基于云平臺的工業(yè)過程故障檢測系統(tǒng)

洪愛軍

[摘 ? ?要 ]在傳統(tǒng)的工業(yè)過程中，針對現(xiàn)場工作站的存儲及計算能力有限，導(dǎo)致系統(tǒng)的過程監(jiān)測數(shù)據(jù)利用不充分，難以實現(xiàn)實時故障診斷的等問題，提出了基于工業(yè)物聯(lián)網(wǎng)的工業(yè)過程故障診斷系統(tǒng)。該系統(tǒng)結(jié)合了物聯(lián)網(wǎng)、云計算和基于數(shù)據(jù)的故障診斷技術(shù)，實現(xiàn)了對工業(yè)現(xiàn)場的實時監(jiān)控和在線診斷，并將該系統(tǒng)部署在云平臺上，可以為不同的工廠實現(xiàn)定制化的狀態(tài)監(jiān)控服務(wù)。最后將該系統(tǒng)應(yīng)用在工業(yè)過程智能控制實驗室（I2PIC）的非線性水箱系統(tǒng)中，驗證了該系統(tǒng)的有效性。

[關(guān)鍵詞]物聯(lián)網(wǎng);云平臺;狀態(tài)監(jiān)控;故障診斷;大數(shù)據(jù);非線性水箱

[中圖分類號]TP277 [文獻(xiàn)標(biāo)志碼]A [文章編號]2095–6487（2020）07–00–04

[Abstract]In the traditional industrial process， due to the limited storage and computing capacity of the on-site workstations， the system's process monitoring data is not fully utilized and it is difficult to realize real-time fault diagnosis. An industrial process fault diagnosis system based on the Industrial Internet of Things is proposed. The system combines the Internet of Things， cloud computing and data-based fault diagnosis technology to achieve real-time monitoring and online diagnosis of industrial sites， and deploy the system on a cloud platform to achieve customized status for different factories Monitoring service. Finally， the system was applied to the nonlinear water tank system of the Industrial Process Intelligent Control Laboratory （I2PIC）， and the effectiveness of the system was verified.

[Keywords]Internet of things; Cloud platform; Condition monitoring; Fault diagnosis; Big data; Non-linear water tank

現(xiàn)代工業(yè)生產(chǎn)過程中，系統(tǒng)安全穩(wěn)定運(yùn)行的重要性愈發(fā)凸顯。及時捕捉系統(tǒng)異常信息，實時監(jiān)測系統(tǒng)的運(yùn)行情況是工廠智能化的重要一環(huán)。系統(tǒng)安全與企業(yè)效益以及人民的財產(chǎn)生命安全直接掛鉤。如果未能對系統(tǒng)的運(yùn)行進(jìn)行及時有效的監(jiān)測，則很難發(fā)現(xiàn)系統(tǒng)前期存在的安全隱患，當(dāng)故障發(fā)生時不能及時作出準(zhǔn)確的判斷，可能會因此引起工廠被迫停機(jī)檢修，不僅影響了正常生產(chǎn)，還對工廠的效益產(chǎn)生了不小的損失。所以，加強(qiáng)對系統(tǒng)的實時監(jiān)控，及時檢測系統(tǒng)故障，提高系統(tǒng)可靠性顯得愈發(fā)重要。

當(dāng)今時代，現(xiàn)代工業(yè)與信息技術(shù)高度融合。物聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)已經(jīng)逐漸滲透在工業(yè)生產(chǎn)的產(chǎn)業(yè)鏈中。工業(yè)物聯(lián)網(wǎng)是將具有各種智能傳感器，如采集器，智能控制器等和現(xiàn)代通信技術(shù)、人工智能技術(shù)滲透應(yīng)用到工業(yè)生產(chǎn)的各個層面中，旨在提高工廠的生產(chǎn)效率和資源利用率，降低生產(chǎn)成本，最終實現(xiàn)傳統(tǒng)工廠智能化的改造。中國制造2025、德國工業(yè)4.0和美國先進(jìn)制造伙伴計劃一系列舉措都說明了傳統(tǒng)工業(yè)將向智能化工廠轉(zhuǎn)型的必然趨勢。利用先進(jìn)的大數(shù)據(jù)，物聯(lián)網(wǎng)等技術(shù)，對工業(yè)現(xiàn)場進(jìn)行監(jiān)控和實時的故障診斷，已經(jīng)成為現(xiàn)代工廠降低生產(chǎn)成本，提高生產(chǎn)效率和企業(yè)競爭力的重要手段。

目前，對于物聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)應(yīng)用在工業(yè)生產(chǎn)過程的研究仍然處于起步階段。近些年也有一些該方面的研究。仝營等基于工業(yè)鍋爐背景下，提出了鍋爐的物聯(lián)網(wǎng)和云計算模型，實現(xiàn)了設(shè)備關(guān)鍵參數(shù)的監(jiān)測[1]。邵星等提出基于物聯(lián)網(wǎng)和云計算的工業(yè)廢氣智能監(jiān)控系統(tǒng)，將云計算和云存儲技術(shù)用來分析廢氣數(shù)據(jù)[2]。高帆等提出了基于物聯(lián)網(wǎng)和運(yùn)行大數(shù)據(jù)的設(shè)備監(jiān)測系統(tǒng)，集成了設(shè)備健康的在線監(jiān)控、遠(yuǎn)程監(jiān)控、遠(yuǎn)程診斷、故障識別等功能，對設(shè)備的運(yùn)行維護(hù)具有指導(dǎo)意義[3]。

孫小江等基于物聯(lián)網(wǎng)技術(shù)提出了小型水電站的在線監(jiān)測及故障診斷系統(tǒng)，促進(jìn)了小水電站向無人值班或無人值守的方向發(fā)展[4]。侯一鳴基于物聯(lián)網(wǎng)和工業(yè)云提出了選礦設(shè)備的智能監(jiān)測系統(tǒng)，利用故障診斷、移動互聯(lián)等技術(shù)實現(xiàn)了對選礦設(shè)備的智能監(jiān)控[5]。

本文針對傳統(tǒng)工業(yè)過程中對過程數(shù)據(jù)利用不充分，缺乏對整個系統(tǒng)的實時故障檢測等問題，利用物聯(lián)網(wǎng)和云存儲技術(shù)，將現(xiàn)場傳感器采集的數(shù)據(jù)實時采集并存儲在本地和云端，監(jiān)測并可視化系統(tǒng)運(yùn)行參數(shù);利用故障診斷技術(shù)構(gòu)建了一套故障診斷算法，依托于云平臺和云計算技術(shù)對系統(tǒng)進(jìn)行實時的故障檢測。為傳統(tǒng)工廠實現(xiàn)智能化、信息化提供建設(shè)性的意見。

1 物聯(lián)網(wǎng)和故障檢測

1.1 物聯(lián)網(wǎng)關(guān)鍵概念

物聯(lián)網(wǎng)的概念很廣泛，簡單的來說就是物與物之間相互連接的互聯(lián)網(wǎng)。本文所研究是物聯(lián)網(wǎng)在工業(yè)領(lǐng)域的應(yīng)用，即工業(yè)物聯(lián)網(wǎng)。工業(yè)物聯(lián)網(wǎng)的概念與物聯(lián)網(wǎng)中的Cyber Physical Syste（CPS）高度契合，即融合傳感器、嵌入式、等各種現(xiàn)代通信技術(shù)，使得物理系統(tǒng)具備各種信息化能力，并且設(shè)備與設(shè)備間高度協(xié)同且自治。工業(yè)物聯(lián)網(wǎng)的主要目的就是為了打造智能工廠。采集生產(chǎn)過程中、管理經(jīng)營過程中產(chǎn)生的數(shù)據(jù)集，實現(xiàn)機(jī)器與人，機(jī)器與機(jī)器之間的信息交互。要完成智能工廠的完整性，需要設(shè)計完備的四層架構(gòu)：感知層、網(wǎng)絡(luò)層、平臺層和應(yīng)用層。感知層主要是由各種傳感器組成的感知單元，用來采集數(shù)據(jù)。為了適應(yīng)智能工廠的需求，傳統(tǒng)的硬件設(shè)備、控制技術(shù)、傳輸協(xié)議會逐漸被取代。網(wǎng)絡(luò)層也叫傳輸層，它主要負(fù)責(zé)傳遞從感知層獲得的數(shù)據(jù)，主要分為有線網(wǎng)絡(luò)和無線網(wǎng)絡(luò)，其中無線網(wǎng)絡(luò)傳輸?shù)膽?yīng)用范圍更廣。平臺層在整個物聯(lián)網(wǎng)四層架構(gòu)中起著承上啟下的作用，將底層智能設(shè)備一體化管理，同時為應(yīng)用層提供統(tǒng)一的開發(fā)接口，實現(xiàn)了設(shè)備端到業(yè)務(wù)端的直接連接。應(yīng)用層是根據(jù)不同的業(yè)務(wù)需求，在平臺層設(shè)計相對應(yīng)的物聯(lián)網(wǎng)應(yīng)用。應(yīng)用層將底層數(shù)據(jù)進(jìn)行分析挖掘，從而實現(xiàn)對整個工廠生產(chǎn)的狀態(tài)監(jiān)控，為工廠的生產(chǎn)提供更科學(xué)準(zhǔn)確的決策。目前，隨著大數(shù)據(jù)時代的來臨，擁有數(shù)據(jù)意味著擁有戰(zhàn)略上的優(yōu)勢[6]。如何挖掘數(shù)據(jù)內(nèi)部的信息是掌握未來數(shù)據(jù)時代的關(guān)鍵，因此，機(jī)器學(xué)習(xí)算法作為挖掘數(shù)據(jù)的核心技術(shù)，被越來越多的人關(guān)注。

1.2 故障檢測方法概述

故障檢測方法如圖1所示，根據(jù)故障檢測原理的不同可以將故障檢測技術(shù)大體分為三種類型：基于解析模型的方法、基于知識的方法和基于數(shù)據(jù)驅(qū)動的方法[7]。

基于解析模型的方法是通過公式描述成分之間或變量之間的數(shù)學(xué)關(guān)系，并最終構(gòu)建出一個準(zhǔn)確的數(shù)學(xué)模型。通過比較構(gòu)建的模型與實際模型之間的殘差信息來完成系統(tǒng)的故障檢測。該方法需要對系統(tǒng)的運(yùn)行機(jī)理有充分的了解。正常情況下殘差應(yīng)該在零附近波動。如果殘差突然變大，則系統(tǒng)很有可能發(fā)生了故障。不同形式的殘差又可以將其細(xì)分為：等價空間法、狀態(tài)估計法、參數(shù)估計法等。由于基于模型的方法能準(zhǔn)確反映系統(tǒng)整個過程的狀態(tài)，所以這種方法適用于相對簡單的工業(yè)過程。然而在實際工業(yè)過程中，需要檢測的變量個數(shù)較多，各變量之間具有很強(qiáng)的非線性關(guān)系?；谀Ｐ偷姆椒ㄍ瑫r還需要很多專業(yè)知識，因此很難建立一個準(zhǔn)確的機(jī)理模型，這也大大限制了該方法在故障檢測中的應(yīng)用。

基于知識的方法是通過計算機(jī)來模擬專家的思維方式對系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行推演運(yùn)算[8]。根據(jù)不同的推理方式，該方法又可以分為：故障樹、模糊推理、專家系統(tǒng)等。該方法的好處是不需要系統(tǒng)精確的數(shù)學(xué)模型，但也存在一些缺點(diǎn)?；谥R的方法需要建立完備的知識庫，即使是經(jīng)驗豐富的工程師，也不可能對該工業(yè)過程的所有方面都有透徹的了解。因此知識庫往往不是很完備，最終，這會直接影響故障檢測的可靠性和準(zhǔn)確性。對于特定的場景需要特定的知識庫，通用性比較差。這些缺點(diǎn)制約了該方法的發(fā)展。

目前，基于數(shù)據(jù)驅(qū)動的故障診斷方法是最流行的，該方法不需要建立準(zhǔn)確的數(shù)學(xué)模型，也不依賴于定性的知識。它需要系統(tǒng)工業(yè)過程的運(yùn)行數(shù)據(jù)，系統(tǒng)的故障信息都隱含在這些數(shù)據(jù)中，如何挖掘數(shù)據(jù)中的隱含信息成為了現(xiàn)在研究的熱門。正常運(yùn)行的數(shù)據(jù)和故障發(fā)生后的運(yùn)行數(shù)據(jù)之間的差異體現(xiàn)在特征變量發(fā)生了改變，數(shù)據(jù)的統(tǒng)計量往往會發(fā)生變化，觀測統(tǒng)計量的變化，從而實現(xiàn)系統(tǒng)的故障檢測[9]。該方法不需要先驗知識的約束，具有普適性，尤其適用于難以建立數(shù)學(xué)模型的復(fù)雜工業(yè)系統(tǒng)。所以本文選擇基于數(shù)據(jù)驅(qū)動的方法來做故障檢測。根據(jù)特征信息提取的方式，基于數(shù)據(jù)驅(qū)動的方法可以分為：機(jī)器學(xué)習(xí)法、信號處理法和多變量統(tǒng)計分析法等[10]。

2 基于物聯(lián)網(wǎng)的故障檢測系統(tǒng)架構(gòu)分析

2.1 基于物聯(lián)網(wǎng)的故障檢測系統(tǒng)架構(gòu)

基于物聯(lián)網(wǎng)的工業(yè)過程故障檢測系統(tǒng)架構(gòu)圖如圖2所示，該架構(gòu)以物聯(lián)網(wǎng)的四層架構(gòu)來構(gòu)建。在感知層，是由各種傳感器元件組成的感知單元，為了適應(yīng)智能工廠的需求，傳統(tǒng)的硬件設(shè)備、控制技術(shù)、傳輸協(xié)議都會逐漸被取代。智能傳感器將現(xiàn)場設(shè)備的數(shù)據(jù)都實時采集過來，并通過各種通訊協(xié)議發(fā)送到現(xiàn)場的工程師站中。在網(wǎng)絡(luò)層，通過無線網(wǎng)絡(luò)的方式將工程師站的數(shù)據(jù)傳輸?shù)皆破脚_中。在平臺層，構(gòu)建物聯(lián)網(wǎng)關(guān)與實際的工廠設(shè)備一一對應(yīng)，通過云計算平臺對信息進(jìn)行分析處理。工程師站的數(shù)據(jù)通過網(wǎng)絡(luò)將數(shù)據(jù)實時傳輸?shù)皆破脚_中，最終存儲在云數(shù)據(jù)庫中，方便后續(xù)的數(shù)據(jù)計算和分析。另一方面將數(shù)據(jù)存儲在現(xiàn)場的工程師站的數(shù)據(jù)庫中，防止因為網(wǎng)絡(luò)中斷引起的數(shù)據(jù)缺失，當(dāng)網(wǎng)絡(luò)恢復(fù)后再將緩存的歷史數(shù)據(jù)發(fā)送到云平臺中。在應(yīng)用層，旨在為不同的工廠實現(xiàn)特定的需求，也是物聯(lián)網(wǎng)的核心所在。將現(xiàn)場采集到的數(shù)據(jù)通過數(shù)據(jù)挖掘技術(shù)進(jìn)行分析處理，結(jié)合故障檢測算法對系統(tǒng)進(jìn)行故障診斷分析。從而對整個工廠的生產(chǎn)運(yùn)作提供更準(zhǔn)確科學(xué)的決策。通過工業(yè)云將故障檢測系統(tǒng)部署在現(xiàn)有的系統(tǒng)中，為不同的工廠實現(xiàn)定制化的故障檢測服務(wù)。根據(jù)不同工廠的需求，有實時的狀態(tài)監(jiān)控服務(wù)、現(xiàn)場運(yùn)行數(shù)據(jù)分析服務(wù)、實時故障檢測服務(wù)、異常工況報警服務(wù)、故障檢測小程序服務(wù)。通過這四層架構(gòu)來構(gòu)建基于物聯(lián)網(wǎng)的工業(yè)過程故障檢測系統(tǒng)，大大提高了故障檢測的實時性、狀態(tài)監(jiān)控的可靠性、異常報警的及時性。

2.2 狀態(tài)監(jiān)測系統(tǒng)模塊分析

（1）系統(tǒng)運(yùn)行狀態(tài)監(jiān)測模塊。

傳感器采集現(xiàn)場的數(shù)據(jù)，通過傳輸協(xié)議傳送到現(xiàn)場的工程師站后，最終通過網(wǎng)絡(luò)傳輸?shù)皆破脚_中，數(shù)據(jù)中包含著系統(tǒng)運(yùn)行狀態(tài)的數(shù)據(jù)，通過數(shù)據(jù)挖掘可以了解現(xiàn)場的系統(tǒng)運(yùn)行狀態(tài)，系統(tǒng)關(guān)鍵參數(shù)的可視化，數(shù)據(jù)運(yùn)行的曲線圖、柱狀圖。圖表也更能直觀的表示現(xiàn)場的運(yùn)行情況。

（2）故障檢測與報警模塊。

這一模塊負(fù)責(zé)對現(xiàn)場的所有數(shù)據(jù)進(jìn)行挖掘，故障信息隱含在數(shù)據(jù)中，通過合適的故障檢測算法能檢測出系統(tǒng)是否發(fā)生故障。目前，集成到云平臺的故障檢測算法有主成分分析（PCA）、獨(dú)立成分分析（ICA）、支持向量數(shù)據(jù)描述（SVDD）等算法。傳統(tǒng)的故障檢測一般是離線檢測，缺乏實時性。而基于物聯(lián)網(wǎng)的故障檢測則可以做到在線檢測。通過采集一段時間的現(xiàn)場數(shù)據(jù)，構(gòu)建實時的故障診斷模型，對系統(tǒng)進(jìn)行在線診斷。而當(dāng)系統(tǒng)發(fā)生故障時，通過報警模塊可以迅速的通知相關(guān)人員進(jìn)行檢測維修，避免產(chǎn)生更大的經(jīng)濟(jì)損失?；谖锫?lián)網(wǎng)的工業(yè)過程故障檢測流程圖如圖3所示。

3 案例分析

基于上述分析，本文將其最終應(yīng)用在I 2PIC（工業(yè)過程智能控制實驗室）的一個非線性水箱系統(tǒng)中。其DCS系統(tǒng)結(jié)構(gòu)圖和組態(tài)視圖如圖4所示。

本次實驗的現(xiàn)場設(shè)備層采用的儀表以及型號可參見表1。

非線性水箱系統(tǒng)的云端界面和實時數(shù)據(jù)如圖5所示，閥門的開度、液位高度等有效數(shù)據(jù)都實時顯示在界面中，可以直觀的監(jiān)測整個系統(tǒng)的運(yùn)行情況。為驗證系統(tǒng)故障檢測的有效性，本次實驗共采取了兩組數(shù)據(jù)，分別為穩(wěn)態(tài)過程的漏水故障和放水過程的漏水故障，具體的故障類型以及故障表述如表2所示：

故障診斷的app如圖6所示，將運(yùn)行數(shù)據(jù)導(dǎo)入進(jìn)去后，選擇故障診斷算法，可以檢測出系統(tǒng)是否有故障、在何時發(fā)生了故障。兩種故障的診斷結(jié)果在圖6中顯示，從圖中可以看出，該app可以準(zhǔn)確及時的檢測出故障的發(fā)生，具有良好的檢測效果。

4 結(jié)束語

本文針對傳統(tǒng)工業(yè)過程中監(jiān)控數(shù)據(jù)利用不充分、故障診斷實時性不強(qiáng)、現(xiàn)場工程師站數(shù)據(jù)處理能力差的問題，利用物聯(lián)網(wǎng)、云平臺等技術(shù)搭建了一個工業(yè)過程故障檢測系統(tǒng)。最后將該系統(tǒng)應(yīng)用在I 2PIC（工業(yè)過程智能控制實驗室）的一個非線性水箱系統(tǒng)中。基于物聯(lián)網(wǎng)的四層架構(gòu)，設(shè)計實現(xiàn)了非線性水箱系統(tǒng)的智能在線故障診斷、設(shè)備關(guān)鍵信息的可視化、遠(yuǎn)程監(jiān)控管理功能。

隨著物聯(lián)網(wǎng)和云平臺等技術(shù)的發(fā)展，傳統(tǒng)工廠信息化程度不高的弊端將逐漸凸顯，物聯(lián)網(wǎng)等技術(shù)將為傳統(tǒng)工廠信息化、智能化提供強(qiáng)大的助力。本文將故障診斷技術(shù)與物聯(lián)網(wǎng)技術(shù)結(jié)合起來，有效的對工業(yè)現(xiàn)場進(jìn)行實時監(jiān)控，能夠及時檢測系統(tǒng)故障，實時監(jiān)測關(guān)鍵設(shè)備的運(yùn)行狀態(tài)，縮短設(shè)備檢修時間，減少工廠損失，提高了工廠的競爭力。

參考文獻(xiàn)

[1] 仝營，顧新建，紀(jì)楊建，等.基于物聯(lián)網(wǎng)和云計算的工業(yè)鍋爐在線監(jiān)測[J].計算機(jī)集成制造系統(tǒng)，2016，22（1）：213-219.

[2] 邵星，王翠香，陳偉，等.基于物聯(lián)網(wǎng)和云計算的工業(yè)廢氣監(jiān)控系統(tǒng)研究[J].軟件，2015（9）：45-47.

[3] 高帆，王玉軍，楊露霞，等.基于物聯(lián)網(wǎng)和運(yùn)行大數(shù)據(jù)的設(shè)備狀態(tài)監(jiān)測診斷[J].自動化儀表，2018，39（6）：5-8.

[4] 孫小江，李鍵，朱勇，等.物聯(lián)網(wǎng)技術(shù)在小水電站在線監(jiān)測及故障診斷的應(yīng)用[J].電工技術(shù)，2017（10）：61-62，88.

[5] 侯一鳴，徐泉，李亞杰，等.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)[J].計算機(jī)集成制造系統(tǒng)，2017，23（9）：1972-1982.

[6] 孔憲光，鐘福磊，馬洪波，等.工業(yè)大數(shù)據(jù)環(huán)境下的混合故障診斷模型研究[C].2015年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會暨第五屆可靠性工程分會第二次全體委員大會論文集，2015.

[7] Frank P M. Analytical and Qualitative Model-based Fault Diagnosis-A Survey and Some New Results[J].European Journal of Control，1996，2（1）：6-28.

[8] 程宇，王武，崔福軍，等.基于模型的故障診斷方法研究綜述[C].中國控制會議，2008.

[9] Ge Z， Song Z， Gao F. Review of Recent Research on Data-Based Process Monitoring[J].Industrial & Engineering Chemistry Research， 2013， 52（10）：3543-3562.

[10] Antonini M， Barlaud M， Mathieu P， et al. Image coding using wavelet transform.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society， 1992，1（2）：205-20.