邊緣計(jì)算在水泵故障診斷中的應(yīng)用研究

黃嘯天 李咪淵

1. 蘇州濱特爾水處理有限公司上海分公司 上海 長(zhǎng)寧 200050；2. 上海振華重工股份有限公司 上海 浦東 200120

傳統(tǒng)的水泵維護(hù)方式主要采用事后維修或預(yù)防式維護(hù)，隨著水泵自動(dòng)化隨著自動(dòng)化程度和狀態(tài)監(jiān)測(cè)技術(shù)的不斷提升，水泵運(yùn)行數(shù)據(jù)獲取也成為設(shè)備必要的功能，基于狀態(tài)數(shù)據(jù)進(jìn)行設(shè)備故障的診斷與故障預(yù)測(cè)已成為行業(yè)發(fā)展趨勢(shì)。當(dāng)設(shè)備運(yùn)行狀態(tài)發(fā)生異常時(shí)，某些參數(shù)或參數(shù)的特征會(huì)隨之進(jìn)行相應(yīng)變化，這些產(chǎn)生變化的特征對(duì)分析設(shè)備的狀態(tài)很有必要。將這些異常特征與設(shè)備狀態(tài)進(jìn)行結(jié)合，找出其中的規(guī)律然后做出準(zhǔn)確判斷和歸類就是故障診斷的任務(wù)。實(shí)踐表明，水泵的振動(dòng)信號(hào)往往可以反映其運(yùn)行的實(shí)際狀態(tài)，因此基于振動(dòng)信號(hào)實(shí)現(xiàn)水泵的智能維護(hù)是行之有效的。

隨著云計(jì)算技術(shù)的不斷發(fā)展，我們正跨入邊緣智能時(shí)代，網(wǎng)絡(luò)邊緣將會(huì)承擔(dān)越來(lái)越多的智能服務(wù)，模型的訓(xùn)練、模型的部署以及模型的推理都將可以在網(wǎng)絡(luò)邊緣完成。在霧端（工廠側(cè)服務(wù)器）拉取云端預(yù)訓(xùn)練好的算法模型，結(jié)合遷移學(xué)習(xí)理論，根據(jù)邊緣端設(shè)備側(cè)實(shí)際采集的故障數(shù)據(jù)，對(duì)模型再次訓(xùn)練微調(diào)，構(gòu)建具有持續(xù)學(xué)習(xí)能力的智能模型，可提高診斷算法的適用性，有效應(yīng)對(duì)設(shè)備部件失效的不確定性及樣本分布的非獨(dú)立性。

為了提高水泵故障診斷的信息化與智能化水平，本文將運(yùn)用物聯(lián)網(wǎng)、邊緣計(jì)算、云計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)等新一代信息技術(shù)，與傳統(tǒng)設(shè)備監(jiān)測(cè)技術(shù)融合協(xié)同，開(kāi)發(fā)邊緣智能系統(tǒng)對(duì)設(shè)備狀態(tài)的采集、監(jiān)測(cè)以及診斷全過(guò)程進(jìn)行研究，實(shí)現(xiàn)水泵設(shè)備的智能診斷與維護(hù)。

1 人工智能在設(shè)備故障診斷的發(fā)展現(xiàn)狀

隨著科學(xué)技術(shù)的進(jìn)步，自工業(yè)革命以來(lái)工業(yè)設(shè)備不斷朝著復(fù)雜化、信息化、智能化方向發(fā)展。根據(jù)文獻(xiàn)[1]所述，隨著新一代人工智能技術(shù)的到來(lái)以及物聯(lián)網(wǎng)、云計(jì)算、5G等技術(shù)的蓬勃發(fā)展，人工智能在工業(yè)制造領(lǐng)域的應(yīng)用展現(xiàn)出巨大潛力。

從診斷方法的角度，現(xiàn)有的故障診斷方法分為基于分析模型的方法、基于定性經(jīng)驗(yàn)知識(shí)的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法[2]。數(shù)據(jù)驅(qū)動(dòng)的診斷方法由于不依賴于解析模型，非常適用于現(xiàn)代復(fù)雜的機(jī)械系統(tǒng)。智能故障診斷的實(shí)質(zhì)是對(duì)故障的類型進(jìn)行分類，作為智能故障診斷領(lǐng)域中最能夠體現(xiàn)其智能化的方法之一，機(jī)器學(xué)習(xí)算法能夠?yàn)樵\斷對(duì)象建立合適的模型，使模型能夠?qū)χR(shí)自學(xué)習(xí)，并讓其在學(xué)習(xí)過(guò)程中不斷調(diào)整和修改，以豐富和完善模型[3]。

2 水泵故障評(píng)價(jià)標(biāo)準(zhǔn)分析

水泵的監(jiān)測(cè)診斷方法有很多種，考慮到適用性，監(jiān)測(cè)效果，過(guò)程繁易等問(wèn)題，振動(dòng)法因其突出性能被廣泛應(yīng)用[4]。當(dāng)前，國(guó)內(nèi)外有兩個(gè)關(guān)于振動(dòng)測(cè)量和評(píng)定的標(biāo)準(zhǔn)：ISO7919（GB/T11348）系列“旋轉(zhuǎn)機(jī)械轉(zhuǎn)軸徑向振動(dòng)的測(cè)量和評(píng)定”與 ISO/TC10816（GB/T6075）系列“在非旋轉(zhuǎn)部件上測(cè)量與評(píng)價(jià)機(jī)器的機(jī)械振動(dòng)”。前者用于測(cè)量與評(píng)價(jià)軸的振動(dòng)位移，后者用于測(cè)量與評(píng)定軸承座的振動(dòng)烈度?；谝陨险駝?dòng)評(píng)價(jià)方法，水泵的振動(dòng)包括軸振動(dòng)與軸承振動(dòng)。依據(jù)標(biāo)準(zhǔn)，水泵的振動(dòng)監(jiān)測(cè)點(diǎn)通常選在軸承座、出口法蘭和底座處。主要測(cè)點(diǎn)一般選在軸承座處和靠近軸承處，輔助測(cè)點(diǎn)選在底座和出口法蘭處。根據(jù)現(xiàn)場(chǎng)的實(shí)際情況，通常大型的石油化工用泵測(cè)量垂直、水平和軸向三個(gè)互相垂直的方向的振動(dòng)狀態(tài)，且基本采用軸振動(dòng)[5-6]。

3 邊緣計(jì)算發(fā)展現(xiàn)狀

隨著云計(jì)算技術(shù)的不斷發(fā)展，我們正跨入邊緣智能時(shí)代，網(wǎng)絡(luò)邊緣將會(huì)承擔(dān)越來(lái)越多的智能服務(wù)，模型的訓(xùn)練、模型的部署以及模型的推理都將可以在網(wǎng)絡(luò)邊緣完成。邊緣智能的出現(xiàn)，可以有效解決邊緣端與云端通訊的不穩(wěn)定性、邊緣端大量數(shù)據(jù)上傳的帶寬占用及數(shù)據(jù)隱私性問(wèn)題。邊緣計(jì)算由利用傳統(tǒng)和云數(shù)據(jù)中心之外可用計(jì)算資源的技術(shù)組成，可使工作負(fù)載的所在位置更接近數(shù)據(jù)的創(chuàng)建位置，并且可以根據(jù)數(shù)據(jù)分析結(jié)果及時(shí)地采取操作。通過(guò)利用和管理可在遠(yuǎn)程場(chǎng)所（例如工廠、零售店、倉(cāng)庫(kù)、酒店、配送中心或車輛）使用的計(jì)算能力，企業(yè)可以創(chuàng)建相應(yīng)的應(yīng)用程序來(lái)實(shí)現(xiàn)以下目標(biāo)：①顯著減少延遲、②降低對(duì)網(wǎng)絡(luò)帶寬的需求、③增加敏感信息的隱私性、④即使網(wǎng)絡(luò)中斷也可正常運(yùn)作[7]。

4 應(yīng)用案例——基于邊緣計(jì)算的水泵故障診斷

為完成該廠水泵振動(dòng)故障診斷工作，利用STM32 IoT Node芯片及兩個(gè)三相加速度傳感器通過(guò)Wi-Fi形式采集水泵振動(dòng)數(shù)據(jù)，系統(tǒng)方案如圖1所示。根據(jù)《JBT8097-1999泵的振動(dòng)測(cè)量與評(píng)價(jià)方法》，在水泵的前軸承和后軸承處各選取一個(gè)測(cè)量點(diǎn)完成水平、垂直、軸向三個(gè)方向的振動(dòng)加速度測(cè)量。

圖1 系統(tǒng)方案示意圖

圖2是水泵數(shù)據(jù)測(cè)試時(shí)拍攝的安裝方案，下方紅框內(nèi)為前軸承，上方紅框內(nèi)為后軸承。因在兩個(gè)測(cè)試點(diǎn)分別測(cè)量水平、垂直、軸向三個(gè)方位的數(shù)據(jù)，本數(shù)據(jù)的特征值維度為六維，六維數(shù)據(jù)均為水泵振動(dòng)加速度。

圖2 測(cè)量安裝方案示意圖

數(shù)據(jù)點(diǎn)數(shù)規(guī)模為97280條，由84次采集數(shù)據(jù)組成，每次采集1024個(gè)數(shù)據(jù)點(diǎn)，每條數(shù)據(jù)包含以下字段：

表1 數(shù)據(jù)字段定義表

效果展示

通過(guò)離心水泵正常運(yùn)行、支架固定螺栓松動(dòng)、泵腳及支架螺栓同時(shí)松動(dòng)四種工況情況下的振動(dòng)數(shù)據(jù)分析，模型預(yù)測(cè)結(jié)果如圖3所示。

圖3 模型預(yù)測(cè)結(jié)果