基于工業(yè)互聯(lián)網技術設備在線監(jiān)測及故障診斷技術研究與應用

劉美樂，李 剛，朱信龍，張明祿，李小剛

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

引言

隨著工業(yè)建設越來越趨向智能化、連續(xù)化，對設備的穩(wěn)定性、安全性的要求也越來越高，設備在線監(jiān)測及故障診斷技術為設備正常運行保駕護航，尤其是大型轉動設備振動監(jiān)測技術，能提前發(fā)現設備的早期問題，為設備檢維修及備品備件采購提供充足的準備時間和明確的檢修方向。

應用在線監(jiān)測及故障診斷技術構建設備智能運維中心，通過采集設備振動加速度信號，應用智能診斷算法實時分析故障特征頻率，自動識別故障類型、嚴重程度、發(fā)生故障位置等信息，就地顯示并上傳診斷分析結果，實現設備典型故障的精準定位，擺脫設備故障分析診斷對專業(yè)技術人員的依賴，最后給出專業(yè)的維修建議。

1 在線監(jiān)測及故障診斷技術研究

在線監(jiān)測及故障診斷技術應用的核心是基于設備運行狀態(tài)的實時數據，實現設備狀態(tài)實時受控的設備預測性維護。設備預測性維護是通過設備多源數據的綜合分析，涵蓋數據采集、狀態(tài)分析、故障診斷、狀態(tài)預測和維修決策，實現機組狀態(tài)的全方位判斷，區(qū)別于傳統(tǒng)的修復性維修和預防性維修。

基于數據驅動的在線監(jiān)測及故障診斷技術是目前特別流行的一種方法。其中，基于數據驅動的在故障診斷方法主要有基于信號分析、基于定量知識數據分析以及基于統(tǒng)計分析的方法[1]。基于數據驅動的在線監(jiān)測方法可以分為信息融合、信號處理、統(tǒng)計分析與機器學習[2]等。信息融合方法的基本思想是利用不同時間與空間的多傳感器數據資源，如傳感器、知識庫、數據庫等，在一定準則下進行綜合、分析和使用，從而得到可靠的監(jiān)控結果，該方法又稱為數據融合或者多源信息融合[3]；信號處理方法是對各種類型的電信號，按各種預期的目的及要求進行加工過程的統(tǒng)稱，主要為譜分析和小波變換[4]；統(tǒng)計分析方法具有科學性、直觀性和可重復性等特征，主要分為單變量統(tǒng)計和多變量統(tǒng)計[5]；機器學習方法，如隨機森林、支持向量機和人工神經網絡等需要對故障數據進行分類[6]。

2 在線監(jiān)測及故障診斷技術應用（見圖1）

圖1 在線監(jiān)測及故障診斷平臺網絡架構

設備在線監(jiān)測及故障診斷技術應用是基于工業(yè)互聯(lián)網技術構建的設備在線監(jiān)測及故障診斷平臺，核心是由數據驅動端的設備預測性維護。實時獲取真實有效的狀態(tài)數據是系統(tǒng)運行的基礎，通過集成各個現場監(jiān)測系統(tǒng)的數據，利用現場已有傳感器、已有系統(tǒng)的數據或新增傳感器等完成底層數據的獲取，各類數據通過在線監(jiān)測系統(tǒng)或直接上傳至大數據平臺，大數據平臺可以完成數據的清洗、存儲、分發(fā)、共享等，對于已有成熟智能分析模型的設備狀態(tài)數據，可以通過智能診斷模型對數據進行處理，實現異常設備的智能報警、智能診斷等。

基于工業(yè)互聯(lián)網的設備在線監(jiān)測及故障診斷平臺系統(tǒng)由三級組成：

第一級為數據采集層：在機組振動明顯的部分加裝振動加速度傳感器采集設備振動信號，在電機輸出軸或減速機輸入端加裝轉速傳感器，數據通過信號線纜/無線方式傳輸至對應設備的數據采集器（有線采集RH1500，無線RH560），經數據采集器處理后，通過有線網絡傳輸方式將數據發(fā)送到廠區(qū)服務器。

第二級為現場狀態(tài)監(jiān)測系統(tǒng)：與監(jiān)測系統(tǒng)配套一臺服務器，用于存放從數據采集器發(fā)回的設備狀態(tài)數據，現場設備維護與管理人員可通過電腦終端訪問在線監(jiān)測系統(tǒng)，了解監(jiān)控機組的實時運行狀態(tài)。

第三級為遠程診斷系統(tǒng)：通過該系統(tǒng)，乙方遠程診斷專家可對所有納入監(jiān)控的設備進行遠程數據分析與故障診斷。

2.1 數據感知層實施

在線監(jiān)測及故障診斷平臺可以接入多種數據源的數據，如生產過程數據，生產運營數據，生產經營數據以及第三方應用產生的數據，數據平臺接收到數據后，通過消息隊列集群以及分布式計算集群對數據進行實時處理，然后對處理后的數據進行落地存儲和報警推送等操作。容知日新自主研發(fā)的智能傳感設備，包括振動、溫度、位移、轉速、傾角、油液、晃動、應變、MEMS等20余種傳感器。該平臺提供標準的數據接口，可以接入設備現有的物理量，實現數據的聯(lián)網。

2.2 數據平臺部署

提供良好的數據接入是數據平臺首要解決的問題。工業(yè)現場環(huán)境復雜，涉及到的數據種類繁多、數據量龐大、數據結構不一，因此很難使用傳統(tǒng)的、固定的數據接入手段應對各種不同的數據接入場景。同時，各種應用和接口都希望在最短的時間內獲取到最新的數據和最近一段時間內的數據，因此，讓應用和接口排隊獲取數據顯然是遠遠滿足不了需求的。為了達到數據最新、允許多應用同時獲取數據、最大限度地高效高速獲取到大量數據結構不一的數據的目的，數據平臺選取Kafka作為數據接入和數據傳輸的核心。

平臺的搭建離不開合適的架構，在滿足Kafka、Cassandra的基礎上，數據平臺選取Hadoop作為架構，支撐平臺對于數據的各種復雜計算、快速處理和大量存儲。Hadoop是一個分布式系統(tǒng)基礎架構，能夠對大量數據以一種可靠、高效、可伸縮的方式進行分布式處理。Hadoop是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節(jié)點重新分布處理。Hadoop是高效的，因為它以并行的方式工作，通過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)，在部署和運維上都相對簡單和快捷。

2.3 應用軟件部署

面對海量數據的處理，提供配套的數據平臺管理應用系統(tǒng)來對大數據進行管理和運維，主要包括數據源管理、數據轉化管理、數據池管理、數據采集管理、算法管理、主題數據分析。

EPM應用系統(tǒng)是我們面對用戶的核心應用，它展現了以設備為中心的各種狀態(tài)數據、算法結果數據、業(yè)務流程數據、各種報表數據等。

為了應對數據源分散這種情況，我們提供了成熟的通訊服務組件，可以保障從數據源采集端到大數據平臺數據的傳輸的穩(wěn)定性和及時性，只需要在數據源側部署一個與RabbitMQ隊列通訊的DTS數據傳輸組件，并在大數據平臺應用服務器上安裝RabbitMQ隊列通訊服務，即可實現從數據采集端到大數據平臺的數據傳輸。

2.4 “設備無憂”APP部署

“設備無憂”APP部署是圍繞企業(yè)對工業(yè)設備的日常維護和綜合管理需求而開發(fā)設計另一款輔助產品，專為設備管理者和專業(yè)工程師服務，具有實時運維設備狀態(tài)、處理設備問題、跟蹤過程反饋等功能，總體把握設備運行過程，實時監(jiān)控設備的總體狀態(tài)，推送需要處理的問題，查看設備診斷報告；針對于設備的一系列動作在APP上都可呈現。

3 結語

設備的智能在線監(jiān)測及故障診斷的將成為設備管理的主要途徑之一，容知日新積極響應工業(yè)智能制造的發(fā)展趨勢，提出構建公司智能在線監(jiān)測及故障診斷平臺的計劃，并付諸實施，使設備管理由事后維修向預測性維護邁進。借助工業(yè)互聯(lián)網技術為設備與狀態(tài)數據建立緊密的聯(lián)系，運用數據采集，數據存儲，數據清洗，數據挖掘，數據可視化等技術助理設備智能運維，利用實時監(jiān)測的設備數據預測故障發(fā)生的時間和部位，結合人員、資源、時間、費用、效益等多重因素，利用故障樹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，為實現智能制造提供了技術保障。