基于電磁場的非侵入式設(shè)備在線監(jiān)控與預(yù)警系統(tǒng)

范里 薛廣濤 邢宏文

摘 要： 利用物聯(lián)網(wǎng)能夠?qū)⑿畔⒏兄夹g(shù)、網(wǎng)絡(luò)技術(shù)、智能運(yùn)算技術(shù)融為一體，完成設(shè)備健康狀態(tài)信息的實(shí)時(shí)協(xié)同采集、智能處理、及時(shí)反饋等功能。工業(yè)設(shè)備大部分都是電器設(shè)備，通過建立電氣設(shè)備運(yùn)行過程中感應(yīng)磁場波形與設(shè)備運(yùn)行狀態(tài)之間的對應(yīng)關(guān)系，實(shí)現(xiàn)一種通用的非侵入式設(shè)備在線監(jiān)控與預(yù)警系統(tǒng)。該系統(tǒng)已在中國商飛部署，幫助中國商飛實(shí)現(xiàn)透明工廠。

關(guān)鍵詞： 電磁場; 非侵入式設(shè)備; 設(shè)備監(jiān)控

中圖分類號(hào)： TP311.5

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1007-757X（2019）06-0141-03

Abstract： By using the Internet of Things， it is possible to integrate information perception technology， network technology and intelligent computing technology to achieve the functions of real-time collaborative acquisition， intelligent processing and timely feedback of equipment health status information. Industrial equipment is mostly electric equipment. By establishing the corresponding relationship between the waveform of induction magnetic field and the operation status of the equipment， a general non-intrusive equipment online monitoring and early warning system is realized. The system has been deployed in China Merchant Airlines to help it achieve transparent factories.

Key words： Electromagnetic field; Non-invasive equipment; Equipment monitoring

0 引言

隨著信息化與工業(yè)化的深度融合，信息技術(shù)滲透到了工業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)。工業(yè)設(shè)備運(yùn)行過程中產(chǎn)生的數(shù)據(jù)日益豐富，物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)帶來的設(shè)備健康狀態(tài)感知、高速數(shù)據(jù)傳輸、分布式計(jì)算和分析等先進(jìn)技術(shù)，給工業(yè)帶來深刻的變革，使工業(yè)進(jìn)入了新的發(fā)展階段。采用先進(jìn)的物聯(lián)網(wǎng)和大數(shù)據(jù)分析技術(shù)，對設(shè)備健康狀態(tài)進(jìn)行監(jiān)測診斷，己成為企業(yè)降低生產(chǎn)成本、提高生產(chǎn)效率和市場競爭力的重要手段之一[1]。

通過物聯(lián)網(wǎng)獲得設(shè)備的實(shí)時(shí)狀態(tài)信息，利用先進(jìn)的大數(shù)據(jù)分析技術(shù)對檢測設(shè)備的工作狀態(tài)及運(yùn)行環(huán)境信息進(jìn)行分析，從而獲得設(shè)備的健康狀態(tài)[2]。本文提出了一種基于電磁場的設(shè)備在線監(jiān)控與預(yù)警系統(tǒng)，該系統(tǒng)已在中國商飛得到應(yīng)用，探討非侵入式設(shè)備預(yù)測性維護(hù)的有效路徑。

1 基于物聯(lián)網(wǎng)技術(shù)的設(shè)備狀態(tài)監(jiān)測診斷

物聯(lián)網(wǎng)的出現(xiàn)給工業(yè)設(shè)備的健康狀態(tài)監(jiān)測診斷提供了新的模式和思路[3]。利用物聯(lián)網(wǎng)，將信息感知技術(shù)、網(wǎng)絡(luò)技術(shù)、智能運(yùn)算技術(shù)融為一體，完成設(shè)備健康狀態(tài)信息的實(shí)時(shí)協(xié)同采集、智能處理、及時(shí)反饋等功能;構(gòu)建傳感層、網(wǎng)絡(luò)層、平臺(tái)層和應(yīng)用層的四層系統(tǒng)框架，可實(shí)現(xiàn)在線監(jiān)控、故障預(yù)警和在線診斷為一體的智能監(jiān)測診斷模式。基于物聯(lián)網(wǎng)架構(gòu)的監(jiān)測診斷系統(tǒng)如圖1所示。

1） 傳感層，傳感數(shù)據(jù)收集的目標(biāo)在于通過狀態(tài)監(jiān)測來檢測設(shè)備狀態(tài)變化的特征，再通過傳感器數(shù)據(jù)預(yù)處理模塊來優(yōu)化數(shù)據(jù)傳輸量。數(shù)據(jù)采集可分為兩類，一類是基于傳感器，通常采用非侵入式安裝;另一類是基于PLC，利用設(shè)備的數(shù)據(jù)接口?；趥鞲衅鞯臄?shù)據(jù)采集，由于對設(shè)備沒有特殊要求，應(yīng)用更廣。比如，通過采集設(shè)備的角/線加速度，可以捕捉設(shè)備的機(jī)械狀態(tài)和穩(wěn)定性;通過采集設(shè)備的電流電壓，可以捕捉設(shè)備的電器狀態(tài)和負(fù)載變化。

2） 網(wǎng)絡(luò)層，網(wǎng)關(guān)可采用智能網(wǎng)關(guān)或簡單的透傳路由，負(fù)責(zé)匯集數(shù)據(jù)并向服務(wù)器傳輸。透傳路由無本地存儲(chǔ)和處理，僅支持?jǐn)?shù)據(jù)透傳，因此一般建議采用智能網(wǎng)關(guān)。智能網(wǎng)關(guān)負(fù)責(zé)本地存儲(chǔ)數(shù)據(jù)并處理協(xié)議轉(zhuǎn)換等工作，減少服務(wù)器端壓力，能夠在網(wǎng)絡(luò)故障時(shí)恢復(fù)數(shù)據(jù)，從而增加系統(tǒng)的穩(wěn)定性和可擴(kuò)展性。

3） 平臺(tái)層，平臺(tái)層是數(shù)據(jù)處理的核心，負(fù)責(zé)數(shù)據(jù)存儲(chǔ)、算法實(shí)現(xiàn)和提供終端展示。①數(shù)據(jù)導(dǎo)入：對終端接入的數(shù)據(jù)進(jìn)行驗(yàn)證、清洗和整理，以標(biāo)準(zhǔn)格式存儲(chǔ);②事件標(biāo)注：接入用戶對于設(shè)備故障的標(biāo)注信息，提供給算法引擎作優(yōu)化;③算法引擎：運(yùn)行可預(yù)測維保算法，運(yùn)算結(jié)果和閾值比對后根據(jù)預(yù)設(shè)的規(guī)則發(fā)出警報(bào);④數(shù)據(jù)接口：根據(jù)終端需求提供實(shí)時(shí)數(shù)據(jù)，以及按日、周或指定時(shí)間間隔的匯總圖表。

4） 應(yīng)用層，主要是信息展示和用戶交互。

2 基于電磁場的設(shè)備在線檢測與預(yù)警

通電導(dǎo)線的周圍存在磁場，變化的電流產(chǎn)生變化的磁場[4]。不同電器設(shè)備在工作時(shí)產(chǎn)生的感應(yīng)磁場波形不一樣，同一電器設(shè)備在不同工作狀態(tài)下的感應(yīng)磁場波形也不一樣。硬件設(shè)計(jì)為貼片形態(tài)，將其貼附在電器設(shè)備上，實(shí)時(shí)采集電器設(shè)備工作過程中的感應(yīng)磁場波形，并通過WiFi[5]發(fā)送到后端數(shù)據(jù)處理平臺(tái)。

將大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于設(shè)備運(yùn)行過程的故障預(yù)測診斷[6]，通過從復(fù)雜裝備運(yùn)行特征大數(shù)據(jù)中挖掘出故障信息，以實(shí)現(xiàn)運(yùn)行故障的快速診斷，是近年大數(shù)據(jù)在智能制造領(lǐng)域的重用應(yīng)用之一[7]。本文通過建立電器設(shè)備運(yùn)行過程中的感應(yīng)磁場波形與設(shè)備運(yùn)行狀態(tài)之間的對應(yīng)關(guān)系，實(shí)現(xiàn)一種通用的非侵入式設(shè)備在線監(jiān)控和預(yù)警系統(tǒng)，如圖2所示。

在收集大量電器設(shè)備運(yùn)行時(shí)的感應(yīng)磁場波形特征數(shù)據(jù)的基礎(chǔ)上，采用數(shù)據(jù)挖掘算法對設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行重組、挖掘，建立故障診斷專家知識(shí)庫[8]，獲得與故障有關(guān)的診斷規(guī)則?；趯＜抑R(shí)庫以及診斷規(guī)則，對實(shí)時(shí)監(jiān)測數(shù)據(jù)進(jìn)行診斷，并逐步更新專家知識(shí)庫，可以得到更為準(zhǔn)確的診斷結(jié)論和建議對策。

中國商飛為了實(shí)現(xiàn)智能制造，需對加工中心的CNC工作狀態(tài)進(jìn)行在線監(jiān)控。雖然物聯(lián)網(wǎng)和云計(jì)算基礎(chǔ)環(huán)境已具備，但商飛缺乏實(shí)時(shí)數(shù)據(jù)的有效獲取手段。而且不同廠商設(shè)備實(shí)時(shí)狀態(tài)監(jiān)管接口不開放，接口標(biāo)準(zhǔn)也不統(tǒng)一。中國商飛的CNC是大部分是西門子840 dsl數(shù)控機(jī)床，部署電磁感應(yīng)貼片，使用20 kHz的采樣頻率，得到的測試結(jié)果為：①設(shè)備工作和斷電兩種狀態(tài)之間分類準(zhǔn)確率為100%;②電機(jī)在不同轉(zhuǎn)速下的在線分類結(jié)果準(zhǔn)確度高達(dá)96%，如圖3所示。

國內(nèi)外主要的設(shè)備健康評估建模預(yù)測方法有：統(tǒng)計(jì)學(xué)方法、時(shí)間序列分析、貝葉斯方法、灰色系統(tǒng)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等。目前國際最前沿的方法是深度學(xué)習(xí)。人工神經(jīng)網(wǎng)絡(luò)使用計(jì)算機(jī)模擬人腦神經(jīng)細(xì)胞進(jìn)行復(fù)制運(yùn)算。深度學(xué)習(xí)指包含多層、復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)。通過海量神經(jīng)元的復(fù)雜連接，深度神經(jīng)網(wǎng)絡(luò)具有無可比擬的運(yùn)算能力，能夠處理分析極其復(fù)雜的問題。利用深度學(xué)習(xí)的大數(shù)據(jù)分析技術(shù)，根據(jù)狀態(tài)檢測、故障診斷分析結(jié)果，在故障將要發(fā)生時(shí)對設(shè)備進(jìn)行維護(hù)[10]，是一種主動(dòng)、積極的維護(hù)方式。中國商飛將大數(shù)據(jù)驅(qū)動(dòng)判斷和專家知識(shí)庫判別相結(jié)合，輔以失效模式、失效機(jī)理分析，綜合形成故障診斷記錄，作為故障解決方案的基礎(chǔ)[11]。

3 總結(jié)

在工業(yè)設(shè)備維護(hù)過程中，高準(zhǔn)確性和可靠性的設(shè)備健康預(yù)測結(jié)果是保證設(shè)備維護(hù)效果的重要因素。采用最新的設(shè)備健康狀態(tài)監(jiān)測診斷技術(shù)，轉(zhuǎn)變現(xiàn)有設(shè)備的維修思路和方法，將普遍采用的計(jì)劃性檢修向基于設(shè)備健康狀態(tài)的監(jiān)測和預(yù)警診斷進(jìn)行轉(zhuǎn)變，可降低企業(yè)成本，提高設(shè)備利用率和競爭力。本文提出一種基于電磁感應(yīng)的非侵入式設(shè)備在線監(jiān)控和預(yù)警系統(tǒng)，利用電磁貼片的物聯(lián)網(wǎng)技術(shù)，結(jié)合深度學(xué)習(xí)的大數(shù)據(jù)分析技術(shù)，及時(shí)發(fā)現(xiàn)設(shè)備異常運(yùn)行狀態(tài)，并進(jìn)行自動(dòng)預(yù)警。該系統(tǒng)已在中國商飛得到應(yīng)用，幫助中國商飛中、高層技術(shù)和管理人員及時(shí)掌握設(shè)備運(yùn)行健康狀態(tài)，提高設(shè)備可靠性和可用系數(shù)，減少運(yùn)行檢修費(fèi)用。

參考文獻(xiàn)

[1] 王曉， 陳杰， 李濟(jì)順. 大型設(shè)備遠(yuǎn)程狀態(tài)檢測及信息采集技術(shù)研究[J]. 自動(dòng)化儀表， 2018， 39（1）：66-69.

[2] 李紅衛(wèi)， 楊東升， 孫一蘭. 智能故障診斷技術(shù)研究綜述與展望[J]. 計(jì)算機(jī)工程與設(shè)計(jì)， 2013， 34（2）：632-637.

[3] 孫小江， 李鍵， 朱勇. 物聯(lián)網(wǎng)技術(shù)在小水電站在線監(jiān)測及故障診斷的應(yīng)用[J].電氣設(shè)計(jì)， 2017， 10（A）：61-62.

[4] Wichakool W， Remscrim Z， Orji U A， at al. Smart Metering of Variable Power Loads[J]. IEEE Transactions on Smart Grid， 2015， 6（1）： 189-198.

[5] Changhe S， Yumei W， Ping L， et al. Self-Contained Wireless Hall Current Sensor Applied for Two-Wire Zip-Cords[J]. IEEE Transactions On Magnetics， 201652（7）： 1-4.

[6] 彭宇， 劉大同， 彭喜元. 故障預(yù)測與健康管理技術(shù)綜述[J]. 電子測量與儀器學(xué)報(bào)， 2010（1）：1-9.

[7] 孫冬. 基于混合模型的故障檢測與診斷方法的研究與應(yīng)用[D]. 南京：南京航空航天大學(xué)， 2013.

[8] 劉強(qiáng)， 柴天佑， 秦泗釗. 基于數(shù)據(jù)和知識(shí)的工業(yè)過程監(jiān)視及故障診斷綜述[J].控制與決策， 2010， 25（6）：801-807.

[9] Alag S， Agogino A M， Morjaria M. A methodology for intelligent sensor measurement， validation， fusion， and fault detection for equipment monitoring and diagnostics[J]. Artificial Intelligence for Engineering Design， Analysis and Manufacturing， 2001， 15（415）： 307-320.

[10] 劉達(dá)新. 基于運(yùn)行大數(shù)據(jù)學(xué)習(xí)的復(fù)雜裝備故障診斷技術(shù)及其典型應(yīng)用[J]. 中興通訊技術(shù)， 2017， 23（4）：56-59.

[11] 黃宜華. 大數(shù)據(jù)機(jī)器學(xué)習(xí)系統(tǒng)研究進(jìn)展[J]. 大數(shù)據(jù)， 2015， 1（1）：28-47.

（收稿日期： 2019.05.01）