基于云服务的交互式设备检测方法研究

摘  要：本文提出了一种基于云服务的设备检测方法，该方法在待检测设备把数据传送给云服务端后，云服务端依据对数据的分析可以判断异常数据，从而推断故障点的位置。维修人员只需利用笔记本电脑从云服务端获取检测数据就可以定位故障位置，有利于提高工作效率。

关键词：设备检测;云服务端;数据处理

中图分类号：TS736+.2      文献标识码：A 文章编号：2096-4706（2019）19-0173-03

Abstract：This paper presents a method of equipment detection based on cloud service. After the cloud service receives the data transmitted by the detected device，the cloud server can judge the abnormal data based on the analysis of the data and infer the location of the fault point. Maintenance staff can know the troubles by getting the detection data from the cloud service through the notebook. This can improve the efficiency.

Keywords：equipment inspection;cloud service;data processing

0  引  言

目前对中大型设备的检测往往是维修人员根据维修手册一项一项地核实检查，这种操作方式费时费力，存在以下问题：维修人员需要依照维修手册对所有项进行检测才能发现问题和异常，高度依赖维修人员的经验;即使维修手册写得很详细，维修人员由于疏忽的原因也可能会漏掉一些检测项;维修手册以文字的形式对各项进行描述，不够形象直观。

随着云服务的普及以及云服务端数据处理能力的增强，借助强大的云服务计算能力设计设备的检测方法成为可能，实现对传统检测方式的升级，有助于检测效率的提升。因此有必要提供一种基于云服务的自动检测方法，能够让维修人员快速定位问题，找到故障点，提高工作效率。

1  设计思想

基于云服务端[1]的自动检测方法如图1所示。待检测设备、云服务端和笔记本电脑三者共同组成整个检测拓扑网络。本设计通过在云服务端对待检测设备的检测数据分析来找到异常数据，从而推断待检测设备的故障点，维修人员只需携带一个笔记本电脑就可以从云服务端获得待检测设备的故障信息。

待检测设备需要预先安装特定的设备检测程序，同时待检测设备和云服务端之间进行双向数据通信，待检测设备向云服务端传递包括ID信息、请求指令、检测数值等在内的各种数据。云服务端响应待检测设备的请求并接收来自待检测设备的检测数值，并对所接收到的检测数据进行存储及分析诊断，生成异常数据报表，其异常数据报表会在笔记本电脑请求命令下传递给笔记本电脑。笔记本电脑在从云服务端获取异常数据报表后以动态三维画面演示待检测设备存在隐患的地方，引导维修人员进行正确的问题排查。

2  待检测设备与云服务端之间的数据处理

如图2所示是待检测设备与云服务端之间的数据处理流程框图。待检测设备需要预先安装特定的设备检测程序才能与云服务端进行正常的数据通讯。待检测设备在安装了特定的设备检测程序的情况下可以访问云服务端的地址，建立链接关系。

待检测设备向云服务端发送设备的基本信息，包括设备ID信息、设备类型、制造日期、运营时间等数据（如图2中第一个虚线框所示），由于不同的待检测设备的ID信息是不一致的，因此云服务端会根据待检测设备的信息建立与待检测设备ID唯一匹配的数据库[2]。

接着，待检测设备向云服务端发送检测请求指令，云服务端接收到待检测设备的请求检测指令后，随即云服务端依据待检测设备的多个检测项逐项发送检测指令（如图2中第二个虚线框所示），这些检测指令包括电压检测指令、电流检测指令、频率检测指令、温度检测指令、湿度检测指令、转速检测指令、加速度检测指令、应力检测指令、电池检测指令等。

待检测设备接收到云服务端的各项检测指令后，逐一调用与检测指令匹配的各功能检测模块包括电压检测模块、电流检测模块、频率检测模块、温度检测模块、湿度检测模块、转速检测模块、加速度检测模块、应力检测模块、电池检测模块等并逐一向云服务端返回检测结果[3]。云服务端接收来自待检测设备的检测结果数据后把这些数据存储到数据库中[4]。

云服务端存储有待检测设备所检测各项的正常数据区间，对各检测项的正常数据区间设置需要前期进行大量的测试验证工作，需要对合格的待检设备进行数据收集汇总，并定义出正常的数据区间。只要所检测项的结果数据处于正常数据区间内，则可以判定所检测项是正常的;如果所检测项的结果数据处于正常数据区间外，则可以判定所检测项是异常的。对待检测设备的检测结果数据进行诊断分析，对处于正常数据区间外的检测结果数据即异常数据生成异常数据报表，该异常数据报表供维修人员的笔记本电脑使用。异常数据报表直接反映了待检测设备有异常的检测项，进而可以推断出在待检测设备上有异常的部件。

3  笔记本电脑和云服务端之间的数据处理

如图3所示是笔记本电脑和云服务端之间的数据处理流程框图。维修人员在现场进行维修时，只需携带笔记本电脑就可以定位待检测设备的故障点和异常部件。

笔记本电脑首先扫描待检测设备的ID信息，然后向云服务端请求异常数据报表，云服务端响应笔记本电脑的请求，将待测设备的异常数据报表发送给笔记本电脑，笔记本电脑接收到异常数据报表后，解析异常数据报表并生成多个异常项，每个异常项代表了待检测设备的故障点和异常部件。每个异常项在笔记本电脑上都进行三维动态演示，所演示的内容包括故障点的功能与作用、故障点在待检测设备的位置、故障点的尺寸及结构、正确发现故障点所需要的操作步骤等（如图3中虚线框所示的三維动态显示异常项）。其中三维动态演示的内容也是建立在前期对检测设备的三维设计基础上，需要针对性的设计每个检测项所对应的三维演示图，只有这样才能依据检测的异常项向维修人员展示异常项的故障位置、结构和尺寸，以及操作步骤。

维修人员以往查找待检测设备的故障点需要进行各种各样的测试，然后依据数据查找维修手册，逐一排查问题，这种方式耗时耗力，对维修人员的经验依赖程度较大。而本文提供的方法借助于云服务端的数据处理能力，自动根据检测的数据诊断分析异常数据，并列出各个异常项，维修人员只需要通过笔记本电脑即可获取检测数据和分析结论，并根据三维动态演示图来逐一确认所检测的故障问题、故障位置。本方法极大简化了维修人员的工作流程，减轻了维修人员的工作强度，提高了工作效率，同时降低了对维修人员的经验依赖程度。

4  结  论

本文所提出的基于云服务的交互式设备检测方法主要应用于工业设备检修维护现场环境中，通过云服务端和待检设备的交互式通讯，全自动化完成待检设备的各项功能检测，并在云服务端对检测数据进行诊断分析，生成异常数据报表，此过程无需人工干预，均在云服务端自动实现完成。而维修人员所要做的仅仅是通过笔记本电脑从云服务端下载待检测设备的异常数据报表，查看异常检测项，通过三维动态演示图找到设备故障点和位置。

本方法效率高，携带方便，能够帮助维修人员快速便捷地定位和查找待检测设备的故障点和异常部件，弥补了以往依靠维修人员经验来定位问题的不足，三维动态的演示图能够形象地告知维修人员故障位置。此外，待检测设备各检测项的正常数值区间和三维动态演示图都需要在前期进行系统性的数据采集汇总和设计，只有这样才能真实反映各检测项的正常数值以及演示待检测设备各功能的三维演示图。

参考文献：

[1] 冯雷，高小明，吴疆，等.Cloud Foundry从数字化战略到实现 [M].北京：机械工业出版社，2017.

[2] 孙琼.嵌入式Linux应用程序开发详解 [M].北京：人民邮电出版社，2006.

[3] 钱能.C++程序设计教程 [M].北京：清华大学出版社，1999.

[4] IT同路人.Linux标准学习教程 [M].北京：人民邮电出版社，2008.

作者简介：马先明（1981-），男，汉族，湖北松滋人，高级工程师，硕士研究生，研究方向：自动化控制。