壓力計量在智能運維中的應(yīng)用

茅曉晨

（上海市計量測試技術(shù)研究院，上海 201203）

0 引言

壓力儀表包括壓力表、壓力變送器、遠傳壓力表、壓力開關(guān)等，其在設(shè)備維護中起著至關(guān)重要的作用。作為基礎(chǔ)類的熱工儀表，壓力儀表幾乎在所有現(xiàn)場的自動化設(shè)備中都有所應(yīng)用。壓力儀表通常需要進行出廠檢定和后續(xù)的周期檢定，以保證現(xiàn)場壓力數(shù)據(jù)的準確采集[1-3]。傳統(tǒng)的設(shè)備運維模式主要依靠事后維修，即故障發(fā)生后維修。傳統(tǒng)運維模式安全保障力弱，容易使小隱患釀成大故障，維修成本高。隨著修程修制的制定，運維模式逐步發(fā)展為周期修，在一定程度上降低了故障率，但仍然存在“欠維修”和“過度維修”的情況。當前運維模式逐步向狀態(tài)修、預(yù)知修、預(yù)測修過渡。前端傳感器的監(jiān)測及檢測精度不斷提高，監(jiān)測檢測數(shù)據(jù)量不斷增大，大數(shù)據(jù)及人工智能等前沿信息技術(shù)在部分設(shè)備智能運維過程中也逐步發(fā)揮作用。設(shè)施的智能運營保障應(yīng)實現(xiàn)檢測與監(jiān)控自動化，全壽命循環(huán)管理系統(tǒng)、運維管理智能化，生產(chǎn)作業(yè)自動化。構(gòu)建并定義數(shù)據(jù)收集、數(shù)據(jù)儲存、數(shù)據(jù)服務(wù)和設(shè)施設(shè)備的評估標準，通過智能裝置和信息系統(tǒng)對設(shè)施設(shè)備的工作狀況和變化趨勢進行精確解析，對有重大故障隱患的設(shè)施設(shè)備實施針對性的維護，精準施治，縮短維護時限，從而減少維護成本。

圖1 軸承故障預(yù)測流程圖Fig.1 Flow chart of bearing fault prediction

1 機械狀態(tài)監(jiān)測與故障診斷

1.1 故障監(jiān)測診斷的重要意義

工業(yè)物聯(lián)網(wǎng)對全球工業(yè)的發(fā)展趨勢影響尤為重大，要點總結(jié)如下：“建立一個網(wǎng)絡(luò)，研究三個問題，進行三個整合，制定八項規(guī)劃”。一個網(wǎng)絡(luò)：信息物理系統(tǒng)網(wǎng)；三個主題：智慧生產(chǎn)、智能制造、智慧物流；三種目標：側(cè)向集成化、橫縱集成化和端對端的集成化；八項規(guī)劃：構(gòu)建規(guī)范化的參考框架，管理復雜信息系統(tǒng)，建立一體化的產(chǎn)業(yè)寬帶基礎(chǔ)建設(shè)，實施安全與保護，工作的組織與設(shè)計，培訓持續(xù)的職業(yè)發(fā)展，構(gòu)建監(jiān)管架構(gòu)，提升資源效率。中國在《智能制造工程實施指引（2016-2020）》文件中，明確提出了智慧制造商的創(chuàng)新模式重要要素之一就是“遠程運維服務(wù)”。構(gòu)建了標準化消息收集和管理系統(tǒng)、自主診斷系統(tǒng)，和基于專家系統(tǒng)的故障預(yù)警模式和故障索引知識庫；可實現(xiàn)裝置（生產(chǎn)）遠程自動無人操控，日常工作生活環(huán)境自動預(yù)警，運營狀態(tài)監(jiān)督，診斷與自恢復；構(gòu)建商品供應(yīng)鏈生命周期數(shù)據(jù)分析網(wǎng)絡(luò)平臺，核心配套供應(yīng)鏈生命周期數(shù)據(jù)分析網(wǎng)絡(luò)平臺，用戶使用習慣數(shù)據(jù)信息模式；可對智慧裝置（生產(chǎn)）進行長期健康檢測，虛擬裝置維護預(yù)案制訂和執(zhí)行，最優(yōu)預(yù)測應(yīng)用方案發(fā)布，創(chuàng)新應(yīng)用開放服務(wù)等業(yè)務(wù)。裝置的故障預(yù)警和衛(wèi)生管理（Prognostic and Health Management，PHM）是完成設(shè)備遠程運維，確保重要裝置安全性的關(guān)鍵技術(shù)。智能的運維和人員健康管理系統(tǒng)，對國民經(jīng)濟發(fā)展和軍事安全的意義巨大。從20世紀70年代開始，美國的航空發(fā)動機就采用了管理發(fā)動機系統(tǒng)（Engine Management System，EMS） 作 為PHM早期的典型案例。中國三一重工最先開展了智慧制造、智能服務(wù)，其自主研發(fā)企業(yè)中心（Enterprise control center，ECC）可掌握機器的正確定位、累積工作時間、累積油耗等。當設(shè)備故障后，能夠根據(jù)傳回數(shù)據(jù)做出分類與排除，并指導企業(yè)進行修復；也能夠通過設(shè)施運營狀況評估用戶的盈利能力或惡意拖欠企業(yè)債款情況，從而做到對設(shè)施的遠程封鎖，保障企業(yè)權(quán)益。

智能運維和健康管理系統(tǒng)，對國民經(jīng)濟發(fā)展和國防安全的作用巨大。設(shè)備故障預(yù)報和康復系統(tǒng)是實施機械設(shè)備遠距離運維，保證大型技術(shù)裝備安全可靠的主要技術(shù)，運用在工業(yè)生產(chǎn)系統(tǒng)中形成的各種數(shù)據(jù)通過采用信號處理與統(tǒng)計分析，提取出特征信號，并經(jīng)過模型和故障機制解析，以完成復雜機械設(shè)備和大型工業(yè)生產(chǎn)系統(tǒng)的健康狀況監(jiān)控、預(yù)報與管理等工作。智能管理運維系統(tǒng)是在PHM基礎(chǔ)上發(fā)展形成的一個新型維修方法，包括完善的自檢與自檢測功能，對主要設(shè)備進行實時監(jiān)控與故障告警，以完成對遠程設(shè)備故障集中告警與維修數(shù)據(jù)的綜合管理數(shù)據(jù)分析，從而降低主機對周圍人力原因的依賴性，并逐漸信賴主機，從而完成對主機的自判、自斷與自決。智能運維和健康控制對公司的經(jīng)營管理水平以及生產(chǎn)/裝置的整個壽命周期影響巨大，在保證裝置的安全、平穩(wěn)、安全工作和維護人身安全的同時，有助于提升公司產(chǎn)品效率，提升產(chǎn)品的全球競爭力與影響力，正在推動世界范圍內(nèi)新型工業(yè)的研發(fā)、產(chǎn)品制造和服務(wù)保障體系的改革。

1.2 故障監(jiān)測診斷國內(nèi)外研究現(xiàn)狀

機械故障判別的定義是指利用機械工程、流體動力學基礎(chǔ)、電氣、計算機科學、信息管理、人工智能等專業(yè)方面的領(lǐng)先科技，對連續(xù)工作機械的狀況與故障進行檢測、判斷的一種現(xiàn)代化科技方法，并已迅速發(fā)展成一個新興學科。目前，機械故障判定理論和技能已成為中國國內(nèi)的科研熱點。故障診斷研究對象是指機器及機組工作狀況的變化及其在檢測信息中的體現(xiàn)，主要由各種數(shù)據(jù)信息收集、特點提煉、模型辨識，及故障預(yù)知等構(gòu)成。同樣，機器故障機理也完成了各種數(shù)據(jù)與特性相互聯(lián)絡(luò)，內(nèi)容可包括信息收集與傳感技術(shù)、故障機制與征兆、信號處理與特征提取方法、辨識與分析和智能決策[4-6]。

1）信號獲取與傳感器技術(shù)：可靠的信息收集能力和先進的傳感器技術(shù)是機械人故障診斷的先決條件，各國學者都致力于將傳感科技和機械設(shè)備的結(jié)合。

2）故障機理與征兆聯(lián)系：探究機械故障的形成機制和表現(xiàn)類型，是為了解機械故障產(chǎn)生與發(fā)展過程，認識故障的內(nèi)在實質(zhì)和特點，從而形成合理故障模型，是現(xiàn)代機械故障診斷的理論基石。

3）信號處理與診斷方法：從機器運行的動態(tài)信息中提煉出故障預(yù)兆，是機器診斷的關(guān)鍵?，F(xiàn)代信號處理方式，主要包括將時間域、頻譜區(qū)間和相結(jié)合的時間與頻域處理方式。

4）識別分類與智能決策：計算機技術(shù)、人工智能與機械學習科技的迅速進展，導致了故障診斷控制系統(tǒng)逐漸朝高智能方面迅速發(fā)展。

1.3 故障預(yù)測和健康管理技術(shù)的重要性

在航空、航天、信息通訊、工程應(yīng)用等領(lǐng)域的工程體系日益復雜，體系的綜合化、智能化程度也日益增強，研發(fā)、制造特別是維修與保護的成本也愈來愈高昂。而隨著體系構(gòu)成環(huán)節(jié)和危害原因的逐漸增多，發(fā)生故障和功能損壞的概率也逐步增大，對復雜體系的健康管控與智慧運維也逐漸變成焦點。預(yù)測科技的PHM科學技術(shù)正獲得人們愈來愈多的關(guān)注與運用，PHM已作為一種嶄新的、多學科交叉的綜合性科學技術(shù)，正推動著世界范圍內(nèi)新一輪制造業(yè)維修保護體系的改革。PHM信息技術(shù)體現(xiàn)了裝備視情維護、自主式維護等新思想、新方法的重要科學技術(shù)，并引起了中美英等先進技術(shù)強國的重視。通過基于PHM信息技術(shù)生成的信息，可以編制合理的系統(tǒng)運營規(guī)劃、維護計劃、保障規(guī)劃等，以盡可能地減少緊急（時限原因）維護事故的出現(xiàn)，避免千里（空間原因）馳援事故的出現(xiàn)，進而減少人員財產(chǎn)損失，減輕信息系統(tǒng)費效比，具備緊迫的實際需要和重要的工程技術(shù)經(jīng)濟價值。

2 故障診斷與診斷原理

2.1 故障診斷內(nèi)積匹配診斷原理

機械、運輸、電力、冶金、石油化工、軍事等國民經(jīng)濟中各主要產(chǎn)業(yè)的重要機械，在復雜惡劣工況下操作時（重載、疲勞、腐蝕、高溫），核心零件和關(guān)鍵機械構(gòu)件都將不可避免地出現(xiàn)各種程度的故障情況。

2.2 基于小波的特征提取方法

在信號處理的各種算法中，部積起到關(guān)鍵性作用。部積變換也可以看作信息中和基函數(shù)之間關(guān)系緊密度以及相似性的一個度量。物理本質(zhì)：探求信息中含有和基函數(shù)關(guān)系最接近或密切相關(guān)的分量。技術(shù)：通過合理建立并選用與故障特性相似的基函數(shù)，使基函數(shù)與機械動作信號的物理特性達到最佳相符；獲取不同物理意義的并滿足工程實際的故障特性信號；進行科學、合理的狀態(tài)檢測和故障診斷。

2.3 基于小波的稀疏特征提取

稀疏分解方式是在過完備的字典庫上，使用最少原子之間表達信息或逼近信息的方式，同時具備了信息表達的高分辨率、較疏性和自適應(yīng)性等特征。由于稀疏表達領(lǐng)域是基于信息接收器的一種特殊模型，所以在信號處理中對信息接收機建模也十分重要。只要將信號模式設(shè)置的合理，稀疏表達也能夠達到很好的使用效果，包括了降噪、分割、縮小、取樣、檢查、鑒別等。但作為一種完美的稀疏表達模式，還需要處理以下3個很重要的問題：

1）如何設(shè)計和建立合理高效的稀疏表示字典。

2）高效地得到信號在字典下最稀疏的分解系數(shù)。

3）怎樣把稀疏分解模型運用到更具體化的特征提取反問題中。

圖2 小波分析理論示意圖Fig.2 The schematic diagram of wavelet analysis theory

3 智能運維與健康管理

人類社會的資料量指數(shù)增長速度據(jù)IDC監(jiān)測，目前人類產(chǎn)生的資料總量正呈現(xiàn)指數(shù)級別上升，大概每兩年翻一番，而這種增長速度到2020年以前將會繼續(xù)維持下去。2015年，國家頒布了《推進信息化發(fā)展活動大綱》，其明確指出，信息是中國的基本策略資源，將指導和激勵國民經(jīng)濟各個領(lǐng)域在大數(shù)據(jù)分析方法和關(guān)鍵應(yīng)用技術(shù)等方面進行探索性研發(fā)機械領(lǐng)域，并進入了工業(yè)大數(shù)據(jù)分析時代。大數(shù)據(jù)對傳統(tǒng)信息提出了革命性的挑戰(zhàn)和顛覆式的革新，正在悄悄地改寫著人們的日常生活方式和認識世界的方法，而且開始滲入了機器智慧維護范疇。工業(yè)大數(shù)據(jù)概念：工業(yè)生產(chǎn)的大數(shù)據(jù)通常指機器設(shè)備在工作狀態(tài)中，實時生成并獲取的包括設(shè)備運行狀況、工作狀態(tài)、環(huán)境參數(shù)等反映機械設(shè)備工作狀況的大數(shù)據(jù)，即機械設(shè)備中形成的大量并且具有一定時間順序差異的大數(shù)據(jù)，主要利用各類傳感器、設(shè)備及儀器儀表等進行加工產(chǎn)生。該數(shù)據(jù)分析貫穿于機械設(shè)備工藝、制造、信息管理、業(yè)務(wù)等活動中，使機械工業(yè)信息系統(tǒng)具有定義、判斷、預(yù)見、決定、信息管理等現(xiàn)代化功能的模型。機械領(lǐng)域逐漸走向工業(yè)大數(shù)據(jù)化時代下，工業(yè)大數(shù)據(jù)的主要來源：檢測的裝置群體規(guī)模大，各種裝置所需要的測點數(shù)量多，每個測點的取樣頻次高，從產(chǎn)品開始服役到設(shè)備壽命結(jié)束的大數(shù)據(jù)采集歷時長[7,8]。

工業(yè)大數(shù)據(jù)的特點：

1）大容量：通過診斷專家來自動分析很不實際，所以必須研究用智能方式自動分析。

2）速度快：提高信息處理的及時性，高效發(fā)現(xiàn)故障信號并進行預(yù)警。

3）健康多樣性：包含了在各種機械的不同工作下，從各種物理源所輻射出的大量健康狀態(tài)信號。

4）低價值密度：設(shè)備一直保持在常規(guī)工作狀況，檢測數(shù)據(jù)信息包含的信息內(nèi)容重疊性較大，因此數(shù)據(jù)信息價格密度較小，需要數(shù)據(jù)信息提純。

當前已進入了工業(yè)生產(chǎn)大數(shù)據(jù)分析時代，工業(yè)生產(chǎn)大數(shù)據(jù)分析已成為闡明現(xiàn)代機械設(shè)備問題演化過程和其實質(zhì)的重要資料，數(shù)據(jù)量的規(guī)模、分析運用的技術(shù)也已成為了當代機械設(shè)備問題智能保護中最重要的組成部分。運用工業(yè)大數(shù)據(jù)分析技術(shù)手段，把大數(shù)據(jù)資源從這樣的“原油”提取成實實在在有用的“汽車柴油”等，是將大數(shù)據(jù)轉(zhuǎn)換為“生產(chǎn)效率”的重要關(guān)鍵問題。工業(yè)生產(chǎn)大數(shù)據(jù)處理技術(shù)，定義為：使在工業(yè)生產(chǎn)大數(shù)據(jù)處理中所蘊藏的科學價值得到發(fā)掘與揭示的各種技術(shù)手段和方法的統(tǒng)稱，主要包括了工業(yè)生產(chǎn)數(shù)據(jù)收集、保存、預(yù)處理、大數(shù)據(jù)分析發(fā)現(xiàn)，以及可視化技術(shù)等。并行處理結(jié)構(gòu)：Hadoop成為分布式操作系統(tǒng)基本結(jié)構(gòu)中的杰出代表，其結(jié)構(gòu)的核心內(nèi)容是采用分布式操作系統(tǒng)Hadoop和MapReduce技術(shù)的分布式網(wǎng)絡(luò)結(jié)構(gòu)批量數(shù)據(jù)處理運算構(gòu)架，以支撐工業(yè)的高實時化使用、大資料量儲存和快速搜索，為海量數(shù)據(jù)的查詢搜索與統(tǒng)計管理等提供了性能保證。工業(yè)生產(chǎn)大數(shù)據(jù)分析關(guān)鍵技術(shù)的研發(fā)和突破，旨在從工業(yè)生產(chǎn)大數(shù)據(jù)分析中找到創(chuàng)新模型和知識，并發(fā)現(xiàn)最有價值的創(chuàng)新資訊，從而推動公司的生產(chǎn)技術(shù)創(chuàng)新，改善企業(yè)運營管理水平和產(chǎn)品動作效能。而由工業(yè)生產(chǎn)大數(shù)據(jù)分析驅(qū)動的智能故障診斷，則是發(fā)現(xiàn)相關(guān)新模型和知識的關(guān)鍵。通過工業(yè)生產(chǎn)大數(shù)據(jù)分析的相關(guān)關(guān)系分析，大數(shù)據(jù)分析時代的到來顛覆了事物間關(guān)系的固有格局，使相互關(guān)系的可用性重新浮出水面。如工業(yè)大數(shù)據(jù)分析的智能故障診斷，就是一個大數(shù)據(jù)分析相關(guān)關(guān)系的分析。合理地舍棄了“因果”，將關(guān)注度轉(zhuǎn)向“相關(guān)性”，有利于人們更快速、更全方位地掌握事情的發(fā)展，從“發(fā)現(xiàn)提問-邏輯數(shù)據(jù)分析-找出病因”的事后補救模型轉(zhuǎn)變到“搜集數(shù)據(jù)分析-預(yù)見提問-解決”的主動預(yù)防模型。工業(yè)生產(chǎn)大數(shù)據(jù)分析驅(qū)動的機器人智能診斷框架，由于工業(yè)生產(chǎn)大數(shù)據(jù)分析信息源頭離散、采集形態(tài)多樣、隨機影響相互干擾等特性，必須按照特定規(guī)范對數(shù)據(jù)分析加以過濾，以去除信息冗余和噪聲數(shù)據(jù)，從而增強了機械大數(shù)據(jù)分析的可信度。利用信號處理方式可以獲得多域特征，表示設(shè)備的健康狀況。可根據(jù)設(shè)備歷史的健康狀況信息，設(shè)定自適應(yīng)閾值或根據(jù)人工智能模式進行量化評價，從而進行對設(shè)備的健康檢測。將分析、聚類等人工智能算法用到了機械設(shè)備的故障判別中，對機械設(shè)備故障信號進行知識挖掘，從而得出與故障相關(guān)的判別規(guī)律，確定機械設(shè)備故障狀況，從而制定維修策略。

4 結(jié)論

進行計量檢定的壓力儀表能保證現(xiàn)場數(shù)據(jù)的準確采集，作為智能運維的前端感知傳感器，基礎(chǔ)數(shù)據(jù)的可靠準確與否，關(guān)系運維過程中事故故障的大數(shù)據(jù)分析。本文提出構(gòu)建基于智能檢測監(jiān)測、云計算與大數(shù)據(jù)等先進技術(shù)的智能運維系統(tǒng)，可對現(xiàn)場諸如工況壓力等數(shù)據(jù)進行整理融合，深度挖掘與智能分析，對基礎(chǔ)設(shè)施進行全壽命周期管理，實現(xiàn)運維管理與生產(chǎn)作業(yè)智能化，大幅提升運維效率，降低運維成本。