本發(fā)明屬于印刷設(shè)備遠程故障診斷
技術(shù)領(lǐng)域：
，尤其是涉及一種基于信號測試的印刷設(shè)備遠程故障診斷方法及系統(tǒng)。
背景技術(shù)：
：隨著印刷設(shè)備技術(shù)含量的不斷提升，印刷設(shè)備故障日益趨向綜合化、復(fù)雜化，一旦發(fā)生的故障得不到及時解決，必定會造成大量的原材料浪費，直接影響企業(yè)效益。當(dāng)前印刷設(shè)備故障診斷主要依靠經(jīng)驗和振幅閾值檢測，加上操作人員診斷知識缺乏，已經(jīng)無法達到快速準(zhǔn)確診斷的目的。同時印刷設(shè)備大部分運行歷程處在正常狀態(tài)，且出現(xiàn)的故障類型也無法預(yù)測，常常需要借助異地專家進行輔助診斷，因此印刷設(shè)備遠程故障診斷技術(shù)將是印刷行業(yè)發(fā)展的必然趨勢。當(dāng)前涉及印刷設(shè)備遠程故障診斷發(fā)明有：“專利號cn200510069686，用于印刷設(shè)備的遠程診斷系統(tǒng)”，其主要描述各子系統(tǒng)之間的數(shù)據(jù)傳輸及訪問；“專利號201110365946，基于虛擬現(xiàn)實技術(shù)的印刷設(shè)備實時遠程維護系統(tǒng)”，其主要是描述一種具備虛擬現(xiàn)實模塊的印刷設(shè)備實時維護系統(tǒng)，可在無網(wǎng)絡(luò)服務(wù)情況下實現(xiàn)印刷設(shè)備遠程維護功能；“專利號201410109969，一種印刷設(shè)備遠程故障監(jiān)測系統(tǒng)及方法”，其主要描述了現(xiàn)場設(shè)備、監(jiān)控服務(wù)器和遠程訪問端三者之間的通信連接。三者共同的問題是僅描述遠程診斷子系統(tǒng)間的連接及通信方式，未涉及印刷設(shè)備具體診斷算法及實施流程。技術(shù)實現(xiàn)要素：本發(fā)明的目的就是為了克服上述技術(shù)問題而提供一種基于信號測試的印刷設(shè)備遠程故障診斷方法及系統(tǒng)。為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：一種基于信號測試的印刷設(shè)備遠程故障診斷方法，包括現(xiàn)場數(shù)據(jù)采集平臺、數(shù)據(jù)和系統(tǒng)維護中心、印刷設(shè)備監(jiān)測及服務(wù)平臺三部分，由inernet技術(shù)實現(xiàn)三部分間的信息傳輸，其特征在于，包括以下步驟：1)印刷設(shè)備測試信號的采集；2)基于one-classsvm的印刷設(shè)備異常檢測；3)異常檢測最佳核函數(shù)及參數(shù)選擇；4)故障模式識別中基礎(chǔ)故障概率的獲??；5)多傳感器特征信息融合診斷方法；6)故障診斷數(shù)據(jù)庫的設(shè)計；7)系統(tǒng)整體結(jié)構(gòu)及通訊方式；8)故障診斷的遠程實現(xiàn)；9)系統(tǒng)功能實現(xiàn)。2.所述步驟1)中對印刷設(shè)備測試信號的采集，包括離散狀態(tài)信號，連續(xù)狀態(tài)信號和印刷圖文信息。3.所述步驟2)中one-c1asssvm異常診斷方法，只需要印刷設(shè)備正常狀態(tài)樣本，通過自適應(yīng)學(xué)習(xí)后形成特征輪廓，之后可以識別異于該輪廓的故障狀態(tài)，從而實現(xiàn)印刷設(shè)備異常狀態(tài)檢測。4.所述步驟3)中異常檢測最佳核函數(shù)是選取高斯核函數(shù)作為原始數(shù)據(jù)映射到特征空間的非線性映射函數(shù)，核參數(shù)σ采用參數(shù)尋優(yōu)方法，將部分原始數(shù)據(jù)作為測試數(shù)據(jù)，不斷優(yōu)化參數(shù)，得到最優(yōu)特征輪廓。5.所述步驟3)中將正常狀態(tài)下的印刷設(shè)備信號特征作為樣本集，將樣本集通過核函數(shù)映射到高維特征空間，同時在高維空間中尋找一個以a為圓心，以r為半徑的超球體，并引入松弛變量ξi，使得超球體盡可能包含所有數(shù)據(jù)樣本，同時為了減少判斷誤差，需要該超球體容積盡量小，通過優(yōu)化公式(1)得到包含大多數(shù)目標(biāo)訓(xùn)練樣本的超球ε(r，a，ξ)，如公式(1)：式(1)中：l為樣本數(shù)；φ(xi)為輸入樣本xi的映射函數(shù)；a為高維空間中的某一圓心，r為超球半徑，v作為一種折中尺度，可通過印刷設(shè)備實際運行情況選取。減小v值，可將數(shù)據(jù)盡可能放入球內(nèi)；增大v值，可盡量縮小球半徑，以保證判別準(zhǔn)確性。使用lagrange函數(shù)，并引入核函數(shù)得到該優(yōu)化問題的對稱解，如公式(2)：式(2)中，對應(yīng)αi＝0的樣本在超球內(nèi)；對應(yīng)的樣本在超球面上，故稱ai稱為支持向量。k(xi，xj)＝<φ(xi)·φ(xj)>為核函數(shù)。引入判決函數(shù)f(x)，如公式(3)：作為判別新樣本的準(zhǔn)則，判斷高維空間樣本點與超球體中心的距離，即當(dāng)f(x)≤0，為印刷設(shè)備狀態(tài)正常；反之，狀態(tài)異常。6.所述步驟4)中采用多類支持向量機逐一投票的方式來獲取印刷設(shè)備故障診斷基礎(chǔ)概率，每類故障票數(shù)和總票數(shù)之比為為信號特征對應(yīng)第j種故障的基本概率p(j)如公式(5)。其中，v(j)為最終每類票數(shù)，m為故障樣本個數(shù)，j＝1，2，…，m。7.所述步驟5)中假設(shè)印刷設(shè)備遠程故障診斷系統(tǒng)中，總共獲取有n個傳感器信號特征，用于識別一個印刷設(shè)備故障，可能的故障類型有m個，則印刷設(shè)備故障識別的基礎(chǔ)概率分配可用n×m的矩陣ap來表示，如公式(6)：式(6)中，pij表示第i個傳感器信號特征得出第j種故障的基礎(chǔ)概率，故矩陣每一行元素之和為1，即pi1+pi2+pi3+…pim＝1。其中i＝1，2，…，n，j＝1，2，…，m如果第c個傳感器信號特征與第d個傳感器信號特征進行信息診斷融合，則將矩陣ap中代表第c個傳感器信號特征診斷概率的行向量轉(zhuǎn)置與代表第d個傳感器信號特征診斷概率的行向量相乘，得到m×m的融合矩陣ar，如公式(7)：矩陣中，可以將主對角線上元素對故障tj識別的決定因子zj，如公式(8)：zj＝pcipdj＝mrij(8)而非對角線上元素的總和為不確定因子kcd，如公式(9)：故障tj影響因子的元素之和為總影響因子jcd，如公式(10)：因此，將第c個傳感器信號特征與第c個傳感器信號特征進行信息融合后，故障ti的綜合影響因子qj如公式(11)：qj＝zj+kcd×jcd(11)假設(shè)印刷設(shè)備遠程故障診斷系統(tǒng)中，布置有e個傳感器，能夠得到f個信號特征，然后信號特征之間依次兩兩進行信息融合，并通過式(11)計算各個故障綜合影響因子(如第j種故障的綜合影響因子依次為q12j、q23j、q34j、...、qf1j)最后將得到的每個故障的綜合影響因子線性相加，得到故障的最終影響因子(如第j種故障的綜合影響因子為qj＝q12j+q23j+q34j+…+qf1j)。其中每個信號特征均被使用兩次，且融合時間與信號特征數(shù)量成線性關(guān)系。在印刷設(shè)備遠程故障診斷系統(tǒng)中，將最終影響因子qj作為故障分類及診斷的主要標(biāo)準(zhǔn)，系統(tǒng)選取最終影響因子排名前三位的故障名稱顯示給印刷設(shè)備制造商或印刷設(shè)備使用者，以指導(dǎo)其進行故障維修，并給出故障診斷的準(zhǔn)確性用于參考。如診斷出有可能的故障類型有k種，最終影響因子排名前三的分別是故障1、故障2和故障3，對應(yīng)的準(zhǔn)確性zj分別如公式(12)、(13)、(14)：其余故障準(zhǔn)確性如公式(15)：8.所述步驟7)和步驟8)中整個系統(tǒng)結(jié)構(gòu)由現(xiàn)場數(shù)據(jù)采集平臺(印刷設(shè)備使用者)、印刷設(shè)備監(jiān)測及服務(wù)平臺(印刷設(shè)備制造商)、數(shù)據(jù)和系統(tǒng)維護中心(印刷設(shè)備故障診斷中心)三部分組成，由internet技術(shù)實現(xiàn)三部分的信息傳輸，并將matlabwebserver技術(shù)嵌入web服務(wù)器，使異地印刷設(shè)備制造商可調(diào)用matlab軟件實現(xiàn)遠程故障診斷及測點信號顯示。9.所述步驟9)中印刷設(shè)備制造商或遠程專家可通過印刷設(shè)備遠程故障系統(tǒng)實現(xiàn)的功能有：可查看各個測點特定時刻的信號及特征圖形，包括時域圖、頻域圖、功率譜密度函數(shù)以及概率密度函數(shù)等圖形，并顯示關(guān)鍵點數(shù)據(jù)，為印刷設(shè)備遠程專家提供診斷依據(jù)；原始測試信號經(jīng)小波去噪后，計算各信號的各個特征值填入對應(yīng)的特征矩陣，包括偏度指標(biāo)、峭度指標(biāo)等以及部分印品質(zhì)量參數(shù)，用于進行異常檢測及故障識別；顯示印刷設(shè)備診斷結(jié)果及維修維護建議等。該發(fā)明的有益效果在于：本發(fā)明通過提供一種基于信號測試的印刷設(shè)備遠程故障診斷方法及系統(tǒng)，以測試信號數(shù)據(jù)作為診斷基礎(chǔ)，采用one-classsvm進行異常狀態(tài)識別，并通過多信息融合進行故障精準(zhǔn)分類，取得了較好的診斷效果，并且印刷設(shè)備制造商或遠程專家可以隨時通過網(wǎng)絡(luò)調(diào)用印刷設(shè)備的狀態(tài)信號進行協(xié)助診斷。結(jié)合附圖參考后文中對本發(fā)明的優(yōu)選實施例的說明，本發(fā)明的所述及其他目的、特征和優(yōu)點將更為明顯。附圖說明如圖1是印刷設(shè)備異常檢測流程圖；如圖2是最佳參數(shù)選擇偽彩色圖；如圖3是印刷設(shè)備多信息融合診斷模型；如圖4是印刷設(shè)備故障數(shù)據(jù)庫e-r模型；如圖5是系統(tǒng)結(jié)構(gòu)及子系統(tǒng)間通訊方式示意圖；如圖6是matlab軟件遠程調(diào)用流程圖；如圖7是印刷設(shè)備故障診斷系統(tǒng)界面；如圖8是系統(tǒng)信號曲線顯示圖；如圖9是印刷設(shè)備故障診斷系統(tǒng)診斷結(jié)果界面。具體實施方法有關(guān)本發(fā)明的詳細說明及技術(shù)內(nèi)容，將配合圖表說明如下，然而所附圖式僅作為說明用途，并非用于局限本發(fā)明。本發(fā)明的技術(shù)方案如下：一種基于信號測試的印刷設(shè)備遠程故障診斷方法，包括現(xiàn)場數(shù)據(jù)采集平臺、數(shù)據(jù)和系統(tǒng)維護中心、印刷設(shè)備監(jiān)測及服務(wù)平臺三部分，由inernet技術(shù)實現(xiàn)三部分間的信息傳輸?，F(xiàn)場數(shù)據(jù)采集平臺將采集到的測試數(shù)據(jù)處理后利用internet技術(shù)將數(shù)據(jù)信息分別傳輸給數(shù)據(jù)和系統(tǒng)維護中心、印刷設(shè)備監(jiān)測及服務(wù)平臺；數(shù)據(jù)和系統(tǒng)維護中心將獲得數(shù)據(jù)信息進行存儲、分析，并利用svm技術(shù)和多信息融合技術(shù)進行印刷設(shè)備故障智能診斷，然后將故障信息有選擇性的發(fā)送至印刷設(shè)備監(jiān)測及服務(wù)平臺、現(xiàn)場數(shù)據(jù)采集平臺；印刷設(shè)備監(jiān)測及服務(wù)平臺將獲得的印刷設(shè)備故障信息分析后，提出解決方案并發(fā)送給印刷設(shè)備使用者。印刷設(shè)備數(shù)據(jù)信號采集是實現(xiàn)遠程故障診斷的基礎(chǔ)，印刷設(shè)備需要檢測的狀態(tài)信號有三種：第一種是離散狀態(tài)信號，即印刷設(shè)備plc內(nèi)部狀態(tài)信號、數(shù)字電路狀態(tài)碼信息、各模塊產(chǎn)生的中間信號，以及內(nèi)部的監(jiān)控報警信號等。離散狀態(tài)信號通過印刷設(shè)備內(nèi)置傳感器獲取，可直接從i/o控制端口(如plc的rs232端口)讀取設(shè)備當(dāng)前的狀態(tài)或數(shù)據(jù)；第二種是連續(xù)狀態(tài)信號，即振動、噪聲、滾筒跳動和印刷壓力等。連續(xù)狀態(tài)信息通過印刷設(shè)備外置傳感器獲取，得到模擬信號，經(jīng)過a/d轉(zhuǎn)換為數(shù)字信號后，再由計算機進行處理和存儲。經(jīng)過數(shù)據(jù)信號采集后，故障診斷系統(tǒng)將數(shù)據(jù)進行處理、分析和診斷；第三種是印刷圖文信息。印刷品參數(shù)能夠直接反映印刷設(shè)備故障狀態(tài)，作為印刷設(shè)備故障診斷重要的參考標(biāo)準(zhǔn)之一。印刷設(shè)備異常檢測過程中，需要將正常狀態(tài)下的印刷設(shè)備信號特征作為樣本集，將樣本集通過核函數(shù)映射到高維特征空間，同時在高維空間中尋找一個以a為圓心，以r為半徑的超球體，并引入松弛變量ξi，使得超球體盡可能包含所有數(shù)據(jù)樣本，同時為了減少判斷誤差，需要該超球體容積盡量小，通過優(yōu)化公式(1)得到包含大多數(shù)目標(biāo)訓(xùn)練樣本的超球ε(r，a，ξ)：式(1)中：l為樣本數(shù)；φ(xi)為輸入樣本xi的映射函數(shù)；a為球心，r為超球半徑，v作為一種折中尺度，可通過印刷設(shè)備實際運行情況選取。減小v值，可將數(shù)據(jù)盡可能放入球內(nèi)；增大v值，可盡量縮小球半徑，以保證判別準(zhǔn)確性。使用lagrange函數(shù)，并引入核函數(shù)得到該優(yōu)化問題的對稱解：式(2)中，對應(yīng)αi＝0的樣本在超球內(nèi)；對應(yīng)的樣本在超球面上，故稱ai稱為支持向量；k(xi，xj)＝<φ(xi)·φ(xj)>為核函數(shù)?？梢肱袥Q函數(shù)：作為判別新樣本的準(zhǔn)則，判斷高維空間樣本點與超球體中心的距離，即當(dāng)f(x)≤0，為印刷設(shè)備狀態(tài)正常；反之，狀態(tài)異常。印刷設(shè)備異常檢測流程圖見圖1，分三步：一，采集正常狀態(tài)印刷設(shè)備組測試信號，進行預(yù)處理后，提取特征參數(shù)，作為特征向量，歸一化處理后對one-classsvm進行訓(xùn)練，得到初步特征輪廓；二，將上述特征輪廓作為標(biāo)準(zhǔn)，并輸入大量正常狀態(tài)印刷設(shè)備特征參數(shù)樣本進行檢測，通過調(diào)整合適的核函數(shù)、核參數(shù)及控制變量，確保正常狀態(tài)樣本識別準(zhǔn)確率較高，得到特征輪廓；三，特征輪廓確定以后，只需將待檢測機組信號特征參數(shù)，輸入one-classsvm進行預(yù)測異常。所述的步驟3)由于印刷設(shè)備機械信號復(fù)雜性，檢測準(zhǔn)確性是優(yōu)先需要保證的準(zhǔn)則，因此選取高斯核函數(shù)作為原始數(shù)據(jù)映射到特征空間的非線性映射函數(shù)。核參數(shù)σ可采用參數(shù)尋優(yōu)方法，將部分原始數(shù)據(jù)作為測試數(shù)據(jù)，不斷優(yōu)化參數(shù)，得到最優(yōu)特征輪廓。控制變量v代表對異常樣本點的懲罰程度，v越大，對異常樣本懲罰越小；反之越大。對于核參數(shù)σ與控制變量v的選取原則，需要同時保證正常樣本的較低的誤判率，又要保證異常樣本較高的識別率，下面以某一多色印刷設(shè)備機組為例，對核參數(shù)σ與控制變量v的選取進行分析。分析來源于同一臺印刷設(shè)備樣本數(shù)據(jù)，采用丹麥b&k測試系統(tǒng)對不同色組進行同步測試。其中已知第1色組為正常色組，第3色組為異常色組。選取測試樣本，選擇傳動面內(nèi)側(cè)墻板的三方向的振動信號，將振動信號的特征值組成機組異常檢測的特征向量，其中時域信號中10個有綱量指標(biāo)和6個無綱量指標(biāo)，頻域信號中13個特征指標(biāo)，組成87維特征矩陣。其中從第一色組采集出來的420組正常樣本中，隨機選擇210組進行one-classsvm訓(xùn)練，用剩余的210組進行檢測，再從第三色組采集出來的210組異常樣本進行異常檢測。選用高斯核函數(shù)，并通過選取不同核參數(shù)σ與控制變量v，得到one-classsvm正常樣本的誤判率如表1所示、異常樣本的識別率如表2所示。σy0.020.040.060.080.10.120.140.160.180.20.220.240.260.280.30.26.67％6.67％8.10％10.00％12.86％13.81％14.76％15.24％17.14％20.48％21.90％23.33％24.29％25.71％27.14％0.34.29％5.71％7.62％9.52％11.90％13.33％14.29％15.24％16.67％19.52％20.95％22.38％23.33％25.24％26.19％0.43.33％5.24％6.67％8.10％10.00％12.38％14.29％14.76％14.76％16.67％19.52％20.95％22.86％24.76％25.71％0.52.86％5.24％5.71％7.62％10.48％11.90％13.81％13.81％14.29％16.19％19.05％20.48％22.38％23.81％23.81％0.62.86％4.29％5.24％7.62％9.52％11.90％13.81％13.81％14.29％16.19％18.57％19.05％21.90％23.81％23.33％0.72.38％3.33％4.29％7.14％9.05％11.43％13.33％13.81％13.81％16.19％18.10％18.57％20.95％22.38％22.86％0.81.43％2.38％3.33％7.14％8.57％10.48％13.33％13.33％13.33％15.71％17.62％17.62％20.00％21.90％21.90％0.90.95％1.43％2.86％7.14％8.57％10.48％12.86％13.33％13.33％15.71％17.14％17.14％19.05％20.95％21.90％10.95％1.43％1.90％6.67％8.57％9.52％11.90％12.86％12.86％15.24％16.67％16.67％18.57％20.00％21.43％1.10.00％0.48％1.90％6.67％8.57％9.52％11.43％12.38％11.90％15.24％16.19％16.19％17.62％19.05％21.43％1.20.00％0.00％1.43％5.71％8.10％9.05％10.95％11.90％12.38％14.76％15.71％15.71％17.14％18.57％20.48％1.30.00％0.00％1.43％4.29％6.67％8.10％10.00％11.90％12.38％14.76％15.24％15.24％16.19％17.14％19.52％表1不同參數(shù)下正常樣本的誤判率σv0.020.040.060.080.10.120.140.160.180.20.220.240.260.280.30.261.90％71.90％78.57％82.86％87.62％90.00％93.33％98.10％100％100％100％100％100％100％100％0.363.33％74.76％81.43％86.19％93.33％93.33％93.81％95.71％98.10％100％100％100％100％100％100％0.463.33％74.76％83.81％90.00％96.67％97.14％98.57％99.05％99.05％99.05％100％100％100％100％100％0.562.86％71.90％80.95％88.10％95.71％96.19％96.19％98.57％98.57％99.05％100％100％100％100％100％0.660.95％69.05％78.10％85.24％95.24％96.19％97.62％97.62％98.10％98.57％100％100％100％100％100％0.758.10％66.67％75.24％82.86％91.90％92.86％94.29％95.24％96.67％98.57％100％100％100％100％100％0.856.67％65.24％73.81％78.10％88.52％88.10％92.86％92.86％94.29％98.10％99.05％100％100％100％100％0.956.67％62.38％70.00％78.10％84.76％86.19％90.48％90.95％93.33％96.67％98.57％100％100％100％100％155.24％60.00％68.57％76.67％83.33％84.29％88.10％88.57％93.33％95.24％98.57％100％100％100％100％1.153.81％60.00％65.24％74.29％82.86％82.86％86.19％86.67％91.43％93.33％97.14％99.05％100％100％100％1.252.86％58.10％62.86％72.38％79.52％80.48％84.29％86.67％90.48％91.90％95.71％98.57％100％100％100％1.350.95％58.10％61.43％70.00％76.67％78.10％82.38％85.71％90.48％91.43％94.76％98.10％99.05％100％100％表2不同參數(shù)下異常樣本的識別率分別繪制偽彩色圖見圖2，得出核參數(shù)σ在0.3～0.5內(nèi)，控制變量v在0.08～0.12內(nèi)，可保證對異常樣本有較高的識別率，在86.2％～97.14％內(nèi)，而此時對正常樣本有較低的誤判率，在7.62％～13.33％內(nèi)。同時也可以看出異常樣本的識別率與正常樣本的誤判率成反比關(guān)系，當(dāng)需要判別條件苛刻時，可以犧牲正常樣本的誤判率來保證異常樣本的識別率，因此核參數(shù)σ與控制變量v的選取可以控制判別尺度。為保證較高的異常樣本判別率，選擇核參數(shù)σ＝0.4，控制變量v＝0.12，得到異常樣本的識別率為97.14％，正常樣本的誤判率為12.38％，可作為該印刷設(shè)備機組異常檢測的最佳參考參數(shù)。所述的步驟4)在進行印刷設(shè)備故障診斷中，基礎(chǔ)數(shù)據(jù)來源于信號特征診斷故障的基礎(chǔ)概率，多類支持向量機是將多類問題分解成多個兩類問題的組合，采用逐一投票的方式來識別故障模式。假設(shè)在印刷設(shè)備遠程故障診斷系統(tǒng)中，存儲有信息源故障樣本集：s：{(x1，y1)，(x2，y2)，…，(xi，yi)，…，(xm，ym)}(4)式(4)中，xi為單信息源故障信號特征樣本，yi∈{故障樣本(共m個)}，訓(xùn)練過程中不同的故障模式之間兩兩構(gòu)造決策超平面，共得到個決策超平面，每個超平面決定兩個故障模式之間的分類問題。當(dāng)對新的故障信號特征樣本進行分類時，逐一通過個決策超平面作出判斷，當(dāng)判斷屬于第i類故障時，第i類故障得票數(shù)加1；當(dāng)判斷第j類故障時，第j類故障得票數(shù)加1，最終每類票數(shù)v(j)和總票數(shù)之比作為該信號特征對應(yīng)第j種故障的基本概率。其中，m為故障樣本個數(shù)；j＝1，2，…，m。所述的步驟5)假設(shè)印刷設(shè)備遠程故障診斷系統(tǒng)中，總共獲取有n個傳感器信號特征，用于識別一個印刷設(shè)備故障，可能的故障類型有m個，則印刷設(shè)備故障識別的基礎(chǔ)概率分配可用n×m的矩陣ap來表示：式(6)中，pij表示第i個傳感器信號特征得出第j種故障的基礎(chǔ)概率，故矩陣每一行元素之和為1，即pi1+pi2+pi3+…pim＝1。其中i＝1，2，…，n，j＝1，2，…，m如果第c個傳感器信號特征與第d個傳感器信號特征進行信息診斷融合，則將矩陣ap中代表第c個傳感器信號特征診斷概率的行向量轉(zhuǎn)置與代表第d個傳感器信號特征診斷概率的行向量相乘，得到m×m的融合矩陣ar，如公式(7)：矩陣中，可以將主對角線上元素對故障tj識別的決定因子zj，如公式(8)：而非對角線上元素的總和為不確定因子kcd，如公式(9)：故障tj影響因子的元素之和為總影響因子jcd如公式(10)：因此，將第c個傳感器信號特征與第c個傳感器信號特征進行信息融合后，故障ti的綜合影響因子為：qj＝zj+kcd×jcd(11)如圖3印刷設(shè)備多信息融合診斷模型，假設(shè)印刷設(shè)備遠程故障診斷系統(tǒng)中，布置有e個傳感器，能夠得到f個信號特征，然后信號特征之間依次兩兩進行信息融合，并通過式(11)計算各個故障綜合影響因子(如第j種故障的綜合影響因子依次為q12j、q23j、q34j、...、qf1j)最后將得到的每個故障的綜合影響因子線性相加，得到故障的最終影響因子(如第j種故障的綜合影響因子為qj＝q12j+q23j+q34j+…+qf1j)。其中每個信號特征均被使用兩次，且融合時間與信號特征數(shù)量成線性關(guān)系。在印刷設(shè)備遠程故障診斷系統(tǒng)中，將最終影響因子qj作為故障分類及診斷的主要標(biāo)準(zhǔn)，系統(tǒng)選取最終影響因子排名前三位的故障名稱顯示給印刷設(shè)備制造商或印刷設(shè)備使用者，以指導(dǎo)其進行故障維修，并給出故障診斷的準(zhǔn)確性用于參考。如診斷出有可能的故障類型有k種，最終影響因子排名前三的分別是故障1、故障2和故障3，對應(yīng)的準(zhǔn)確性zj分別如公式(12)、(13)、(14)：其余故障準(zhǔn)確性如公式(15)：所述的步驟6)中印刷設(shè)備遠程故障診斷數(shù)據(jù)庫的設(shè)計是按照數(shù)據(jù)的結(jié)構(gòu)來組織和管理數(shù)據(jù)的倉庫，印刷設(shè)備遠程故障診斷系統(tǒng)需要把大量的相關(guān)數(shù)據(jù)以一定的格式存儲在數(shù)據(jù)庫中，并根據(jù)需要對這些數(shù)據(jù)進行相應(yīng)的處理。印刷設(shè)備遠程故障診斷數(shù)據(jù)庫的設(shè)計主要通過需求分析、概念設(shè)計和詳細設(shè)計來進行。需求分析主要根據(jù)功能需求——數(shù)據(jù)庫能夠存儲和管理印刷設(shè)備運行過程中的基本信息需求——明確遠程專家及印刷設(shè)備制造商需要獲取的數(shù)據(jù)信息，即數(shù)據(jù)庫需要的表及其字段。如時刻信息、狀態(tài)信息、印刷設(shè)備信息(編號、名稱、型號、類型、產(chǎn)商、地理位置)、零部件信息(編號、名稱、型號、品牌、參數(shù)、位置、重要性)、傳感器信息(編號、名稱、型號、品牌、參數(shù)、位置)等；確定信息關(guān)系——主要的表之間的主要關(guān)系，如一臺印刷設(shè)備擁有多個零部件，一個零部件只屬于一臺印刷設(shè)備；一個零部件擁有多個傳感器，而一個傳感器只從屬于一個零部件等。概念結(jié)構(gòu)設(shè)計需要真實、充分反映事物以及事物之間的聯(lián)系，還要滿足遠程專家對數(shù)據(jù)的要求。印刷設(shè)備遠程故障診斷數(shù)據(jù)庫e-r模型設(shè)計如圖4。詳細設(shè)計階段包括具體的邏輯設(shè)計、物理設(shè)計以及實施運行維護。該階段需要根據(jù)信息需求，將所有信息在數(shù)據(jù)庫中以表的形式進行存儲。在印刷設(shè)備遠程故障診斷系統(tǒng)中，共有20個表，各個表的名稱和功能如表3。表3印刷設(shè)備故障診斷數(shù)據(jù)庫主表內(nèi)容所述的步驟7)印刷設(shè)備遠程故障診斷系統(tǒng)主要利用internet技術(shù)實現(xiàn)了系統(tǒng)中各部分之間數(shù)據(jù)信息的通訊，主要包括4個子系統(tǒng)的通訊，見圖5，通訊實現(xiàn)過程如下：印刷設(shè)備制造商通過遠程監(jiān)測及服務(wù)平臺利用瀏覽器html頁面對網(wǎng)站所提供的服務(wù)進行選擇，通過http協(xié)議向web服務(wù)器提出請求，隨后cgi程序?qū)⒂∷⒃O(shè)備制造商的請求轉(zhuǎn)換成數(shù)據(jù)庫的查詢命令。當(dāng)數(shù)據(jù)庫中存在所需數(shù)據(jù)時，直接將查詢結(jié)果通過網(wǎng)頁返回遠程監(jiān)測及服務(wù)平臺；當(dāng)數(shù)據(jù)庫沒有所需數(shù)據(jù)時，數(shù)據(jù)和系統(tǒng)維護中心通過tcp/ip協(xié)議向現(xiàn)場數(shù)據(jù)采集平臺發(fā)出命令，現(xiàn)場數(shù)據(jù)采集平臺根據(jù)命令轉(zhuǎn)變成相應(yīng)的信號控制設(shè)備進行數(shù)據(jù)采集工作，隨后再將實時數(shù)據(jù)傳輸給數(shù)據(jù)和系統(tǒng)維護中心和遠程監(jiān)測及服務(wù)平臺。其中故障診斷功能通過調(diào)用matlab軟件實現(xiàn)數(shù)據(jù)處理、計算與可視化顯示，使得印刷設(shè)備異常檢測、故障識別以及實時信號曲線顯示成為可能。所述的步驟8)將matlabwebserver技術(shù)融入web服務(wù)器中，從而實現(xiàn)調(diào)用matlab軟件強大的計算和繪圖功能。如圖6，當(dāng)印刷設(shè)備制造商或遠程專家在客戶端(瀏覽器)向服務(wù)器發(fā)出需求指令時，指令先傳給matlabweb服務(wù)器代理，由matlabweb服務(wù)器代理篩選指令內(nèi)容，如果是matlabweb請求時，通過配置文件matweb.conf找到matlab程序路徑，將對matlab的指令傳向matlabserver.exe進行處理。matlabserver.exe根據(jù)傳過來的參數(shù)調(diào)取相應(yīng)的m文件進行計算，將計算結(jié)果或圖片送達matlabweb服務(wù)代理。matlabweb服務(wù)代理根據(jù)輸出模板將結(jié)果、數(shù)據(jù)或圖片填入指定位置，從而輸出網(wǎng)頁文件。web服務(wù)器通過matlabweb服務(wù)代理生成的文件顯示在客戶端瀏覽器上，從而實現(xiàn)結(jié)果顯示。所述的步驟9)印刷設(shè)備遠程故障診斷界面見圖7，印刷設(shè)備制造商或遠程專家可通過印刷設(shè)備遠程故障系統(tǒng)實現(xiàn)的功能有：可查看各個測點特定時刻的信號及特征圖形，包括時域圖、頻域圖、功率譜密度函數(shù)以及概率密度函數(shù)等圖形，并顯示關(guān)鍵點數(shù)據(jù)，為印刷設(shè)備遠程專家提供診斷依據(jù)，見圖8；原始測試信號經(jīng)小波去噪后，計算各信號的各個特征值填入對應(yīng)的特征矩陣，包括偏度指標(biāo)、峭度指標(biāo)等以及部分印品質(zhì)量參數(shù)，用于進行異常檢測及故障識別；顯示印刷設(shè)備診斷結(jié)果及維修維護建議等，見圖9。以上實施例是參照附圖，對本發(fā)明的優(yōu)選實施例進行詳細說明。本領(lǐng)域的技術(shù)人員通過對上述實施例進行各種形式上的修改或變更，但不背離本發(fā)明的實質(zhì)的情況下，都落在本發(fā)明的保護范圍之內(nèi)。當(dāng)前第1頁12