本发明涉及一种故障诊断设备及其相对应的诊断方法，具体而言，涉及一种振动筛故障智能诊断装置及诊断方法，属于工业互联网技术领域。
背景技术：
在选矿行业内，振动筛是一种常见且十分关键的设备，就其工作原理而言，振动筛主要通过激振器驱动筛箱做往复运动、从而实现对物料的筛分。
由于选矿行业作业场景的特殊性，在实际的应用过程中，振动筛将长期处于负载运行的状态，很容易出现筛网磨损、固定螺栓断裂、隔震弹簧断裂、轴承损坏等故障，进而导致筛分效率的大幅降低、影响作业进程，严重时还需要对振动筛进行维修和更换。再加上振动筛一般都被安装于带有严重粉尘的工作环境中，无法像其他工业设备一样采用检修人员频繁点检的方式进行日常的状态检测及检修。基于上述种种原因，如何实现针对振动筛的故障诊断也就成为了行业内所共同关注的问题。
目前，针对旋转式设备或设备内旋转传动部件的故障诊断，振动分析是常见且成熟的分析方法。具体而言，振动分析是在设备的电机、减速箱、轴承座等部位安装振动传感器，采集设备等振动信号，再利用数字信号处理技术对信号进行分析，从而诊断出设备故障的可能原因。但对于振动筛这类非旋转式部件而言，即便其发生故障时可能会出现振动信号异常的情况，但由于缺乏相应的诊断模型和算法，因此仍然无法利用现有的振动分析对这类设备进行精确诊断。
专利cn102494882b揭示了一种矿用振动筛弹簧在线监测与故障诊断装置及其方法，该方案提出在振动筛弹簧部位安装加速度传感器，采集加速度数据，然后将所采集的数据与加速度历史特征库内的数据进行对比，实现对振动筛弹簧故障的诊断。在实际应用场景下，加速度数据会受到负载、激振力等因素的影响，因此尽管上述方案能够达到一定的诊断效果，但由于其仅对振动筛弹簧部位的加速度进行监测，很难确保监测数据及诊断结果的准确性。另外，因筛网损坏等原因造成的相位变化等潜在故障也很难通过上述方案被准确诊断。
综上所述，如何在现有技术的基础上提出一种全新的振动筛故障诊断装置及对应的诊断方法，在保证诊断结果准确性的前提下尽可能地提升方案的智能化程度，从而高效、灵活、代价最少地实现对振动筛设备的故障诊断，也就成为了本领域内技术人员亟待解决的问题。
技术实现要素：
鉴于现有技术存在上述缺陷，本发明提出了一种振动筛故障智能诊断装置及诊断方法，具体如下。
一种振动筛故障智能诊断装置，包括设备硬件部分及诊断处理部分，
所述设备硬件部分包括多台用于采集和上传姿态数据及振动数据的数据采集器，每台所述数据采集器均固定设置于一台被测振动筛上，
所述设备硬件部分还包括至少一台用于接收姿态数据及振动数据、完成故障诊断的主机，每台所述主机分别与多台所述数据采集器信号连接；
所述诊断处理部分包括集成于所述数据采集器内部的数据采集模组，所述数据采集器借助所述数据采集模组完成对姿态数据及振动数据的采集和上传，
所述诊断处理部分还包括集成于所述主机内部的主机模组，所述主机借助所述主机模组完成对姿态数据及振动数据的接收和处理。
优选地，每台所述数据采集器包括多个有线振动传感器，固定设置于被测振动筛上监测点位置，用于采集和传输被测振动筛的振动数据，
每台所述数据采集器还包括一个数据采集器主体，固定设置于被测振动筛激振器位置，用于采集与预处理被测振动筛的姿态数据、接收与转发被测振动筛的振动数据；
所述数据采集器主体包括一个6轴惯性测量单元以及一个微控制单元，所述6轴惯性测量单元与所述微控制单元之间电性连接，每个所述有线振动传感器均借助一个模数转换器与所述微控制单元之间信号连接。
优选地，每台所述主机包括一个主芯片单元，用于接收被测振动筛的姿态数据及被测振动筛的振动数据并进行诊断分析，得出诊断分析结果及振动图形并输出，
每台所述主机还包括一个数据存储单元，用于记录和存储被测振动筛的姿态数据及被测振动筛的振动数据、诊断分析结果，
每台所述主机还包括一个人机交互单元，用于显示诊断分析结果及振动图形，并支持通过人工操作对所述主机内的各单元进行设置，
每台所述主机还包括一个电源单元，用于为装置内的各电性单元供电；
所述数据存储单元、人机交互单元及电源单元均分别与所述主芯片单元电性连接，每个所述微控制单元均借助一个通信接口与所述主芯片单元之间信号连接，每个所述微控制单元还分别与所述电源单元电性连接，所述主芯片单元还电性连接有用于在被测振动筛出现故障时发出声光警报的声光报警器。
优选地，所述数据采集模组集成于所述微控制单元内，包括：
数据采集模块，用于控制相应的硬件完成对被测振动筛的姿态数据及被测振动筛的振动数据的采集；
姿态数据预处理模块，用于对来自所述数据采集模块的被测振动筛的姿态数据进行初步处理，将被测振动筛的姿态数据转换为连续的角速度、角位移、角相位及线性速度、线性位移以及线性相位数据；
数据输出模块，用于将来自所述数据采集模块的被测振动筛的振动数据以及来自所述姿态数据预处理模块的经初步处理后的被测振动筛的姿态数据进行输出。
优选地，所述数据采集模块包括振动数据采集子模块，用于同时采集来自多个所述有线振动传感器的、原始的被测振动筛的振动数据，
所述数据采集模块还包括姿态数据采集子模块，用于采集来自所述数据采集器主体的、原始的被测振动筛的姿态数据；
所述数据输出模块包括振动数据输出子模块，用于接收原始的被测振动筛的振动数据、将其转换为加速度数据，添加数据信息头后再将数据传送至所述主机模组，
所述数据输出模块还包括姿态数据输出子模块，用于接收经初步处理后的被测振动筛的姿态数据，添加数据信息头后再将数据传送至所述主机模组；
所述振动数据采集子模块与所述振动数据输出子模块电性连接，所述姿态数据采集子模块借助所述姿态数据预处理模块与所述姿态数据输出子模块电性连接。
优选地，所述主机模组集成于所述主芯片单元内，包括：
参数设置模块，用于对振动筛故障诊断过程中的必要参数进行设置和存储；
数据输入模块，用于接收来自所述数据输出模块的被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据；
数据处理模块，用于将被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据保存至所述数据存储单元中，并执行相应的数据处理操作、生成数据处理结果；
数字信号处理模块，用于配合所述数据处理模块对被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据进行处理；
故障诊断模块，用于对来自所述数据处理模块的数据处理结果进行诊断分析操作、生成诊断分析结果；
诊断输出模块，用于将来自所述故障诊断模块的诊断分析结果及报警进行本地或远程输出。
优选地，所述数据输入模块包括振动数据输入子模块，用于接收来自所述振动数据输出子模块的被测振动筛的振动数据，将所接收的被测振动筛的振动数据打包后进行发送，
所述数据输入模块还包括姿态数据输入子模块，用于接收来自所述姿态数据输出子模块的被测振动筛的姿态数据，将所接收的被测振动筛的姿态数据打包后进行发送；
所述数据处理模块包括振动数据处理子模块，用于接收来自所述振动数据输入子模块的被测振动筛的振动数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的振动数据进行处理、生成振动数据处理结果，
所述数据处理模块还包括姿态数据处理子模块，用于接收来自所述姿态数据输入子模块的被测振动筛的姿态数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的姿态数据进行处理、生成姿态数据处理结果；
所述故障诊断模块包括振动数据诊断子模块，用于调用所述数字信号处理模块、结合振动数据处理结果，对被测振动筛的振动数据依次进行数字滤波、fft变换、hilbert变换及再次的fft变换，通过振动信号的幅值谱和包络谱，结合所述参数设置模块中的必要参数，对比轴承、齿轮和轴系的特征频率，进而对故障进行诊断、生成振动数据诊断分析结果，再将振动数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块，
所述故障诊断模块还包括姿态数据诊断子模块，用于调用所述数字信号处理模块、结合姿态数据处理结果，将被测振动筛的姿态数据转换为二维图形、再将其与所述数据存储单元内存储的历史正常二维姿态图形进行对比，进而对故障进行诊断、生成姿态数据诊断分析结果，再将姿态数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块；
所述诊断输出模块包括本地输出子模块，用于在所述人机交互模块上实时展示诊断分析结果及报警，
所述诊断述输模块还包括远程输出子模块，用于将诊断过程中的全部信息上传至云端平台，供用户利用电脑或手机进行远程访问和信息查阅。
优选地，所述数据处理模块及故障诊断模块分别与所述数据存储单元信号连接；所述数据处理模块及故障诊断模块二者均与所述数字信号处理模块电性连接；所述振动数据输入子模块、振动数据处理子模块以及振动数据诊断子模块三者按序电性连接，所述姿态数据输入子模块、姿态数据处理子模块以及姿态数据诊断子模块三者按序电性连接；所述本地输出子模块分别与所述人机交互单元及声光报警器电性连接，所述远程输出子模块与互联网或物联网信号连接。
一种振动筛故障智能诊断方法，使用如上所述的振动筛故障智能诊断装置，包括如下步骤：
s1、将数据采集器固定设置于被测振动筛的激振器位置，保证每个激振器位置安装有一个所述数据采集器、每个所述数据采集器上的有线振动传感器均安装于被测振动筛上需要监测的位置，对主机进行设置，保证所述数据采集器与所述主机之间、所述主机与互联网或物联网之间的连接畅通；
s2、开启所述主机，通过人机交互模块进行必要参数设置，所述主机随即控制所述数据采集器开始数据采集，所述数据采集器采集到被测振动筛的振动数据后透传至所述主机，所述数据采集器采集到被测振动筛的姿态数据、经过预处理后透传至所述主机；
s3、所述主机内的数据处理模块接收数据，根据数据采集时间将被测振动筛的振动数据和被测振动筛的姿态数据存储至数据存储单元内的指定位置，随后分别调用振动数据诊断子模块及姿态数据诊断子模块对被测振动筛的振动数据和被测振动筛的姿态数据进行计算和转换，然后转至故障诊断模块内进行故障诊断；
s4、所述故障诊断模块接收到数据后，分别执行相应的诊断操作、生成相应的诊断分析结果并发送至诊断输出模块，所述诊断输出模块依据诊断分析结果输出相应信息。
优选地，s4包括如下步骤：
s41、所述故障诊断模块接收到被测振动筛的振动数据后，调用振动数据诊断子模块对被测振动筛的振动数据进行数字滤波、fft变换、hilbert变换以及再次的fft变换算法处理，再结合振动故障模型分析被测振动筛内的旋转部件是否存在振动故障；
所述故障诊断模块接收到被测振动筛的姿态数据后，调用姿态数据诊断子模块将被测振动筛的姿态数据中的线性数据和角度数据转换为二维图像，再根据图像判断被测振动筛是否存在筛体故障；
s42、所述诊断输出模块接收振动数据诊断分析结果，若结果显示被测振动筛存在振动故障，则在所述人机交互单元上显示故障部位和原因、时域参数以及用于判断振动故障的频谱图，若结果显示被测振动筛不存在振动故障，则只显示时域参数；
所述诊断输出模块接收姿态数据诊断分析结果，若结果显示被测振动筛存在姿态故障，则在所述人机交互单元上显示故障原因、二维姿态图以及姿态数据图表，若结果显示被测振动筛不存在姿态故障，则只显示二维姿态图及提示筛体正常字样；
若被测振动筛存在严重姿态故障及震动故障，则发出报警，在人工主动清除报警前，报警不清除。
与现有技术相比，本发明的优点如下：
本发明所提供的一种振动筛故障智能诊断装置及相对应的诊断方法，综合利用了6轴imu传感器及振动传感器，通过6轴imu传感器采集振动筛筛体的姿态数据、通过振动传感器采集振动筛内旋转部件的振动数据，数据采集量大且涵盖面广，不仅使得后续的故障诊断结果更为准确，而且可以更为全面、更早的诊断出振动筛内关键部件的故障，降低因部件损坏而导致的生产和设备损失。
同时，在本发明的硬件技术方案中，数据采集器与主机之间通过网络无线连接，一台主机可连接多台数据采集器、可同时对多台振动筛设备进行故障诊断，不仅更适用于各厂矿的大规模推广应用，而且也显著地降低了硬件成本。
而且，本发明还支持将数据上传至互联网云平台，为用户远程查看振动筛的运行状态及历史数据提供了便利，为用户长期的、在线化的诊断操作提供了条件，从而进一步拓展了本发明的适用范围。
此外，本发明的应用场景丰富、应用前景广阔，为同领域内的相关技术提供了参考依据，技术人员可以通过对本发明的技术方案进行适应性地调整和改动，将其应用于其他与故障诊断设备及方法相关的技术方案中。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明中设备硬件部分的结构框图；
图2为本发明中设备硬件部分的局部结构框图；
图3为本发明中诊断处理部分内主机模组的结构框图；
图4为本发明中诊断处理部分内数据采集模组的结构框图。
具体实施方式
本发明提供了一种振动筛故障智能诊断装置及诊断方法，具体如下。
如图1~图4所示，一种振动筛故障智能诊断装置，包括设备硬件部分及诊断处理部分。
所述设备硬件部分包括多台用于采集和上传姿态数据及振动数据的数据采集器，每台所述数据采集器均固定设置于一台被测振动筛上；
所述设备硬件部分还包括至少一台用于接收姿态数据及振动数据、完成故障诊断的主机，每台所述主机分别与多台所述数据采集器信号连接。
所述诊断处理部分包括集成于所述数据采集器内部的数据采集模组，所述数据采集器借助所述数据采集模组完成对姿态数据及振动数据的采集和上传；
所述诊断处理部分还包括集成于所述主机内部的主机模组，所述主机借助所述主机模组完成对姿态数据及振动数据的接收和处理。
每台所述数据采集器包括多个有线振动传感器，固定设置于被测振动筛上监测点位置，用于采集和传输被测振动筛的振动数据；
每台所述数据采集器还包括一个数据采集器主体，固定设置于被测振动筛激振器位置，用于采集与预处理被测振动筛的姿态数据、接收与转发被测振动筛的振动数据。
所述数据采集器主体包括一个6轴惯性测量单元（inertialmeasurementunit，imu）以及一个微控制单元（microcontrollerunit，mcu），所述6轴惯性测量单元与所述微控制单元之间电性连接，每个所述有线振动传感器均借助一个模数转换器（analog-to-digitalconverter，adc）与所述微控制单元之间信号连接。
在这一部分中需要具体说明的是，所述有线振动传感器优选为压感振动传感器，当然也可以替换为振动、温度一体式的其他传感器，或是具有类似功能的无线传感器。所述6轴惯性测量单元的优选型号为stism330，含3轴重力加速度和3轴陀螺仪。所述微控制单元的优选型号为stm32f412rg，可运行freertos操作系统。
每台所述主机包括一个主芯片单元，用于接收被测振动筛的姿态数据及被测振动筛的振动数据并进行诊断分析，得出诊断分析结果及振动图形并输出；
每台所述主机还包括一个数据存储单元，用于记录和存储被测振动筛的姿态数据及被测振动筛的振动数据、诊断分析结果；
每台所述主机还包括一个人机交互单元，用于显示诊断分析结果及振动图形，并支持通过人工操作对所述主机内的各单元进行设置；
每台所述主机还包括一个电源单元，用于为装置内的各电性单元供电。
所述数据存储单元、人机交互单元及电源单元均分别与所述主芯片单元电性连接，每个所述微控制单元均借助一个通信接口与所述主芯片单元之间信号连接，每个所述微控制单元还分别与所述电源单元电性连接，所述主芯片单元还电性连接有用于在被测振动筛出现故障时发出声光警报的声光报警器。
在这一部分中需要具体说明的是，为了满足工业应用的需要，所述主芯片单元可运行嵌入式linux操作系统。所述数据存储单元包括dram内存及nand闪存两部分，其中，dram内存优选为4gbyte的ddr3dram内存；而nand闪存优选为32gbyte，用于存储固化好的嵌入式软件、采集和诊断所需要的参数、轴承振动特征频率数据库、振动筛的姿态数据和诊断数据等。所述人机交互单元优选采用10寸的电容式触摸液晶显示屏，用于输入被测振动筛的零部件参数和诊断所需要的参数、显示智能姿态诊断和振动分析诊断的结果及相关图表和数据。所述声光报警器可以是蜂鸣器或报警灯等部件。
此外，在本实施例中，所述通信接口优选为以太（ethernet）网口，用于和所述数据采集器通讯、获取姿态和振动数据，通过控制协议控制所述数据采集器的采集进程和参数设置；在实际的应用过程中，如果有需要，以太网口还可以接入厂矿的局域网中，将诊断结果上传到其他设备管理或设备在线监测平台；考虑到实际的应用环境，上述采用以太网的连接方式还可以替换成采用工业wifi、zigbee等其他连接方式。
所述数据采集模组集成于所述微控制单元内，包括：
数据采集模块，用于控制相应的硬件完成对被测振动筛的姿态数据及被测振动筛的振动数据的采集；
姿态数据预处理模块，用于对来自所述数据采集模块的被测振动筛的姿态数据进行初步处理，将被测振动筛的姿态数据转换为连续的角速度、角位移、角相位及线性速度、线性位移以及线性相位数据；
数据输出模块，用于将来自所述数据采集模块的被测振动筛的振动数据以及来自所述姿态数据预处理模块的经初步处理后的被测振动筛的姿态数据进行输出。
所述数据采集模块包括振动数据采集子模块，用于同时采集来自多个所述有线振动传感器的、原始的被测振动筛的振动数据；
所述数据采集模块还包括姿态数据采集子模块，用于采集来自所述数据采集器主体的、原始的被测振动筛的姿态数据。
所述数据输出模块包括振动数据输出子模块，用于接收电压值格式、原始的被测振动筛的振动数据、将其转换为m/s2形式的加速度数据，添加包含采集时间戳、传感器名称、数据采样率、数据长度等信息的数据信息头后再借助所述通信接口将数据传送至所述主机模组；
所述数据输出模块还包括姿态数据输出子模块，用于接收经初步处理后的被测振动筛的姿态数据，在二维形式的姿态数据上添加包含采集时间戳、振动筛和传感器名称、数据采样率、数据长度等信息的数据信息头后再借助所述通信接口将数据传送至所述主机模组。
所述振动数据采集子模块与所述振动数据输出子模块电性连接，所述姿态数据采集子模块借助所述姿态数据预处理模块与所述姿态数据输出子模块电性连接。
所述主机模组集成于所述主芯片单元内，包括：
参数设置模块，用于对振动筛故障诊断过程中的各种静态及动态必要参数进行设置和存储；
在这一部分中需要具体说明的是，所述必要参数包括用于姿态故障诊断的参数以及用于振动故障诊断的参数；若被测振动筛内设置有减速箱，则所述必要参数内还应当包含有减速箱的齿轮齿数及减速比。
所述用于姿态故障诊断的参数包括被测振动筛的型号、电机功率、电机转速、筛面面积、筛面规格、筛孔尺寸、振动频率、振幅、筛面倾角，6轴惯性测量单元的采样率、采样时长以及姿态数据报警阈值；
所述用于振动故障诊断的参数包括轴承型号、轴承尺寸，有线振动传感器的采样率、采样时长以及振动数据报警阈值。
数据输入模块，用于接收来自所述数据输出模块的被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据；
数据处理模块，用于将被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据保存至所述数据存储单元中，并执行相应的数据处理操作、生成数据处理结果；
数字信号处理模块，用于配合所述数据处理模块对被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据进行处理；
故障诊断模块，用于对来自所述数据处理模块的数据处理结果进行诊断分析操作、生成诊断分析结果；
诊断输出模块，用于将来自所述故障诊断模块的诊断分析结果及报警进行本地或远程输出。
所述数据输入模块包括振动数据输入子模块，用于接收来自所述振动数据输出子模块的被测振动筛的振动数据，将所接收的被测振动筛的振动数据打包后进行发送；
所述数据输入模块还包括姿态数据输入子模块，用于接收来自所述姿态数据输出子模块的被测振动筛的姿态数据，将所接收的被测振动筛的姿态数据打包后进行发送；
所述数据处理模块包括振动数据处理子模块，用于接收来自所述振动数据输入子模块的被测振动筛的振动数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的振动数据进行处理、生成振动数据处理结果，
在此过程中，所述振动数据处理子模块会将经过前述处理后得到的被测振动筛的加速度数据进行时域参数计算和故障报警预判，其中，时域参数包括速度有效值、位移峰峰值、峭度等，若以上参数超出预设阈值，则后续所述故障诊断模块将会运行，对振动故障进行自动诊断。
所述数据处理模块还包括姿态数据处理子模块，用于接收来自所述姿态数据输入子模块的被测振动筛的姿态数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的姿态数据进行处理、生成姿态数据处理结果；
类似的，姿态数据处理子模块会将所生成的姿态数据处理结果发送至所述故障诊断模块中进行诊断。而在此过程中的任意时段，用户均可以通过人机交互模块进行操作获取历史数据，并选择历史数据进行振动数据和姿态数据的智能诊断。
所述故障诊断模块包括振动数据诊断子模块，用于调用所述数字信号处理模块、结合振动数据处理结果，对被测振动筛的振动数据依次进行数字滤波、fft变换、hilbert变换及再次的fft变换，通过振动信号的幅值谱和包络谱，结合所述参数设置模块中的必要参数，对比轴承、齿轮和轴系的特征频率，进而对故障进行诊断、生成振动数据诊断分析结果，再将振动数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块，
所述故障诊断模块还包括姿态数据诊断子模块，用于调用所述数字信号处理模块、结合姿态数据处理结果，将被测振动筛的姿态数据转换为二维图形、再将其与所述数据存储单元内存储的历史正常二维姿态图形进行对比，判断被测振动筛的姿态是否正常，进而对故障进行诊断、生成姿态数据诊断分析结果，再将姿态数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块；
在上述过程中，当所述故障诊断模块在判断被测振动筛存在振动或姿态故障后，会将相应的诊断分析结果、原始的被测振动筛的相关数据以及所述数据处理模块中所生产的中间数据进行关联，一并存储到所述数据存储单元中，以便用户后续可以随时利用所述人机交互模块进行查询和再次诊断。
所述诊断输出模块包括本地输出子模块，用于在所述人机交互模块上实时展示诊断分析结果及报警，其中，报警输出是在存在姿态或振动预警时，显示输出具体的报警信息和相关的数据图表，若报警属于严重级别，同时通过声光报警器输出报警声音。
所述诊断述输模块还包括远程输出子模块，用于将诊断过程中的全部信息上传至云端平台，供用户利用电脑或手机进行远程访问和信息查阅。
所述数据处理模块及故障诊断模块分别与所述数据存储单元信号连接；所述数据处理模块及故障诊断模块二者均与所述数字信号处理模块电性连接；所述振动数据输入子模块、振动数据处理子模块以及振动数据诊断子模块三者按序电性连接，所述姿态数据输入子模块、姿态数据处理子模块以及姿态数据诊断子模块三者按序电性连接；所述本地输出子模块分别与所述人机交互单元及声光报警器电性连接，所述远程输出子模块与互联网或物联网信号连接。
本发明还揭示了一种振动筛故障智能诊断方法，使用如上所述的振动筛故障智能诊断装置，包括如下步骤：
s1、将数据采集器固定设置于被测振动筛的激振器位置，保证每个激振器位置安装有一个所述数据采集器、每个所述数据采集器上的有线振动传感器均安装于被测振动筛上需要监测的位置，对主机进行设置，保证所述数据采集器与所述主机之间、所述主机与互联网或物联网之间的连接畅通；
s2、开启所述主机，通过人机交互模块进行必要参数设置，所述主机随即控制所述数据采集器开始数据采集，所述数据采集器采集到被测振动筛的振动数据后透传至所述主机，所述数据采集器采集到被测振动筛的姿态数据、经过预处理后透传至所述主机；
s3、所述主机内的数据处理模块接收数据，根据数据采集时间将被测振动筛的振动数据和被测振动筛的姿态数据存储至数据存储单元内的指定位置，随后分别调用振动数据诊断子模块及姿态数据诊断子模块对被测振动筛的振动数据和被测振动筛的姿态数据进行计算和转换，然后转至故障诊断模块内进行故障诊断；
s4、所述故障诊断模块接收到数据后，分别执行相应的诊断操作、生成相应的诊断分析结果并发送至诊断输出模块，所述诊断输出模块依据诊断分析结果输出相应信息。
进一步而言，s4包括如下步骤：
s41、所述故障诊断模块接收到被测振动筛的振动数据后，调用振动数据诊断子模块对被测振动筛的振动数据进行数字滤波、fft变换、hilbert变换以及再次的fft变换算法处理，再结合振动故障模型分析被测振动筛内的旋转部件是否存在振动故障；
所述故障诊断模块接收到被测振动筛的姿态数据后，调用姿态数据诊断子模块将被测振动筛的姿态数据中的线性数据和角度数据转换为二维图像，再根据图像判断被测振动筛是否存在筛体故障；
s42、所述诊断输出模块接收振动数据诊断分析结果，若结果显示被测振动筛存在振动故障，则在所述人机交互单元上显示故障部位和原因、时域参数以及用于判断振动故障的频谱图等信息，若结果显示被测振动筛不存在振动故障，则只显示时域参数；
所述诊断输出模块接收姿态数据诊断分析结果，若结果显示被测振动筛存在姿态故障，则在所述人机交互单元上显示故障原因、二维姿态图以及姿态数据图表等信息，若结果显示被测振动筛不存在姿态故障，则只显示二维姿态图及提示筛体正常字样；
若被测振动筛存在严重姿态故障及震动故障，则通过声光报警器发出报警，在人工主动清除报警前，报警声音及报警显示不清除。
还需要补充的是，若主机通过互联网连接到云平台并已配置好上传参数，则所述诊断输出模块还会将诊断分析结果和原始数据上传到云平台，方便用户通过浏览器或手机app远程诊断数据，获知被测振动筛的运行状态。
综上所述，本发明所提供的一种振动筛故障智能诊断装置及相对应的诊断方法，综合利用了6轴imu传感器及振动传感器，通过6轴imu传感器采集振动筛筛体的姿态数据、通过振动传感器采集振动筛内旋转部件的振动数据，数据采集量大且涵盖面广，不仅使得后续的故障诊断结果更为准确，而且可以更为全面、更早的诊断出振动筛内关键部件的故障，降低因部件损坏而导致的生产和设备损失。
同时，在本发明的硬件技术方案中，数据采集器与主机之间通过网络无线连接，一台主机可连接多台数据采集器、可同时对多台振动筛设备进行故障诊断，不仅更适用于各厂矿的大规模推广应用，而且也显著地降低了硬件成本。
而且，本发明还支持将数据上传至互联网云平台，为用户远程查看振动筛的运行状态及历史数据提供了便利，为用户长期的、在线化的诊断操作提供了条件，从而进一步拓展了本发明的适用范围。
此外，本发明的应用场景丰富、应用前景广阔，为同领域内的相关技术提供了参考依据，技术人员可以通过对本发明的技术方案进行适应性地调整和改动，将其应用于其他与故障诊断设备及方法相关的技术方案中。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
最后，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
1.一种振动筛故障智能诊断装置，包括设备硬件部分及诊断处理部分，其特征在于：
所述设备硬件部分包括多台用于采集和上传姿态数据及振动数据的数据采集器，每台所述数据采集器均固定设置于一台被测振动筛上，
所述设备硬件部分还包括至少一台用于接收姿态数据及振动数据、完成故障诊断的主机，每台所述主机分别与多台所述数据采集器信号连接；
所述诊断处理部分包括集成于所述数据采集器内部的数据采集模组，所述数据采集器借助所述数据采集模组完成对姿态数据及振动数据的采集和上传，
所述诊断处理部分还包括集成于所述主机内部的主机模组，所述主机借助所述主机模组完成对姿态数据及振动数据的接收和处理。
2.根据权利要求1所述的一种振动筛故障智能诊断装置，其特征在于：
每台所述数据采集器包括多个有线振动传感器，固定设置于被测振动筛上监测点位置，用于采集和传输被测振动筛的振动数据，
每台所述数据采集器还包括一个数据采集器主体，固定设置于被测振动筛激振器位置，用于采集与预处理被测振动筛的姿态数据、接收与转发被测振动筛的振动数据；
所述数据采集器主体包括一个6轴惯性测量单元以及一个微控制单元，所述6轴惯性测量单元与所述微控制单元之间电性连接，每个所述有线振动传感器均借助一个模数转换器与所述微控制单元之间信号连接。
3.根据权利要求2所述的一种振动筛故障智能诊断装置，其特征在于：
每台所述主机包括一个主芯片单元，用于接收被测振动筛的姿态数据及被测振动筛的振动数据并进行诊断分析，得出诊断分析结果及振动图形并输出，
每台所述主机还包括一个数据存储单元，用于记录和存储被测振动筛的姿态数据及被测振动筛的振动数据、诊断分析结果，
每台所述主机还包括一个人机交互单元，用于显示诊断分析结果及振动图形，并支持通过人工操作对所述主机内的各单元进行设置，
每台所述主机还包括一个电源单元，用于为装置内的各电性单元供电；
所述数据存储单元、人机交互单元及电源单元均分别与所述主芯片单元电性连接，每个所述微控制单元均借助一个通信接口与所述主芯片单元之间信号连接，每个所述微控制单元还分别与所述电源单元电性连接，所述主芯片单元还电性连接有用于在被测振动筛出现故障时发出声光警报的声光报警器。
4.根据权利要求3所述的一种振动筛故障智能诊断装置，其特征在于，所述数据采集模组集成于所述微控制单元内，包括：
数据采集模块，用于控制相应的硬件完成对被测振动筛的姿态数据及被测振动筛的振动数据的采集；
姿态数据预处理模块，用于对来自所述数据采集模块的被测振动筛的姿态数据进行初步处理，将被测振动筛的姿态数据转换为连续的角速度、角位移、角相位及线性速度、线性位移以及线性相位数据；
数据输出模块，用于将来自所述数据采集模块的被测振动筛的振动数据以及来自所述姿态数据预处理模块的经初步处理后的被测振动筛的姿态数据进行输出。
5.根据权利要求4所述的一种振动筛故障智能诊断装置，其特征在于：
所述数据采集模块包括振动数据采集子模块，用于同时采集来自多个所述有线振动传感器的、原始的被测振动筛的振动数据，
所述数据采集模块还包括姿态数据采集子模块，用于采集来自所述数据采集器主体的、原始的被测振动筛的姿态数据；
所述数据输出模块包括振动数据输出子模块，用于接收原始的被测振动筛的振动数据、将其转换为加速度数据，添加数据信息头后再将数据传送至所述主机模组，
所述数据输出模块还包括姿态数据输出子模块，用于接收经初步处理后的被测振动筛的姿态数据，添加数据信息头后再将数据传送至所述主机模组；
所述振动数据采集子模块与所述振动数据输出子模块电性连接，所述姿态数据采集子模块借助所述姿态数据预处理模块与所述姿态数据输出子模块电性连接。
6.根据权利要求5所述的一种振动筛故障智能诊断装置，其特征在于，所述主机模组集成于所述主芯片单元内，包括：
参数设置模块，用于对振动筛故障诊断过程中的必要参数进行设置和存储；
数据输入模块，用于接收来自所述数据输出模块的被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据；
数据处理模块，用于将被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据保存至所述数据存储单元中，并执行相应的数据处理操作、生成数据处理结果；
数字信号处理模块，用于配合所述数据处理模块对被测振动筛的振动数据及经初步处理后的被测振动筛的姿态数据进行处理；
故障诊断模块，用于对来自所述数据处理模块的数据处理结果进行诊断分析操作、生成诊断分析结果；
诊断输出模块，用于将来自所述故障诊断模块的诊断分析结果及报警进行本地或远程输出。
7.根据权利要求6所述的一种振动筛故障智能诊断装置，其特征在于：
所述数据输入模块包括振动数据输入子模块，用于接收来自所述振动数据输出子模块的被测振动筛的振动数据，将所接收的被测振动筛的振动数据打包后进行发送，
所述数据输入模块还包括姿态数据输入子模块，用于接收来自所述姿态数据输出子模块的被测振动筛的姿态数据，将所接收的被测振动筛的姿态数据打包后进行发送；
所述数据处理模块包括振动数据处理子模块，用于接收来自所述振动数据输入子模块的被测振动筛的振动数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的振动数据进行处理、生成振动数据处理结果，
所述数据处理模块还包括姿态数据处理子模块，用于接收来自所述姿态数据输入子模块的被测振动筛的姿态数据、将数据保存至所述数据存储单元中，调用所述数字信号处理模块对被测振动筛的姿态数据进行处理、生成姿态数据处理结果；
所述故障诊断模块包括振动数据诊断子模块，用于调用所述数字信号处理模块、结合振动数据处理结果，对被测振动筛的振动数据依次进行数字滤波、fft变换、hilbert变换及再次的fft变换，通过振动信号的幅值谱和包络谱，结合所述参数设置模块中的必要参数，对比轴承、齿轮和轴系的特征频率，进而对故障进行诊断、生成振动数据诊断分析结果，再将振动数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块，
所述故障诊断模块还包括姿态数据诊断子模块，用于调用所述数字信号处理模块、结合姿态数据处理结果，将被测振动筛的姿态数据转换为二维图形、再将其与所述数据存储单元内存储的历史正常二维姿态图形进行对比，进而对故障进行诊断、生成姿态数据诊断分析结果，再将姿态数据诊断分析结果保存至所述数据存储单元中、发送至所述诊断输出模块；
所述诊断输出模块包括本地输出子模块，用于在所述人机交互模块上实时展示诊断分析结果及报警，
所述诊断述输模块还包括远程输出子模块，用于将诊断过程中的全部信息上传至云端平台，供用户利用电脑或手机进行远程访问和信息查阅。
8.根据权利要求7所述的一种振动筛故障智能诊断装置，其特征在于：所述数据处理模块及故障诊断模块分别与所述数据存储单元信号连接；所述数据处理模块及故障诊断模块二者均与所述数字信号处理模块电性连接；所述振动数据输入子模块、振动数据处理子模块以及振动数据诊断子模块三者按序电性连接，所述姿态数据输入子模块、姿态数据处理子模块以及姿态数据诊断子模块三者按序电性连接；所述本地输出子模块分别与所述人机交互单元及声光报警器电性连接，所述远程输出子模块与互联网或物联网信号连接。
9.一种振动筛故障智能诊断方法，使用如权利要求1~8任一所述的振动筛故障智能诊断装置，其特征在于，包括如下步骤：
s1、将数据采集器固定设置于被测振动筛的激振器位置，保证每个激振器位置安装有一个所述数据采集器、每个所述数据采集器上的有线振动传感器均安装于被测振动筛上需要监测的位置，对主机进行设置，保证所述数据采集器与所述主机之间、所述主机与互联网或物联网之间的连接畅通；
s2、开启所述主机，通过人机交互模块进行必要参数设置，所述主机随即控制所述数据采集器开始数据采集，所述数据采集器采集到被测振动筛的振动数据后透传至所述主机，所述数据采集器采集到被测振动筛的姿态数据、经过预处理后透传至所述主机；
s3、所述主机内的数据处理模块接收数据，根据数据采集时间将被测振动筛的振动数据和被测振动筛的姿态数据存储至数据存储单元内的指定位置，随后分别调用振动数据诊断子模块及姿态数据诊断子模块对被测振动筛的振动数据和被测振动筛的姿态数据进行计算和转换，然后转至故障诊断模块内进行故障诊断；
s4、所述故障诊断模块接收到数据后，分别执行相应的诊断操作、生成相应的诊断分析结果并发送至诊断输出模块，所述诊断输出模块依据诊断分析结果输出相应信息。
10.根据权利要求9所述的一种振动筛故障智能诊断方法，其特征在于，s4包括如下步骤：
s41、所述故障诊断模块接收到被测振动筛的振动数据后，调用振动数据诊断子模块对被测振动筛的振动数据进行数字滤波、fft变换、hilbert变换以及再次的fft变换算法处理，再结合振动故障模型分析被测振动筛内的旋转部件是否存在振动故障；
所述故障诊断模块接收到被测振动筛的姿态数据后，调用姿态数据诊断子模块将被测振动筛的姿态数据中的线性数据和角度数据转换为二维图像，再根据图像判断被测振动筛是否存在筛体故障；
s42、所述诊断输出模块接收振动数据诊断分析结果，若结果显示被测振动筛存在振动故障，则在所述人机交互单元上显示故障部位和原因、时域参数以及用于判断振动故障的频谱图，若结果显示被测振动筛不存在振动故障，则只显示时域参数；
所述诊断输出模块接收姿态数据诊断分析结果，若结果显示被测振动筛存在姿态故障，则在所述人机交互单元上显示故障原因、二维姿态图以及姿态数据图表，若结果显示被测振动筛不存在姿态故障，则只显示二维姿态图及提示筛体正常字样；
若被测振动筛存在严重姿态故障及震动故障，则发出报警，在人工主动清除报警前，报警不清除。
技术总结