面向云服務(wù)的智能監(jiān)測(cè)診斷模型研究與開(kāi)發(fā)

， ， ，

(1.上海金藝檢測(cè)技術(shù)有限公司， 上海201900；2.西安交通大學(xué) 機(jī)械工程學(xué)院，陜西 西安 710049)

國(guó)家提出智能制造2025、智能制造重大工程等制造業(yè)發(fā)展戰(zhàn)略，其本質(zhì)內(nèi)涵是用“智慧”創(chuàng)造價(jià)值[1-2]。監(jiān)測(cè)診斷作為保障生產(chǎn)安全有序進(jìn)行、提高資產(chǎn)利用率的關(guān)鍵業(yè)務(wù)，其“智慧”集中體現(xiàn)于算法模型之中，準(zhǔn)確合理、魯棒有效、專(zhuān)業(yè)便捷的模型方法，不僅是保證可靠診斷和預(yù)知維修的基礎(chǔ)工具，也是未來(lái)制造業(yè)云服務(wù)的核心功能與價(jià)值所在。

監(jiān)測(cè)診斷經(jīng)過(guò)三十多年的研究和工程應(yīng)用，取得了長(zhǎng)足的發(fā)展，各種新方法新技術(shù)層出不窮，然而能夠完全適用于工業(yè)現(xiàn)場(chǎng)的模型卻為數(shù)不多。目前，診斷業(yè)務(wù)中使用的模型方法較為陳舊，且因人而異，與個(gè)人經(jīng)驗(yàn)密切相關(guān)，隨著老一輩技術(shù)人員的逐漸退出，監(jiān)測(cè)診斷工作進(jìn)入發(fā)展的瓶頸階段。為了破解這一現(xiàn)狀，借助云平臺(tái)[3]、大數(shù)據(jù)分析等新技術(shù)，開(kāi)展適應(yīng)新需求的監(jiān)測(cè)診斷模塊研發(fā)工作，在鞏固現(xiàn)有成熟技術(shù)的基礎(chǔ)，吸收消化新技術(shù)，形成一批高實(shí)用化的監(jiān)測(cè)診斷模型，在提高診斷準(zhǔn)確性和業(yè)務(wù)效率的同時(shí)，努力推進(jìn)“診斷平臺(tái)超市”、“診斷托管服務(wù)”等新的業(yè)務(wù)模式[4-5]。

1 現(xiàn)狀分析

目前，建設(shè)設(shè)備健康狀態(tài)管理的云服務(wù)平臺(tái)已成為國(guó)內(nèi)外制造企業(yè)轉(zhuǎn)型升級(jí)的必然選擇[6]。國(guó)外公司的典型代表為美國(guó)通用電氣(GE)公司，該公司在2004年就將工業(yè)制造在產(chǎn)值總量中的比重下降至30%，剩余70%的業(yè)務(wù)均由主業(yè)密切關(guān)聯(lián)的新型服務(wù)所構(gòu)成，近年來(lái)又將工業(yè)互聯(lián)網(wǎng)作為公司全球戰(zhàn)略的重點(diǎn)，著眼于資產(chǎn)優(yōu)化和運(yùn)營(yíng)優(yōu)化，其核心內(nèi)容是設(shè)備的預(yù)防性維護(hù)。2016年GE發(fā)布Predix平臺(tái)，每天監(jiān)測(cè)和分析來(lái)自1千萬(wàn)個(gè)傳感器的5千萬(wàn)項(xiàng)監(jiān)測(cè)元數(shù)據(jù)，已增加超過(guò)10億美元的收入。該平臺(tái)的監(jiān)測(cè)診斷模型與方法采用用戶(hù)自定義方式，在提高了平臺(tái)應(yīng)用技術(shù)門(mén)檻的同時(shí)，也使未來(lái)的監(jiān)測(cè)診斷效果成為企業(yè)自身技術(shù)的體現(xiàn)。目前GE公司正在積極準(zhǔn)備將Predix推廣到中國(guó)制造企業(yè)中，給國(guó)內(nèi)監(jiān)測(cè)診斷行業(yè)帶來(lái)巨大壓力的同時(shí)，也給予了理念的更新。另外，美國(guó)智能維護(hù)系統(tǒng)中心(IMS)開(kāi)發(fā)了基于云的設(shè)備健康監(jiān)測(cè)系統(tǒng)，但目前展示的監(jiān)測(cè)診斷特色工具只有神經(jīng)網(wǎng)絡(luò)和小波分析兩種，遠(yuǎn)未達(dá)到行業(yè)內(nèi)的應(yīng)用需要。

國(guó)內(nèi)西安陜鼓動(dòng)力股份有限公司自2003年起致力于遠(yuǎn)程監(jiān)測(cè)、故障診斷、網(wǎng)絡(luò)化服務(wù)平臺(tái)應(yīng)用需求等方面的技術(shù)研究與相應(yīng)技術(shù)的推廣應(yīng)用，目前已建成設(shè)備MRO健康管理與服務(wù)支持中心，監(jiān)測(cè)600余臺(tái)套設(shè)備，累積20T的歷史數(shù)據(jù)。在監(jiān)測(cè)診斷核心模型方面，由于該公司產(chǎn)品為典型的轉(zhuǎn)子系統(tǒng)，借助西安交通大學(xué)研發(fā)的全息譜技術(shù)，已能夠解決絕大多數(shù)的故障識(shí)別與動(dòng)平衡維護(hù)問(wèn)題。依托設(shè)備健康管理平臺(tái)與監(jiān)測(cè)診斷模型，該公司每年的設(shè)備服務(wù)利潤(rùn)超過(guò)1.6億元，并躋身于寶鋼湛江的建設(shè)工程。

在國(guó)內(nèi)外制造企業(yè)的升級(jí)轉(zhuǎn)型變革中，設(shè)備監(jiān)測(cè)診斷云服務(wù)平臺(tái)正在發(fā)揮著越來(lái)越重要的作用，作為其核心技術(shù)的智能監(jiān)測(cè)診斷模型，面臨著專(zhuān)業(yè)化、精確化、高效化和云端化的發(fā)展需求，如何整合資源并占領(lǐng)先機(jī)，成為當(dāng)前監(jiān)測(cè)診斷領(lǐng)域面對(duì)的首要問(wèn)題。

2 智能監(jiān)測(cè)診斷模型設(shè)計(jì)

針對(duì)設(shè)備監(jiān)測(cè)診斷云服務(wù)的需求，系統(tǒng)化地整理監(jiān)測(cè)診斷的模型和方法，將智能監(jiān)測(cè)診斷模型研發(fā)分為如圖1所示的三個(gè)層次。第一層次建設(shè)基礎(chǔ)性的監(jiān)測(cè)診斷模型方法庫(kù)，涵蓋野點(diǎn)剔除、無(wú)量綱指標(biāo)計(jì)算、頻域分析、非平穩(wěn)信號(hào)分析、特殊頻域分析、故障通過(guò)頻率計(jì)算、特征提取與選擇、相關(guān)性分析、截面分析、模式識(shí)別、數(shù)據(jù)描述和回歸分析等方法；第二層次開(kāi)展數(shù)據(jù)服務(wù)，建立監(jiān)測(cè)診斷數(shù)據(jù)清洗模型，提高數(shù)據(jù)質(zhì)量；第三層次針對(duì)常見(jiàn)的振動(dòng)、溫度和扭矩等監(jiān)測(cè)量，研發(fā)風(fēng)機(jī)、滾動(dòng)軸承、齒輪箱等關(guān)鍵設(shè)備研發(fā)專(zhuān)用的診斷模型。通過(guò)上述模型的系統(tǒng)性研發(fā)，提供智能化、專(zhuān)業(yè)化的數(shù)據(jù)服務(wù)、監(jiān)測(cè)服務(wù)與診斷服務(wù)。

圖1 智能監(jiān)測(cè)診斷模型設(shè)計(jì)

智能監(jiān)測(cè)診斷模型具備的特點(diǎn)包括：

接口標(biāo)準(zhǔn)：為了實(shí)現(xiàn)與未來(lái)云平臺(tái)的集成，所研發(fā)模型均定義標(biāo)準(zhǔn)接口，支持不同開(kāi)發(fā)工具的便捷調(diào)用。通過(guò)設(shè)計(jì)模塊間的相互調(diào)用機(jī)制，實(shí)現(xiàn)多模塊重組，應(yīng)對(duì)不同診斷問(wèn)題。

復(fù)雜工況的自適應(yīng)：監(jiān)測(cè)數(shù)據(jù)的表現(xiàn)不但與運(yùn)行狀態(tài)有關(guān)，還取決于設(shè)備的服役經(jīng)歷、所處工況和現(xiàn)場(chǎng)環(huán)境等多種因素，造成模型方法難以適應(yīng)個(gè)性化的監(jiān)測(cè)診斷問(wèn)題。所研發(fā)模型具備自適應(yīng)能力，能夠隨現(xiàn)場(chǎng)診斷問(wèn)題自適應(yīng)調(diào)整，減少漏判、誤判現(xiàn)象的發(fā)生。

高準(zhǔn)確性：所研發(fā)模型方法的先進(jìn)性，與多年累積的診斷歷史數(shù)據(jù)相結(jié)合，能夠提高監(jiān)測(cè)診斷結(jié)論的準(zhǔn)確性，提高業(yè)務(wù)的認(rèn)可度。

良性發(fā)展：研發(fā)內(nèi)容既有基礎(chǔ)性的模型方法，也包括前沿技術(shù)方法，在應(yīng)用中能夠充分挖掘數(shù)據(jù)中的規(guī)律與知識(shí)，不斷提高模型準(zhǔn)確性，實(shí)現(xiàn)監(jiān)測(cè)診斷業(yè)務(wù)的良性發(fā)展。

3 智能監(jiān)測(cè)診斷模型研究

3.1 基礎(chǔ)監(jiān)測(cè)診斷工具

基礎(chǔ)監(jiān)測(cè)診斷工具是智能模型的基礎(chǔ)，以振動(dòng)數(shù)據(jù)為主要對(duì)象，從時(shí)域、頻域、時(shí)—頻域等方面全面提取設(shè)備狀態(tài)特征[7]。

頻域分析是振動(dòng)信號(hào)的主要分析手段，由于時(shí)域截?cái)嗪皖l域離散化會(huì)造成頻譜的失真現(xiàn)象，諧波信號(hào)離散傅立葉變換得到的頻率、幅值和相位都存在較大誤差，對(duì)故障診斷具有嚴(yán)重的影響。此外，受到頻率分辨率和轉(zhuǎn)速波動(dòng)的限制，理論故障特征頻率與實(shí)際信號(hào)頻譜中的譜線之間存在誤差，影響了故障判斷。針對(duì)該問(wèn)題，在基礎(chǔ)監(jiān)測(cè)診斷工具中研發(fā)了如圖2所示的精細(xì)化故障特征提取模型，通過(guò)頻譜校正獲得精確頻譜，并對(duì)校正后的頻譜進(jìn)行故障特征頻率的搜索，能夠有效提高診斷分析的準(zhǔn)確性。

圖2 精細(xì)化故障特征提取模型

3.2 數(shù)據(jù)服務(wù)模型

在設(shè)備的全生命周期監(jiān)測(cè)過(guò)程中，沿服役時(shí)間軸產(chǎn)生了具有高維、動(dòng)態(tài)、開(kāi)放和異構(gòu)特點(diǎn)的多源監(jiān)測(cè)數(shù)據(jù)流，受到獲取和傳輸?shù)拳h(huán)節(jié)中的干擾因素影響，出現(xiàn)數(shù)據(jù)缺失、錯(cuò)誤、沖突等現(xiàn)象，直接對(duì)其進(jìn)行分析處理，不但無(wú)法獲得有價(jià)值的信息，而且增加了無(wú)效的計(jì)算與通信負(fù)擔(dān)。為此，研究數(shù)據(jù)服務(wù)模型，根據(jù)數(shù)據(jù)來(lái)源、類(lèi)型和產(chǎn)生背景，形成可復(fù)用、可擴(kuò)展的清洗模型，實(shí)現(xiàn)按需定制的數(shù)據(jù)流清洗機(jī)制。

數(shù)據(jù)服務(wù)模型主要包括野點(diǎn)剔除、虛擬數(shù)據(jù)補(bǔ)全、多源數(shù)據(jù)沖突消解三種模型，其中虛擬數(shù)據(jù)補(bǔ)全模型使用優(yōu)化的AR模型，外推生成虛擬數(shù)據(jù)以補(bǔ)全缺失值；多源數(shù)據(jù)沖突消解模型利用支持向量回歸方法，從監(jiān)測(cè)數(shù)據(jù)中提取光滑連續(xù)的趨勢(shì)函數(shù)，使用與歸一化互相關(guān)分析，度量各趨勢(shì)之間的相似性，根據(jù)相似性情況，排除無(wú)效監(jiān)測(cè)數(shù)據(jù)。

3.3 振動(dòng)溫度自適應(yīng)預(yù)警模型

針對(duì)風(fēng)機(jī)、齒輪箱、軸承等設(shè)備的振動(dòng)量、溫度量研究自適應(yīng)監(jiān)測(cè)預(yù)警模型。使用一類(lèi)支持向量機(jī)方法，連續(xù)估計(jì)監(jiān)測(cè)參量在特征空間中的分布區(qū)域，對(duì)監(jiān)測(cè)參數(shù)與特征空間的相對(duì)距離設(shè)置報(bào)警閾值，判斷是否出現(xiàn)異常。這種在高維、動(dòng)態(tài)的特征空間中建立的相對(duì)報(bào)警閾值，等價(jià)于原始數(shù)據(jù)空間中的非線性自適應(yīng)閾值，報(bào)警閾值設(shè)置問(wèn)題的復(fù)雜性被大大降低。模型如下圖所示：

圖3 振動(dòng)溫度自適應(yīng)預(yù)警模型

3.4 故障自動(dòng)診斷模型

從監(jiān)測(cè)數(shù)據(jù)中提取故障特征，根據(jù)經(jīng)驗(yàn)或知識(shí)推測(cè)故障特征的產(chǎn)生原因，從而確定故障的出現(xiàn)與部位，是設(shè)備故障診斷的一般流程。從歷史數(shù)據(jù)中學(xué)習(xí)經(jīng)驗(yàn)和提取知識(shí)，并推廣應(yīng)用于其它同類(lèi)型故障的判別，是故障診斷的核心環(huán)節(jié)。為此，研發(fā)基于概率神經(jīng)網(wǎng)絡(luò)的故障自動(dòng)診斷模型，將故障數(shù)據(jù)特征輸入如圖4所示的概率神經(jīng)網(wǎng)絡(luò)中，通過(guò)網(wǎng)絡(luò)學(xué)習(xí)獲取并存儲(chǔ)診斷知識(shí)，當(dāng)新數(shù)據(jù)到來(lái)后，將其特征輸入網(wǎng)絡(luò)中，根據(jù)貝葉斯后驗(yàn)概率公式即可判斷出現(xiàn)各類(lèi)故障的概率值。該模型具有訓(xùn)練速度快、準(zhǔn)確性隨案例積累不斷提高的特點(diǎn)。

圖4 故障知識(shí)的學(xué)習(xí)模型

3.5 趨勢(shì)預(yù)測(cè)模型

對(duì)監(jiān)測(cè)特征量進(jìn)行趨勢(shì)回歸建模，在其出現(xiàn)劣化傾向后估計(jì)其后續(xù)發(fā)展，對(duì)避免故障的發(fā)生和發(fā)展具有重要的作用?，F(xiàn)有趨勢(shì)預(yù)測(cè)方法大多需要預(yù)先設(shè)定回歸參數(shù)，面對(duì)千差萬(wàn)別的設(shè)備狀態(tài)變化過(guò)程，無(wú)法得到一個(gè)普遍適應(yīng)于各種狀態(tài)的模型參數(shù)。為此，研究如圖5所示的自適應(yīng)支持向量預(yù)測(cè)回歸模型，在趨勢(shì)建模過(guò)程中，根據(jù)數(shù)據(jù)特點(diǎn)自適應(yīng)地調(diào)節(jié)ε—不敏感參數(shù)，保證在狀態(tài)發(fā)展的各個(gè)階級(jí)均能得到合理的趨勢(shì)擬合結(jié)果。在此基礎(chǔ)上，對(duì)趨勢(shì)進(jìn)行外推，計(jì)算特征值首次達(dá)到閾值的時(shí)刻，實(shí)現(xiàn)故障的預(yù)測(cè)。

圖5 自適應(yīng)支持向量預(yù)測(cè)回歸模型

4 智能監(jiān)測(cè)診斷模型的應(yīng)用

在研究的基礎(chǔ)上，開(kāi)發(fā)智能監(jiān)測(cè)診斷模型的示范平臺(tái)。該平臺(tái)定時(shí)獲取轉(zhuǎn)子、軸承和齒輪等常見(jiàn)設(shè)備的監(jiān)測(cè)數(shù)據(jù)，自動(dòng)提取特征后，進(jìn)行預(yù)警判斷，當(dāng)發(fā)現(xiàn)異常后，調(diào)用診斷模塊進(jìn)行分析判斷，給出診斷結(jié)論。目前該平臺(tái)已應(yīng)用于1580熱軋生產(chǎn)線中，取得了良好的效果。

圖6 智能監(jiān)測(cè)診斷模型應(yīng)用

5 結(jié)論

利用智能監(jiān)測(cè)診斷模型解決云服務(wù)平臺(tái)的數(shù)據(jù)利用問(wèn)題，是提高診斷效率和準(zhǔn)確性的有效途徑。本文設(shè)計(jì)了智能監(jiān)測(cè)診斷模型體系，研發(fā)基礎(chǔ)監(jiān)測(cè)診斷工具集、數(shù)據(jù)服務(wù)模型、自適應(yīng)預(yù)警模型、故障自動(dòng)診斷模型和趨勢(shì)預(yù)測(cè)模型，并開(kāi)展了應(yīng)用工作。

隨著監(jiān)測(cè)診斷業(yè)務(wù)的不斷深化發(fā)展，智能化模型在應(yīng)用中需要不斷調(diào)整和完善。未來(lái)在大數(shù)據(jù)環(huán)境下，產(chǎn)生適應(yīng)設(shè)備獨(dú)特運(yùn)行工況和服役條件的個(gè)性化診斷模型，將是重要的研究方向。