基于PHM的數(shù)字化生產(chǎn)線健康管理體系結(jié)構(gòu)研究

(西北工業(yè)大學(xué) 航海學(xué)院，西安 710072)

0 引言

近年來(lái)，中國(guó)結(jié)合當(dāng)前時(shí)勢(shì)與現(xiàn)狀提出的“中國(guó)制造2025”引發(fā)了我國(guó)工業(yè)生產(chǎn)中以智能技術(shù)為核心的一場(chǎng)變革。這些戰(zhàn)略的核心內(nèi)容都是智能制造，中國(guó)在智能制造上的研究與實(shí)施力度日漸增大，在不同的領(lǐng)域展開(kāi)智能制造試點(diǎn)工程。而保障試點(diǎn)工程順利實(shí)施的前提是設(shè)計(jì)一套完善的生產(chǎn)線故障診斷系統(tǒng)。現(xiàn)階段人工智能、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和神經(jīng)網(wǎng)絡(luò)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(shè)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(yùn)行是保障智能制造研究與實(shí)施更加深入的關(guān)鍵所在[2]。本文研究的針對(duì)數(shù)字化生產(chǎn)線故障預(yù)測(cè)與健康管理技術(shù)(prognostic and health management, PHM)[3]是有效防止設(shè)備群發(fā)生故障和監(jiān)測(cè)其安全高效運(yùn)行的有效技術(shù)手段。

故障預(yù)測(cè)與健康管理技術(shù)經(jīng)過(guò)近幾十多年的不斷發(fā)展和豐富，不斷吸收各門(mén)學(xué)科技術(shù)發(fā)展的最新成果，以大型設(shè)備與復(fù)雜系統(tǒng)為研究對(duì)象，以新興技術(shù)為依托，涉及各種工程技術(shù)系統(tǒng)設(shè)備及領(lǐng)域，已形成一門(mén)既有理論又有方法的綜合性應(yīng)用技術(shù)，但是現(xiàn)階段對(duì)于設(shè)備群的PHM研究還處于初步階段[4]。數(shù)字化生產(chǎn)線上設(shè)備群的復(fù)雜性、多樣性及協(xié)同作業(yè)下的不可預(yù)測(cè)性等因素加大了PHM研究的繁瑣，所以項(xiàng)目的進(jìn)行比較廣泛，涉及算法、關(guān)鍵技術(shù)、軟硬件平臺(tái)等，而本文旨在對(duì)其PHM結(jié)構(gòu)體系進(jìn)行論述，然后針對(duì)各關(guān)鍵組成子系統(tǒng)展開(kāi)闡述分析。緊接著從設(shè)備群監(jiān)測(cè)系統(tǒng)的可靠性、實(shí)時(shí)性以及可維護(hù)性出發(fā)，研究設(shè)計(jì)了數(shù)字化生產(chǎn)線設(shè)備群監(jiān)測(cè)系統(tǒng)并詳細(xì)講述其四個(gè)關(guān)鍵組成。最后，針對(duì)故障診斷與健康管理問(wèn)題，設(shè)計(jì)了綜合診斷與健康狀態(tài)管理系統(tǒng)方案，主要對(duì)所應(yīng)用的理論技術(shù)進(jìn)行分析。

1 數(shù)字化生產(chǎn)線設(shè)備群體系結(jié)構(gòu)

生產(chǎn)線設(shè)備群的健康管理系統(tǒng)主要由建立在應(yīng)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(jī)構(gòu)的遠(yuǎn)程診斷與服務(wù)平臺(tái)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(mén)的信息采集與處理模塊和用于檢測(cè)控制部門(mén)的設(shè)備群檢測(cè)系統(tǒng)模塊[5]。

本文設(shè)計(jì)的生產(chǎn)線設(shè)備群健康管理系統(tǒng)，一方面應(yīng)用組態(tài)技術(shù)在結(jié)構(gòu)上對(duì)生產(chǎn)線的信號(hào)采集與處理模塊和設(shè)備群監(jiān)測(cè)系統(tǒng)進(jìn)行設(shè)計(jì)研究，實(shí)現(xiàn)了PHM系統(tǒng)結(jié)構(gòu)上的可擴(kuò)展、可重用，減少了系統(tǒng)的開(kāi)發(fā)和維護(hù)費(fèi)用；另一方面，利用綜合診斷平臺(tái)對(duì)數(shù)據(jù)庫(kù)歷史信息進(jìn)行故障診斷分析，在沒(méi)有先驗(yàn)知識(shí)的情況下通過(guò)對(duì)生產(chǎn)線設(shè)備群正常運(yùn)行下的狀態(tài)信息，采用智能預(yù)測(cè)算法對(duì)設(shè)備群的剩余使用壽命進(jìn)行分析，有效地彌補(bǔ)了人工設(shè)置報(bào)警數(shù)據(jù)導(dǎo)致誤報(bào)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(kāi)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(duì)數(shù)字化生產(chǎn)線實(shí)際運(yùn)行情況，設(shè)計(jì)研究了如圖1所示設(shè)備群PHM體系結(jié)構(gòu)圖。

圖1 數(shù)字化生產(chǎn)線設(shè)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(yùn)行過(guò)程中，數(shù)據(jù)獲取及處理模塊是基礎(chǔ)，主要任務(wù)是在遵循一定的數(shù)據(jù)傳輸協(xié)議下將生產(chǎn)線上設(shè)備群傳感器系統(tǒng)采集的數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)類型。實(shí)時(shí)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(yùn)行數(shù)據(jù)、設(shè)備故障信號(hào)和警告事件數(shù)據(jù)三大類，首先需要對(duì)收集的數(shù)據(jù)進(jìn)行融合及特征提取處理，數(shù)據(jù)融合是對(duì)原始數(shù)據(jù)進(jìn)行分析，針對(duì)無(wú)效數(shù)據(jù)和異常值分別進(jìn)行相應(yīng)的處理，然后對(duì)大量處理后的數(shù)據(jù)采用人工神經(jīng)網(wǎng)絡(luò)的融合算法進(jìn)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(lái)完整、準(zhǔn)確地描述PHM系統(tǒng)的運(yùn)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(yùn)行狀態(tài)劃分為“加工”、“搬移”、“閉鎖”、“警告”、“異?！焙汀皺z修”六種工況狀態(tài)。

1.2 生產(chǎn)線設(shè)備群監(jiān)測(cè)系統(tǒng)

該模塊是從數(shù)據(jù)分析中得到設(shè)備群盡可能準(zhǔn)確的狀態(tài)信息，不僅支持對(duì)生產(chǎn)線設(shè)備群的圖像數(shù)據(jù)(生產(chǎn)線工藝流程圖、物料加工圖、設(shè)備轉(zhuǎn)移流程提等和模型數(shù)據(jù)(設(shè)備三維模型、加工工件三維模型)的存儲(chǔ)功能，還支持對(duì)監(jiān)測(cè)端實(shí)時(shí)接收診斷信息和周期傳送離散事件信息的存儲(chǔ)功能，監(jiān)測(cè)系統(tǒng)需要對(duì)所收集的信息類型進(jìn)行判斷然后存儲(chǔ)于本地的端口文件服務(wù)器和系統(tǒng)中設(shè)定好的一個(gè)專門(mén)用于存儲(chǔ)故障信息的數(shù)據(jù)庫(kù)中[10]。該監(jiān)測(cè)系統(tǒng)還支持對(duì)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(duì)生產(chǎn)線PHM進(jìn)行建模，從而精準(zhǔn)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(duì)設(shè)備群的預(yù)測(cè)診斷功能，預(yù)測(cè)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(guò)前期不斷檢測(cè)和分析處理，形成了一定數(shù)量的監(jiān)測(cè)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(duì)其提供堅(jiān)實(shí)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(cè)系統(tǒng)等基礎(chǔ)上，利用現(xiàn)階段搭建起來(lái)的專家知識(shí)庫(kù)，按照生產(chǎn)線物料投放時(shí)間、故障處理時(shí)間、故障類型和故障發(fā)生設(shè)備等屬性對(duì)接入的歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，分析的維度包括報(bào)警統(tǒng)計(jì)、故障事件統(tǒng)計(jì)、通信信息統(tǒng)計(jì)、設(shè)備運(yùn)行率統(tǒng)計(jì)等。診斷管理系統(tǒng)工作人員定期對(duì)統(tǒng)計(jì)分析的階段進(jìn)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(luò)診斷對(duì)數(shù)據(jù)信息進(jìn)行審核，然后存檔或者上報(bào)有關(guān)處理部門(mén)，按照數(shù)據(jù)審核結(jié)果下發(fā)給各維修單位。

2 設(shè)備群監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)

本文以數(shù)字化生產(chǎn)線設(shè)備群為研究對(duì)象，針對(duì)目前存在的問(wèn)題并結(jié)合智能制造生產(chǎn)需要，從系統(tǒng)的可靠性、實(shí)時(shí)性以及可維護(hù)性出發(fā)，研究設(shè)計(jì)了監(jiān)測(cè)系統(tǒng)。本監(jiān)測(cè)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(cè)系統(tǒng)組成方案主要由4個(gè)部分組成：監(jiān)測(cè)單元、點(diǎn)檢數(shù)據(jù)管理單元+智能點(diǎn)檢儀、監(jiān)測(cè)數(shù)據(jù)庫(kù)+點(diǎn)檢數(shù)據(jù)庫(kù)、在線監(jiān)測(cè)平臺(tái)。

圖2 數(shù)字化生產(chǎn)線設(shè)備群監(jiān)測(cè)系統(tǒng)組成

2.1 實(shí)時(shí)采集監(jiān)測(cè)單元

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

圖3 實(shí)時(shí)采集監(jiān)測(cè)單元

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

2)基于狀態(tài)驅(qū)動(dòng)的實(shí)時(shí)采集存儲(chǔ)： 實(shí)時(shí)提取機(jī)組信號(hào)的特征量，根據(jù)知識(shí)庫(kù)提供的標(biāo)準(zhǔn)量、比較規(guī)則、關(guān)系矩陣等來(lái)建立基于狀態(tài)驅(qū)動(dòng)的自適應(yīng)采集和存儲(chǔ)決策模型，以實(shí)現(xiàn)機(jī)組在不同運(yùn)行狀態(tài)下對(duì)于信號(hào)的智能采集和高效存儲(chǔ)；通過(guò)知識(shí)維護(hù)模塊，實(shí)現(xiàn)對(duì)決策模型的遠(yuǎn)程調(diào)整和動(dòng)態(tài)修改。

3)監(jiān)測(cè)和管理軟件：利用嵌入式 Web Server，接受網(wǎng)上組態(tài)和維護(hù)模塊的測(cè)控，以進(jìn)行監(jiān)測(cè)單元的初始化、組態(tài)和系統(tǒng)維護(hù)等

2.2 點(diǎn)檢數(shù)據(jù)管理單元+智能點(diǎn)檢儀

2.2.1 移動(dòng)點(diǎn)檢設(shè)備

選用適合該項(xiàng)目應(yīng)用企業(yè)現(xiàn)場(chǎng)檢測(cè)需要的振動(dòng)、溫度和壓力傳感器，自行開(kāi)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(chǔ)。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(kāi)發(fā)數(shù)據(jù)采集器軟件，在良好的交互界面中，完成輔機(jī)設(shè)備的數(shù)據(jù)測(cè)量與抄錄[11]。在設(shè)備上安裝電子標(biāo)簽，設(shè)計(jì)數(shù)據(jù)采集器的現(xiàn)場(chǎng)讀取功能，對(duì)數(shù)據(jù)采集工作進(jìn)行定點(diǎn)定時(shí)的控制。

圖4 智能點(diǎn)檢儀結(jié)構(gòu)組成

2.2.2 點(diǎn)檢數(shù)據(jù)管理單元

運(yùn)行于點(diǎn)檢工作站上的點(diǎn)檢數(shù)據(jù)管理單元，負(fù)責(zé)組織、管理輔機(jī)設(shè)備運(yùn)行數(shù)據(jù)的日常采集工作。一方面制定點(diǎn)檢計(jì)劃(包括現(xiàn)場(chǎng)檢測(cè)流程與具體的測(cè)量任務(wù))，通過(guò)與 PDA 同步通訊，下達(dá)點(diǎn)檢計(jì)劃到智能點(diǎn)檢儀中，并對(duì)采集到的數(shù)據(jù)進(jìn)行回收，保存于工作站自身數(shù)據(jù)庫(kù)中；另一方面采用微軟 ADO技術(shù)，將工作站數(shù)據(jù)庫(kù)中的數(shù)據(jù)通過(guò)網(wǎng)絡(luò)自動(dòng)上傳至點(diǎn)檢數(shù)據(jù)庫(kù)，實(shí)現(xiàn)多工作站數(shù)據(jù)的統(tǒng)一管理。

2.3 監(jiān)測(cè)及點(diǎn)檢數(shù)據(jù)庫(kù)

監(jiān)測(cè)數(shù)據(jù)庫(kù)保存數(shù)字化生產(chǎn)線上設(shè)備群完整的狀態(tài)數(shù)據(jù)，為在線監(jiān)測(cè)平臺(tái)和一體化診斷評(píng)估提供所需的歷史數(shù)據(jù)，點(diǎn)檢數(shù)據(jù)庫(kù)主要管理輔機(jī)的多種類型的混雜數(shù)據(jù)。以上數(shù)據(jù)庫(kù)采用 Oracle 11 g 大型數(shù)據(jù)管理系統(tǒng)以滿足網(wǎng)絡(luò)化數(shù)據(jù)的存儲(chǔ)和訪問(wèn)要求，遵循國(guó)際組織 MIMOSA(Machinery Information Management Open System Alliance )發(fā)布的標(biāo)準(zhǔn)( CRIS - Common Relational Information Schema Ver 2.3)進(jìn)行數(shù)據(jù)庫(kù)設(shè)計(jì)，以便設(shè)備狀態(tài)歷史數(shù)據(jù)的存儲(chǔ)和共享[12-13]。

2.4 在線監(jiān)測(cè)平臺(tái)

綜合網(wǎng)絡(luò)傳輸、數(shù)據(jù)庫(kù)訪問(wèn)、信號(hào)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(lái)開(kāi)發(fā)網(wǎng)絡(luò)化在線監(jiān)測(cè)平臺(tái)，具體從以下幾個(gè)層面來(lái)集成監(jiān)測(cè)分析方面相關(guān)研究成果：

1)基于DSP的采集監(jiān)測(cè)模塊：采用 LabVIEW 圖形化編程語(yǔ)言實(shí)現(xiàn)網(wǎng)絡(luò)化在線監(jiān)測(cè)軟件。

2)基于狀態(tài)驅(qū)動(dòng)的實(shí)時(shí)采集存儲(chǔ)：利用 LabVIEW 具有的良好網(wǎng)絡(luò)支持能力，以 DataSocket 技術(shù)為依托全面支持設(shè)備狀態(tài)數(shù)據(jù)的遠(yuǎn)程訪問(wèn)和數(shù)據(jù)共享。

3)基于狀態(tài)驅(qū)動(dòng)的實(shí)時(shí)采集存儲(chǔ)：在監(jiān)測(cè)中核心是信號(hào)處理和特征提取，采用 LabVIEW 平臺(tái)開(kāi)發(fā)大量的分析診斷模塊以提供豐富的設(shè)備狀態(tài)監(jiān)測(cè)功能。

3 診斷管理系統(tǒng)

PHM系統(tǒng)面向大型壓縮機(jī)組群，以點(diǎn)檢、巡檢數(shù)據(jù)，CPCI監(jiān)測(cè)數(shù)據(jù)，DCS數(shù)據(jù)為基礎(chǔ)，實(shí)現(xiàn)對(duì)異步、異構(gòu)數(shù)據(jù)的集成應(yīng)用，創(chuàng)建企業(yè)專家數(shù)據(jù)庫(kù)，主要進(jìn)行包括機(jī)組的過(guò)程分析、運(yùn)行趨勢(shì)分析、狀態(tài)對(duì)比分析、特征參數(shù)分析、信息融合分析等綜合診斷；進(jìn)行機(jī)組群的健康狀態(tài)評(píng)估，包括機(jī)組的故障溯源、系統(tǒng)狀態(tài)評(píng)估、系統(tǒng)結(jié)構(gòu)故障分析，以直到監(jiān)測(cè)和維護(hù)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(tái)

綜合數(shù)據(jù)庫(kù)訪問(wèn)、信號(hào)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(lái)開(kāi)發(fā)綜合診斷平臺(tái)，具體從以下幾個(gè)層面來(lái)集成監(jiān)測(cè)分析方面相關(guān)研究成果：

1)采用 LabVIEW 圖形化語(yǔ)言實(shí)現(xiàn)綜合診斷平臺(tái)的軟件編程；

2)綜合診斷平臺(tái)的數(shù)據(jù)庫(kù)訪問(wèn)模塊開(kāi)發(fā)。利用 LabVIEW 自身具有的良好網(wǎng)絡(luò)支持能力，以 LabSQL Toolkit 提供 ADO 技術(shù)為依托全面支持設(shè)備狀態(tài)數(shù)據(jù)的遠(yuǎn)程訪問(wèn)和數(shù)據(jù)共享；

3)基礎(chǔ)上，整合大量的已有分析診斷模塊，開(kāi)發(fā)和包裝新的綜合診斷模塊，最終提供一個(gè)完整而有效的綜合診斷模塊庫(kù)，全面支持綜合診斷平臺(tái)。綜合數(shù)據(jù)庫(kù)訪問(wèn)、信號(hào)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(lái)開(kāi)發(fā)綜合診斷平臺(tái)，具體從以下幾個(gè)層面來(lái)集成監(jiān)測(cè)分析方面相關(guān)研究成果。

3.2 健康狀態(tài)管理平臺(tái)

利用實(shí)時(shí)數(shù)據(jù)庫(kù)技術(shù)解決數(shù)字化生產(chǎn)線設(shè)備群在運(yùn)行中產(chǎn)生的大量實(shí)時(shí)數(shù)據(jù)的處理、存儲(chǔ)和集成問(wèn)題，實(shí)現(xiàn)工業(yè)數(shù)據(jù)的抽取、校正和有效存儲(chǔ)，重點(diǎn)解決多源異構(gòu)數(shù)據(jù)的集成和數(shù)據(jù)質(zhì)量問(wèn)題[14]；在此基礎(chǔ)上，利用知識(shí)挖掘和推理技術(shù)，對(duì)設(shè)備的離線監(jiān)測(cè)數(shù)據(jù)、在線監(jiān)測(cè)數(shù)據(jù)、歷史數(shù)據(jù)(尤其是設(shè)備群故障突發(fā)前后的原始數(shù)據(jù))等進(jìn)行分析，找出其中的關(guān)聯(lián)規(guī)則，融合多種信息對(duì)機(jī)組系統(tǒng)運(yùn)行狀況做出解釋和評(píng)估；利用設(shè)備群的過(guò)程數(shù)據(jù)，挖掘設(shè)備故障在數(shù)據(jù)中的表現(xiàn)規(guī)律，所得知識(shí)用于指導(dǎo)后續(xù)操作，在出現(xiàn)事故之前，發(fā)出報(bào)警信息，并通過(guò)檢測(cè)數(shù)據(jù)孤立點(diǎn)等技術(shù)辨識(shí)故障發(fā)生位置[15]。

利用復(fù)雜網(wǎng)絡(luò)理論，建立生產(chǎn)線設(shè)備群系統(tǒng)的網(wǎng)絡(luò)模型，分析其結(jié)構(gòu)特性，利用系統(tǒng)的整體知識(shí)對(duì)單元在系統(tǒng)中所起的重要性進(jìn)行分析，確定系統(tǒng)中的重點(diǎn)監(jiān)視部位、系統(tǒng)脆弱點(diǎn)部位，對(duì)確定的重點(diǎn)部位、系統(tǒng)脆弱點(diǎn)部位進(jìn)行實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)在監(jiān)測(cè)資源有限的情況下對(duì)設(shè)備群的監(jiān)測(cè)點(diǎn)進(jìn)行優(yōu)化，做到故障的預(yù)防和多機(jī)組設(shè)備運(yùn)行狀態(tài)監(jiān)控。

4 實(shí)驗(yàn)結(jié)果與分析

根據(jù)生產(chǎn)線故障診斷流程，開(kāi)發(fā)了基于LabVIEW和Matlab的設(shè)備群電機(jī)故障診斷系統(tǒng)。將LabVIEW良好的人機(jī)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(shí)現(xiàn)設(shè)備群中電機(jī)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(duì)提出的三個(gè)系統(tǒng)模塊進(jìn)行實(shí)驗(yàn)分析處理，圖6(a)是信息采集與處理模塊采用LABVIEW對(duì)運(yùn)行狀態(tài)下數(shù)據(jù)的實(shí)時(shí)顯示以及圖6(b)通過(guò)串口助手實(shí)時(shí)的數(shù)據(jù)接收。

圖6 實(shí)時(shí)采集系統(tǒng)

設(shè)備群監(jiān)測(cè)系統(tǒng)模塊主要包含數(shù)據(jù)的顯示及存儲(chǔ)等功能，并提供了當(dāng)前數(shù)據(jù)一些簡(jiǎn)單的時(shí)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(cè)系統(tǒng)的可視化呈現(xiàn)。

圖7 狀態(tài)監(jiān)測(cè)系統(tǒng)

診斷管理模塊主要包含故障診斷結(jié)果、當(dāng)前數(shù)據(jù)記錄和模型再訓(xùn)練這三部分內(nèi)容。由于故障發(fā)生方式繁多，而設(shè)備群的電機(jī)故障是常見(jiàn)的故障發(fā)生發(fā)生方式，這里僅對(duì)生產(chǎn)線固定設(shè)備的電機(jī)故障數(shù)據(jù)進(jìn)行3層小波包能量分解后得到的特征量進(jìn)行模式識(shí)別得到的工作狀態(tài)，同時(shí)列出了神經(jīng)網(wǎng)絡(luò)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(duì)當(dāng)前得到的頻帶能量進(jìn)行標(biāo)記并添加到歷史數(shù)據(jù)中，模型訓(xùn)練會(huì)根據(jù)當(dāng)前保存的歷史數(shù)據(jù)訓(xùn)練新的模型以供使用。圖8和圖9分別為設(shè)備群某一電機(jī)在狀態(tài)1和狀態(tài)2下工作時(shí)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(yùn)行工作是否異常然后存檔或者上報(bào)有關(guān)處理部門(mén)。

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(yǔ)

本文以某企業(yè)生產(chǎn)線設(shè)備群狀態(tài)監(jiān)測(cè)與診斷分析系統(tǒng)開(kāi)發(fā)為實(shí)例，研究介紹設(shè)備群PHM系統(tǒng)的體系結(jié)構(gòu)，并進(jìn)行了逐一說(shuō)明。所開(kāi)發(fā)的數(shù)字化生產(chǎn)線設(shè)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(jī)組群診斷和健康管理系統(tǒng)、制造廠的遠(yuǎn)程診斷與服務(wù)平臺(tái)和科研單位的專家會(huì)診平臺(tái)，進(jìn)行了應(yīng)用驗(yàn)證。