出地铁风机实时的健康状态，预测地铁风机剩余使用寿命和预测健康度的发展趋势。

优选的，所述云平台还包括信息管理与存储中心，所述信息管理与存储中心包括信息管理模块和历史数据存储模块，所述信息管理模块用于对含有多种信息源的数据进行分类管理，并根据信息的类型分为特征数据、维护工单数据、基础数据和状态数据，实现对地铁风机全生命周期的数据进行分类和管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，实际生产过程中的信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人。

优选的，所述历史数据存储模块用于存储地铁风机全生命周期的数据，存储的数据作为历史数据被所述数据诊断分析模块调用或者直接发送到所述应用服务器。

优选的，所述云平台还包括应用服务器，所述应用服务器用于接收所述数据诊断分析模块的实时数据和历史数据存储模块的历史数据，然后通过网络传输协议把地铁风机各种数据推送给所述地铁控制中心和所述客户端。

优选的，所述地铁控制中心用于接收来自所述应用服务器的实时数据与历史数据，同时接收所述数据转换模块的状态报警数据，便于地铁指挥中心的人员根据地铁风机健康状况，现场调度地铁的运行，并且当发现地铁风机出现故障，向维护人员发放维修工单。

优选的，所述客户端用于维修管理人员在不同时间和地点，同时监控地铁风机运行参数和健康状况；同时定期向维修管理人员派发维修工单，给出指导性维修建议

根据权限的不同，将客户端权限分为管理员权限和用户权限，拥有所述管理员权限的人员可以对所述客户端内容进行编辑和修改；拥有所述用户权限的人员只能在线上查看风机实时的信息，所述用户权限由所述管理员权限来分配。

一种基于云平台的风机故障预测与健康管理方法，包括远程数据采集模块、云平台、地铁控制中心和客户端；所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备，所述数据采集系统包括传感器；所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器；所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；所述信息管理与存储中心包括信息管理模块和历史数据存储模块；

包括对地铁风机提供故障预测与健康管理的过程：

步骤A：把三向振动传感器、温度传感器、电流传感器、电压传感器、转速传感器布置到地铁风机设定位置，采集轴承三向振动数据、轴承座温度数据、电机电流及电压数据和电机转速数据；

步骤B：放置一个分布式数据采集系统，把传感器采集的原始数据上传到分布式数据采集系统，然后边缘数据采集设备对采集的数据进行边缘计算，同时边缘数据采集设备同步采集地铁风机运行的工况、环境和维护工单数据，边缘数据采集系统把原始数据上传云平台；

所述环境数据包括地铁隧道空气粉尘含量、温度和湿度数据，用于分析环境因素对地铁风机影响；

所述维护工单数据包括地铁风机全生命周期过程中的故障类型、故障原因、维护时间和故障解决情况数据，为数据分析和诊断提供一个对比和参考，数据可以从地铁EAM系统、能源管理系统和ERP导入；

步骤C：所述数据转换模块对上传的原始数据进行数据预处理和特征提取，数据预处理包括滤波、解调、分解和重构，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，特征数据的分析内容包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析和经验模态分解，将融合多种特征工况的数据转换为有用的信息，为接下来的数据诊断分析模块和信息管理模块提供高质量、低冗余的数据；对提取出来融合多种信息源的实时特征值进行判别，实现对地铁风机进行状态预警；

所述状态预警是对融合多种信息源的数据进行预处理和特征提取，从预处理数据中提取有效的数据，减少冗余数据，特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析、经验模态分解等，对融合多种信息源的实时特征值进行判别，若发现对应的数据特征值出现异常或者突变，则进行相关故障类型的状态预警；

步骤D：所述数据诊断分析模块接收所述数据转换模块的特征数据进行信号处理，信号处理包括对地铁风机的健康评估、故障预测和衰退预测，所述数据诊断分析模块进行信号处理后，一方面将数据发送至所述信息管理模块进行数据分类管理，另一方面将数据发送至所述应用服务器，所述应用服务器将数据实时发送至所述客户端和所述地铁控制中心；

步骤E：所述信息管理模块对数据诊断分析模块出来的数据进行分类管理，根据信息的类型分成特征数据、维护工单数据、基础数据和状态数据，实现了对地铁风机全生命周期数据的管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，所述风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人；

步骤F：所述历史存储模块对所述信息管理模块分类的数据进行存储，同时历史数据被所述数据诊断分析模块调用，作为数据对比和分析，然后所述历史存储模块将历史数据发送至所述应用服务器，所述应用服务器接收历史数据并将历史数据发送至所述客户端和地铁控制中心；

步骤G：用户使用所述客户端和地铁控制中心监控地铁风机运行参数和健康状况，同时定期向维修管理人员派发维修工单，给出指导性维修建议；地铁指挥中心的管理人员根据分析的数据对地铁风机进行调度和发放维修工单。

附图说明

图1是本发明的系统框架图；

图2是本发明的预警状态图；

图3是本发明的信息管理框架图；

图4是本发明的维修排程计划框架图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

本实施例的一种基于云平台的风机故障预测与健康管理系统，如图1所示，所述系统包括远程数据采集模块、云平台、地铁控制中心和客户端；

所述远程数据采集模块用于采集风机数据并将采集到的数据上传至所述云平台，所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备；

所述云平台用于对所述远程数据采集模块上传的数据进行分析，根据数据分析结果对风机进行管理，所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器，所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；

地铁控制中心用于接收来自应用服务器的实时数据与历史数据，同时接收数据转换模块的状态报警数据；

所述客户端用于工作人员监控地铁风机运行参数、健康状况。

所述客户端包括Web端和移动APP端实时地监控和管理地铁风机，根据权限的不同，分为管理员权限和用户权限，拥有管理员权限的人员可以对客户端内容进行编辑和修改，用户权限的人员只能在线上查看地铁风机实时的信息，另外用户权限也是由管理员权限来分配，实现对地铁风机进行远程监控和管理。

所述系统通过远程数据采集模块实现地铁风机数据采集，通过边缘数据采集设备将采集到的数据发送至云平台，然后所述云平台通过对采集到的数据进行分析和处理，实现风机数据化管理，并预测风机使用寿命，指定维修保养计划。方便风机管理人员系统有序的管理和查看众多地铁风机的具体信息，并且通过实时监控查看风机和预测风机使用寿命，根据健康状态指定维修保养计划，做到提前发现问题提前解决问题，确保风机的正常运行和降低了相关维修人员和成本。

优选的，所述远程数据采集模块设置分布式数据采集系统和边缘数据采集设备，所述分布式数据采集系统包括传感器，所述传感器包括三向振动传感器、温度传感器、电流传感器、电压传感器和转速传感器，实时采集地铁风机运行过程中的状态数据，所述状态数据包括轴承三向振动、轴承座温度、电机转速、电机电流和电机电压数据，所述边缘数据采集设备采集地铁隧道各种工况数据、环境数据和维修工单数据；

所述边缘数据采集设备收集所述分布式数据采集系统上传的各种原始数据并对这些数据进行边缘计算，然后将边缘计算之后的原始数据上传所述云平台，供云平台的预测性维护管理模块进行数据分析和处理，把采集上来的维护工单数据供信息管理模块进行分类管理。

优选的，如图2所示，所述数据转换模块对所述边缘数据采集设备上传的原始数据进行数据预处理和特征提取，所述数据预处理包括滤波处理、解调处理、分解处理和重构处理，恢复信号的原貌并获取有用数据，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据的分析，所述特征数据的分析包括分析波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，所述特征提取算法包括小波包分解、主成分分析、经验模态分解，对融合多种信息源的实时特征值进行判别。

优选的，所述数据诊断分析模块用于对特征数据进行信号处理，包括健康评估、故障诊断和衰退预测，分析出地铁风机实时的健康状态，预测地铁风机剩余使用寿命和预测健康度的发展趋势。

所述健康评估：对获得的特征数据，并结合当前地铁风机结构特性和历史维修记录，对地铁风机关键部件进行健康状况评估，然后以健康度的百分比形式呈现出来。健康评估的方法可以包括：基于规则、案例和模型的推理算法。

所述故障预测：结合多种信息源的特征数据，包括振动、温度、转速、电流、电压、环境、工况、维护工单等，利用当前推理技术，如数学物理模型或人工智能技术等，预测的算法包括基于特征进化/统计趋势的预测，预测风机可能出现的故障部位、类型、原因和程度。

所述衰退预测：依据实时的风机特征数据与历史维护工单数据进行相似分析、预测分析、分类分析，得出风机衰退趋势，并对地铁风机剩余使用寿命，未来健康状态进行预测。

优选的，如图3所示，所述云平台还包括信息管理与存储中心，所述信息管理与存储中心包括信息管理模块和历史数据存储模块，所述信息管理模块用于对含有多种信息源的数据进行分类管理，并根据信息的类型分为特征数据、维护工单数据、基础数据和状态数据，实现对地铁风机全生命周期的数据进行分类和管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，实际生产过程中的信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，如图4所示，风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人。

优选的，所述历史数据存储模块用于存储地铁风机全生命周期的数据，存储的数据作为历史数据被所述数据诊断分析模块调用或者直接发送到所述应用服务器。

优选的，所述云平台还包括应用服务器，所述应用服务器用于接收所述数据诊断分析模块的实时数据和历史数据存储模块的历史数据，然后通过网络传输协议把地铁风机各种数据推送给所述地铁控制中心和所述客户端。

优选的，所述地铁控制中心用于接收来自所述应用服务器的实时数据与历史数据，同时接收所述数据转换模块的状态报警数据，便于地铁指挥中心的人员根据地铁风机健康状况，现场调度地铁的运行，并且当发现地铁风机出现故障，向维护人员发放维修工单。

优选的，所述客户端用于维修管理人员在不同时间和地点，同时监控地铁风机运行参数和健康状况；同时定期向维修管理人员派发维修工单，给出指导性维修建议

根据权限的不同，将客户端权限分为管理员权限和用户权限，拥有所述管理员权限的人员可以对所述客户端内容进行编辑和修改；拥有所述用户权限的人员只能在线上查看风机实时的信息，所述用户权限由所述管理员权限来分配。

一种基于云平台的风机故障预测与健康管理方法，包括远程数据采集模块、云平台、地铁控制中心和客户端；所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备，所述数据采集系统包括传感器；所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器；所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；所述信息管理与存储中心包括信息管理模块和历史数据存储模块；

包括对地铁风机提供故障预测与健康管理的过程：

步骤A：把三向振动传感器、温度传感器、电流传感器、电压传感器、转速传感器布置到地铁风机设定位置，采集轴承三向振动数据、轴承座温度数据、电机电流及电压数据和电机转速数据；

步骤B：放置一个分布式数据采集系统，把传感器采集的原始数据上传到分布式数据采集系统，然后边缘数据采集设备对采集的数据进行边缘计算，同时边缘数据采集设备同步采集地铁风机运行的工况、环境和维护工单数据，边缘数据采集系统把原始数据上传云平台；

所述环境数据包括地铁隧道空气粉尘含量、温度和湿度数据，用于分析环境因素对地铁风机影响；

所述维护工单数据包括地铁风机全生命周期过程中的故障类型、故障原因、维护时间和故障解决情况数据，为数据分析和诊断提供一个对比和参考，数据可以从地铁EAM系统、能源管理系统和ERP导入；

步骤C：所述数据转换模块对上传的原始数据进行数据预处理和特征提取，数据预处理包括滤波、解调、分解和重构，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，特征数据的分析内容包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析和经验模态分解，将融合多种特征工况的数据转换为有用的信息，为接下来的数据诊断分析模块和信息管理模块提供高质量、低冗余的数据；对提取出来融合多种信息源的实时特征值进行判别，实现对地铁风机进行状态预警；

所述状态预警是对融合多种信息源的数据进行预处理和特征提取，从预处理数据中提取有效的数据，减少冗余数据，特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析、经验模态分解等，对融合多种信息源的实时特征值进行判别，若发现对应的数据特征值出现异常或者突变，则进行相关故障类型的状态预警；

步骤D：所述数据诊断分析模块接收所述数据转换模块的特征数据进行信号处理，信号处理包括对地铁风机的健康评估、故障预测和衰退预测，所述数据诊断分析模块进行信号处理后，一方面将数据发送至所述信息管理模块进行数据分类管理，另一方面将数据发送至所述应用服务器，所述应用服务器将数据实时发送至所述客户端和所述地铁控制中心；

步骤E：所述信息管理模块对数据诊断分析模块出来的数据进行分类管理，根据信息的类型分成特征数据、维护工单数据、基础数据和状态数据，实现了对地铁风机全生命周期数据的管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，所述风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人；

步骤F：所述历史存储模块对所述信息管理模块分类的数据进行存储，同时历史数据被所述数据诊断分析模块调用，作为数据对比和分析，然后所述历史存储模块将历史数据发送至所述应用服务器，所述应用服务器接收历史数据并将历史数据发送至所述客户端和地铁控制中心；

步骤G：用户使用所述客户端和地铁控制中心监控地铁风机运行参数和健康状况，同时定期向维修管理人员派发维修工单，给出指导性维修建议；地铁指挥中心的管理人员根据分析的数据对地铁风机进行调度和发放维修工单。本发明的有益效果：

(1)通过数据转换模块，对融合多种信息源(振动、温度、转速、电流、电压、工况信息、环境信息等)的地铁风机数据进行数据处理、特征提取，对融合多种信息源的实时特征值进行判别，实现对地铁风机运行过程的状态预警，突破过往依据单一数据源进行预警的弊端，减少误报、漏报的情况。

(2)通过数据诊断分析模块，对融合多种信息源(振动、温度、转速、电流、电压、工况信息、环境等)的特征数据进行信号处理，包括健康评估、故障诊断、衰退预测，实现对地铁风机运行状态的实时评估与监测，根据地铁风机的健康状态提前安排维保计划，保障地铁风机安全运行，防止突发故障，另外减少对高素质和经验丰富工人的需求。

(3)客户端可以通过Web端和移动APP端实时地监控和管理地铁风机，根据权限的不同，分为管理员权限和用户权限，拥有管理员权限的人员可以对客户端内容进行编辑和修改，用户权限的人员只能在线上查看地铁风机实时的信息，另外用户权限也是由管理员权限来分配，实现对地铁风机进行远程监控和管理

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (10)

1.一种基于云平台的风机故障预测与健康管理系统，其特征在于：所述系统包括远程数据采集模块、云平台、地铁控制中心和客户端；

所述远程数据采集模块用于采集风机数据并将采集到的数据上传至所述云平台，所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备；

所述云平台用于对所述远程数据采集模块上传的数据进行分析，根据数据分析结果对风机进行管理，所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器，所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；

地铁控制中心用于接收来自应用服务器的实时数据与历史数据，同时接收数据转换模块的状态报警数据；

所述客户端用于工作人员监控地铁风机运行参数、健康状况。

2.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述远程数据采集模块设置分布式数据采集系统和边缘数据采集设备，所述分布式数据采集系统包括传感器，所述传感器包括三向振动传感器、温度传感器、电流传感器、电压传感器和转速传感器，实时采集地铁风机运行过程中的状态数据，所述状态数据包括轴承三向振动、轴承座温度、电机转速、电机电流和电机电压数据，所述边缘数据采集设备采集地铁隧道各种工况数据、环境数据和维修工单数据；

所述边缘数据采集设备收集所述分布式数据采集系统上传的各种原始数据并对这些数据进行边缘计算，然后将边缘计算之后的原始数据上传所述云平台，供云平台的预测性维护管理模块进行数据分析和处理，把采集上来的维护工单数据供信息管理模块进行分类管理。

3.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述数据转换模块对所述边缘数据采集设备上传的原始数据进行数据预处理和特征提取，所述数据预处理包括滤波处理、解调处理、分解处理和重构处理，恢复信号的原貌并获取有用数据，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据的分析，所述特征数据的分析包括分析波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，所述特征提取算法包括小波包分解、主成分分析、经验模态分解，对融合多种信息源的实时特征值进行判别。

4.根据权利要求3所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述数据诊断分析模块用于对特征数据进行信号处理，包括健康评估、故障诊断和衰退预测，分析出地铁风机实时的健康状态，预测地铁风机剩余使用寿命和预测健康度的发展趋势。

5.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述云平台还包括信息管理与存储中心，所述信息管理与存储中心包括信息管理模块和历史数据存储模块，所述信息管理模块用于对含有多种信息源的数据进行分类管理，并根据信息的类型分为特征数据、维护工单数据、基础数据和状态数据，实现对地铁风机全生命周期的数据进行分类和管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，实际生产过程中的信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人。

6.根据权利要求5所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述历史数据存储模块用于存储地铁风机全生命周期的数据，存储的数据作为历史数据被所述数据诊断分析模块调用或者直接发送到所述应用服务器。

7.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述云平台还包括应用服务器，所述应用服务器用于接收所述数据诊断分析模块的实时数据和历史数据存储模块的历史数据，然后通过网络传输协议把地铁风机各种数据推送给所述地铁控制中心和所述客户端。

8.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述地铁控制中心用于接收来自所述应用服务器的实时数据与历史数据，同时接收所述数据转换模块的状态报警数据，便于地铁指挥中心的人员根据地铁风机健康状况，现场调度地铁的运行，并且当发现地铁风机出现故障，向维护人员发放维修工单。

9.根据权利要求1所述一种基于云平台的风机故障预测与健康管理系统，其特征在于：

所述客户端用于维修管理人员在不同时间和地点，同时监控地铁风机运行参数和健康状况；同时定期向维修管理人员派发维修工单，给出指导性维修建议

根据权限的不同，将客户端权限分为管理员权限和用户权限，拥有所述管理员权限的人员可以对所述客户端内容进行编辑和修改；拥有所述用户权限的人员只能在线上查看风机实时的信息，所述用户权限由所述管理员权限来分配。

10.一种基于云平台的风机故障预测与健康管理方法，其特征在于：包括远程数据采集模块、云平台、地铁控制中心和客户端；所述远程数据采集模块包括分布式数据采集系统和边缘数据采集设备，所述分布式数据采集系统包括传感器；所述云平台包括预测性维护管理模块、信息管理与存储中心和应用服务器；所述预测性维护管理模块包括数据转换模块和数据诊断分析模块；所述信息管理与存储中心包括信息管理模块和历史数据存储模块；

包括对地铁风机提供故障预测与健康管理的过程：

步骤A：把三向振动传感器、温度传感器、电流传感器、电压传感器、转速传感器布置到地铁风机设定位置，采集轴承三向振动数据、轴承座温度数据、电机电流及电压数据和电机转速数据；

步骤B：放置一个分布式数据采集系统，把传感器采集的原始数据上传到分布式数据采集系统，然后边缘数据采集设备对采集的数据进行边缘计算，同时边缘数据采集设备同步采集地铁风机运行的工况、环境和维护工单数据，边缘数据采集系统把原始数据上传云平台；

所述环境数据包括地铁隧道空气粉尘含量、温度和湿度数据，用于分析环境因素对地铁风机影响；

所述维护工单数据包括地铁风机全生命周期过程中的故障类型、故障原因、维护时间和故障解决情况数据，为数据分析和诊断提供一个对比和参考，数据可以从地铁EAM系统、能源管理系统和ERP导入；

步骤C：所述数据转换模块对上传的原始数据进行数据预处理和特征提取，数据预处理包括滤波、解调、分解和重构，所述特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，特征数据的分析内容包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析和经验模态分解，将融合多种特征工况的数据转换为有用的信息，为接下来的数据诊断分析模块和信息管理模块提供高质量、低冗余的数据；对提取出来融合多种信息源的实时特征值进行判别，实现对地铁风机进行状态预警；

所述状态预警是对融合多种信息源的数据进行预处理和特征提取，从预处理数据中提取有效的数据，减少冗余数据，特征提取包括利用特征提取算法对时域信号和频域信号特征数据进行分析，包括波形指标、脉冲指标、峭度指标、裕度指标、峰峰值、重心频率、均方频率、频率方差和频率标准差，特征提取算法包括小波包分解、主成分分析、经验模态分解等，对融合多种信息源的实时特征值进行判别，若发现对应的数据特征值出现异常或者突变，则进行相关故障类型的状态预警；

步骤D：所述数据诊断分析模块接收所述数据转换模块的特征数据进行信号处理，信号处理包括对地铁风机的健康评估、故障预测和衰退预测，所述数据诊断分析模块进行信号处理后，一方面将数据发送至所述信息管理模块进行数据分类管理，另一方面将数据发送至所述应用服务器，所述应用服务器将数据实时发送至所述客户端和所述地铁控制中心；

步骤E：所述信息管理模块对数据诊断分析模块出来的数据进行分类管理，根据信息的类型分成特征数据、维护工单数据、基础数据和状态数据，实现了对地铁风机全生命周期数据的管理；

所述信息管理模块汇总每台风机实际生产过程中的信息，信息包括特征数据、维护工单数据、基础数据和状态数据，同时结合风机当前的工作的工况、零部件和维护人员情况，自动生成风机维修排程计划，所述风机维修排程计划涵括风机工单号、优先级、设备名称、维修任务、故障来源、当前状态和负责人；

步骤F：所述历史存储模块对所述信息管理模块分类的数据进行存储，同时历史数据被所述数据诊断分析模块调用，作为数据对比和分析，然后所述历史存储模块将历史数据发送至所述应用服务器，所述应用服务器接收历史数据并将历史数据发送至所述客户端和地铁控制中心；

步骤G：用户使用所述客户端和地铁控制中心监控地铁风机运行参数和健康状况，同时定期向维修管理人员派发维修工单，给出指导性维修建议；地铁指挥中心的管理人员根据分析的数据对地铁风机进行调度和发放维修工单。