CN109051618B - 基于振动信号处理传送星轮故障的监测方法及监测系统 - Google Patents

Abstract

本发明涉及金属易拉罐生产领域，特别是基于振动信号处理传送星轮故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，包括如下步骤：a.使得可调星轮和固定星轮同步转动；b.采集在正常运行情况下的正常振动数据；c.以正常振动数据建立基准特征值范围；d.实时采集工作过程中的实时振动数据；e.以实时振动数据建立检测特征值；f.故障诊断模块进行计算比较，当差异特征值结果超出基准特征值范围，进行故障提醒操作。该监测方法可以在生产设备连续加工的情况下实时对其进行监测，并可以快速精准的提醒操作人员对故障进行排查，可避免严重的质量损失；也可以尽可能的避免生产设备停机，大大提高了生产效率。

Description

基于振动信号处理传送星轮故障的监测方法及监测系统

技术领域

本发明涉及金属易拉罐生产领域，特别是一种基于振动信号处理传送星轮不同步故障的监测方法及监测系统。

背景技术

在快速消费品行业金属易拉罐产品占据绝对的市场份额，根据金属易拉罐的的生产工艺区分，金属易拉罐分为两片罐与三片罐。其中，两片罐生产线已经实现了高速、全自动化生产，生产的效率已经达到了行业的顶点，行业竞争日益激烈；保证产品质量，降低废品罐的产生已经成为降低生产成本的重要途径。两片罐生产过程中的主要工序包括缩颈和翻边等，产生的主要质量问题有罐身折痕、罐身擦痕、颈部擦痕、罐边缘损坏、罐边缘凹陷、翻边尺寸波动大等，检测出来的质量问题罐均做报废处理。根据维修经验总结，造成罐身折痕、擦痕、颈部擦痕、罐边缘损坏、罐边缘凹陷、翻边尺寸波动大等主要原因是两片罐缩颈翻边机的传送星轮中可调星轮松动；两片罐缩颈翻边机的传送星轮包括固定星轮和可以相对于固定星轮进行位置调节的可调星轮，在对两片罐缩颈翻边机进行正常传送时固定星轮和可调星轮上设有的半圆形齿口同步对接不会发生错位，但是当可调星轮与固定星轮之间相对位置发生偏移时，两者之间的半圆形齿口就会出现啮合错位，可调星轮与固定星轮之间传送不同步，导致罐身在传送过程中受卡滞，进而出现不同程度的损坏而报废。

目前当两片罐缩颈、翻边工序出现批量的质量问题时，采取的处理措施是生产线停机，维修人员依据以往经验采取逐一排查油路润滑、气压管路、检测胶辊、清理铝粉杂质、调整星轮间隙等措施进行问题根源查找，不仅效率低下，难以发现问题根源，两片罐生产又属于高速连续自动化生产，无法做到定期停机检测，会严重影响生产效率，但等到出现批量的质量问题时才进行停机检测；此时已经产生了不可挽回经济损失。

发明内容

针对上述缺陷，本发明的目的在于提出可在两片罐高速连续生产过程中不停机情况下实时对传送星轮同步性进行监测的方法和监测系统，既保证了生产质量又可以提高生产效率。

为达此目的，本发明采用以下技术方案：

基于振动信号处理传送星轮不同步故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，其包括如下步骤：

a.初始检测校正，使得传送星轮机构中可调星轮和固定星轮同步转动，实现正常运行；

b.利用振动传感器采集所述传送星轮机构的在正常运行情况下的正常振动数据；

c.数据采集器采集该正常振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以正常振动数据建立基准特征值范围；

d.利用振动传感器实时采集传送星轮机构工作过程中的实时振动数据；

e.数据采集器采集实时振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以实时振动数据建立检测特征值；

f.故障诊断模块根据检测特征值进行特征值计算比较，当得出的差异特征值结果超出基准特征值范围，进行故障提醒操作；反之，不进行故障提醒操作。

具体的，所述步骤a中，初始检测校正是人工进行操作，采取逐一排查油路润滑、气压管路、检测胶辊、清理铝粉杂质和调整星轮间距的方式，致使可调星轮和固定星轮同步转动。

更优的，所述步骤b中和步骤e中，对正常振动信号和实时振动信号两种振动信号进行处理的特殊的振动信号算法模型，包括如下内容：设原始的时域信号为x(t)；(b1)振动信号的预处理，去振动信号中的均值和趋势项，并去除采集的异常点；(b2)特征值提取与优化，提取时域信号中包括：统计指标、频谱轴频幅值及谐波能量在内的特征向量，构建针对两片罐缩颈翻边机星轮同步的特征矩阵X＝[X1,X2,…,Xp]，X1,X2,…Xp为特征向量；对形成的特征矩阵进行主成分分析，然后对特征进行降序排列，提取95％以上信息的特征序列。

更优的，所述步骤f中，所述故障诊断模块根据检测特征值进行特征值计算比较，包括如下内容：

对于降序后的特征创建模型，并进行假设检验，如果不服从高斯正态分布，则建立高斯混合模型，然后求取正常情况的高斯混合模型H(x)，以及当前样本的高斯混合模型G(x)；利用实时采集的样本的模型与正常运行状态下的模型进行对比，再利用如下公式：

求取当前实时采集的样本的健康指标CV，当健康指标CV超出预设值时，进行故障提醒操作。

更优的，所述步骤f后还包括：故障分类和机器学习步骤：在两片罐缩颈翻边机工作过程中，人工根据故障类型对对应数据进行标签分类，所述监测系统不断的积累带有故障标签的数据，然后通过机器学习算法，建立故障样本库与机器故障学习模型；自动匹配故障类型步骤：当建立好故障样本库与机器故障学习模型后，当再次出现相同数据的故障时，系统可在故障样本库内自动进行数据比对匹配，同时将该数据对应的故障类型进行匹配并告知提醒给操作人员。

更优的，所述步骤f中还包括如下内容：在所述基准特征值范围内预设临界报警值；当得出的差异特征值结果接近临界报警值时，进行同步信号参数的临界值报警，提醒操作人员需要进行设备故障调整的准备工作；当得出的差异特征值结果超出基准特征值范围时，提醒操作人员需要立即检查设备故障情况。

更优的，差异特征值结果与临界报警值是否接近是由接近精度范围值控制的，所述接近精度范围值可人工进行预设和调整的。

更优的，所述数据采集器将所述基准特征值范围和检测特征值传输至云平台，部署在云平台的故障诊断模块根据检测特征值进行特征值计算并与自身储存的基准特征值范围进行比较；然后将故障提醒操作的信号发送至客户操作终端，所述操作终端控制所述两片罐缩颈翻边机的工作状态。

应用如上所述的基于振动信号处理传送星轮不同步故障的监测方法的监测系统，其用于控制两片罐缩颈翻边机的传送星轮机构生产运作，所述两片罐缩颈翻边机包括传送星轮机构，所述传送星轮机构包括：星轮基座、传动转轴、可调星轮、固定星轮、星轮滑动基座和振动传感器；所述星轮滑动基座安装于所述星轮基座上方，并可独立滑动；所述传动转轴的一端穿过所述星轮滑动基座上端设有的转轴孔与固定星轮连接，传动转轴的另外一端与驱动装置传动连接；传动转轴的一端穿过所述星轮滑动基座上端设有的转轴孔并与可调星轮连接，所述传动转轴的另外一端与驱动装置传动连接；连接有固定星轮的星轮基座与连接有可调星轮的星轮基座依次并排连接；所述可调星轮与所述固定星轮的外圆周啮合；

所述监测系统包括：设有数据处理和特征提取模块的数据采集器，及故障诊断模块；

所述振动传感器设置于所述星轮滑动基座上，用于采集所述两片罐缩颈翻边机工作过程中的振动数据；数据采集器实时采集振动传感器的振动数据；数据处理和特征提取模块对采集到的振动数据进行数据预处理与特征提取；故障诊断模块用于将实时样本检测特征值进行特征值计算后与正常运行状态下的基准特征值范围进行比较，根据计算比较结果判断是否需要发出提醒信号。

更优的，所述的监测系统还包括云平台、数据通讯信模块和客户操作终端；所述云平台用于接收并储存数据；所述故障诊断模块部署于所述云平台，所述数据通信模块实现所述数据采集模块、云平台、故障诊断模块和用户操作终端电联接。

本发明提出一种基于振动信号处理传送星轮不同步故障的监测方法和所述监测系统，该监测方案完全采用自动化控制，可以在生产设备连续加工的情况下实时对其进行监测，并可以快速精准的提醒操作人员对故障进行排查，可避免严重的质量损失；也可以尽可能的避免生产设备停机。所述监测系统将高度自动化的生产设备升级为智能化生产设备，具备智能判断设备故障的能力；可预知设备的工作与故障趋势发展情况，提前合理安排维修计划，提早准备备件；操作者可根据故障预测系统智能判断产品过程质量，预测产品的质量变化趋势；并依据产品过程质量趋势采取措施降低废品的大规模产生，降低生产成本；所述监测系统提高设备故障与产品过程质量问题的判断准确度，确保设备与质量处于实时监控的状态，且无需定时停机检测，大大提高了生产效率。

附图说明

图1是本发明中所述监测方法的一个实施例的流程图；

图2是本发明中所述监测方法的一个实施例的部分步骤的流程图；

图3是本发明中所述监测系统中所述传送星轮机构的一个实施例的结构示意图；

图4是本发明中所述监测系统的一个实施例的结构示意框图；

其中：易拉罐1，可调星轮21，固定星轮22，振动传感器5，调整丝杆6，星轮基座7，星轮滑动基座8。

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。

如图1所示，基于振动信号处理传送星轮不同步故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，其特征在于，包括如下步骤：

a.初始检测校正，使得传送星轮机构中可调星轮21和固定星轮22同步转动，实现正常运行；

b.利用振动传感器5采集所述传送星轮机构的在正常运行情况下的正常振动数据；

c.数据采集器采集所述正常振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以正常振动数据建立基准特征值范围；

d.利用振动传感器5实时采集传送星轮机构工作过程中的实时振动数据；

e.数据采集器采集实时振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以实时振动数据建立检测特征值；

f.故障诊断模块根据检测特征值进行特征值计算比较，当得出的差异特征值结果超出基准特征值范围，进行故障提醒操作；反之，不进行故障提醒操作。

所述步骤a中，初始检测校正是人工进行操作，采取逐一排查油路润滑、气压管路、检测胶辊、清理铝粉杂质和调整星轮间距的方式，致使可调星轮21和固定星轮22同步转动。所述监测方法在初始检测校正过程中采用了人工操作的方式，是因为由于加工设备的故障种类很多，人工操作排除故障的可靠性更高，如果初始检测校正阶段没有保证设备完全正常运行，那么该阶段建立的基准数据就失去了参考意义，就会导致后续生产中出现不准确的故障提醒的情况，因此在初始检测校正过程中采用人工操作的方式进行校正可保证后续故障提醒的准确性；此外所述监测方法只需要在初始检测校正过程中采用人工操作的方式，后续监测完全是自动化控制的，无需人为干涉频繁停机检测设备运行情况，相比现有技术而言是大大提高了生产设备的生产效率。

如图2所示，所述步骤b中和步骤e中，对正常振动信号和实时振动信号两种振动信号进行处理的特殊的振动信号算法模型，包括如下内容：设原始的时域信号为x(t)；(b1)振动信号的预处理，去振动信号中的均值和趋势项，并去除采集的异常点；(b2)特征值提取与优化，提取时域信号中包括：统计指标、频谱轴频幅值及谐波能量在内的特征向量，构建针对两片罐缩颈翻边机星轮同步的特征矩阵X＝[X1,X2,…,Xp]，X1,X2,…Xp为特征向量；对形成的特征矩阵进行主成分分析，然后对特征进行降序排列，提取95％以上信息的特征序列。所述振动信号可是所述振动传感器5检测到传送星轮机构中某个传动部件的振动情况，在本实施例中振动信号是指振动传感器5安装在星轮滑动基座8上检测到可调星轮21和固定星轮22的振动情况，因为当可调星轮21和固定星轮22发生偏移不同步时，最快受到影响的就是可调星轮21和固定星轮22，因此直接检测采集可调星轮21和固定星轮22的振动情况可以更加直观更加精确的快速的得到传送星轮机构的同步情况。上述对振动信号进行计算处理的算法模型可剔除生产设备自身机械振动的干扰因素和采集过程中不精确的数据，通过抽95％以上的数据来充分体现生产设备此时的工作状态，进而能更加准确的得出生产设备的真实振动数据，让所述监测方法更加精准。

所述步骤f中，所述故障诊断模块根据检测特征值进行特征值计算比较，包括如下内容：对于降序后的特征创建模型，并进行假设检验，如果不服从高斯正态分布，则建立高斯混合模型，然后求取正常情况的高斯混合模型H(x)，以及当前样本的高斯混合模型G(x)；利用实时采集的样本的模型与正常运行状态下的模型进行对比，再利用如下公式：

求取当前实时采集的样本的健康指标CV，当健康指标CV超出预设值时，进行故障提醒操作。

利用上述模型和公式可将振动信号最终化为可具体显示的曲线分布图，只需要将正常情况的分布图和当前样本特征的分布图进行对比就可以很直观的得知，当前生产设备的振动情况是否属于正常状态。

所述步骤f后还包括：故障分类和机器学习步骤：在两片罐缩颈翻边机工作过程中，人工根据故障类型对对应数据进行标签分类，所述监测系统不断的积累带有故障标签的数据，然后通过机器学习算法，建立故障样本库与机器故障学习模型。自动匹配故障类型：当建立好故障样本库与机器故障学习模型后，当再次出现相同数据的故障时，系统可在故障样本库内自动进行数据比对匹配，同时将该数据对应的故障类型进行匹配并告知提醒给操作人员。所述监测方法提醒操作人员对生产设备进行故障排除维修后，操作人员可以根据实际操作中根据故障的原因对每次故障进行分类，并对该次故障对应的振动数据进行标签分类，累积一定数量的故障后，可建立其故障样本库，之后生产设备再次发生故障时，所述监测系统除了提醒操作人员外，还会在故障样本库内根据数据进行快速匹配，当匹配到相同数据时，就可以同时告知该故障属于何种类型，操作人员即可快速得知造成故障的原因，进而快速完成故障排除维修工作。

所述步骤f中还包括如下内容：在所述基准特征值范围内预设临界报警值；当得出的差异特征值结果接近临界报警值时，进行同步信号参数的临界值报警，提醒操作人员需要进行设备故障调整的准备工作；当得出的差异特征值结果超出基准特征值范围时，提醒操作人员需要立即检查设备故障情况。增加该步骤后，相当于在之前出现故障时提醒操作人员的步骤前，增设了一个预提醒的功能，当根据振动信号得出的差异特征值结果接近临界报警值时，表面生产设备的内部结构已经出现的偏移，但暂时还不至于影响产品质量，此时无需提醒操作人员立即对生产设备进行故障排除工作，但可提醒操作人员可做好故障调整的准备工作，使得所述监测方法更加人性化，避免生产设备故障突发而造成故障排除维修不及时的情况发生。

上述差异特征值结果与临界报警值是否接近是由接近精度范围值控制的，所述接近精度范围值可人工进行预设和调整的。

所述数据采集器将所述基准特征值范围和检测特征值传输至云平台，部署在云平台的故障诊断模块根据检测特征值进行特征值计算并与自身储存的基准特征值范围进行比较；然后将故障提醒操作的信号发送至客户操作终端，所述操作终端控制所述两片罐缩颈翻边机的工作状态。

使得所述监测方法可实现远程提醒，让生产设备的工作情况可以及时被操作者知晓并判断是否需要停止出现故障的生产设备，避免生产设备故障出现后造成更大的经济损失。

如图3和4所示，应用如上所述的基于振动信号处理传送星轮不同步故障的监测方法的监测系统，其用于控制两片罐缩颈翻边机的传送星轮机构生产运作，所述两片罐缩颈翻边机包括传送星轮机构，所述监测系统包括：设有数据处理和特征提取模块的数据采集器，及故障诊断模块；所述传送星轮机构包括：星轮基座7、传动转轴、可调星轮21、固定星轮22、星轮滑动基座8和振动传感器5；多个所述星轮滑动基座8安装于多个所述星轮基座7上方，并在调整丝杆6的驱动下相对于星轮基座7移动，进而实现所述可调星轮21相对于固定星轮22的位置变化，并可独立滑动；所述传动转轴的一端穿过所述星轮滑动基座8上端设有的转轴孔与固定星轮22传动连接，传动转轴的另外一端与驱动装置传动连接；所述传动转轴的一端穿过所述星轮滑动基座8上端设有的转轴孔与可调星轮21连接，传动转轴的另外一端与驱动装置传动连接；连接有固定星轮22的星轮基座7与连接有可调星轮21的星轮基座7依次并排连接；所述可调星轮21与所述固定星轮22的外圆周设有的圆弧缺口与易拉罐1啮合，将易拉罐1传送至指定位置；所述振动传感器5设置于所述星轮滑动基座8上，用于采集所述两片罐缩颈翻边机工作过程中的振动数据；数据采集器实时采集振动传感器5的振动数据；数据处理和特征提取模块对采集到的振动数据进行数据预处理与特征提取；故障诊断模块用于将实时样本检测特征值进行特征值计算后与正常运行状态下的基准特征值范围进行比较，根据计算比较结果判断是否需要发出提醒信号。

所述的监测系统还包括云平台、数据通讯信模块和客户操作终端；所述云平台用于接收并储存数据；所述故障诊断模块部署于所述云平台，所述数据通信模块实现所述数据采集模块、云平台、故障诊断模块和用户操作终端电联接，实现信号通讯。

本发明提出一种基于振动信号处理传送星轮不同步故障的监测方法和所述监测系统，将高度自动化的生产设备升级为智能化生产设备，具备智能判断设备故障的能力；可预知设备的工作与故障趋势发展情况，提前合理安排维修计划，提早准备备件；操作者可根据故障预测系统智能判断产品过程质量，预测产品的质量变化趋势；并依据产品过程质量趋势采取措施降低废品的大规模产生，降低生产成本；所述监测系统提高设备故障与产品过程质量问题的判断准确度，确保设备与质量处于实时监控的状态，且无需定时停机检测，大大提高了生产效率。

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 (9)

1.基于振动信号处理传送星轮不同步故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，其特征在于，包括如下步骤：

a.初始检测校正，使得传送星轮机构中可调星轮和固定星轮同步转动，实现正常运行；

b.利用振动传感器采集所述传送星轮机构的在正常运行情况下的正常振动数据；

c.数据采集器采集该正常振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以正常振动数据建立基准特征值范围；

d.利用振动传感器实时采集传送星轮机构工作过程中的实时振动数据；

e.数据采集器采集实时振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以实时振动数据建立检测特征值；

f.故障诊断模块根据检测特征值进行特征值计算比较，当得出的差异特征值结果超出基准特征值范围，进行故障提醒操作；反之，不进行故障提醒操作；

所述步骤b中和步骤e中，对正常振动信号和实时振动信号两种振动信号进行处理的特殊的振动信号算法模型，包括如下内容：设原始的时域信号为x(t)；

(b1)振动信号的预处理，去振动信号中的均值和趋势项，并去除采集的异常点；

(b2)特征值提取与优化，提取时域信号中包括：统计指标、频谱轴频幅值及谐波能量在内的特征向量，构建针对两片罐缩颈翻边机星轮同步的特征矩阵X＝[X1,X2,…,Xp]，X1,X2,…Xp为特征向量；对形成的特征矩阵进行主成分分析，然后对特征进行降序排列，提取95％以上信息的特征序列。

2.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤a中，初始检测校正是人工进行操作，采取逐一排查油路润滑、气压管路、检测胶辊、清理铝粉杂质和调整星轮间距的方式，致使可调星轮和固定星轮同步转动。

3.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f中，所述故障诊断模块根据检测特征值进行特征值计算比较，包括如下内容：

对于降序后的特征创建模型，并进行假设检验，如果不服从高斯正态分布，则建立高斯混合模型，然后求取正常情况的高斯混合模型H(x)，以及当前样本的高斯混合模型G(x)；利用实时采集的样本的模型与正常运行状态下的模型进行对比，再利用如下公式：

求取当前实时采集的样本的健康指标CV，当健康指标CV超出预设值时，进行故障提醒操作，L2为工业计算中常规的配比参数。

4.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f后还包括：

故障分类和机器学习步骤：在两片罐缩颈翻边机工作过程中，人工根据故障类型对对应数据进行标签分类，所述监测系统不断的积累带有故障标签的数据，然后通过机器学习算法，建立故障样本库与机器故障学习模型；

自动匹配故障类型：当建立好故障样本库与机器故障学习模型后，当再次出现相同数据的故障时，系统可在故障样本库内自动进行数据比对匹配，同时将该数据对应的故障类型进行匹配并告知提醒给操作人员。

5.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f中还包括如下内容：在所述基准特征值范围内预设临界报警值；当得出的差异特征值结果接近临界报警值时，进行同步信号参数的临界值报警，提醒操作人员需要进行设备故障调整的准备工作；当得出的差异特征值结果超出基准特征值范围时，提醒操作人员需要立即检查设备故障情况。

6.根据权利要求5所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，差异特征值结果与临界报警值是否接近是由接近精度范围值控制的，所述接近精度范围值可人工进行预设和调整的。

7.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述数据采集器将所述基准特征值范围和检测特征值传输至云平台，部署在云平台的故障诊断模块根据检测特征值进行特征值计算并与自身储存的基准特征值范围进行比较；然后将故障提醒操作的信号发送至客户操作终端，所述操作终端可控制所述两片罐缩颈翻边机的工作状态。

8.应用如权利要求1-7中任意一项所述的基于振动信号处理传送星轮不同步故障的监测方法的监测系统，其用于控制两片罐缩颈翻边机的传送星轮机构生产运作，其特征在于，所述两片罐缩颈翻边机包括传送星轮机构，所述传送星轮机构包括：星轮基座、传动转轴、可调星轮、固定星轮、星轮滑动基座和振动传感器；所述星轮滑动基座安装于所述星轮基座上方，并可独立滑动；所述传动转轴的一端穿过所述星轮滑动基座上端设有的转轴孔与固定星轮连接，传动转轴的另外一端与驱动装置传动连接；传动转轴的一端穿过所述星轮滑动基座上端设有的转轴孔并与可调星轮连接，所述传动转轴的另外一端与驱动装置传动连接；连接有固定星轮的星轮基座与连接有可调星轮的星轮基座依次并排连接；所述可调星轮与所述固定星轮的外圆周啮合；

所述监测系统包括：设有数据处理和特征提取模块的数据采集器，及故障诊断模块；

所述振动传感器设置于所述星轮滑动基座，用于采集所述两片罐缩颈翻边机工作过程中的振动数据；

数据采集器实时采集振动传感器的振动数据；

数据处理和特征提取模块对采集到的振动数据进行数据预处理与特征提取；

故障诊断模块用于将实时样本检测特征值进行特征值计算后与正常运行状态下的基准特征值范围进行比较，根据计算比较结果判断是否需要发出提醒信号。

9.根据权利要求8所述的监测系统，其特征在于，还包括云平台、数据通讯信模块和客户操作终端；所述云平台用于接收并储存数据；所述故障诊断模块部署于所述云平台，所述数据通信模块实现所述数据采集模块、云平台、故障诊断模块和用户操作终端电联接。

Images