夏霜

（湖北新冶鋼有限公司，湖北黃石，435000）

選礦是整個(gè)礦產(chǎn)品生產(chǎn)中較為重要的環(huán)節(jié)，設(shè)備繁多且工序復(fù)雜。利用監(jiān)控加強(qiáng)對(duì)選礦設(shè)備的管理能夠提高設(shè)備運(yùn)行效率，但傳統(tǒng)監(jiān)控系統(tǒng)操作復(fù)雜且過程診斷技術(shù)難，無法建立精準(zhǔn)的數(shù)學(xué)模型。為改善此類問題，本文設(shè)計(jì)與開發(fā)了基于物聯(lián)網(wǎng)和工業(yè)云的選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)。利用物聯(lián)網(wǎng)技術(shù)對(duì)設(shè)備運(yùn)行過程中產(chǎn)生的數(shù)據(jù)進(jìn)行的采集和傳輸，微服務(wù)框架將工業(yè)云與監(jiān)控設(shè)備結(jié)合，完成系統(tǒng)的服務(wù)化過程。利用多種技術(shù)的結(jié)合，使系統(tǒng)具備在線診斷、精準(zhǔn)定位故障部位、推送報(bào)警、移動(dòng)監(jiān)控等功能。增加了設(shè)備的利用率，減少了人力需求，為將來企業(yè)智能化發(fā)展提供了支持。

1 選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)整體架構(gòu)

■1.1 選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)整體架構(gòu)

該系統(tǒng)整體結(jié)構(gòu)分為五層：

第一層為選礦設(shè)備層，主要通過選礦設(shè)備的指標(biāo)參數(shù)及視頻圖像采集節(jié)點(diǎn)，獲取選礦過程中多元數(shù)據(jù)。

第二層是物聯(lián)網(wǎng)感知層，該層主要架構(gòu)是數(shù)據(jù)采集平臺(tái)、視頻監(jiān)控及MES設(shè)備管理系統(tǒng)形成的選礦設(shè)備物聯(lián)網(wǎng)閉環(huán)。數(shù)據(jù)采集平臺(tái)是由部署在生產(chǎn)設(shè)備參數(shù)采集點(diǎn)的傳感器構(gòu)建而成，視頻監(jiān)控則是通過部署在視頻采集點(diǎn)的攝像頭采集得到。

第三層為數(shù)據(jù)傳輸層，將第二層采集的數(shù)據(jù)實(shí)時(shí)上傳到工業(yè)云計(jì)算中心的實(shí)時(shí)數(shù)據(jù)收集集群中，且將數(shù)據(jù)存儲(chǔ)至云端數(shù)據(jù)庫，同時(shí)將經(jīng)過現(xiàn)場(chǎng)工作站處理的數(shù)據(jù)放入數(shù)據(jù)庫。若網(wǎng)絡(luò)出現(xiàn)中斷，則將本地緩存的歷史數(shù)據(jù)上傳至工業(yè)云的非實(shí)時(shí)數(shù)據(jù)收集群，保證了數(shù)據(jù)的完整性。

第四層為云平臺(tái)層，該層主要通過在云計(jì)算設(shè)施基礎(chǔ)上建立的數(shù)據(jù)收集和數(shù)據(jù)處理集群對(duì)數(shù)據(jù)進(jìn)行分析處理，并發(fā)布與之對(duì)應(yīng)的基于微服務(wù)架構(gòu)的應(yīng)用服務(wù)。

第五層為應(yīng)用服務(wù)層，通過在工業(yè)云上部署MES設(shè)備管理系統(tǒng)實(shí)現(xiàn)該系統(tǒng)的服務(wù)化。根據(jù)用戶的不同需求提供如實(shí)時(shí)狀態(tài)檢測(cè)、在線故障診斷及實(shí)時(shí)視頻檢測(cè)及其他應(yīng)用服務(wù)，能夠有效降低企業(yè)使用本系統(tǒng)的門檻和成本。整體架構(gòu)如圖1所示。

圖1 選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)整體架構(gòu)圖

圖2 選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)軟件架構(gòu)圖

■1.2 選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)軟件架構(gòu)

該系統(tǒng)軟件是采用的問服務(wù)于軟件構(gòu)架設(shè)計(jì)模式。該模式特點(diǎn)在于通過微服務(wù)將資源用REST Web API形式對(duì)外公開，每一個(gè)獨(dú)立的微服務(wù)都能實(shí)現(xiàn)一個(gè)不同特性的應(yīng)用，且服務(wù)間相互獨(dú)立，都有自己的操作系統(tǒng)進(jìn)程，適用于基于工業(yè)云的分布式應(yīng)用系統(tǒng)。軟件構(gòu)架如圖2所示。

2 選礦設(shè)備狀態(tài)監(jiān)控功能設(shè)計(jì)

為得到更為完善的系統(tǒng)，該系統(tǒng)功能設(shè)計(jì)主要分為7個(gè)單元，分別是基礎(chǔ)設(shè)備信息管理單元、設(shè)備運(yùn)行狀況實(shí)時(shí)監(jiān)控單元、設(shè)備運(yùn)行維護(hù)單元、設(shè)備運(yùn)行統(tǒng)計(jì)單元、設(shè)備運(yùn)行分析單元、設(shè)備視頻監(jiān)控單元以及設(shè)備故障診斷單元。分別針對(duì)設(shè)備的基礎(chǔ)信息的管理、設(shè)備實(shí)時(shí)運(yùn)行狀態(tài)的監(jiān)控、設(shè)備維修情況的記錄、設(shè)備運(yùn)行狀況的統(tǒng)計(jì)、設(shè)備故障率及設(shè)備綜合效率的分析、設(shè)備故障的診斷等信息進(jìn)行統(tǒng)計(jì)，完善設(shè)備的功能，為用戶的使用提供便捷。選礦設(shè)備狀態(tài)監(jiān)控功能結(jié)構(gòu)圖如圖3所示。

圖3 選礦設(shè)備狀態(tài)監(jiān)控功能結(jié)構(gòu)圖

3 選礦設(shè)備監(jiān)控系統(tǒng)技術(shù)選擇

本系統(tǒng)主要涉及5種技術(shù)的應(yīng)用，分別是物聯(lián)網(wǎng)采集技術(shù)、數(shù)據(jù)傳輸技術(shù)、系統(tǒng)報(bào)警推送技術(shù)、故障診斷技術(shù)及視頻數(shù)據(jù)與過程參數(shù)融合技術(shù)。為滿足流程工業(yè)對(duì)實(shí)時(shí)工廠應(yīng)用的需求，物聯(lián)網(wǎng)數(shù)據(jù)采集平臺(tái)的無線傳感器采用的是WirelessHART無線通信協(xié)議，建立可靠穩(wěn)定安全的無線通信。有線傳感器采用的是用于過程控制的對(duì)象與嵌入工業(yè)標(biāo)準(zhǔn)。

數(shù)據(jù)傳輸技術(shù)為建立選礦設(shè)備智能監(jiān)控的SaaS平臺(tái)，給不同選礦廠提供服務(wù)，故須將現(xiàn)場(chǎng)采集到的數(shù)據(jù)實(shí)時(shí)傳輸?shù)焦I(yè)云計(jì)算中心的數(shù)據(jù)庫中。本系統(tǒng)是利用云服務(wù)器中的RabbitMQ集群收集非實(shí)時(shí)數(shù)據(jù)，Kafka集群收集實(shí)時(shí)數(shù)據(jù)，在網(wǎng)絡(luò)中斷的情況下，也能保證數(shù)據(jù)的完整性。在數(shù)據(jù)傳輸?shù)耐瑫r(shí)安裝分布式系統(tǒng)數(shù)據(jù)服務(wù)，使集群服務(wù)器間形成高可用服務(wù)，避免服務(wù)器故障造成的數(shù)據(jù)流失。

警報(bào)推送技術(shù)與傳統(tǒng)報(bào)警功能區(qū)別在于對(duì)設(shè)備運(yùn)行狀態(tài)的建模，在設(shè)別運(yùn)行狀態(tài)下結(jié)合視頻監(jiān)控進(jìn)行異常診斷，通過移動(dòng)網(wǎng)絡(luò)將報(bào)警信息進(jìn)行推動(dòng)。為提高監(jiān)控的便捷性，該系統(tǒng)采用分布式消息隊(duì)列中間件技術(shù)，推送的報(bào)警信息首先上傳到分布式消息中間件，中間件根據(jù)報(bào)警信息的類型和等級(jí)進(jìn)行推送報(bào)警，管理者和操作者能夠及時(shí)準(zhǔn)確的獲得報(bào)警信息予以處理。

設(shè)備故障診斷技術(shù)是在傳統(tǒng)的在線檢測(cè)基礎(chǔ)上對(duì)運(yùn)行狀態(tài)下的設(shè)備進(jìn)行診斷和預(yù)測(cè)，通過監(jiān)測(cè)視頻快速定位產(chǎn)生故障的部位及原因，同時(shí)對(duì)預(yù)測(cè)可能發(fā)生故障的部位進(jìn)行維護(hù)維修，避免因設(shè)備故障造成的停產(chǎn)現(xiàn)象。為對(duì)設(shè)備進(jìn)行準(zhǔn)確的故障診斷，需建立設(shè)備診斷的體系框架，本系統(tǒng)建立的設(shè)備診斷體系框架如圖4所示。

為確保設(shè)備診斷的準(zhǔn)確性，本系統(tǒng)提供如主成分分析、模成分分析、支持向量機(jī)、偏最小二乘法等建模方式。將收集到的設(shè)備運(yùn)行數(shù)據(jù)與上述建模方式進(jìn)行建模和仿真評(píng)估，從而得到最適合該設(shè)備的建模模型，實(shí)現(xiàn)對(duì)運(yùn)行設(shè)備的診斷。同時(shí)系統(tǒng)會(huì)一直采集運(yùn)行數(shù)據(jù)對(duì)該模型預(yù)測(cè)和診斷的精度進(jìn)行評(píng)估，據(jù)評(píng)估結(jié)果跟新模型，以確保設(shè)備故障診斷的準(zhǔn)確性。

圖4 設(shè)備故障診斷體系框架

數(shù)據(jù)視頻與過程參數(shù)的融合技術(shù)是通過設(shè)備管理與視頻監(jiān)控相結(jié)合，使過程變量和視頻信息融合。利用計(jì)算機(jī)視覺和視頻監(jiān)控分析方法對(duì)視頻監(jiān)控中的圖像進(jìn)行分類分析，提取關(guān)鍵的信息，自動(dòng)判斷該監(jiān)控區(qū)域中異常的現(xiàn)象。發(fā)現(xiàn)異常后與設(shè)備實(shí)時(shí)參數(shù)進(jìn)行對(duì)比分析。從而快速找到發(fā)生事故的部位，并進(jìn)行報(bào)警。實(shí)現(xiàn)在移動(dòng)終端對(duì)選礦設(shè)備的實(shí)時(shí)監(jiān)控。

4 系統(tǒng)的實(shí)現(xiàn)及驗(yàn)證

基于物聯(lián)網(wǎng)和工業(yè)云的選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)是利用物聯(lián)網(wǎng)數(shù)據(jù)采集技術(shù)、數(shù)據(jù)傳輸技術(shù)、微服務(wù)構(gòu)架對(duì)選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)設(shè)計(jì)開發(fā)而成。為驗(yàn)證該系統(tǒng)的應(yīng)用服務(wù)化以及對(duì)選礦廠的支持效用，將本系統(tǒng)部署在南京大學(xué)工業(yè)云計(jì)算中心。結(jié)合某450萬噸選礦廠應(yīng)用選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)云服務(wù)定制的APP完成對(duì)本文構(gòu)建的選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)的初步應(yīng)用驗(yàn)證。

驗(yàn)證過程分別從設(shè)備狀態(tài)、運(yùn)行統(tǒng)計(jì)、報(bào)警信息、故障診斷及移動(dòng)巡檢方面進(jìn)行驗(yàn)證。設(shè)備狀態(tài)對(duì)運(yùn)行狀態(tài)和實(shí)時(shí)狀態(tài)進(jìn)行監(jiān)測(cè)；運(yùn)行統(tǒng)計(jì)主對(duì)主要設(shè)備的運(yùn)行時(shí)間、停歇時(shí)間及停歇原因按照年度、季度、月度進(jìn)行統(tǒng)計(jì)，形成報(bào)表；報(bào)警信息統(tǒng)計(jì)報(bào)警推送，報(bào)警歷史記錄；故障診斷是利用一段時(shí)間內(nèi)正常運(yùn)行的歷史狀態(tài)數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)，調(diào)用合適的建模方法構(gòu)建模型，對(duì)比實(shí)時(shí)運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行在線診斷，判斷該設(shè)備的運(yùn)行狀態(tài)。移動(dòng)巡檢是指工作人員在現(xiàn)場(chǎng)巡檢時(shí)可通過移動(dòng)APP掃描帶有設(shè)備編碼信息的二維碼快速了解該設(shè)備當(dāng)前運(yùn)行的狀態(tài)。

通過系統(tǒng)的驗(yàn)證可看出，基于物聯(lián)網(wǎng)和工業(yè)云的選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)對(duì)選礦廠有支持作用，對(duì)企業(yè)門檻要求較低，具有較高的實(shí)用意義。

5 結(jié)語

本文通過物聯(lián)網(wǎng)數(shù)據(jù)采集技術(shù)、數(shù)據(jù)傳輸技術(shù)、微服務(wù)構(gòu)架對(duì)選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)進(jìn)行設(shè)計(jì)和開發(fā)，構(gòu)建出基于物聯(lián)網(wǎng)和工業(yè)云的選礦設(shè)備狀態(tài)監(jiān)控系統(tǒng)。工業(yè)云與微服務(wù)構(gòu)架完成了系統(tǒng)的服務(wù)化，滿足不同選礦廠需求。物聯(lián)網(wǎng)采集技術(shù)對(duì)設(shè)備運(yùn)行時(shí)的實(shí)時(shí)數(shù)據(jù)進(jìn)行采集說輸送；非實(shí)時(shí)數(shù)據(jù)集群RabbitMQ和實(shí)時(shí)數(shù)據(jù)集群Kafka，保證了數(shù)據(jù)的完整性；系統(tǒng)報(bào)警推送技術(shù)將警報(bào)信息分類推送；故障診斷技術(shù)通過各種建模方式與設(shè)備運(yùn)行數(shù)據(jù)的匹配，構(gòu)建出適合的模型，對(duì)可能出現(xiàn)故障的部位進(jìn)行預(yù)測(cè)；視頻數(shù)據(jù)與過程參數(shù)融合技術(shù)直接運(yùn)用計(jì)算機(jī)分析處理采集到的數(shù)據(jù)，從而準(zhǔn)確的推算出故障部位，實(shí)現(xiàn)設(shè)備視頻移動(dòng)監(jiān)控。通過與云服務(wù)定制的APP結(jié)合驗(yàn)證，證實(shí)了該系統(tǒng)對(duì)選礦廠的支持效用。