3 基于 SOA 的设备诊断和预测系统的实现
    3.1 远程数据采集
    数据采集是系统的主要信息来源，一般情况下，数据采集位于工业现场，距离企业监测
中心比较远。因此，为便于对数据采集系统进行操作，用

WCF 技术实现对采集系统的远程

监控，企业工程师可以在监测中心非常容易地实现远程启动、停止采集和实时获取等功能。
由于是基于面向服务的，因此客户端可通过配置服务的绑定

(Binding)，实现安全可靠的消

息传输，以达到对数据采集子系统进行管理的目的。这也是

SOA 技术在远程故障诊断系统

中的应用之一。
    基于 WCF 的数据采集，它是作为服务的提供者存在的，它将与数据采集相关的服务发
布出来由监控端进行调用，从而达到监视实时数据、控制数据采集系统的目的。如果每台数
据采集系统都将其服务发布到企业网内，可以通过一台监控机完成对多台数据采集机器监
控，有利于管理，从企业级设备监测和故障诊断系统的架构上看，好处在于将数据采集程
序

(数据层)的各个逻辑功能以服务的形式发布，完全符合 SOA 的概念，有利于整个系统的

扩展和伸缩性。

 

 

图

2 远程采

集控制的结

构

       3.2  故 障
诊 断 和 趋 势
预测
    近年来，
设 备 维 护 逐
渐 从 事 后 维
护 到 预 防 性
维 护 ， 一 直
转变到现在的状态维护。状态维护主要侧重于设备的智能诊断和趋势预测，能够在事发之前
给维护人员提供可靠的维护依据，制定维修计划，这样可以避免意外停机，减少停机次数
提高生产效率，减小维修成本。
    基于上述特点，设备监测需要不间断进行并且能够给出设备的状态变化情况及运行趋势。
关于故障诊断方面的系统应用很多，这里不再赘述，本系统采用多种模型对设备的运行趋
势进行预测，并结合监测指标的报警阈值，对设备的剩余寿命进行估算，本系统中采用的
预测算法主要包括支持向量机

(Support VectorMachine, SVM)[6]和神经网络(neural network)

[7]等。下面给出用 WCF 技术实现 SVM 预测模型的具体方法。
    3．2．1 SVM 服务的发布
    系统的开发是基于 Visual Studio．Net 2005，首先定义 WCF 协议，协议里包括输入输出
参数。在

SVM 服务中，需要设置 2 个函数：训练 SVM 和基于 SVM 的状态预测，因此，

[OperationContract]可以创建为
    [0perationContract]
    void VsnSVM—Train(...)；
    void VsnSVM—Predict(...)；
    然后建立服务，通过添加引用将 SVM 算法的 DLL 文件加载到服务中，服务中需定义与
协议中制定的形式相同的服务函数，在函数中调用

DLL 实现算法。由于在 WCF 技术中，服