多傳感器融合的工業(yè)生產(chǎn)線故障預(yù)警技術(shù)

摘要：針對工業(yè)生產(chǎn)線故障預(yù)警過程中，因不同傳感器采集的數(shù)據(jù)維度不同，導(dǎo)致預(yù)警效率低的問題，提出一種多傳感器融合的工業(yè)生產(chǎn)線故障預(yù)警技術(shù)。首先，通過投影的方式對不同傳感器數(shù)據(jù)進行融合轉(zhuǎn)換，將傳感器坐標(biāo)系下工業(yè)生產(chǎn)線設(shè)備的位置信息轉(zhuǎn)換成平面坐標(biāo)系下的數(shù)據(jù)形式；然后，利用光束平差算法進行坐標(biāo)系融合，得到工業(yè)生產(chǎn)線設(shè)備的位姿；最后，利用深度置信網(wǎng)絡(luò)計算工業(yè)生產(chǎn)線設(shè)備的位姿與目標(biāo)狀態(tài)之間的關(guān)系，確定工業(yè)生產(chǎn)線設(shè)備是否處于故障狀態(tài)，并及時做出相應(yīng)的預(yù)警。經(jīng)測試，該技術(shù)對不同類型、不同程度的工業(yè)生產(chǎn)線故障均實現(xiàn)了高效預(yù)警，時間開銷穩(wěn)定在1.0 s以內(nèi)。

關(guān)鍵詞：多傳感器融合；工業(yè)生產(chǎn)線；故障預(yù)警；投影；光束平差算法；坐標(biāo)系融合轉(zhuǎn)換

中圖分類號：TP277" " " " " " 文獻標(biāo)志碼：A" " " " " 文章編號：1674-2605（2024）02-0007-04

DOI：10.3969/j.issn.1674-2605.2024.02.007

Industrial Production Line Fault Warning Technology Based on" " " "Multi-sensor Fusion

LIU Yuhui" GAO Yanqiang

（School of Mechanical-electronic and Automotive Engineering， Xuchang Vocational Technical College，" Xuchang 461000， China）

Abstract： In order to solve the problem of low early warning efficiency caused by different data dimensions collected by different sensors in the process of industrial production line fault early warning， a multi-sensor fusion technology for industrial production line fault early warning is proposed. Firstly， different sensor data are fused and converted by projection， and the position information of industrial production line equipment in the sensor coordinate system is converted into the data form in the plane coordinate system; Then， using the beam adjustment algorithm for coordinate system fusion， the pose of industrial production line equipment is obtained; Finally， using deep confidence networks to calculate the relationship between the pose of industrial production line equipment and the target state， determine whether the industrial production line equipment is in a faulty state， and make corresponding warnings in a timely manner. After testing， this technology has achieved efficient early warning for industrial production line faults of different types and degrees， with a stable time cost of less than 1.0 second.

Keywords： multi-sensor fusion; industrial production line; fault warning; projection; beam adjustment algorithm; coordinate system fusion conversion

0" 引言

利用計算機、傳感器、執(zhí)行器等設(shè)備，實現(xiàn)工業(yè)生產(chǎn)流程的自動控制與管理[1]，通過自動化技術(shù)監(jiān)測工業(yè)生產(chǎn)線設(shè)備的運行狀態(tài)[2]，可提高生產(chǎn)效率、降低生產(chǎn)成本、改善產(chǎn)品質(zhì)量、提升生產(chǎn)安全。受復(fù)雜生產(chǎn)環(huán)境及元器件老化等因素的影響[3]，工業(yè)生產(chǎn)線設(shè)備不可避免地會出現(xiàn)故障。當(dāng)發(fā)生故障時，需快速、準(zhǔn)確地判斷故障點，為后續(xù)的維修工作提供保障[4]。文獻[5]利用斯皮爾曼相關(guān)性分析對磨煤機的特征參數(shù)進行降維，采用多元狀態(tài)估計算法和層次分析法對特征參數(shù)進行權(quán)重賦值，并通過自適應(yīng)閾值的方法進行故障預(yù)警。文獻[6]利用改進的動態(tài)記憶矩陣D構(gòu)建多元狀態(tài)估計技術(shù)（multivariate state estimation technique， MSET）模型，并采用相似度函數(shù)和滑動窗口法進行工業(yè)生產(chǎn)線設(shè)備的故障預(yù)警。但上述方法均未對多項異構(gòu)數(shù)據(jù)進行融合處理，導(dǎo)致工業(yè)生產(chǎn)線設(shè)備故障預(yù)警的精度不高。

為此，本文提出一種多傳感器融合的工業(yè)生產(chǎn)線故障預(yù)警技術(shù)，并通過對比測試及實際應(yīng)用效果進行分析驗證。

1" 工業(yè)生產(chǎn)線故障預(yù)警技術(shù)

1.1" 工業(yè)生產(chǎn)線設(shè)備狀態(tài)數(shù)據(jù)融合轉(zhuǎn)換

多個傳感器采集工業(yè)生產(chǎn)線設(shè)備的狀態(tài)數(shù)據(jù)，是將真實三維世界的信息映射到二維的成像平面[7]。在映射過程中，因不同傳感器采集的數(shù)據(jù)維度不同，需對其進行融合轉(zhuǎn)換。

通過投影的方式對不同傳感器的坐標(biāo)系進行融合轉(zhuǎn)換[8]。假設(shè)表示a1傳感器的坐標(biāo)系，表示a2傳感器的坐標(biāo)系，那么工業(yè)生產(chǎn)線設(shè)備的位置融合轉(zhuǎn)換后的二維坐標(biāo)為

（1）

式中：、分別為平面坐標(biāo)系和傳感器坐標(biāo)系下的工業(yè)生產(chǎn)線設(shè)備的位置，為投影轉(zhuǎn)換系數(shù)。

通過公式（1）可以將傳感器坐標(biāo)系下的工業(yè)生產(chǎn)線設(shè)備的位置投影為平面坐標(biāo)系下的工業(yè)生產(chǎn)線設(shè)備的位置。

利用傳感器的數(shù)據(jù)轉(zhuǎn)換函數(shù)，可對多個傳感器的數(shù)據(jù)進行融合轉(zhuǎn)換，的計算公式為

（2）

式中：為傳感器坐標(biāo)系下的投影系數(shù)。

通過公式（2）可以將多個傳感器坐標(biāo)系下的工業(yè)生產(chǎn)線設(shè)備的位置轉(zhuǎn)換到平面坐標(biāo)系下，傳感器數(shù)據(jù)融合轉(zhuǎn)換后可表示為

（3）

式中：、、分別為工業(yè)生產(chǎn)線設(shè)備在平面坐標(biāo)系下的狀態(tài)參數(shù)、變化參數(shù)、位置參數(shù)，、分別為x、y方向的位置變化函數(shù)，、分別為x、y方向的位置信息，、、分別為多個傳感器采集的工業(yè)生產(chǎn)線設(shè)備的狀態(tài)測量值。

通過公式（3）可對多個傳感器采集的數(shù)據(jù)進行融合轉(zhuǎn)換，得到工業(yè)生產(chǎn)線設(shè)備的二維坐標(biāo)。

1.2" 工業(yè)生產(chǎn)線設(shè)備位姿融合

為了準(zhǔn)確估計工業(yè)生產(chǎn)線設(shè)備的三維位置和姿態(tài)，借助光束平差（bundle adjustment， BA）算法計算其位姿。利用BA算法對多個傳感器采集的數(shù)據(jù)進行融合，其重投影誤差最小化處理方法如圖1所示。其中，p1、p2是同一個空間點P在不同傳感器坐標(biāo)系下的投影，q1、q2是同一個空間點Q在不同傳感器坐標(biāo)系下的投影，o1、o2是同一個空間點O在不同傳感器坐標(biāo)系下的投影。

BA算法對多個傳感器采集的數(shù)據(jù)進行融合的重投影誤差最小化處理方法的具體步驟如下：

首先，通過多個傳感器采集空間點P、Q、O的狀態(tài)測量值，估計每個傳感器的位置和姿態(tài)；

然后，將不同傳感器采集的工業(yè)生產(chǎn)線設(shè)備狀態(tài)數(shù)據(jù)進行匹配，得到狀態(tài)測量值在不同傳感器坐標(biāo)系中的對應(yīng)關(guān)系，并據(jù)此計算狀態(tài)測量值的三維坐標(biāo)；

接著，將所有的狀態(tài)測量值匹配數(shù)據(jù)和三維點坐標(biāo)作為初始值，利用BA算法使重投影誤差最小化，即將每個三維點投影到不同傳感器的平面坐標(biāo)系上，計算其在傳感器平面坐標(biāo)系上的投影誤差，并將所有的誤差累加作為優(yōu)化函數(shù)，通過迭代更新姿態(tài)和三維點坐標(biāo)，使重投影誤差逐漸減小，直到收斂為止；

最后，得到優(yōu)化后的工業(yè)生產(chǎn)線設(shè)備的姿態(tài)和三維點坐標(biāo)。需要注意的是，此時投影后狀態(tài)數(shù)據(jù)的維度主要取決于工業(yè)生產(chǎn)線設(shè)備的傳感器數(shù)量。

工業(yè)生產(chǎn)線設(shè)備的位姿g表示為

（4）

式中：T為位姿參數(shù)，為由多個傳感器匹配成功數(shù)據(jù)構(gòu)成的數(shù)據(jù)集。

1.3" 工業(yè)生產(chǎn)線故障預(yù)警

考慮到工業(yè)生產(chǎn)線不同程度的故障對設(shè)備位姿的影響程度不同，利用深度置信網(wǎng)絡(luò)中的顯元對工業(yè)生產(chǎn)線設(shè)備姿態(tài)的表觀狀態(tài)進行分析，結(jié)果可表示為

（5）

式中：為顯元對工業(yè)生產(chǎn)線設(shè)備姿態(tài)的表觀狀態(tài)的分析結(jié)果，、分別為工業(yè)生產(chǎn)線設(shè)備位姿在x、y方向的參數(shù)，、分別為工業(yè)生產(chǎn)線設(shè)備位姿在x、y方向的允許變化閾值系數(shù)。

當(dāng)為正值時，表示工業(yè)生產(chǎn)線設(shè)備處于故障狀態(tài)，需預(yù)警；當(dāng)為負(fù)值時，表示工業(yè)生產(chǎn)線設(shè)備處于正常狀態(tài)，無需預(yù)警。

2" 測試與分析

2.1" 測試環(huán)境設(shè)置

利用某連續(xù)退火生產(chǎn)線測試本文提出的多傳感器融合的工業(yè)生產(chǎn)線故障預(yù)警技術(shù)的應(yīng)用效果[9-10]，并在相同的測試環(huán)境下，設(shè)置文獻[5]、[6]提出的故障預(yù)警技術(shù)作為對照組。

本文以預(yù)警效率為評價指標(biāo)。預(yù)警效率是指故障發(fā)生時刻與故障預(yù)警時刻的時間差，計算公式為

（6）

式中：為故障的預(yù)警效率，為故障的發(fā)生時刻，為故障的預(yù)警時刻。

測試生產(chǎn)線的工藝流程及設(shè)備配置如表1所示。

本文設(shè)置的故障情況如表2所示。

2.2" 測試結(jié)果與分析

按照表2所示的故障設(shè)置情況，分別利用文獻[5]、[6]、本文技術(shù)對某連續(xù)退火生產(chǎn)線進行預(yù)警測試，測試結(jié)果如表3所示。

由表3可知，3種故障預(yù)警技術(shù)對不同類型故障的預(yù)警效率差異明顯。文獻[5]對是非類故障（斷路器斷開、開關(guān)損壞、跳電）的預(yù)警效率較高，均穩(wěn)定在2.0 s以內(nèi)，但對狀態(tài)參數(shù)類故障（電機過載、接線端子接觸不良、涂油機無法動作、程序死循環(huán)）的預(yù)警效率偏低，最大時間開銷達到4.12 s；文獻[6]對各類故障的預(yù)警效率相對穩(wěn)定，均在2.0 ～2.7 s范圍內(nèi)；本文技術(shù)對不同類型故障的預(yù)警效率具有較高的穩(wěn)定性，時間開銷均穩(wěn)定在1.0 s以內(nèi)。

在實際的工業(yè)生產(chǎn)線運行過程中，狀態(tài)參數(shù)類故障的表現(xiàn)程度存在明顯差異。為此，本文以中央段的平整機電機過載故障為例，分別設(shè)置過載程度為15.0%、10.0%、5.0%、3.0%、2.0%和1.0%，進一步測試3種預(yù)警技術(shù)的預(yù)警效率，測試結(jié)果如表4所示。

由表4可知，隨著中央段的平整機電機過載故障程度的降低，3種故障預(yù)警技術(shù)的預(yù)警效率均呈現(xiàn)逐漸上升的趨勢。文獻[5]在過載程度大于5.0%時，預(yù)警效率較高，但過載程度小于5.0%時，預(yù)警效率明顯降低，最大時間開銷達3.99 s（電機過載程度為1.0%時）；文獻[6]預(yù)警效率與電機過載故障程度之間的關(guān)系表現(xiàn)較為平穩(wěn)；本文技術(shù)的預(yù)警效率始終穩(wěn)定在1.0 s以內(nèi)，表現(xiàn)了良好的預(yù)警性能。

3" 結(jié)論

本文提出的多傳感器融合的工業(yè)生產(chǎn)線故障預(yù)警技術(shù)，實現(xiàn)了對不同類型、不同程度故障的精準(zhǔn)預(yù)警，相比于文獻[5]、[6]的故障預(yù)警技術(shù)，有效減小了故障處理的時間開銷，在不同故障類型和故障嚴(yán)重程度下的預(yù)警效率保持在1.0 s內(nèi)。在未來研究中，結(jié)合故障定位技術(shù)，進一步完善對工業(yè)生產(chǎn)線的監(jiān)測。

參考文獻

[1] 劉晉成，唐倫，陳前斌.基于數(shù)據(jù)特征的多傳感器融合實時目標(biāo)檢測[J].計算機應(yīng)用研究，2023，40（11）：3456-3461.

[2] 文禮杰，謝榮，許軍立，等.基于相容系數(shù)的多傳感器融合目標(biāo)識別方法[J].電子測量與儀器學(xué)報，2023，37（4）：142-153.

[3] 馬永光，馮勇升.基于IICEEMDAN-PCA-GRU的風(fēng)電機組齒輪箱故障預(yù)警方法研究[J].太陽能學(xué)報，2023，44（4）：67-73.

[4] 謝天，覃子珍，楊如意，等.基于常模式提取的火電機組通流故障早期預(yù)警方法研究[J].汽輪機技術(shù)， 2023，65（2）：122-126.

[5] 吳濤，王毅，劉震，等.基于多元狀態(tài)估計-層次分析法的磨煤機故障預(yù)警[J].熱力發(fā)電，2023，52（5）：14-21.

[6] 余興剛，賓誼沅，陳文，等.基于改進MSET的一次風(fēng)機故障預(yù)警及診斷方法[J].機電工程，2023，40（4）：535-541.

[7] 李廣，孔飛飛，王逍遙，等.基于多視覺傳感器融合的裝配過程質(zhì)量移動智能檢測技術(shù)研究[J].現(xiàn)代制造工程，2023（4）： 116-123.

[8] 陳學(xué)標(biāo)，肖遠(yuǎn)輝，肖富鋒，等.基于EEMD-SD振動信號分析的水電機組故障預(yù)警方法[J].水電與新能源，2023，37（2）：1-5.

[9] 宋愛娟，張國榮，袁重?zé)ǎ?基于數(shù)字孿生的LabVIEW與傳感器融合實驗平臺的研究與創(chuàng)新[J].現(xiàn)代電子技術(shù)，2023， 46（7）：149-154.

[10] 程秀錢，孫書利.多傳感器非線性系統(tǒng)的序貫觀測融合擴展卡爾曼濾波器[J].黑龍江大學(xué)工程學(xué)報，2023，14（1）：38-43.

作者簡介：

劉煜輝，男，1981年生，本科，助教，主要研究方向：工業(yè)自動化。E-mail： fireboo@126.com

高艷強，男，1977年生，碩士研究生，講師，主要研究方向：工業(yè)自動化。E-mail： mailsnake@126.com