程功榮，佟 冰，鄧 杰，韓俊峰，賈 濤

(中國重型機械研究院股份公司，陜西 西安 710032)

0 前言

RH機械真空泵設(shè)備復(fù)雜，故障點多，生產(chǎn)過程中出現(xiàn)的任何故障都有可能會造成設(shè)備受損，人員受傷等情況。而傳統(tǒng)的排除故障手段耗費成本較大且易受時間和地區(qū)的限制，因此及時有效處理故障是RH生產(chǎn)過程的關(guān)鍵。利用物聯(lián)網(wǎng)技術(shù), 結(jié)合各類采集、控制傳感器或控制器，移動通信、智能數(shù)據(jù)分析等技術(shù)開發(fā)遠(yuǎn)程智能監(jiān)控與診斷平臺，對機械設(shè)備的運轉(zhuǎn)過程進(jìn)行實時監(jiān)控，形成一個可以收集、監(jiān)測、分析和提供有價值數(shù)據(jù)的系統(tǒng)，可有效解決設(shè)備故障問題。

本文以工業(yè)物聯(lián)網(wǎng)為基礎(chǔ)、RH機械真空泵系統(tǒng)為研究對象，將某鋼廠RH精煉爐作為依托工程，建立了基于物聯(lián)網(wǎng)的遠(yuǎn)程故障診斷平臺，設(shè)計了物聯(lián)網(wǎng)在RH真空精煉機械真空泵遠(yuǎn)程故障診斷平臺及其實現(xiàn)方法。

1 RH真空精煉機械真空泵系統(tǒng)概述

RH精煉是一種通過在真空、惰性氣體的條件下進(jìn)行深度脫碳、脫氧、脫氫、去除雜物，調(diào)整鋼水成分的工藝裝置，具有周期短、產(chǎn)能高、效果好、適用范圍廣等一系列優(yōu)點。該系統(tǒng)的核心部分由兩種旋轉(zhuǎn)式變?nèi)菡婵毡媒M成，即前級的羅茨泵和末級的螺桿泵。各級真空泵的抽氣能力、系統(tǒng)漏氣量對RH機械真空泵抽氣過程都有影響。

羅茨泵的結(jié)構(gòu)如圖1所示，泵腔內(nèi)的平行軸上安裝有兩個互相垂直的“8”字形的轉(zhuǎn)子，在轉(zhuǎn)子之間、轉(zhuǎn)子與泵內(nèi)壁之間存在間隙。工作時，轉(zhuǎn)子旋轉(zhuǎn),氣體由進(jìn)氣口進(jìn)入到泵腔內(nèi),從排氣口排出。由于泵內(nèi)空間封閉,所以被吸入的氣體在泵腔內(nèi)不會發(fā)生膨脹或者壓縮。轉(zhuǎn)子轉(zhuǎn)動通過頂部轉(zhuǎn)過排氣口時,泵內(nèi)空間與排氣側(cè)相通,排氣側(cè)的氣體壓強高，返沖到泵內(nèi)空間,泵內(nèi)氣體壓強也隨之增高，轉(zhuǎn)子繼續(xù)旋轉(zhuǎn),氣體從排氣口排出，從而實現(xiàn)了抽氣的目的。

圖1 羅茨泵工作原理

螺桿真空泵是通過泵內(nèi)的左螺桿與右螺桿同步反向的高速旋轉(zhuǎn)，產(chǎn)生吸氣和排氣作用。泵內(nèi)壁和泵內(nèi)螺旋槳螺旋槽將泵內(nèi)分為多個空間，氣體可在該空間內(nèi)無壓縮無膨脹的傳輸，泵末端的螺旋結(jié)構(gòu)對氣體進(jìn)行壓縮，進(jìn)而形成真空。

2 遠(yuǎn)程故障診斷平臺系統(tǒng)設(shè)計

2.1 系統(tǒng)層次設(shè)計

物聯(lián)網(wǎng)是一種多元化的復(fù)合性網(wǎng)絡(luò)體系，通常分為三個層次，即感知層、網(wǎng)絡(luò)層和應(yīng)用層如圖2所示。

圖2 物聯(lián)網(wǎng)基本架構(gòu)

2.1.1 感知層

感知層提供感知技術(shù)，主要包括各式傳感器以及傳感技術(shù)。在RH生產(chǎn)過程中，感知層由現(xiàn)場監(jiān)控設(shè)備構(gòu)成，監(jiān)控設(shè)備從溫度、壓力、振動、轉(zhuǎn)速、負(fù)載電流等傳感器經(jīng)控制器，感知層負(fù)責(zé)RH生產(chǎn)過程中機械泵運行產(chǎn)生的狀態(tài)信息和生產(chǎn)數(shù)據(jù)的采集和感知，并按照預(yù)先規(guī)定的格式處理該信息和數(shù)據(jù)，然后存儲在本地數(shù)據(jù)庫。

2.1.2 網(wǎng)絡(luò)層

網(wǎng)絡(luò)層提供網(wǎng)絡(luò)支持，保證數(shù)據(jù)的暢通傳輸。網(wǎng)絡(luò)層主要將感知層中獲取的數(shù)據(jù)安全、可靠地傳輸給應(yīng)用層，以便其調(diào)用和觀測。在RH真空精煉機械真空泵遠(yuǎn)程故障診斷系統(tǒng)系統(tǒng)中，網(wǎng)絡(luò)層主要解決各個協(xié)議之間的互聯(lián)互通，多源數(shù)據(jù)的融合與共享等傳輸問題。主要通過數(shù)據(jù)邊緣計算、加密打包傳輸，由智能網(wǎng)關(guān)和穿透云經(jīng)過4G/WIFI/有線網(wǎng)絡(luò)等匯聚到診斷平臺上。

2.1.3 應(yīng)用層

應(yīng)用層是物聯(lián)網(wǎng)體系的最上層，支撐系統(tǒng)服務(wù)。其主要功能是將各物聯(lián)網(wǎng)服務(wù)呈現(xiàn)出來，提供一個“按需索取”的綜合信息平臺。應(yīng)用層采用瀏覽器與上位機軟件相結(jié)合的方式實現(xiàn)動態(tài)數(shù)據(jù)的監(jiān)控，同時在服務(wù)器端，部署數(shù)據(jù)分析、報警與預(yù)測模型，具有自學(xué)習(xí)的專家分析和對策數(shù)據(jù)策略庫，提供分析決策預(yù)警功能。遠(yuǎn)程客戶端通過瀏覽器實現(xiàn)對Web發(fā)布中心所發(fā)布的動態(tài)數(shù)據(jù)畫面進(jìn)行監(jiān)控。

2.2 軟件結(jié)構(gòu)

采用B/S結(jié)構(gòu)即瀏覽器/服務(wù)器結(jié)構(gòu)，在結(jié)構(gòu)中客戶端統(tǒng)一設(shè)計，服務(wù)器上集中了系統(tǒng)的大部分功能。該模式中，用戶無需進(jìn)行安裝、維護(hù)，僅需通過瀏覽器就可以使用系統(tǒng)，監(jiān)控生產(chǎn)過程和設(shè)備運行情況。該系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 系統(tǒng)結(jié)構(gòu)

B/S結(jié)構(gòu)對外只開放HTTP協(xié)議和端口，數(shù)據(jù)庫僅允許服務(wù)端進(jìn)行訪問，安全性能更高；所有的開發(fā)、運維都在服務(wù)器端，系統(tǒng)的管理與升級也更加方便；B/S結(jié)構(gòu)的客戶端與服務(wù)器數(shù)據(jù)庫之間的連接全部共用一個ODBC來實現(xiàn)，對服務(wù)器的要求也更低，B/S模式可以無限擴充用戶數(shù)目，系統(tǒng)的開發(fā)成本大大降低。B/S模式如圖4所示。

圖4 B/S模式

3 遠(yuǎn)程故障診斷平臺功能

基于物聯(lián)網(wǎng)的遠(yuǎn)程故障診斷平臺主要功能為數(shù)據(jù)采集、平臺配置和故障的預(yù)警及報警。

3.1 數(shù)據(jù)采集及平臺配置

3.1.1 數(shù)據(jù)采集

數(shù)據(jù)采集通過PLC從機械泵上檢測獲取數(shù)據(jù)，對監(jiān)控系統(tǒng)的動態(tài)數(shù)據(jù)進(jìn)行采集和處理。主要功能包括：

(1)與機械泵的變頻器通過現(xiàn)場總線連接，采集機械泵運行時產(chǎn)生的數(shù)據(jù)、監(jiān)控機械泵的運行狀態(tài)、對機械泵發(fā)出調(diào)控操作命令。

(2)機械泵的DO端口(數(shù)字輸出端口)狀態(tài)輸出相應(yīng)的報警信息。數(shù)據(jù)采集控制器與該端口連接，實時監(jiān)測機械泵DO端的狀態(tài)，發(fā)生報警時，及時上傳報警信息。

(3)具備充足的數(shù)據(jù)存儲空間，可將特定情況發(fā)生點前后一段時間的狀態(tài)數(shù)據(jù)全部保存，避免當(dāng)故障預(yù)警或報警發(fā)生時，數(shù)據(jù)采集控制器因為網(wǎng)絡(luò)阻塞造成傳輸延時。

(4)與遠(yuǎn)程監(jiān)控平臺通訊，根據(jù)平臺的指令執(zhí)行操作，例如讀取機械泵的運行參數(shù)、查詢歷史數(shù)據(jù)、機械泵運行狀態(tài)測試等。

(5)網(wǎng)絡(luò)安全設(shè)計方面采用數(shù)據(jù)傳輸加密及權(quán)限管理。

3.1.2 平臺配置

該遠(yuǎn)程監(jiān)控監(jiān)控平臺與RH系統(tǒng)數(shù)據(jù)采集控制器之間采用Modbus-TCP協(xié)議。對數(shù)據(jù)采集控制器的IP地址、主機地址、端口號等通訊參數(shù)進(jìn)行配置，如圖5所示。

圖5 配置信息

信息點表是將數(shù)據(jù)采集控制器所有的配置信息、現(xiàn)場采集機械泵的各種量按照Modbus協(xié)議對應(yīng)到一張數(shù)據(jù)表上。對數(shù)據(jù)采集控制器之前，需要對點表中的I/O通道、通訊地址、設(shè)備、數(shù)據(jù)庫等進(jìn)行認(rèn)真核對和配置。點表的部分內(nèi)容表1所示。

表1 點表配置

配置完成后，點擊保存，將通訊點表保存為xml文件。

3.2 遠(yuǎn)程故障預(yù)警報警系統(tǒng)

要對設(shè)備故障進(jìn)行診斷及預(yù)報警，首先獲取診斷所需要的數(shù)據(jù)信息和特征信號，包括機械泵的溫度、振動、壓力等。將各信號當(dāng)前的狀態(tài)信息進(jìn)行提取，通過與歷史數(shù)據(jù)進(jìn)行比較和歸納，來判斷該信號是否有故障傾向，再根據(jù)狀態(tài)信號的趨勢來進(jìn)行總結(jié)和診斷。故障診斷的過程如圖6所示。

圖6 故障診斷過程

3.2.1 預(yù)測模型選擇

預(yù)測模型的作用是在真空泵發(fā)生故障前，提前預(yù)測故障信息，并進(jìn)行故障報警。對于機械泵工作功率，如圖7所示，機械泵在工作過程(2019年4月25日18∶00 -21∶00)，其工作功率呈現(xiàn)周期性變化。因此針對機械泵異常功率，應(yīng)該選擇時間序列預(yù)測模型。常用的時間序列預(yù)測模型有ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)、簡單平均模型等。針對RH精煉爐真空系統(tǒng)的設(shè)備特點，真空泵的功率在生產(chǎn)過程中呈現(xiàn)周期性變化。相比較于其他預(yù)測模型，ARIMA模型更精確、準(zhǔn)確率更高。

圖7 機械泵功率曲線圖

3.2.2 故障預(yù)警及報警

報警模型的建立需要對故障的發(fā)生機理進(jìn)行研究，同時需要大量的數(shù)據(jù)支撐。通過長期的數(shù)據(jù)收集監(jiān)測，累計故障案例分析總結(jié)，建立故障預(yù)測機制和算法。該診斷系統(tǒng)通過對各個機械泵生產(chǎn)過程中產(chǎn)生的大量數(shù)據(jù)進(jìn)行分組訓(xùn)練、交叉檢驗來評估單體模型效果，建立單體泵的單一預(yù)測模型。通過集成訓(xùn)練單一功率預(yù)測模型，最終實現(xiàn)機械真空泵功率報警模型系統(tǒng)。

以四級泵組1601號泵的部分?jǐn)?shù)據(jù)為例，每間隔10 s從歷史數(shù)據(jù)中提取2019年5月期間(整月數(shù)據(jù))的四級泵組1601號泵功率數(shù)據(jù)，共計300 000 余個數(shù)據(jù)點。同時，該平臺機械泵正常工作功率范圍在50 kW 以內(nèi)，通過對300 000余個數(shù)據(jù)點的可視化分析，發(fā)現(xiàn)大部分?jǐn)?shù)據(jù)符合正常工作功率范圍。數(shù)據(jù)可視化分析后，將這300 000個訓(xùn)練樣本數(shù)據(jù)根據(jù)7∶3的比例再次劃分成訓(xùn)練數(shù)據(jù)及測試數(shù)據(jù)，通過訓(xùn)練數(shù)據(jù)實現(xiàn)樣本外預(yù)測。再通過相同方法提取2020年6月前十天內(nèi)該機械泵的泵功率數(shù)據(jù)(共計100 000個數(shù)據(jù)點)進(jìn)行樣本外預(yù)測。最終樣本內(nèi)及樣本外預(yù)測的結(jié)果均表現(xiàn)良好，說明該模型可以較好的預(yù)測出機械泵功率的大體變化趨勢，具備機械泵異常功率預(yù)警功能。

2020年6月至7月的機械泵異常功率報警和實際故障數(shù)據(jù)如表2所示，結(jié)果顯示報警準(zhǔn)確率達(dá)85%。因此當(dāng)機械泵真空系統(tǒng)功率高于正常工作功率時，平臺能夠立刻針對故障預(yù)警及報警，從而保證設(shè)備的安全運行。

表2 故障報警分析表

4 結(jié)束語

基于物聯(lián)網(wǎng)的遠(yuǎn)程智能監(jiān)控與診斷平臺在某鋼廠RH系統(tǒng)投入至今，(2020年5月至10月)的半年時間里，該系統(tǒng)所依托的RH精煉爐共生產(chǎn)鋼液約3 400爐次，機械泵故障預(yù)警26次，正確故障報警22次(成功率達(dá)到85%)，節(jié)約200多萬元。該診斷平臺通過網(wǎng)絡(luò)通信，為現(xiàn)場設(shè)備正常運轉(zhuǎn)提供支持與保障，極大的減少了設(shè)備使用方因設(shè)備故障、維護(hù)帶來的不必要的經(jīng)濟損失，有效地解決了傳統(tǒng)故障診斷和設(shè)備維護(hù)中存在的問題。