基于SOA 架構(gòu)的動(dòng)設(shè)備集群化監(jiān)測(cè)診斷系統(tǒng)設(shè)計(jì)及應(yīng)用研究

董寶柱，李杰，尹波，李振，徐鑫

（中海油能源發(fā)展裝備技術(shù)有限公司，天津 300452）

1 引言

海洋石油平臺(tái)工藝流程復(fù)雜、設(shè)備繁多，關(guān)鍵設(shè)備的運(yùn)行狀態(tài)關(guān)系著海上油氣的安全生產(chǎn)。因此海洋石油平臺(tái)積極開展完整性管理建設(shè)，針對(duì)動(dòng)設(shè)備提出分類分級(jí)管理和運(yùn)維策略。A 類關(guān)鍵設(shè)備如注水泵、外輸泵、原油主機(jī)、天然氣壓縮機(jī)等，因其生產(chǎn)影響程度、設(shè)備價(jià)值、設(shè)備維修難度等因素，已通過安裝在線監(jiān)測(cè)系統(tǒng)開展預(yù)測(cè)性維修。由于涉及不同類型不同管理層級(jí)的設(shè)備且存在可擴(kuò)展性、高數(shù)據(jù)處理量等特點(diǎn)，需要針對(duì)海洋石油的特殊環(huán)境和需求，研究搭建分層分布式的集群化監(jiān)測(cè)系統(tǒng)。

2 架構(gòu)設(shè)計(jì)

2.1 SOA 架構(gòu)設(shè)計(jì)

由于海洋石油動(dòng)設(shè)備分布廣泛、現(xiàn)場(chǎng)環(huán)境惡劣，動(dòng)設(shè)備資產(chǎn)日趨密集，設(shè)備管理水平直接影響企業(yè)的產(chǎn)能發(fā)揮、產(chǎn)品質(zhì)量、成本控制和綜合競(jìng)爭(zhēng)能力。如何保證動(dòng)設(shè)備的安全、穩(wěn)定運(yùn)行并實(shí)現(xiàn)各級(jí)管理者的有效管理已成為設(shè)備管理者面臨的重大課題。

在線監(jiān)測(cè)系統(tǒng)本身是個(gè)信息融合的系統(tǒng)，涉及到各種傳感器數(shù)據(jù)，以及第三方系統(tǒng)接口，故系統(tǒng)本身調(diào)用了各種系統(tǒng)的數(shù)據(jù)，也就必須具備多種體系結(jié)構(gòu)的組件共同運(yùn)行的能力。同時(shí)系統(tǒng)本身也面對(duì)實(shí)時(shí)處理和適應(yīng)變化兩方面的需求，這也對(duì)系統(tǒng)的多體系結(jié)構(gòu)的融合提出了較高的要求。

面向服務(wù)的體系結(jié)構(gòu)（SOA 架構(gòu)）是一個(gè)組件模型，它將應(yīng)用程序的不同功能單元（稱為服務(wù)）通過這些服務(wù)之間定義良好的接口和契約聯(lián)系起來。針對(duì)海洋石油在線監(jiān)測(cè)系統(tǒng)，設(shè)計(jì)基于SOA 架構(gòu)的分層分布式集群化監(jiān)測(cè)診斷系統(tǒng)架構(gòu)如圖1 所示。

圖1 基于SOA 架構(gòu)的分層分布式集群化監(jiān)測(cè)系統(tǒng)架構(gòu)

系統(tǒng)大致可以分成3 個(gè)大的組成部分：采集層、故障診斷層（服務(wù)層）、用戶表示層。其中，第一層是采集層；采集層的核心需求是實(shí)時(shí)性，高并發(fā)（高并發(fā)的大量數(shù)據(jù)，一個(gè)測(cè)點(diǎn)的一個(gè)采集波形最少有256 點(diǎn)以上），故采用C++實(shí)時(shí)中間件以及實(shí)時(shí)內(nèi)存對(duì)象數(shù)據(jù)庫來實(shí)現(xiàn)，以滿足報(bào)警和診斷的需要。采集層通過自有協(xié)議將數(shù)據(jù)從裝置級(jí)中間件高速地同步到中心級(jí)中間件。

第二層是故障診斷層，即SOA 中的服務(wù)層；也就是中心服務(wù)器所在的層次，起到了對(duì)采集層數(shù)據(jù)進(jìn)行打包、分析、后處理，以及對(duì)外發(fā)布的作用。所以故障診斷層又分成2 個(gè)子層：中心中間件層和業(yè)務(wù)層。對(duì)于前端的請(qǐng)求，根據(jù)業(yè)務(wù)數(shù)據(jù)的不同在apache 內(nèi)進(jìn)行了不同的處理。靜態(tài)數(shù)據(jù)直接由apache 負(fù)責(zé)對(duì)外處理，動(dòng)態(tài)數(shù)據(jù)又分成2 部分：標(biāo)準(zhǔn)化的設(shè)備業(yè)務(wù)數(shù)據(jù)的獲得通過動(dòng)態(tài)數(shù)據(jù)接口同中心級(jí)中間件進(jìn)行交互。非標(biāo)準(zhǔn)化的數(shù)據(jù)由業(yè)務(wù)代碼直接調(diào)用動(dòng)態(tài)接口組自定義接口來實(shí)現(xiàn)對(duì)中間件數(shù)據(jù)的調(diào)用和處理，僅供內(nèi)部管理使用。

第三層為用戶前端層，靜態(tài)數(shù)據(jù)（CSS/JS）直接來自于apache，動(dòng)態(tài)數(shù)據(jù)的調(diào)用方式包括3 種調(diào)用方式：第一種調(diào)用方式也就是B/S 結(jié)構(gòu)，所有動(dòng)態(tài)數(shù)據(jù)均通過網(wǎng)頁發(fā)起AJAX 調(diào)用，直接面對(duì)標(biāo)準(zhǔn)的API 接口。第二種方式通過客戶端程序直接調(diào)用中間件數(shù)據(jù)，也就是C/S模式。第三種也就是通過標(biāo)準(zhǔn)API 接口直接提供。

2.2 數(shù)據(jù)接口設(shè)計(jì)

海上油田動(dòng)設(shè)備集群化監(jiān)測(cè)診斷系統(tǒng)通過其內(nèi)部的外部接口管理模塊統(tǒng)一管理所有外部通訊，包括將數(shù)據(jù)通訊到監(jiān)測(cè)診斷系統(tǒng)中以及將監(jiān)測(cè)診斷系統(tǒng)中的數(shù)據(jù)通過提供的接口發(fā)送給不同的系統(tǒng)，該系統(tǒng)滿足所采集原始數(shù)據(jù)的類型、協(xié)議等數(shù)據(jù)標(biāo)準(zhǔn)，具體結(jié)構(gòu)如圖2 所示。

圖2 開放的數(shù)據(jù)接口結(jié)構(gòu)

動(dòng)設(shè)備集群化監(jiān)測(cè)診斷系統(tǒng)能夠?yàn)樵O(shè)備管理系統(tǒng)提供數(shù)據(jù)，實(shí)現(xiàn)設(shè)備管理系統(tǒng)與狀態(tài)監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)交互，能從設(shè)備管理系統(tǒng)交互設(shè)備信息，包括狀態(tài)監(jiān)測(cè)數(shù)據(jù)、故障數(shù)據(jù)、維修保養(yǎng)數(shù)據(jù)等，并同時(shí)為RCM 提供數(shù)據(jù)，為其提供如監(jiān)測(cè)設(shè)備臺(tái)數(shù)、報(bào)警次數(shù)、備件消耗檢維修信息等內(nèi)容，形成動(dòng)態(tài)RCM，通過狀態(tài)監(jiān)測(cè)系統(tǒng)提示故障信息后經(jīng)RCM 提出維修/保養(yǎng)建議，實(shí)現(xiàn)動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)，將RCM 系統(tǒng)工單傳送到設(shè)備管理系統(tǒng)。

根據(jù)已經(jīng)建設(shè)的往復(fù)壓縮機(jī)、機(jī)泵專家系統(tǒng)實(shí)現(xiàn)提供數(shù)據(jù)接口，實(shí)現(xiàn)在線監(jiān)測(cè)故障經(jīng)過專家診斷系統(tǒng)處理后，根據(jù)專家系統(tǒng)可以給出初步診斷結(jié)論。針對(duì)已經(jīng)建設(shè)的機(jī)泵性能評(píng)估、壽命預(yù)測(cè)系統(tǒng)提供數(shù)據(jù)接口，實(shí)現(xiàn)在線監(jiān)測(cè)系統(tǒng)機(jī)泵數(shù)據(jù)經(jīng)過性能評(píng)估和壽命預(yù)測(cè)，給出評(píng)估和預(yù)測(cè)結(jié)果。

整體的系統(tǒng)架構(gòu)和數(shù)據(jù)接口關(guān)系如圖3 所示。

圖3 整體的系統(tǒng)架構(gòu)和數(shù)據(jù)接口關(guān)系

2.3 智能化設(shè)計(jì)

設(shè)備實(shí)時(shí)數(shù)據(jù)非常復(fù)雜，包括振動(dòng)、溫度、壓力及噪聲等多種狀態(tài)參數(shù)的監(jiān)測(cè)，而故障預(yù)警技術(shù)只適用于專門從事設(shè)備故障診斷的技術(shù)人員，設(shè)備的實(shí)際使用者很難掌握振動(dòng)分析技術(shù)。為了解決用戶使用問題、減輕巡檢人員的工作量，國內(nèi)外學(xué)者開展多維參數(shù)的設(shè)備故障預(yù)警技術(shù)研究，實(shí)現(xiàn)設(shè)備故障自主診 斷及設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)。

以機(jī)泵智能診斷為例。泵穩(wěn)定工況的固定閾值預(yù)警固然能夠達(dá)到泵設(shè)備早期故障預(yù)警的目的，避免一些故障的發(fā)生，及時(shí)檢修，但由于泵設(shè)備在 運(yùn)行過程中工況常發(fā)生變化，以單一工況建立的閾值預(yù)警系統(tǒng)會(huì)因工況變化而造成低工況漏警、高工況誤警的事故。因而亟待綜合利用降維、人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法篩選分析數(shù)據(jù)。相對(duì)于機(jī)泵單一工況的閾值預(yù)警，多工況預(yù)警系統(tǒng)更為復(fù)雜，主要原因有3 點(diǎn)：穩(wěn)定工況下設(shè)備故障；設(shè)備變工況但未發(fā)生故障；設(shè)備變工況且發(fā)生故障。振動(dòng)特征參數(shù)隨工況發(fā)生非線性變化，其閾值也將改變。因此多工況首先需要對(duì)泵各工況進(jìn)行研究，合理劃分工況，再結(jié)合設(shè)備運(yùn)行工況不同區(qū)間，分別建立特征閾值。

BP 神經(jīng)網(wǎng)絡(luò)可以解決網(wǎng)絡(luò)運(yùn)行過程中難以收斂、準(zhǔn)確度低的問題。通過信息反傳，賦予網(wǎng)絡(luò)自學(xué)習(xí)功能，利用反傳誤差調(diào)節(jié)網(wǎng)絡(luò)參數(shù)，加速網(wǎng)絡(luò)的收斂。BP 神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)復(fù)雜非線性動(dòng)態(tài)系統(tǒng)的精確預(yù)測(cè)，且對(duì)數(shù)據(jù)波動(dòng)具有一定的容忍性，適用于一些具有非穩(wěn)定特性的數(shù)據(jù)。BP 神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，層與層之間采用全連接方式。其中輸入層和輸出層的節(jié)點(diǎn)數(shù)取決 于數(shù)據(jù)樣本的結(jié)構(gòu)，隱含層的層數(shù)和節(jié)點(diǎn)數(shù)根據(jù)測(cè)試結(jié)果確定，不同隱含層層數(shù)和節(jié)點(diǎn)數(shù)的網(wǎng)絡(luò)模型在預(yù)測(cè)準(zhǔn)確度上差別較大。

神經(jīng)網(wǎng)絡(luò)通過線性計(jì)算，利用非線性的激勵(lì)函數(shù)非線性化處理線性輸出，根據(jù)最終輸出和期望輸出之間的誤差，修改網(wǎng)絡(luò)權(quán)重系數(shù)，從而達(dá)到分類和回歸預(yù)測(cè)。因此將利用BP 神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)設(shè)備運(yùn)行工況，實(shí)現(xiàn)運(yùn)行工況識(shí)別，利用學(xué)習(xí)好的模型，確定設(shè)備實(shí)時(shí)運(yùn)行工況。

隨著信息技術(shù)革命日新月異，物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能等新概念和新技術(shù)的出現(xiàn)，在社會(huì)經(jīng)濟(jì)、人文科學(xué)、自然科學(xué)等領(lǐng)域引發(fā)了一系列革命性的突破[2]。在醫(yī)學(xué)領(lǐng)域，隨著國家信息化進(jìn)程的加快和醫(yī)學(xué)信息化的發(fā)展，從基礎(chǔ)教學(xué)到臨床診斷，從基因表達(dá)到靶標(biāo)開發(fā)，從遠(yuǎn)程醫(yī)療到虛擬手術(shù)，計(jì)算機(jī)技術(shù)發(fā)揮著越來越重要的作用。

基于BP 神經(jīng)網(wǎng)絡(luò)的工況匹配，能夠快速、準(zhǔn)確實(shí)現(xiàn)實(shí)驗(yàn)工況識(shí)別。但實(shí)際應(yīng)用過程中，模型訓(xùn)練數(shù)據(jù)需要添加工況標(biāo)簽，因此，通過建立設(shè)備運(yùn)行工況庫及工況標(biāo)簽庫，解決實(shí)際應(yīng)用過程中標(biāo)簽添加困難的問題，具體流程如圖4 所示。

圖4 設(shè)備實(shí)時(shí)運(yùn)行工況識(shí)別

具體實(shí)施步驟如下：

（1）構(gòu)建設(shè)備穩(wěn)定運(yùn)行階段的工況表，根據(jù)穩(wěn)定運(yùn)行工況表，生成機(jī)組運(yùn)行工況庫和工況標(biāo)簽庫；

（2）根據(jù)設(shè)備工況表和標(biāo)簽庫，為變負(fù)荷設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)添加標(biāo)簽；

（3）將數(shù)據(jù)和標(biāo)簽一起輸入到BP 網(wǎng)絡(luò)中訓(xùn)練模型，訓(xùn)練網(wǎng)絡(luò)，建立工況識(shí)別模型；

（4）當(dāng)產(chǎn)生新工況時(shí)，根據(jù)標(biāo)簽庫構(gòu)建原則，更新標(biāo)簽庫，利用網(wǎng)絡(luò)對(duì)新的數(shù)據(jù)訓(xùn)練，從而不斷更新工況識(shí)別模型。

對(duì)設(shè)備運(yùn)行工況參數(shù)，建立基于BP 神經(jīng)網(wǎng)絡(luò)的工況識(shí)別模型，并利用實(shí)驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證，可以得出以下結(jié)論：

（2）BP 網(wǎng)絡(luò)參數(shù)設(shè)置簡(jiǎn)單，工況識(shí)別速度快，準(zhǔn)確率高；

（3）工況識(shí)別的輸入?yún)?shù)可以是多維度的，上述方法驗(yàn)證過程中僅用轉(zhuǎn)速確定運(yùn)行工況，實(shí)際使用過程中，可以將機(jī)組負(fù)載和其他工況參數(shù)，比如將設(shè)備不同測(cè)點(diǎn)溫度、壓力及噪聲等狀態(tài)參數(shù)直接添加到運(yùn)行工況庫中訓(xùn)練模型即可，模型的擴(kuò)展性強(qiáng)；同時(shí)，能夠解決工況參數(shù)過多，造成工況難以識(shí)別的問題。

在變工況運(yùn)行的泵設(shè)備中，性能參數(shù)可以表征設(shè)備實(shí)際的運(yùn)行情況，因此要想全面地對(duì)設(shè)備進(jìn)行故障診斷，同樣需要對(duì)設(shè)備的性能參數(shù)變化趨勢(shì)進(jìn)行監(jiān)測(cè)，常采集的有溫度、壓力等數(shù)據(jù)。設(shè)備在變工況運(yùn)行中，其信號(hào)的特征參數(shù)包含著與設(shè)備狀態(tài)非常密切的信息，可以通過分析參數(shù)對(duì)正常和故障工況下的變化情況，從而選取與故障敏感的特征參數(shù)作為變工況設(shè)備故障診斷的依據(jù)。為了能夠?qū)崿F(xiàn)對(duì)機(jī)械設(shè)備故障的全面監(jiān)測(cè)，應(yīng)盡可能多的收集振動(dòng)數(shù)據(jù)特征，但又會(huì)造成信息冗余問題。同時(shí)，特征集過大無法可視化特征，還會(huì)增加整個(gè)預(yù)警過程的時(shí)間。因此，需要對(duì)特征集進(jìn)行二次特征選取，約減特征集，提升數(shù)據(jù)特征的利用效率。

3 應(yīng)用

3.1 系統(tǒng)研發(fā)

針對(duì)以上分析和研究，將機(jī)泵、壓縮機(jī)、內(nèi)燃機(jī)、透平等設(shè)備的在線監(jiān)測(cè)系統(tǒng)集成在基于SOA 架構(gòu)的集群化監(jiān)測(cè)診斷系統(tǒng)，提升監(jiān)測(cè)系統(tǒng)的集群化能力和數(shù)據(jù)服務(wù)能力。海洋石油動(dòng)設(shè)備集群化監(jiān)測(cè)診斷系統(tǒng)如圖5、圖6 所示。

圖5 基于SOA 架構(gòu)的集群化監(jiān)測(cè)診斷系統(tǒng)（泵）

圖6 基于SOA 架構(gòu)的集群化監(jiān)測(cè)診斷系統(tǒng)（壓縮機(jī)）

3.2 應(yīng)用案例

某平臺(tái)注水泵自7 月22 日早上有緩慢上升趨勢(shì)，直至中午12:57 左右上升趨勢(shì)明顯升高，泵非驅(qū)動(dòng)端加速度總值由之前的8m/s2上升到100m/s2，該點(diǎn)速度總值也由之前的1mm/s 上升到120mm/s。集群化監(jiān)測(cè)系統(tǒng)及時(shí)發(fā)出預(yù)警。

從速度頻譜看，泵的速度頻譜中由之前的振動(dòng)正常時(shí)的工頻轉(zhuǎn)為現(xiàn)在主要是9Hz 的頻率成分，且速度時(shí)域波動(dòng)也以9Hz 的頻率成分的時(shí)域波形為主導(dǎo)；該點(diǎn)加速度頻譜看，加速度頻譜由之前的峰值不明顯轉(zhuǎn)為從低頻到高頻的峰值，且加速度時(shí)域波形振動(dòng)幅值也明顯升高。判斷泵非驅(qū)動(dòng)端軸承嚴(yán)重?fù)p壞，給平臺(tái)及時(shí)發(fā)郵件。建議平臺(tái)應(yīng)立即停機(jī)，盡快對(duì)泵非驅(qū)動(dòng)端軸承進(jìn)行檢查（尤其是保持架）并及時(shí)更換。在線監(jiān)測(cè)系統(tǒng)異常數(shù)據(jù)圖譜如圖7 所示。

圖7 泵異常數(shù)據(jù)圖譜

4 結(jié)語

通過開展基于SOA 架構(gòu)的海洋石油集群化監(jiān)測(cè)系統(tǒng)架構(gòu)設(shè)計(jì)，將機(jī)泵、壓縮機(jī)、內(nèi)燃機(jī)、透平等不同類型的在線監(jiān)測(cè)系統(tǒng)納入統(tǒng)一的集群化監(jiān)測(cè)管理平臺(tái)。通過集群化監(jiān)測(cè)系統(tǒng)平臺(tái)，能夠有效實(shí)現(xiàn)對(duì)海洋石油關(guān)鍵機(jī)泵的預(yù)測(cè)性維修，為提升設(shè)備設(shè)施完整性管理水平提供強(qiáng)有力的技術(shù)支持。