劉美樂(lè)，李 剛，朱信龍，張明祿，李小剛

（1.陜西煤業(yè)化工技術(shù)研究院有限責(zé)任公司，陜西 西安 710065；2.煤炭綠色安全高效開(kāi)采國(guó)家地方聯(lián)合工程研究中心司，陜西 西安 710065；3.陜煤集團(tuán)神木檸條塔礦業(yè)有限公司，陜西 榆林 719300）

引言

隨著工業(yè)建設(shè)越來(lái)越趨向智能化、連續(xù)化，對(duì)設(shè)備的穩(wěn)定性、安全性的要求也越來(lái)越高，設(shè)備在線監(jiān)測(cè)及故障診斷技術(shù)為設(shè)備正常運(yùn)行保駕護(hù)航，尤其是大型轉(zhuǎn)動(dòng)設(shè)備振動(dòng)監(jiān)測(cè)技術(shù)，能提前發(fā)現(xiàn)設(shè)備的早期問(wèn)題，為設(shè)備檢維修及備品備件采購(gòu)提供充足的準(zhǔn)備時(shí)間和明確的檢修方向。

應(yīng)用在線監(jiān)測(cè)及故障診斷技術(shù)構(gòu)建設(shè)備智能運(yùn)維中心，通過(guò)采集設(shè)備振動(dòng)加速度信號(hào)，應(yīng)用智能診斷算法實(shí)時(shí)分析故障特征頻率，自動(dòng)識(shí)別故障類型、嚴(yán)重程度、發(fā)生故障位置等信息，就地顯示并上傳診斷分析結(jié)果，實(shí)現(xiàn)設(shè)備典型故障的精準(zhǔn)定位，擺脫設(shè)備故障分析診斷對(duì)專業(yè)技術(shù)人員的依賴，最后給出專業(yè)的維修建議。

1 在線監(jiān)測(cè)及故障診斷技術(shù)研究

在線監(jiān)測(cè)及故障診斷技術(shù)應(yīng)用的核心是基于設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)數(shù)據(jù)，實(shí)現(xiàn)設(shè)備狀態(tài)實(shí)時(shí)受控的設(shè)備預(yù)測(cè)性維護(hù)。設(shè)備預(yù)測(cè)性維護(hù)是通過(guò)設(shè)備多源數(shù)據(jù)的綜合分析，涵蓋數(shù)據(jù)采集、狀態(tài)分析、故障診斷、狀態(tài)預(yù)測(cè)和維修決策，實(shí)現(xiàn)機(jī)組狀態(tài)的全方位判斷，區(qū)別于傳統(tǒng)的修復(fù)性維修和預(yù)防性維修。

基于數(shù)據(jù)驅(qū)動(dòng)的在線監(jiān)測(cè)及故障診斷技術(shù)是目前特別流行的一種方法。其中，基于數(shù)據(jù)驅(qū)動(dòng)的在故障診斷方法主要有基于信號(hào)分析、基于定量知識(shí)數(shù)據(jù)分析以及基于統(tǒng)計(jì)分析的方法[1]?；跀?shù)據(jù)驅(qū)動(dòng)的在線監(jiān)測(cè)方法可以分為信息融合、信號(hào)處理、統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)[2]等。信息融合方法的基本思想是利用不同時(shí)間與空間的多傳感器數(shù)據(jù)資源，如傳感器、知識(shí)庫(kù)、數(shù)據(jù)庫(kù)等，在一定準(zhǔn)則下進(jìn)行綜合、分析和使用，從而得到可靠的監(jiān)控結(jié)果，該方法又稱為數(shù)據(jù)融合或者多源信息融合[3]；信號(hào)處理方法是對(duì)各種類型的電信號(hào)，按各種預(yù)期的目的及要求進(jìn)行加工過(guò)程的統(tǒng)稱，主要為譜分析和小波變換[4]；統(tǒng)計(jì)分析方法具有科學(xué)性、直觀性和可重復(fù)性等特征，主要分為單變量統(tǒng)計(jì)和多變量統(tǒng)計(jì)[5]；機(jī)器學(xué)習(xí)方法，如隨機(jī)森林、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等需要對(duì)故障數(shù)據(jù)進(jìn)行分類[6]。

2 在線監(jiān)測(cè)及故障診斷技術(shù)應(yīng)用（見(jiàn)圖1）

圖1 在線監(jiān)測(cè)及故障診斷平臺(tái)網(wǎng)絡(luò)架構(gòu)

設(shè)備在線監(jiān)測(cè)及故障診斷技術(shù)應(yīng)用是基于工業(yè)互聯(lián)網(wǎng)技術(shù)構(gòu)建的設(shè)備在線監(jiān)測(cè)及故障診斷平臺(tái)，核心是由數(shù)據(jù)驅(qū)動(dòng)端的設(shè)備預(yù)測(cè)性維護(hù)。實(shí)時(shí)獲取真實(shí)有效的狀態(tài)數(shù)據(jù)是系統(tǒng)運(yùn)行的基礎(chǔ)，通過(guò)集成各個(gè)現(xiàn)場(chǎng)監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)，利用現(xiàn)場(chǎng)已有傳感器、已有系統(tǒng)的數(shù)據(jù)或新增傳感器等完成底層數(shù)據(jù)的獲取，各類數(shù)據(jù)通過(guò)在線監(jiān)測(cè)系統(tǒng)或直接上傳至大數(shù)據(jù)平臺(tái)，大數(shù)據(jù)平臺(tái)可以完成數(shù)據(jù)的清洗、存儲(chǔ)、分發(fā)、共享等，對(duì)于已有成熟智能分析模型的設(shè)備狀態(tài)數(shù)據(jù)，可以通過(guò)智能診斷模型對(duì)數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)異常設(shè)備的智能報(bào)警、智能診斷等。

基于工業(yè)互聯(lián)網(wǎng)的設(shè)備在線監(jiān)測(cè)及故障診斷平臺(tái)系統(tǒng)由三級(jí)組成：

第一級(jí)為數(shù)據(jù)采集層：在機(jī)組振動(dòng)明顯的部分加裝振動(dòng)加速度傳感器采集設(shè)備振動(dòng)信號(hào)，在電機(jī)輸出軸或減速機(jī)輸入端加裝轉(zhuǎn)速傳感器，數(shù)據(jù)通過(guò)信號(hào)線纜/無(wú)線方式傳輸至對(duì)應(yīng)設(shè)備的數(shù)據(jù)采集器（有線采集RH1500，無(wú)線RH560），經(jīng)數(shù)據(jù)采集器處理后，通過(guò)有線網(wǎng)絡(luò)傳輸方式將數(shù)據(jù)發(fā)送到廠區(qū)服務(wù)器。

第二級(jí)為現(xiàn)場(chǎng)狀態(tài)監(jiān)測(cè)系統(tǒng)：與監(jiān)測(cè)系統(tǒng)配套一臺(tái)服務(wù)器，用于存放從數(shù)據(jù)采集器發(fā)回的設(shè)備狀態(tài)數(shù)據(jù)，現(xiàn)場(chǎng)設(shè)備維護(hù)與管理人員可通過(guò)電腦終端訪問(wèn)在線監(jiān)測(cè)系統(tǒng)，了解監(jiān)控機(jī)組的實(shí)時(shí)運(yùn)行狀態(tài)。

第三級(jí)為遠(yuǎn)程診斷系統(tǒng)：通過(guò)該系統(tǒng)，乙方遠(yuǎn)程診斷專家可對(duì)所有納入監(jiān)控的設(shè)備進(jìn)行遠(yuǎn)程數(shù)據(jù)分析與故障診斷。

2.1 數(shù)據(jù)感知層實(shí)施

在線監(jiān)測(cè)及故障診斷平臺(tái)可以接入多種數(shù)據(jù)源的數(shù)據(jù)，如生產(chǎn)過(guò)程數(shù)據(jù)，生產(chǎn)運(yùn)營(yíng)數(shù)據(jù)，生產(chǎn)經(jīng)營(yíng)數(shù)據(jù)以及第三方應(yīng)用產(chǎn)生的數(shù)據(jù)，數(shù)據(jù)平臺(tái)接收到數(shù)據(jù)后，通過(guò)消息隊(duì)列集群以及分布式計(jì)算集群對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，然后對(duì)處理后的數(shù)據(jù)進(jìn)行落地存儲(chǔ)和報(bào)警推送等操作。容知日新自主研發(fā)的智能傳感設(shè)備，包括振動(dòng)、溫度、位移、轉(zhuǎn)速、傾角、油液、晃動(dòng)、應(yīng)變、MEMS等20余種傳感器。該平臺(tái)提供標(biāo)準(zhǔn)的數(shù)據(jù)接口，可以接入設(shè)備現(xiàn)有的物理量，實(shí)現(xiàn)數(shù)據(jù)的聯(lián)網(wǎng)。

2.2 數(shù)據(jù)平臺(tái)部署

提供良好的數(shù)據(jù)接入是數(shù)據(jù)平臺(tái)首要解決的問(wèn)題。工業(yè)現(xiàn)場(chǎng)環(huán)境復(fù)雜，涉及到的數(shù)據(jù)種類繁多、數(shù)據(jù)量龐大、數(shù)據(jù)結(jié)構(gòu)不一，因此很難使用傳統(tǒng)的、固定的數(shù)據(jù)接入手段應(yīng)對(duì)各種不同的數(shù)據(jù)接入場(chǎng)景。同時(shí)，各種應(yīng)用和接口都希望在最短的時(shí)間內(nèi)獲取到最新的數(shù)據(jù)和最近一段時(shí)間內(nèi)的數(shù)據(jù)，因此，讓應(yīng)用和接口排隊(duì)獲取數(shù)據(jù)顯然是遠(yuǎn)遠(yuǎn)滿足不了需求的。為了達(dá)到數(shù)據(jù)最新、允許多應(yīng)用同時(shí)獲取數(shù)據(jù)、最大限度地高效高速獲取到大量數(shù)據(jù)結(jié)構(gòu)不一的數(shù)據(jù)的目的，數(shù)據(jù)平臺(tái)選取Kafka作為數(shù)據(jù)接入和數(shù)據(jù)傳輸?shù)暮诵摹?/p>

平臺(tái)的搭建離不開(kāi)合適的架構(gòu)，在滿足Kafka、Cassandra的基礎(chǔ)上，數(shù)據(jù)平臺(tái)選取Hadoop作為架構(gòu)，支撐平臺(tái)對(duì)于數(shù)據(jù)的各種復(fù)雜計(jì)算、快速處理和大量存儲(chǔ)。Hadoop是一個(gè)分布式系統(tǒng)基礎(chǔ)架構(gòu)，能夠?qū)Υ罅繑?shù)據(jù)以一種可靠、高效、可伸縮的方式進(jìn)行分布式處理。Hadoop是可靠的，因?yàn)樗僭O(shè)計(jì)算元素和存儲(chǔ)會(huì)失敗，因此它維護(hù)多個(gè)工作數(shù)據(jù)副本，確保能夠針對(duì)失敗的節(jié)點(diǎn)重新分布處理。Hadoop是高效的，因?yàn)樗圆⑿械姆绞焦ぷ?，通過(guò)并行處理加快處理速度。目前，Hadoop發(fā)展已久，具備完善穩(wěn)定的生態(tài)，在部署和運(yùn)維上都相對(duì)簡(jiǎn)單和快捷。

2.3 應(yīng)用軟件部署

面對(duì)海量數(shù)據(jù)的處理，提供配套的數(shù)據(jù)平臺(tái)管理應(yīng)用系統(tǒng)來(lái)對(duì)大數(shù)據(jù)進(jìn)行管理和運(yùn)維，主要包括數(shù)據(jù)源管理、數(shù)據(jù)轉(zhuǎn)化管理、數(shù)據(jù)池管理、數(shù)據(jù)采集管理、算法管理、主題數(shù)據(jù)分析。

EPM應(yīng)用系統(tǒng)是我們面對(duì)用戶的核心應(yīng)用，它展現(xiàn)了以設(shè)備為中心的各種狀態(tài)數(shù)據(jù)、算法結(jié)果數(shù)據(jù)、業(yè)務(wù)流程數(shù)據(jù)、各種報(bào)表數(shù)據(jù)等。

為了應(yīng)對(duì)數(shù)據(jù)源分散這種情況，我們提供了成熟的通訊服務(wù)組件，可以保障從數(shù)據(jù)源采集端到大數(shù)據(jù)平臺(tái)數(shù)據(jù)的傳輸?shù)姆€(wěn)定性和及時(shí)性，只需要在數(shù)據(jù)源側(cè)部署一個(gè)與RabbitMQ隊(duì)列通訊的DTS數(shù)據(jù)傳輸組件，并在大數(shù)據(jù)平臺(tái)應(yīng)用服務(wù)器上安裝RabbitMQ隊(duì)列通訊服務(wù)，即可實(shí)現(xiàn)從數(shù)據(jù)采集端到大數(shù)據(jù)平臺(tái)的數(shù)據(jù)傳輸。

2.4 “設(shè)備無(wú)憂”APP部署

“設(shè)備無(wú)憂”APP部署是圍繞企業(yè)對(duì)工業(yè)設(shè)備的日常維護(hù)和綜合管理需求而開(kāi)發(fā)設(shè)計(jì)另一款輔助產(chǎn)品，專為設(shè)備管理者和專業(yè)工程師服務(wù)，具有實(shí)時(shí)運(yùn)維設(shè)備狀態(tài)、處理設(shè)備問(wèn)題、跟蹤過(guò)程反饋等功能，總體把握設(shè)備運(yùn)行過(guò)程，實(shí)時(shí)監(jiān)控設(shè)備的總體狀態(tài)，推送需要處理的問(wèn)題，查看設(shè)備診斷報(bào)告；針對(duì)于設(shè)備的一系列動(dòng)作在APP上都可呈現(xiàn)。

3 結(jié)語(yǔ)

設(shè)備的智能在線監(jiān)測(cè)及故障診斷的將成為設(shè)備管理的主要途徑之一，容知日新積極響應(yīng)工業(yè)智能制造的發(fā)展趨勢(shì)，提出構(gòu)建公司智能在線監(jiān)測(cè)及故障診斷平臺(tái)的計(jì)劃，并付諸實(shí)施，使設(shè)備管理由事后維修向預(yù)測(cè)性維護(hù)邁進(jìn)。借助工業(yè)互聯(lián)網(wǎng)技術(shù)為設(shè)備與狀態(tài)數(shù)據(jù)建立緊密的聯(lián)系，運(yùn)用數(shù)據(jù)采集，數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)清洗，數(shù)據(jù)挖掘，數(shù)據(jù)可視化等技術(shù)助理設(shè)備智能運(yùn)維，利用實(shí)時(shí)監(jiān)測(cè)的設(shè)備數(shù)據(jù)預(yù)測(cè)故障發(fā)生的時(shí)間和部位，結(jié)合人員、資源、時(shí)間、費(fèi)用、效益等多重因素，利用故障樹(shù)推理智能故障模型解析、智能維修決策等方法制定檢修策略，最大化零部件工作效率，縮短不必要的停工期，為實(shí)現(xiàn)智能制造提供了技術(shù)保障。