楊文廣，龍 泉，蔣東翔

（清華大學(xué) 熱能工程系，動力系統(tǒng)及發(fā)電設(shè)備控制與仿真國家重點實驗室，北京 100084）

基于云平臺的動力設(shè)備遠程故障診斷系統(tǒng)研究

楊文廣，龍 泉，蔣東翔

（清華大學(xué) 熱能工程系，動力系統(tǒng)及發(fā)電設(shè)備控制與仿真國家重點實驗室，北京 100084）

總結(jié)了動力設(shè)備遠程故障診斷系統(tǒng)的結(jié)構(gòu)和相關(guān)技術(shù)方案，對工業(yè)云平臺的國內(nèi)外現(xiàn)狀進行了綜述，分析了基于工業(yè)云平臺的動力設(shè)備遠程故障診斷系統(tǒng)的結(jié)構(gòu)。研究了基于云平臺的動力設(shè)備遠程故障診斷系統(tǒng)的開發(fā)技術(shù)，利用Bosh Lite搭建了一個私有的Cloud Foundry PaaS平臺，完成了一個軸承故障診斷應(yīng)用案例及其在私有云平臺和公有云平臺上的開發(fā)與應(yīng)用，利用滾動軸承故障模擬實驗臺的實驗數(shù)據(jù)對系統(tǒng)了測試。通過對比，發(fā)現(xiàn)并總結(jié)了基于云平臺開發(fā)動力設(shè)備遠程故障診斷系統(tǒng)的優(yōu)點和面臨的挑戰(zhàn)。

動力設(shè)備；工業(yè)互聯(lián)網(wǎng)；云平臺；故障診斷；遠程故障診斷系統(tǒng)

0 引言

風(fēng)力發(fā)電機、汽輪機和燃氣輪機等動力設(shè)備是電力系統(tǒng)的重要組成部分，因動力設(shè)備故障導(dǎo)致停機甚至引發(fā)傷亡事故的事件時有發(fā)生，以風(fēng)力發(fā)電設(shè)備為例，我國風(fēng)電市場面臨的主要問題之一就是故障率高[1]。研究如何提高動力設(shè)備運行的安全性與可靠性具有非常重要的意義。動力設(shè)備故障診斷系統(tǒng)通過對動力設(shè)備的運行狀態(tài)進行監(jiān)測和分析，可以在故障程度輕微時準(zhǔn)確地將其發(fā)現(xiàn)和識別，輔助運行人員對異常進行處理，避免嚴重事故，提高設(shè)備可靠性。此外，它積累的數(shù)據(jù)可以用于設(shè)備優(yōu)化設(shè)計和故障診斷理論研究，因此，動力設(shè)備故障診斷系統(tǒng)對于相關(guān)產(chǎn)業(yè)的發(fā)展和學(xué)術(shù)研究都具有十分重要的意義。

GE-Bently公司開發(fā)的System I系統(tǒng)，廣泛用于動力設(shè)備的振動狀態(tài)監(jiān)測與故障診斷系統(tǒng)的開發(fā)[2]。Elsaadawi等人[3]基于KAPPA PC開發(fā)了一套基于產(chǎn)生式規(guī)則的三相電動機的故障診斷專家系統(tǒng)。在國內(nèi)，也有很多公司和高校進行了動力設(shè)備故障診斷系統(tǒng)的研究與開發(fā)，楊文廣等人[4]基于模糊專家系統(tǒng)開發(fā)了一套風(fēng)力機的遠程故障診斷系統(tǒng)。蔣東翔等人[5]開發(fā)了一套汽輪機組遠程振動監(jiān)測及診斷系統(tǒng)。

2007年IBM和Google首次提出了云計算（Cloud Computing）的概念[6]。隨后各大IT公司紛紛推出了商業(yè)云平臺，改變了軟件的開發(fā)和運行模式，代表性的云平臺有AWS，Azure和阿里云等。2012年GE將云計算引入工業(yè)領(lǐng)域，提出了工業(yè)互聯(lián)網(wǎng)的概念[7]。2016年GE開放了其工業(yè)云平臺Predix[8]。西門子也開發(fā)了云平臺MindSphere[9]，將其稱為物聯(lián)網(wǎng)（Internet of Things，IoT）操作系統(tǒng)。在國內(nèi)，徐工集團在阿里云上搭建了國內(nèi)首個工業(yè)云平臺“徐工工業(yè)云”[10]，2016年年底三一重工開放了工業(yè)云平臺“根云”[11]。這些工業(yè)云平臺的推出，使得故障診斷系統(tǒng)的運行基礎(chǔ)設(shè)施出現(xiàn)了新的選擇，作為對比，本文將使用傳統(tǒng)方式開發(fā)的故障診斷系統(tǒng)稱為基于自建服務(wù)器的故障診斷系統(tǒng)。

各大公司正積極將其相關(guān)應(yīng)用移植到云平臺。東方航空公司在Predix上搜集了500多臺CFM56發(fā)動機高壓渦輪葉片保修數(shù)據(jù)，進行葉片損傷預(yù)測[12]。由于云計算的關(guān)鍵技術(shù)包括分布式的數(shù)據(jù)存儲與分布式的數(shù)據(jù)計算，國內(nèi)一些學(xué)者將基于Hadoop的應(yīng)用稱為云計算的應(yīng)用。朱朝鵬[13]研究了基于Hadoop平臺的工業(yè)數(shù)據(jù)存儲管理方案以及基于Map/Reduce的智能故障診斷算法的并行計算實現(xiàn)。云平臺的核心是虛擬化技術(shù)，Hadoop是云平臺中計算服務(wù)和存儲服務(wù)的一種實現(xiàn)方式。目前國內(nèi)對基于云平臺的動力設(shè)備故障診斷系統(tǒng)的研究較少。

本文以基于云平臺的動力設(shè)備故障診斷系統(tǒng)為研究對象，通過案例研究其開發(fā)與維護過程，并通過與傳統(tǒng)的故障診斷系統(tǒng)進行對比，說明其優(yōu)缺點，為各類動力設(shè)備故障診斷系統(tǒng)的運行平臺方案選型提供參考。

1 動力設(shè)備遠程故障診斷系統(tǒng)

動力設(shè)備故障診斷系統(tǒng)是一套集成了故障診斷知識和算法的軟硬件系統(tǒng)，根據(jù)結(jié)構(gòu)可以將其分為單機/便攜式的和基于網(wǎng)絡(luò)的遠程故障診斷系統(tǒng)。圖1給出了動力設(shè)備遠程故障診斷系統(tǒng)的結(jié)構(gòu)示意圖?？蛻舳私尤敕绞娇梢圆捎肂/S或C/S方式，接入設(shè)備可以是電腦或各類移動設(shè)備。

故障診斷服務(wù)是整個系統(tǒng)的核心，它通過對實時數(shù)據(jù)的處理，評估設(shè)備狀態(tài)，檢測異常，診斷故障的部位、程度和根本原因，輔助運行人員進行處理。故障診斷服務(wù)由多個功能模塊組成，一般包括數(shù)據(jù)采集、數(shù)據(jù)管理、知識管理、診斷分析和人機交互等模塊，圖2方框中的部分為故障診斷服務(wù)的一個典型結(jié)構(gòu)圖[4]。

圖1 動力設(shè)備遠程故障診斷系統(tǒng)結(jié)構(gòu)示意圖

圖2 故障診斷應(yīng)用結(jié)構(gòu)圖

數(shù)據(jù)采集模塊定時從采集設(shè)備主動讀取或監(jiān)聽接收動力設(shè)備的運行數(shù)據(jù)，該模塊可以根據(jù)需要內(nèi)置一些數(shù)據(jù)預(yù)處理功能，如異常數(shù)據(jù)剔除、數(shù)據(jù)匯總、特征提取等功能，然后將數(shù)據(jù)送入實時數(shù)據(jù)庫系統(tǒng)進行存儲。該模塊是連接機器與分析服務(wù)的橋梁，需要根據(jù)具體的數(shù)據(jù)采集設(shè)備和存儲服務(wù)進行開發(fā)。

數(shù)據(jù)管理主要包括時間序列數(shù)據(jù)和關(guān)系型數(shù)據(jù)的管理。運行數(shù)據(jù)為時序型數(shù)據(jù)，可根據(jù)采樣頻率分為低頻數(shù)據(jù)如溫度，和高頻數(shù)據(jù)如振動、噪音、應(yīng)變數(shù)據(jù)，需要通過時間序列數(shù)據(jù)庫（TSDB）進行存儲。PI數(shù)據(jù)庫是目前應(yīng)用最廣泛的商業(yè)實時數(shù)據(jù)庫，如王俏文等人[14]利用PI實時數(shù)據(jù)庫搭建供電企業(yè)的實時數(shù)據(jù)中心。商業(yè)實時數(shù)據(jù)庫存在價格昂貴的缺點，隨著大數(shù)據(jù)技術(shù)的發(fā)展，出現(xiàn)了InfluxDB、Prometheus、OpenTSDB等優(yōu)秀的開源分布式時序數(shù)據(jù)庫。NoSQL數(shù)據(jù)庫如Redis、Mongodb等也可以用于一些時間序列數(shù)據(jù)的存儲。作者也開發(fā)了一套輕量級的實時數(shù)據(jù)庫，可以用于數(shù)據(jù)規(guī)模小或嵌入式的故障診斷環(huán)境[4]。分析結(jié)果等數(shù)據(jù)采用關(guān)系型數(shù)據(jù)庫進行存儲，常用的商業(yè)關(guān)系型數(shù)據(jù)庫有Oracle和SQLServer等，開源關(guān)系型數(shù)據(jù)庫有PostgreSQL和MySQL等。

診斷分析模塊利用知識庫中的知識，對運行數(shù)據(jù)進行分析，完成異常檢測和故障診斷等分析，最后將分析結(jié)果寫入數(shù)據(jù)庫。知識庫中存放著診斷分析需要的所有的知識，包括設(shè)備結(jié)構(gòu)原理、傳感器信息、正常行為模型和各種故障模型等知識。知識庫中的知識需要針對具體動力設(shè)備的正常特性和故障機理進行深入研究獲得。設(shè)備的運行數(shù)據(jù)中蘊含著大量的信息，數(shù)據(jù)挖掘方法是這些知識的主要來源之一。診斷分析模塊根據(jù)具體需求，可能包括數(shù)據(jù)處理、狀態(tài)識別、健康評估、預(yù)測診斷、決策制定等功能模塊[15]，這些模塊的開發(fā)涉及各種信號分析，模式識別，趨勢預(yù)測，最優(yōu)化等方法。Angeli[16]根據(jù)故障診斷方法的不同，將故障診斷系統(tǒng)劃分為基于模型的，基于知識的和基于人工神經(jīng)網(wǎng)絡(luò)等模型的診斷系統(tǒng)和基于定性仿真的診斷系統(tǒng)。作者針對故障診斷的需求，開發(fā)一套模糊專家系統(tǒng)，并在風(fēng)力機和汽輪機中進行了應(yīng)用[4,17]。

故障診斷服務(wù)應(yīng)當(dāng)采用松耦合的、開放式的架構(gòu)，可以根據(jù)數(shù)據(jù)規(guī)模、用戶規(guī)模和安全性等不同需求，其各個模塊可以集成部署，獨立進程部署、或分布式集群部署。

2 基于云平臺的動力設(shè)備故障診斷系統(tǒng)

云計算是指通過虛擬化技術(shù)，將抽象的計算能力、存儲能力和網(wǎng)絡(luò)通信能力以及傳統(tǒng)的數(shù)據(jù)、基礎(chǔ)應(yīng)用等資源都作為服務(wù)提供，使得開發(fā)者以更快的速度、更低的成本構(gòu)建出各類應(yīng)用，在維護階段，這些應(yīng)用還可以根據(jù)實時的用戶規(guī)模，計算量的需求，進行彈性的伸縮[18]。云計算為開發(fā)者提供一種新的應(yīng)用部署和運行管理模式，應(yīng)用的開發(fā)者可以不用考慮軟硬件基礎(chǔ)設(shè)施，集中于算法和領(lǐng)域，而應(yīng)用的這些改變對終端用戶是透明的。根據(jù)云計算服務(wù)層次不同，一般將云計算服務(wù)分為三層[18]，如圖3所示。

圖3 云計算服務(wù)類型

基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）將虛擬的計算機作為服務(wù)提供，用戶可以直接購買具有不同計算和存儲能力的虛擬計算機（云服務(wù)器）進行使用，其核心是虛擬化技術(shù)。相較于物理機和虛擬主機，云服務(wù)器具有性價比高，可靠性高和可擴展性好等優(yōu)點。AWS等公有云平臺均提供IaaS服務(wù)。目前可用于搭建私有IaaS平臺的開源項目包括OpenStack，CloudStack，Eucalyptus等。

平臺即服務(wù)（Platform as a Service，PaaS）提供開發(fā)者將符合該云平臺規(guī)范的應(yīng)用部署到云中的服務(wù)。用戶只需要指定應(yīng)用依賴的環(huán)境，PaaS會自動創(chuàng)建其需要的虛擬環(huán)境并運行該應(yīng)用。PaaS一般部署在IaaS云平臺中。目前可用于搭建私有PaaS的開源項目包括，Cloud Foundry，OpenShift，Stackato，Cloudify等。

軟件即服務(wù)（Software as a Service，SaaS）是指通過運行在云中的應(yīng)用，為終端用戶提供服務(wù)的模式。例如基于云平臺的故障診斷系統(tǒng)就是一種SaaS應(yīng)用。

2012年GE將云計算引入工業(yè)領(lǐng)域，提出了工業(yè)互聯(lián)網(wǎng)的概念[7]，隨后GE、西門子、徐工集團和三一重工等公司都紛紛開發(fā)并開放了自己工業(yè)云平臺。這些工業(yè)云平臺均屬于PaaS平臺，其中Predix和MindSphere等工業(yè)云平臺均基于Cloud Foundry開發(fā)?；谠破脚_的遠程故障診斷系統(tǒng)的整體結(jié)構(gòu)如圖4所示。

圖4 基于云的動力設(shè)備遠程故障診斷系統(tǒng)結(jié)構(gòu)圖

可以看到，該系統(tǒng)的整體結(jié)構(gòu)與圖1中傳統(tǒng)的故障診斷系統(tǒng)相同。系統(tǒng)由機器側(cè)、云和用戶側(cè)三大部分組成，其中，機器側(cè)通過軟件將采集的實時數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送到基于云的遠程診斷中心，云中心接收實時數(shù)據(jù)后，進行存儲和分析。用戶通過B/S或C/S的客戶端軟件，接入云上的應(yīng)用，獲取故障診斷等服務(wù)。

與面向普通消費者應(yīng)用的云平臺相比較，工業(yè)云平臺的目標(biāo)是實現(xiàn)機器與人的連接，需要接收、處理可視化來自于IoT的不同類型的、海量的工業(yè)數(shù)據(jù)。例如2014年P(guān)redix每天要接收來自1萬億設(shè)備資產(chǎn)上1000萬個傳感器所返回的5000萬條數(shù)據(jù)[19]。因此，工業(yè)云平臺提供了針對工業(yè)數(shù)據(jù)的存儲、分析和管理功能需求的眾多服務(wù)，并滿足工業(yè)安全的要求。與傳統(tǒng)的故障診斷系統(tǒng)部署方式相比，云平臺提供了數(shù)據(jù)庫、高性能計算、工業(yè)數(shù)據(jù)分析等縱多服務(wù)，使得開發(fā)者專注于故障診斷應(yīng)用的開發(fā)。

3 基于云平臺的故障診斷應(yīng)用開發(fā)

為深入研究基于云平臺的動力設(shè)備故障診斷系統(tǒng)，我們搭建了一個私有的CloudFoundry PaaS平臺，開發(fā)了一個簡單的滾動軸承故障診斷應(yīng)用，并將其部署到私有云平臺和公有Cloud Foundry云平臺Pivotal Web Services（PWS）[20]中。

3.1 Cloud Foundry私有云平臺搭建

Cloud Foundry是VMware推出的一個開源PaaS云平臺，它支持多種框架、語言、運行時環(huán)境、IaaS云平臺，使開發(fā)人員能夠快速進行應(yīng)用程序的部署和擴展，無需擔(dān)心任何基礎(chǔ)架構(gòu)的問題[21]。Cloud Foundry作為一個大型的分布式系統(tǒng)，需通過BOSH部署，它既可以部署到IaaS平臺中，也可以單機部署。本文只介紹單機搭建私有云平臺的方法，具體步驟如下[21]：

1）下載并安裝VirtualBox、ruby、Vagrant、BOSH CLI、Cloud Foundry CLI等工具；

2）下載BOSH Lite的虛擬機模板文件，通過vagrant工具創(chuàng)建虛擬機；

3）通過BOSH CLI登陸到虛擬機中的BOSH Director中，將Cloud Foundry部署到Garden容器中。

對于所有的基于Cloud Foundry的云平臺，都統(tǒng)一通過Cloud Foundry CLI工具來進行應(yīng)用的部署和生命周期的管理[21]。

3.2 軸承故障診斷應(yīng)用開發(fā)

本文開發(fā)的基于云平臺的滾動軸承故障診斷應(yīng)用的整體架構(gòu)如圖5所示。其中，軸承故障診斷應(yīng)用通過WebSocket監(jiān)聽獲取實時數(shù)據(jù)，對于接收到的數(shù)據(jù)通過支持向量機（Support vector machine，SVM）進行故障診斷分析；它通過接收Web請求，返回Web頁面或數(shù)據(jù)，實現(xiàn)與用戶的交互。振動數(shù)據(jù)采集系統(tǒng)通過一個運行在本地的程序模擬，它將實驗數(shù)據(jù)通過WebSocket將逐一推送到云中的故障診斷應(yīng)用中；在客戶端，用戶通過瀏覽器來與故障診斷應(yīng)用交互，獲取狀態(tài)監(jiān)測和故障診斷的結(jié)果。

圖5 基于云平臺的滾動軸承故障診斷應(yīng)用開發(fā)

本文采用的故障數(shù)據(jù)來自于滾動軸承故障模擬實驗臺[22]。選擇的數(shù)據(jù)包含三個故障狀態(tài)，分別是滾動體故障（F1）、外圈輕微故障（F2）和外圈嚴重故障（F3），轉(zhuǎn)速均為466rpm，各狀態(tài)及其樣本數(shù)如表1所示。

表1 選擇的故障實驗數(shù)據(jù)

本文選擇的故障數(shù)據(jù)僅通過軸承垂直振動加速度信號的有效值和峭度兩個特征參數(shù)就可以完成區(qū)分，如圖6所示。隨機選擇70%的數(shù)據(jù)用于SVM的訓(xùn)練，剩余數(shù)據(jù)用于測試。將訓(xùn)練好的模型與人機交互等其他模塊集成，完成了整個軸承故障診斷應(yīng)用的開發(fā)。

由于該軸承故障診斷應(yīng)用沒有使用特定云平臺的服務(wù)，因此它可以部署于任何Cloud Foundry云平臺中。我們采用Cloud Foundry CLI成功將該應(yīng)用推送到私有云平臺和公有云平臺PWS中。通過瀏覽器訪問部署的應(yīng)用，均順利進入如圖7所示的界面。

圖6 故障樣本在特征空間的分布

圖7 故障診斷系統(tǒng)界面

通過振動采集器將測試數(shù)據(jù)推送到云中，可以看到界面中數(shù)據(jù)的變化，由于故障數(shù)據(jù)非常典型，診斷正確率為100%。至此，我們完成了基于云平臺的滾動軸承故障診斷系統(tǒng)開發(fā)。

3.3 對比分析

綜合以上分析與開發(fā)，可以發(fā)現(xiàn)，與傳統(tǒng)的動力設(shè)備故障診斷系統(tǒng)相比，基于云平臺的動力設(shè)備故障診斷系統(tǒng)具有以下優(yōu)點：1）簡化了系統(tǒng)的開發(fā)和維護過程，使得開發(fā)者可以避免IT（Information Technology）基礎(chǔ)架構(gòu)的安裝維護工作，集中于應(yīng)用的開發(fā)； 2）云平臺上的應(yīng)用具有可彈性伸縮，方便擴展等優(yōu)點，在應(yīng)用運行維護階段如果有更多的設(shè)備或用戶接入，開發(fā)者可以快速的完成基礎(chǔ)架構(gòu)的擴容；可以按需購買計算能力，進行大數(shù)據(jù)分析；3）云平臺有專業(yè)團隊維護，系統(tǒng)可靠性高。4）系統(tǒng)開發(fā)維護的全生命周期成本更低；

基于云平臺的故障診斷應(yīng)用也面臨著挑戰(zhàn)：1）云平臺只是故障診斷系統(tǒng)的一種運行環(huán)境，故障診斷系統(tǒng)開發(fā)的核心仍然是具體動力設(shè)備診斷知識和診斷算法的研究；2）云平臺上應(yīng)用的調(diào)試相對復(fù)雜，開發(fā)人員需要學(xué)習(xí)一些新的知識；3）基于公有云平臺的故障診斷系統(tǒng)的應(yīng)用受到網(wǎng)絡(luò)安全和網(wǎng)絡(luò)帶寬的限制；4）數(shù)據(jù)和診斷應(yīng)用軟件都要部署在云上，數(shù)據(jù)和軟件的隱私與安全性問題十分重要。

對于動力設(shè)備業(yè)主而言，電廠現(xiàn)場使用的故障診斷系統(tǒng)涉及大量振動數(shù)據(jù)的傳輸，而且實時性、穩(wěn)定性和安全性的要求都非常高。公有云平臺難以同時滿足這些要求，而私有云平臺本身需要運維，且無法發(fā)揮云的優(yōu)勢，因此，現(xiàn)場的故障診斷系統(tǒng)仍然會采用傳統(tǒng)的自建服務(wù)器的方式。

大型的動力設(shè)備業(yè)主需要建立區(qū)域級的遠程診斷中心系統(tǒng)進行資產(chǎn)績效管理（Assert Performance Management，APM），動力設(shè)備的制造商也需要建立了設(shè)備的遠程監(jiān)測診斷中心，用于產(chǎn)品優(yōu)化設(shè)計和提供運維服務(wù)。這類系統(tǒng)需要具有大數(shù)據(jù)管理、大數(shù)據(jù)分析、動態(tài)擴容等能力，這些需求和云平臺的優(yōu)勢非常契合，因此基于云平臺來構(gòu)建遠程監(jiān)測診斷中心，是非常具有競爭力的方案。但是對一些敏感單位，出于安全的考慮，可能不會選擇公有云平臺；而一些大型的設(shè)備制造商會可能選擇開發(fā)自己的工業(yè)云平臺，一方面是不希望自己設(shè)備的運行數(shù)據(jù)進入競爭對手的平臺中，另一方面也是自身轉(zhuǎn)型升級、尋找新的盈利點的需要。

4 結(jié)束語

本文通過一個基于云平臺的滾動軸承故障診斷應(yīng)用的開發(fā)，研究了基于云平臺的動力設(shè)備遠程故障診斷系統(tǒng)的設(shè)計與開發(fā)技術(shù)，并通過將其與傳統(tǒng)的故障診斷系統(tǒng)進行對比，總結(jié)了其優(yōu)缺點。相較于傳統(tǒng)的遠程故障診斷系統(tǒng)，基于云平臺的動力設(shè)備遠程診斷系統(tǒng)具有成本低、可彈性伸縮、方便擴展和穩(wěn)定性高等優(yōu)點，非常適合于動力設(shè)備遠程故障診斷中心的構(gòu)建。由于云平臺

【】【】上應(yīng)用存在調(diào)試相對復(fù)雜，受到網(wǎng)絡(luò)安全和網(wǎng)絡(luò)帶寬的限制，以及數(shù)據(jù)和應(yīng)用軟件隱私安全等缺點，現(xiàn)場運維使用的遠程故障診斷系統(tǒng)仍然會采用傳統(tǒng)的自建服務(wù)器的方式。

[1] Lin Y, Tu L, Liu H, et al.Fault analysis of wind turbines in China[J].Renewable & Sustainable Energy Reviews,2016,55:482-490.

[2] GE. System 1 Optimization and Diagnostics Software Brochure[R].2012.

[3] Elsaadawi A M, Kalas A E, Fawzi M. Development of an expert system to fault diagnosis of three phase induction motor drive system[A].Power System Conference[C].2008:497-502.

[4] 楊文廣,蔣東翔.大型風(fēng)力機組遠程智能監(jiān)測與診斷系統(tǒng)的研究與開發(fā)[J].中國工程科學(xué),2015,(03):24-29.

[5] 蔣東翔,倪維斗,于文虎,等.大型汽輪發(fā)電機組遠程在線振動監(jiān)測分析與診斷網(wǎng)絡(luò)系統(tǒng)[J].動力工程,1999,(01):50-53.

[6] 劉黎明.云計算起源探析[J].電信網(wǎng)技術(shù),2010,(09):8-11.

[7] 楊帥.工業(yè)4.0與工業(yè)互聯(lián)網(wǎng):比較、啟示與應(yīng)對策略[J].當(dāng)代財經(jīng),2015,(08): 99-107.

[8] GE. The World's First Industrial Internet Platform[EB/OL].2016.https://www.predix.com.

[9] Siemens. MindSphere – Siemens Cloud for Industry[EB/OL].2015.http://www.siemens.com.

[10] 馬鐵寶,田豐,劉云璐.DT時代的工業(yè)互聯(lián)網(wǎng)生態(tài)[J].電信網(wǎng)技術(shù),2016,(08):6-14.

[11] Root of Industry. Root Cloud[EB/OL].2016.http://www.rootcloud.com.

[12] 楊濤.Predix:工業(yè)互聯(lián)網(wǎng)的階段性界碑[J].中國工業(yè)評論,2015,(10):76-81.

[13] 朱朝鵬.基于云計算的遠程診斷關(guān)鍵技術(shù)研究[D].鄭州大學(xué), 2013.

[14] 王俏文,陶文偉,丁堅勇,等. 基于PI數(shù)據(jù)庫的供電企業(yè)實時數(shù)據(jù)中心的設(shè)計與實現(xiàn)[J].電力系統(tǒng)自動化,2009,(06): 99-103.

[15] Holmberg,Kenneth,AdgarA,et al.E-maintenance[M].Springer, 2010.

[16] Angeli C. Online expert systems for fault diagnosis in technical processes[J]. Expert Systems,2008,25(2):115-132.

[17] 鄧彤天,楊文廣,安少朋,等.基于模糊專家系統(tǒng)的汽輪機遠程振動故障診斷系統(tǒng)的設(shè)計與開發(fā)[J].汽輪機技術(shù),2015,(03):217-220.

[18] 方巍,文學(xué)志,潘吳斌,等.云計算:概念、技術(shù)及應(yīng)用研究綜述[J].南京信息工程大學(xué)學(xué)報(自然科學(xué)版),2012,(04):351-361.

[19] 林雪萍.工業(yè)互聯(lián)網(wǎng):人機交互式數(shù)字帝國[J].中國工業(yè)評論,2016,(04):16-23.

[20] Pivotal Software. Pivotal Web Services[EB/OL].2017.http://run.pivotal.io/.

[21] Cloud Foundry Foundation. Getting Started with Cloud Foundry[EB/OL].2017.http://docs.cloudfoundry.org.

[22] 陳杰.風(fēng)力機振動信號分析與故障模擬實驗研究[D].北京:清華大學(xué),2013.

Research of the power equipment remote fault diagnosis system based on cloud platform

YANG Wen-guang, LONG Quan, JIANG Dong-xiang

TH17

：A

1009-0134(2017)07-0006-04

2017-03-22

楊文廣（1988 -），男，湖北人，博士后，研究方向為動力設(shè)備故障診斷。