该项目重点研制了VXI/CPCI监测单元、基于LabVIEW的监测诊断平台和融网络诊断工具和故障数据于一体的专家会诊环境，构建了包含基于Intranet的监测诊断平台和基于Internet的虚拟诊断中心两个层面的监测诊断网络，不仅可以全面在线监测诊断企业关键设备的运行状态和故障，并可以对疑难故障实现异地多专家的网上多媒体会诊。

国家十五科技攻关项目、国家产业化示范工程成果大型能源化工设备工程监测与故障诊断系统 Net-EASY，针对流程工业中的大型旋转机组如汽轮机组、压缩机组、发电机组等，进行状态监测、信号分析、故障诊断、信息积累和远程维护，捕捉机组的运行隐患，做到机组故障早发现、早诊断和早预防，以消除灾难故障，避免严重故障，减少一般故障，提高企业生产效益。系统以数据库和网络为核心，将状态监测技术、故障诊断技术以及专家知识等有机结合起来，既解决了设备状态信息在企业中共享的问题，又促进了专家的专业知识与企业生产实际之间的紧密结合，为设备的运行维护提供了一揽子解决方案。 

开展设备状态监测与故障诊断可以及时了解和掌握设备的工作状态，甚至提早期发现故障，找出故障的成因，并预报故障发展趋势。以往依赖人工经验，靠五感或简易仪表进行的常规检测已不适用。现代设备的状态监测。分布式在线监测系统采用计算机技术、网络技术、信号处理与分析技术，形成分布式的监测体系。 该系统重点解决关键设备远程在线监测、设备状态评价、设备故障诊断等问题。系统采用三层架构的体系，实现远程异地对设备运行状态进行监测，自动跟踪、记录设备的相关指标，诊断设备可能发生的故障，科学地评价设备状态，为设备维修和维护提供科学的依据。 系统由多台计算机通过计算机通讯手段形成一个完整的诊断网络，每台计算机分布在不同的场所，可以分别独立地完成各自的特定功能，同时在逻辑上相互联系，形成一个监测与诊断整体，给使用者带来了方便，系统的可扩展性也大大提高。系统的主要功能模块包括常规在线监测、数据保存（支持三种存储模式：定期存储、报警存储、人工触发存储），历史数据追溯、趋势分析、监测报表、实时数据采集、故障诊断等功能

煤矿大型设备（如提升绞车、主扇风机、空压机等）承担着矿井的提升运输、通风、压风等任务，是保证矿井安全生产最重要的装备和环节。由于它们分布在点多面广的不同区域，又由于企业对这些设备的运行监控还是停留在简单的人工看表，定时记录的方式上，技术手段非常落后，难以进行科学有效的管理，虽然有的企业有了一些先进的监控系统，但是数据传不上来、数据不准确、数据错误采集等人为原因在更大程度上减弱了监控系统对煤矿企业起到的安全、高效的管理作用，无法有效的预防和遏制煤矿的安全事故。该成果通过实时采集煤矿大型机电设备的实时运行数据，进行数据处理，达到对煤矿大型设备故障安全隐患的提前判识与诊断，并给出预警，杜绝安全事故的发生。

本项成果是为解决大型机械设备运行过程中的变工况非平稳和不确定性问题的基础理论和应用技术研究，提供了普通适用于大型机械设备变工况非平稳在线和离线动态分析与监测诊断的关键技术和装置。广泛应用于电力、冶金、石化、炼油、矿山、建材、纺织、印染、军工、机械、交通等工矿企业。成功地将小波理论、时频分析、分形方法、模糊聚类和神经网络有机地结合起来形成实用化的新技术。研究

成果介绍基于人工智能和大数据技术，对风电机组实时运行状态进行在线监测及评估，对风机异常运行状态和能效劣化趋势进行预警。技术创新点及参数1、风机设备的变量关联分析以及典型状态特征挖掘；2、历史运行数据处理方法研究；3、基于数据驱动的风机状态预警关键技术的研究；市场前景大型风电机组，新能源发电，水火电机组。向大型风电厂推广并运营。

成果简介： 以典型石化装置的转动设备系统作为研究对象，建立转动设备故障诊断与维护检修管理平台，实现对设备可靠性分析、FMEA(失效模式与影响分析)以及维护检修管理。通过本项目实施，加强对转动设备检维修工作的指导，实现基于时间的预防性检维修模式向基于状态和基于风险分析的预知性检维修模式的转变。系统主要包括设备信息管理、设备运维管理、项目管理、可靠性分析、F

心血管疾病是威胁人类健康的重要杀手。我国心血管病患者已达到 2.9 亿人，心血管病 死亡占城乡居民总死亡原因的首位。中国已步入老龄化社会，2050 年，老龄化水平将达到 30%以上。老年人群体作为心血管疾病的多发群体，面向老年人的心血管病管理和治疗已成为不可回避的一个重要社会问题。实现老年人群体等重点人群心血管健康的长时程监护，从而早预防、早发现、早治疗，已经成为医疗服务的重点。 基于长时程医疗数据的临床心电智能检测平台是推动心血管疾病科学防治和管理升级 的关键技术。近年来，众多医疗设备厂商在可穿戴设备领域大力投入，所研发可穿戴设备可 实现用户心电图等生理健康数据的长时程监测，弥补了医院测量心电图的短时性。本课题中， 基于人工智能算法研发心血管疾病智能诊断系统，将可穿戴设备、移动终端、云端服务器所 实现自动诊断结果与专家诊断结果有机结合起来，实现心电疾病诊断智能化。长时程临床心 电智能检测平台的建立，利用可穿戴设备实现了对用户身体状况的长时程监测和异常筛查， 可有效推动心血管疾病健康管理模式建立。 北京清华长庚医院心内科张萍教授团队在正常和疾病心电数据库有长期的积累，曾负责十二五国家科技支撑计划《基层心电监护产品应用评价研究》，在心电监护产品评价和推广 应用方面积累了丰富的经验，在本项目中提供了医疗级心电测试数据库，与清华大学王贵锦 副教授一起搭建了医生在环并不断反馈的心电智能检测平台，同时，北京清华长庚医院作为 北京市昌平区远程诊断管理中心，为未来心电产品的推广应用和心电智能诊断的评测提供了 良好的平台。清华大学电子工程系王贵锦老师团队在低功耗硬件设计、生理大数据分析、心 电智能算法研究领域有着长期的积累。团队在国内外顶级期刊会议上发表文章百余篇，其中 SCI 文章 40 余篇，发明专利授权近 20 项。团队基于人工智能算法开展心血管疾病智能诊断 研究，在多种心电疾病诊断中达到世界先进水平。 团队所研发临床长时程心电智能检测平台特点如下： l 实现长时程心电数据的展示、查询、关键指标计算等功能； l 基于医疗大数据和人工智能技术，实现室性早搏、房性早搏、T 波改变、ST 段改 变、早复极图形改变、心房颤动等 10 余种常见心电术语的智能诊断，准确度高； l 建立心电诊断术语工程化分级体系，实现医学和工程科学高效结合； l 建立心电图规范化数据库，为医学研究创造基础。 团队所研发的手持式可穿戴心电智能检测平台特点如下： l 实现了院外心电数据的测量和采集 l 基于手持式单导联设备和人工智能技术，实现了心房颤动的院外筛查和诊断

项目成果/简介:心血管疾病是威胁人类健康的重要杀手。我国心血管病患者已达到 2.9 亿人，心血管病 死亡占城乡居民总死亡原因的首位。中国已步入老龄化社会，2050 年，老龄化水平将达到 30%以上。老年人群体作为心血管疾病的多发群体，面向老年人的心血管病管理和治疗已成为不可回避的一个重要社会问题。实现老年人群体等重点人群心血管健康的长时程监护，从而早预防、早发现、早治疗，已经成为医疗服务的重点。

采用自动逻辑推理的自主故障诊断方法，结合专家人机交互方式进行观察、推理的人工诊断方式，形成更准确全面的故障原因分析和故障定位。根据状态评价和故障定位结果，自动给出设备维修建议的方法。利用长期积累的设备试验、运行、故障前后的各种状态数据，进行设备状态劣化模型、故障诊断模型的更新和修正方法。基于 Internet的远程协作诊断机制，遇到疑难问题时邀请多领域专家进行在线会商。