(西北工業(yè)大學 航海學院，西安 710072)

0 引言

近年來，中國結(jié)合當前時勢與現(xiàn)狀提出的“中國制造2025”引發(fā)了我國工業(yè)生產(chǎn)中以智能技術(shù)為核心的一場變革。這些戰(zhàn)略的核心內(nèi)容都是智能制造，中國在智能制造上的研究與實施力度日漸增大，在不同的領域展開智能制造試點工程。而保障試點工程順利實施的前提是設計一套完善的生產(chǎn)線故障診斷系統(tǒng)?，F(xiàn)階段人工智能、計算機網(wǎng)絡技術(shù)和神經(jīng)網(wǎng)絡技術(shù)等已經(jīng)成為生產(chǎn)線故障診斷系統(tǒng)不可缺少的部分[1]。數(shù)字化生產(chǎn)線設備群的協(xié)同作業(yè)作為智能工廠的核心部分，其安全高效的運行是保障智能制造研究與實施更加深入的關(guān)鍵所在[2]。本文研究的針對數(shù)字化生產(chǎn)線故障預測與健康管理技術(shù)(prognostic and health management, PHM)[3]是有效防止設備群發(fā)生故障和監(jiān)測其安全高效運行的有效技術(shù)手段。

故障預測與健康管理技術(shù)經(jīng)過近幾十多年的不斷發(fā)展和豐富，不斷吸收各門學科技術(shù)發(fā)展的最新成果，以大型設備與復雜系統(tǒng)為研究對象，以新興技術(shù)為依托，涉及各種工程技術(shù)系統(tǒng)設備及領域，已形成一門既有理論又有方法的綜合性應用技術(shù)，但是現(xiàn)階段對于設備群的PHM研究還處于初步階段[4]。數(shù)字化生產(chǎn)線上設備群的復雜性、多樣性及協(xié)同作業(yè)下的不可預測性等因素加大了PHM研究的繁瑣，所以項目的進行比較廣泛，涉及算法、關(guān)鍵技術(shù)、軟硬件平臺等，而本文旨在對其PHM結(jié)構(gòu)體系進行論述，然后針對各關(guān)鍵組成子系統(tǒng)展開闡述分析。緊接著從設備群監(jiān)測系統(tǒng)的可靠性、實時性以及可維護性出發(fā)，研究設計了數(shù)字化生產(chǎn)線設備群監(jiān)測系統(tǒng)并詳細講述其四個關(guān)鍵組成。最后，針對故障診斷與健康管理問題，設計了綜合診斷與健康狀態(tài)管理系統(tǒng)方案，主要對所應用的理論技術(shù)進行分析。

1 數(shù)字化生產(chǎn)線設備群體系結(jié)構(gòu)

生產(chǎn)線設備群的健康管理系統(tǒng)主要由建立在應用企業(yè)的故障診斷與健康狀態(tài)管理系統(tǒng)和建立在制造企業(yè)/專業(yè)機構(gòu)的遠程診斷與服務平臺兩部分組成，其中故障診斷與健康狀態(tài)管理系統(tǒng)包含用于數(shù)據(jù)獲取及分析部門的信息采集與處理模塊和用于檢測控制部門的設備群檢測系統(tǒng)模塊[5]。

本文設計的生產(chǎn)線設備群健康管理系統(tǒng)，一方面應用組態(tài)技術(shù)在結(jié)構(gòu)上對生產(chǎn)線的信號采集與處理模塊和設備群監(jiān)測系統(tǒng)進行設計研究，實現(xiàn)了PHM系統(tǒng)結(jié)構(gòu)上的可擴展、可重用，減少了系統(tǒng)的開發(fā)和維護費用；另一方面，利用綜合診斷平臺對數(shù)據(jù)庫歷史信息進行故障診斷分析，在沒有先驗知識的情況下通過對生產(chǎn)線設備群正常運行下的狀態(tài)信息，采用智能預測算法對設備群的剩余使用壽命進行分析，有效地彌補了人工設置報警數(shù)據(jù)導致誤報警的缺陷，提高了PHM的智能性[6-9]。本文綜合了朱紅萍等提出了在視情維修的開放體系結(jié)構(gòu)(Open System Architecture for Condition-Based Maintenance, OSA-CBM)下的PHM技術(shù)體系結(jié)構(gòu)，針對數(shù)字化生產(chǎn)線實際運行情況，設計研究了如圖1所示設備群PHM體系結(jié)構(gòu)圖。

圖1 數(shù)字化生產(chǎn)線設備群PHM體系結(jié)構(gòu)圖

1.1 信息采集與處理

在PHM系統(tǒng)運行過程中，數(shù)據(jù)獲取及處理模塊是基礎，主要任務是在遵循一定的數(shù)據(jù)傳輸協(xié)議下將生產(chǎn)線上設備群傳感器系統(tǒng)采集的數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)庫存儲的數(shù)據(jù)類型。實時數(shù)據(jù)的采集依據(jù)生產(chǎn)線PHM數(shù)據(jù)交換規(guī)則可以分為生產(chǎn)線運行數(shù)據(jù)、設備故障信號和警告事件數(shù)據(jù)三大類，首先需要對收集的數(shù)據(jù)進行融合及特征提取處理，數(shù)據(jù)融合是對原始數(shù)據(jù)進行分析，針對無效數(shù)據(jù)和異常值分別進行相應的處理，然后對大量處理后的數(shù)據(jù)采用人工神經(jīng)網(wǎng)絡的融合算法進行處理。特征提取是用少于原始特征參數(shù)數(shù)目的特征量來完整、準確地描述PHM系統(tǒng)的運行狀態(tài)。根據(jù)數(shù)據(jù)融合與特征提取輸出的具體信息，將生產(chǎn)線的運行狀態(tài)劃分為“加工”、“搬移”、“閉鎖”、“警告”、“異常”和“檢修”六種工況狀態(tài)。

1.2 生產(chǎn)線設備群監(jiān)測系統(tǒng)

該模塊是從數(shù)據(jù)分析中得到設備群盡可能準確的狀態(tài)信息，不僅支持對生產(chǎn)線設備群的圖像數(shù)據(jù)(生產(chǎn)線工藝流程圖、物料加工圖、設備轉(zhuǎn)移流程提等和模型數(shù)據(jù)(設備三維模型、加工工件三維模型)的存儲功能，還支持對監(jiān)測端實時接收診斷信息和周期傳送離散事件信息的存儲功能，監(jiān)測系統(tǒng)需要對所收集的信息類型進行判斷然后存儲于本地的端口文件服務器和系統(tǒng)中設定好的一個專門用于存儲故障信息的數(shù)據(jù)庫中[10]。該監(jiān)測系統(tǒng)還支持對生產(chǎn)線系統(tǒng)的建模工程，采用合適的算法及三維建模軟件對生產(chǎn)線PHM進行建模，從而精準的獲得狀態(tài)信息，為下一階段生成診斷維修策略提供數(shù)據(jù)支持。根據(jù)用戶的需求分析，系統(tǒng)還制定了對設備群的預測診斷功能，預測數(shù)字化生產(chǎn)線上各關(guān)鍵部分的剩余使用壽命。

1.3 診斷管理系統(tǒng)

在經(jīng)過前期不斷檢測和分析處理，形成了一定數(shù)量的監(jiān)測數(shù)據(jù)和故障信息，診斷處理模塊就是結(jié)合現(xiàn)有的資源對其提供堅實有效的保障措施部分。該模塊在信息采集與處理、故障監(jiān)測系統(tǒng)等基礎上，利用現(xiàn)階段搭建起來的專家知識庫，按照生產(chǎn)線物料投放時間、故障處理時間、故障類型和故障發(fā)生設備等屬性對接入的歷史數(shù)據(jù)進行統(tǒng)計分析，分析的維度包括報警統(tǒng)計、故障事件統(tǒng)計、通信信息統(tǒng)計、設備運行率統(tǒng)計等。診斷管理系統(tǒng)工作人員定期對統(tǒng)計分析的階段進行智能診斷，采用集成的診斷算法如SVM、粒子群診斷和神經(jīng)網(wǎng)絡診斷對數(shù)據(jù)信息進行審核，然后存檔或者上報有關(guān)處理部門，按照數(shù)據(jù)審核結(jié)果下發(fā)給各維修單位。

2 設備群監(jiān)測系統(tǒng)結(jié)構(gòu)

本文以數(shù)字化生產(chǎn)線設備群為研究對象，針對目前存在的問題并結(jié)合智能制造生產(chǎn)需要，從系統(tǒng)的可靠性、實時性以及可維護性出發(fā)，研究設計了監(jiān)測系統(tǒng)。本監(jiān)測系統(tǒng)的功能包含部分信息采集與處理模塊的職能，監(jiān)測系統(tǒng)組成方案主要由4個部分組成：監(jiān)測單元、點檢數(shù)據(jù)管理單元+智能點檢儀、監(jiān)測數(shù)據(jù)庫+點檢數(shù)據(jù)庫、在線監(jiān)測平臺。

圖2 數(shù)字化生產(chǎn)線設備群監(jiān)測系統(tǒng)組成

2.1 實時采集監(jiān)測單元

監(jiān)測單元是生產(chǎn)線監(jiān)測系統(tǒng)正常運行的關(guān)鍵組成，其主要功能是對振動量與轉(zhuǎn)速信號的信息采集與對工藝量的判斷處理，結(jié)構(gòu)組成如圖3所示。

圖3 實時采集監(jiān)測單元

1)基于DSP的采集監(jiān)測模塊：采用 DSP(TMS320C6711)和 FPGA 為核心，開發(fā)并行采集處理模塊，完成 16 通道信號調(diào)理、同步采集、故障特征提取、設備狀態(tài)監(jiān)測、數(shù)據(jù)通訊等工作。

2)基于狀態(tài)驅(qū)動的實時采集存儲： 實時提取機組信號的特征量，根據(jù)知識庫提供的標準量、比較規(guī)則、關(guān)系矩陣等來建立基于狀態(tài)驅(qū)動的自適應采集和存儲決策模型，以實現(xiàn)機組在不同運行狀態(tài)下對于信號的智能采集和高效存儲；通過知識維護模塊，實現(xiàn)對決策模型的遠程調(diào)整和動態(tài)修改。

3)監(jiān)測和管理軟件：利用嵌入式 Web Server，接受網(wǎng)上組態(tài)和維護模塊的測控，以進行監(jiān)測單元的初始化、組態(tài)和系統(tǒng)維護等

2.2 點檢數(shù)據(jù)管理單元+智能點檢儀

2.2.1 移動點檢設備

選用適合該項目應用企業(yè)現(xiàn)場檢測需要的振動、溫度和壓力傳感器，自行開發(fā)調(diào)理電路，使用 PDA 專用的 CF 數(shù)據(jù)采集卡，并與 Pocket PC 型掌上電腦連接組成數(shù)據(jù)采集器的硬件基礎。以Windows Mobile 為操作系統(tǒng)，微軟.Net Compact Framework 和 NI 公司 LabVIEW 為編程工具，開發(fā)數(shù)據(jù)采集器軟件，在良好的交互界面中，完成輔機設備的數(shù)據(jù)測量與抄錄[11]。在設備上安裝電子標簽，設計數(shù)據(jù)采集器的現(xiàn)場讀取功能，對數(shù)據(jù)采集工作進行定點定時的控制。

圖4 智能點檢儀結(jié)構(gòu)組成

2.2.2 點檢數(shù)據(jù)管理單元

運行于點檢工作站上的點檢數(shù)據(jù)管理單元，負責組織、管理輔機設備運行數(shù)據(jù)的日常采集工作。一方面制定點檢計劃(包括現(xiàn)場檢測流程與具體的測量任務)，通過與 PDA 同步通訊，下達點檢計劃到智能點檢儀中，并對采集到的數(shù)據(jù)進行回收，保存于工作站自身數(shù)據(jù)庫中；另一方面采用微軟 ADO技術(shù)，將工作站數(shù)據(jù)庫中的數(shù)據(jù)通過網(wǎng)絡自動上傳至點檢數(shù)據(jù)庫，實現(xiàn)多工作站數(shù)據(jù)的統(tǒng)一管理。

2.3 監(jiān)測及點檢數(shù)據(jù)庫

監(jiān)測數(shù)據(jù)庫保存數(shù)字化生產(chǎn)線上設備群完整的狀態(tài)數(shù)據(jù)，為在線監(jiān)測平臺和一體化診斷評估提供所需的歷史數(shù)據(jù)，點檢數(shù)據(jù)庫主要管理輔機的多種類型的混雜數(shù)據(jù)。以上數(shù)據(jù)庫采用 Oracle 11 g 大型數(shù)據(jù)管理系統(tǒng)以滿足網(wǎng)絡化數(shù)據(jù)的存儲和訪問要求，遵循國際組織 MIMOSA(Machinery Information Management Open System Alliance )發(fā)布的標準( CRIS - Common Relational Information Schema Ver 2.3)進行數(shù)據(jù)庫設計，以便設備狀態(tài)歷史數(shù)據(jù)的存儲和共享[12-13]。

2.4 在線監(jiān)測平臺

綜合網(wǎng)絡傳輸、數(shù)據(jù)庫訪問、信號分析、結(jié)果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發(fā)網(wǎng)絡化在線監(jiān)測平臺，具體從以下幾個層面來集成監(jiān)測分析方面相關(guān)研究成果：

1)基于DSP的采集監(jiān)測模塊：采用 LabVIEW 圖形化編程語言實現(xiàn)網(wǎng)絡化在線監(jiān)測軟件。

2)基于狀態(tài)驅(qū)動的實時采集存儲：利用 LabVIEW 具有的良好網(wǎng)絡支持能力，以 DataSocket 技術(shù)為依托全面支持設備狀態(tài)數(shù)據(jù)的遠程訪問和數(shù)據(jù)共享。

3)基于狀態(tài)驅(qū)動的實時采集存儲：在監(jiān)測中核心是信號處理和特征提取，采用 LabVIEW 平臺開發(fā)大量的分析診斷模塊以提供豐富的設備狀態(tài)監(jiān)測功能。

3 診斷管理系統(tǒng)

PHM系統(tǒng)面向大型壓縮機組群，以點檢、巡檢數(shù)據(jù)，CPCI監(jiān)測數(shù)據(jù)，DCS數(shù)據(jù)為基礎，實現(xiàn)對異步、異構(gòu)數(shù)據(jù)的集成應用，創(chuàng)建企業(yè)專家數(shù)據(jù)庫，主要進行包括機組的過程分析、運行趨勢分析、狀態(tài)對比分析、特征參數(shù)分析、信息融合分析等綜合診斷；進行機組群的健康狀態(tài)評估，包括機組的故障溯源、系統(tǒng)狀態(tài)評估、系統(tǒng)結(jié)構(gòu)故障分析，以直到監(jiān)測和維護決策等。系統(tǒng)組成方案如圖5所示。

圖5 診斷管理系統(tǒng)

3.1 綜合診斷平臺

綜合數(shù)據(jù)庫訪問、信號分析、結(jié)果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發(fā)綜合診斷平臺，具體從以下幾個層面來集成監(jiān)測分析方面相關(guān)研究成果：

1)采用 LabVIEW 圖形化語言實現(xiàn)綜合診斷平臺的軟件編程；

2)綜合診斷平臺的數(shù)據(jù)庫訪問模塊開發(fā)。利用 LabVIEW 自身具有的良好網(wǎng)絡支持能力，以 LabSQL Toolkit 提供 ADO 技術(shù)為依托全面支持設備狀態(tài)數(shù)據(jù)的遠程訪問和數(shù)據(jù)共享；

3)基礎上，整合大量的已有分析診斷模塊，開發(fā)和包裝新的綜合診斷模塊，最終提供一個完整而有效的綜合診斷模塊庫，全面支持綜合診斷平臺。綜合數(shù)據(jù)庫訪問、信號分析、結(jié)果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發(fā)綜合診斷平臺，具體從以下幾個層面來集成監(jiān)測分析方面相關(guān)研究成果。

3.2 健康狀態(tài)管理平臺

利用實時數(shù)據(jù)庫技術(shù)解決數(shù)字化生產(chǎn)線設備群在運行中產(chǎn)生的大量實時數(shù)據(jù)的處理、存儲和集成問題，實現(xiàn)工業(yè)數(shù)據(jù)的抽取、校正和有效存儲，重點解決多源異構(gòu)數(shù)據(jù)的集成和數(shù)據(jù)質(zhì)量問題[14]；在此基礎上，利用知識挖掘和推理技術(shù)，對設備的離線監(jiān)測數(shù)據(jù)、在線監(jiān)測數(shù)據(jù)、歷史數(shù)據(jù)(尤其是設備群故障突發(fā)前后的原始數(shù)據(jù))等進行分析，找出其中的關(guān)聯(lián)規(guī)則，融合多種信息對機組系統(tǒng)運行狀況做出解釋和評估；利用設備群的過程數(shù)據(jù)，挖掘設備故障在數(shù)據(jù)中的表現(xiàn)規(guī)律，所得知識用于指導后續(xù)操作，在出現(xiàn)事故之前，發(fā)出報警信息，并通過檢測數(shù)據(jù)孤立點等技術(shù)辨識故障發(fā)生位置[15]。

利用復雜網(wǎng)絡理論，建立生產(chǎn)線設備群系統(tǒng)的網(wǎng)絡模型，分析其結(jié)構(gòu)特性，利用系統(tǒng)的整體知識對單元在系統(tǒng)中所起的重要性進行分析，確定系統(tǒng)中的重點監(jiān)視部位、系統(tǒng)脆弱點部位，對確定的重點部位、系統(tǒng)脆弱點部位進行實時監(jiān)測，實現(xiàn)在監(jiān)測資源有限的情況下對設備群的監(jiān)測點進行優(yōu)化，做到故障的預防和多機組設備運行狀態(tài)監(jiān)控。

4 實驗結(jié)果與分析

根據(jù)生產(chǎn)線故障診斷流程，開發(fā)了基于LabVIEW和Matlab的設備群電機故障診斷系統(tǒng)。將LabVIEW良好的人機交互界面與Matlab成熟的數(shù)值分析與處理功能相結(jié)合，利用LabVIEW調(diào)用Matlab系統(tǒng)集成算法實現(xiàn)設備群中電機發(fā)生故障的診斷。

依據(jù)本文提出的生產(chǎn)線健康管理體系結(jié)構(gòu)，對提出的三個系統(tǒng)模塊進行實驗分析處理，圖6(a)是信息采集與處理模塊采用LABVIEW對運行狀態(tài)下數(shù)據(jù)的實時顯示以及圖6(b)通過串口助手實時的數(shù)據(jù)接收。

圖6 實時采集系統(tǒng)

設備群監(jiān)測系統(tǒng)模塊主要包含數(shù)據(jù)的顯示及存儲等功能，并提供了當前數(shù)據(jù)一些簡單的時域參數(shù)以供診斷管理系統(tǒng)的數(shù)據(jù)參考，如圖7所示的監(jiān)測系統(tǒng)的可視化呈現(xiàn)。

圖7 狀態(tài)監(jiān)測系統(tǒng)

診斷管理模塊主要包含故障診斷結(jié)果、當前數(shù)據(jù)記錄和模型再訓練這三部分內(nèi)容。由于故障發(fā)生方式繁多，而設備群的電機故障是常見的故障發(fā)生發(fā)生方式，這里僅對生產(chǎn)線固定設備的電機故障數(shù)據(jù)進行3層小波包能量分解后得到的特征量進行模式識別得到的工作狀態(tài)，同時列出了神經(jīng)網(wǎng)絡和SVM的輸出結(jié)果，并使用聯(lián)合決策方式確定最終的工作狀態(tài)。數(shù)據(jù)記錄用于對當前得到的頻帶能量進行標記并添加到歷史數(shù)據(jù)中，模型訓練會根據(jù)當前保存的歷史數(shù)據(jù)訓練新的模型以供使用。圖8和圖9分別為設備群某一電機在狀態(tài)1和狀態(tài)2下工作時的診斷結(jié)果。圖形界面上方為工作狀態(tài)的最終診斷結(jié)果，可以判斷運行工作是否異常然后存檔或者上報有關(guān)處理部門。

圖8 在狀態(tài)1下故障診斷結(jié)果

圖9 在狀態(tài)2下故障診斷結(jié)果

5 結(jié)束語

本文以某企業(yè)生產(chǎn)線設備群狀態(tài)監(jiān)測與診斷分析系統(tǒng)開發(fā)為實例，研究介紹設備群PHM系統(tǒng)的體系結(jié)構(gòu)，并進行了逐一說明。所開發(fā)的數(shù)字化生產(chǎn)線設備群故障診斷和健康管理系統(tǒng)已在 MRO 核心軟件行業(yè)構(gòu)建的機組群診斷和健康管理系統(tǒng)、制造廠的遠程診斷與服務平臺和科研單位的專家會診平臺，進行了應用驗證。