[发明专利]具有故障诊断性能的网关系统及其方法

权利要求书

1.一种具有故障诊断性能的网关系统，其特征在于，包括运行在网关上的协议配置模块、数据解析模块、数据缓存模块、故障诊断模块以及数据发送模块。

2.根据权利要求1所述的具有故障诊断性能的网关系统，其特征在于，所述协议配置模块，用于以基于XML配置文件的方式描述网关的各个端口以设定的协议进行信息通讯和统一的数据发送帧率，并规定相应的连接方式；

所述XML配置文件，具有事先预定义好的语义，通过DTD文件规定XML文件可出现的定义字段；

所述设定的协议中的协议包括Modbus协议、Profinet协议、OPC协议、Ethernet/IP协议、UA协议；每种协议的基于RS485、RS232和以太网接口的具体实现都纳入数据解析驱动库中，网关中共有32通道支持各个所述协议的作为所述端口的硬件接口，同时所述网关中包含有无线信号接收模块，该接收模块包括4G模块和WIFI模块。

3.根据权利要求1所述的具有故障诊断性能的网关系统，其特征在于，所述数据解析模块，用于根据在作为协议配置文件的XML配置文件中选择的协议，加载驱动包中用于解析工控协议的对应的工控协议解析器，测试各个端口的数据，测试通过就可以开始接收接入所述网关的传感器采集模块采集的数据包，一旦测试不通过就报警；

所述接收接入所述网关的传感器采集模块采集的数据包的方式包括：所述的数据解析模块定时检测作为数据采集器的传感器采集模块是否发送数据，一旦超时未接收到数据包则判断连接已断开并报警，对已接受的报文以对应的设定的协议解析出有效的数据。

4.根据权利要求1所述的具有故障诊断性能的网关系统，其特征在于，所述数据缓存模块在传感器采集模块采集到了数据发送到网关后，先将数据存入本地磁盘；同时对加工参数数据也应存入作为数据存储系统的本地磁盘，在存入本地磁盘时必须对数据的格式、关联关系作统一描述。

5.根据权利要求1所述的具有故障诊断性能的网关系统，其特征在于，所述故障诊断模块包括数据预处理模块、特征提取模块和数据特征分类模块；

所述数据预处理模块，用于将不同端口收集到的多种传感器、多种类型的数据中所包含的环境噪声消除掉；

所述张量数据包括将不同端口收集到的数据的不同类型的数据，以每一个数据源的数据为一列X_ij，其中i为数据序号，j为传感器采集模块中的传感器通道号，i和j均为正整数；

所述特征提取模块是基于深度学习中的自动编码器算法实现，用于通过解码过程和编码过程实现原始数据的重构，并以重构过程中的权重作为提取到的各个数据X_i的特征参数；

所述特征提取模块还用于通过以原始数据特征提取到的特征参数作为分类器的输入数据，以此输出每次数据集与正常数据的分类结果；

作为分类器的所述数据特征分类模块利用支持向量机或者三层神经网络实现。

6.一宗具有故障诊断性能的网关系统的方法，其特征在于，包括：所述数据解析模块开始工作后，通过不同的协议驱动包将多通道的数据解析出来后，根据不同的传感器采集模块上传的不同信息量将不同数据进行命名，同时对每个数据加上时间戳，然后再存入数据缓存区。以一定频率对缓存区中的数据遍历，并将时间戳在半个采样周期内的数据，按照采样通道和数据包中的排列顺序进行排列，最后将这样一组排序好的数据作为一个元组或者以键值对的形式插入数据库中并记录插入时间。数控系统的数据在系统发生加工参数发生变化时会将新的加工参数发送给数据；

随后进行数据预处理，所述数据预处理器首先对每通道的数据利用滤波器对数据进行去噪声，并将输出的多通道数据按列排序，那么一次加工过程采集到的数据可以作为一个矩阵，一个批次的数据作为一个数据集，此数据集即为故障诊断模块的有效输入；

采用稀疏自编码器神经网络模拟状态数据的分解过程，原始信号是一些列的超完备线性成分组成，要求由这些超完备的线性成分组成的输出部分逼近输入，即：X＝X’；X’是由原始完备线性成分线性组装而成，X是输入信号，对于稀疏自动编码器，它试读利用输出逼近输入；

稀疏自编码网络的输入为X_i和一个偏置单元输入，其中，i＝1，2……n，i为正整数，n为正整数且为输入数据集中数据总个数，本稀疏自编码器网络即控制X_i＝X’_i，并添加稀疏惩罚项，利用完备线性成分中的很少几个重构输入信号；输入层到隐藏层的传播就是解码的寻找原始完备线性成分，隐藏层到输出层的传播就是编码重构就是原始信号的过程；

随后进行量化稀疏性，即引入中间层神经元的平均活跃度记为公式(1)：

其中，为隐藏层中第j个神经元在给定x的情况下的激活，j为中间层神经元序号；对网络施加的稀疏性要求就是要求在一个较小的范围内，即神经元的活跃度在一个较小的范围内；因此在稀疏自编码神经网络训练参数时，利用KL散度构建需要额外添加如公式(2)所示的惩罚项：

其中，s₂表示隐藏层的神经元的个数，p为所有的平均值，因此神经网络的损失函数J_sparse(W，b)为公式(3)所示：

其中，J(w，b)是神经元的损失函数，其采用神经元的实际输出w与期望输出偏差b的L1范数作为损失函数，W是神经网络的实际输出，ω是设定的小于1的正小数且作为系数；

接着进行特征分类，故障诊断模块中采用聚类算法，以神经网络中的的隐藏层与输出层的权值作为训练集，将正常数据集与采集到的进行聚类，检查两者有无明显区分效果；

在分类完成时，以一个字节存储单元标识出异常结果的情况，若有分类异常则将将此数据集中所有数据依次添加进发送队列，然后发送模块将数据打包、端口号、IP地址封装，发送给与网关连接的服务器；若无异常情况则只需要发送一个标志字符至服务器。在数据处理过程中，数据发送单元以低频率发送一个标志字符，保持智能网关与服务器短的连接。