基于數(shù)字孿生的設(shè)備預(yù)測性維護模式研究

張蕾

(中國電子科技集團公司第二研究所，山西 太原030024)

1 設(shè)備預(yù)測性維護技術(shù)

1.1 預(yù)測性維護及其必要性

生產(chǎn)過程通常對設(shè)備采用定期維護、事故后維修的運維模式，現(xiàn)代流水線設(shè)備對其連續(xù)工作時長也有比較苛刻的要求，應(yīng)盡可能避免設(shè)備宕機，臨時更換生產(chǎn)設(shè)備不僅會增加生產(chǎn)的時間成本和運維成本，其不確定性也為企業(yè)帶來了不可估量的損失。此外，面對復(fù)雜的工況和生產(chǎn)過程中的苛刻環(huán)境，設(shè)備的不穩(wěn)定性和對環(huán)境的適應(yīng)能力也會被放大，進一步導(dǎo)致設(shè)備故障頻發(fā)。隨著智能制造技術(shù)的快速發(fā)展，傳統(tǒng)運維模式的局限性愈來愈大，如何利用現(xiàn)有的工業(yè)大數(shù)據(jù)，采集和分析相關(guān)狀態(tài)參數(shù)，實現(xiàn)設(shè)備的預(yù)測性維護是設(shè)備運維工作的當務(wù)之急。預(yù)測性維護是指以狀態(tài)為依據(jù)的維修，是對設(shè)備進行連續(xù)在線的狀態(tài)監(jiān)測及數(shù)據(jù)分析，診斷并預(yù)測設(shè)備故障的發(fā)展趨勢，提前制定預(yù)測性維護計劃并實施檢測維修的行為[1]。因此，企業(yè)對設(shè)備預(yù)測性維護技術(shù)有著迫切的需求。

1.2 預(yù)測性維護的一般模式

設(shè)備預(yù)測性維護的一般模式如圖1所示。

圖1 預(yù)測性維護的一般模式

通常，對設(shè)備進行預(yù)測性維護需要：（1）對設(shè)備的故障原理和故障參數(shù)等屬性進行分析，以滿足預(yù)測性維護故障建模需求；（2）在進行預(yù)測性維護之前，往往需要通過設(shè)備傳感器對數(shù)據(jù)進行獲取和采集，進行狀態(tài)監(jiān)測；（3）未經(jīng)處理的數(shù)據(jù)一般情況下無法直接應(yīng)用于建模、數(shù)據(jù)挖掘算法等過程，這時就需要對設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)進行噪聲去除、規(guī)范化等預(yù)處理，得到引發(fā)設(shè)備故障的某個或多個故障特征值；（4）建立故障模型，運用數(shù)據(jù)挖掘、數(shù)據(jù)分析等算法對獲取的故障特征值進行模式識別，實現(xiàn)故障診斷，或通過機器學(xué)習(xí)達到故障趨勢預(yù)測的目的，該過程包含大量的樣本訓(xùn)練，對算法的多次優(yōu)化才會使精度達到理想狀態(tài)；（5）根據(jù)不同的輸出結(jié)果判斷，提供故障維修還是預(yù)測性維護的決策支持。

1.3 一般模式存在的不足

雖然，基于數(shù)據(jù)分析的預(yù)測性維護模式可以實現(xiàn)針對監(jiān)測數(shù)據(jù)的定量分析，也提高了設(shè)備故障預(yù)測的精度，但仍有大量的設(shè)備在線狀態(tài)數(shù)據(jù)、環(huán)境參數(shù)、設(shè)備歷史記錄等未在分析過程中使用，數(shù)據(jù)分析手段偏于單一，導(dǎo)致分析過程面向特定特征值，預(yù)測結(jié)果片面。如何利用虛擬仿真技術(shù)融合設(shè)備實時狀態(tài)數(shù)據(jù)、環(huán)境參數(shù)、設(shè)備歷史記錄等進行全方位地故障預(yù)測，是智能制造領(lǐng)域一個重要的研究方向。

2 數(shù)字孿生驅(qū)動下的設(shè)備故障診斷和預(yù)測

2.1 數(shù)字孿生及應(yīng)用場景

數(shù)字孿生的概念模型是Grieves教授在2011年提出的，分為3個部分：物理空間的實體產(chǎn)品、虛擬空間的虛擬產(chǎn)品、物理空間和虛擬空間之間的數(shù)據(jù)和信息交互接口[2]，如圖2所示。

圖2 數(shù)字孿生概念模型

數(shù)字孿生構(gòu)建了“實”和“虛”的數(shù)據(jù)連接通道，也為物理世界和數(shù)字世界提供了數(shù)據(jù)交互的理論基礎(chǔ)以及相應(yīng)的技術(shù)支撐。物理實體通過與虛擬實體的關(guān)聯(lián)，通過指令信息和數(shù)據(jù)交互，直觀形象地表現(xiàn)出兩類實體的映射關(guān)系。數(shù)字孿生技術(shù)覆蓋了產(chǎn)品從設(shè)計到報廢回收的全生命周期，在智能制造領(lǐng)域應(yīng)用非常廣泛。

2.2 數(shù)字孿生系統(tǒng)框架

數(shù)字孿生系統(tǒng)框架主要包括：實體層、數(shù)據(jù)融合層、服務(wù)層3個部分，如圖3所示。

圖3 數(shù)字孿生系統(tǒng)框架

（1）實體層：是數(shù)字孿生系統(tǒng)的基礎(chǔ)，也是故障診斷和預(yù)測的主要對象。通過物理實體傳感器實時采集相應(yīng)的設(shè)備運行參數(shù)等作為感知數(shù)據(jù)，構(gòu)建物理設(shè)備與設(shè)備數(shù)字孿生體的虛擬映射。

（2）數(shù)據(jù)融合層：通過數(shù)據(jù)噪聲去除、特征提取、特征融合等數(shù)據(jù)預(yù)處理手段，為多維數(shù)據(jù)源提供數(shù)據(jù)融合的基礎(chǔ)數(shù)據(jù)，經(jīng)過數(shù)據(jù)轉(zhuǎn)換、重組和數(shù)據(jù)關(guān)聯(lián)用于后續(xù)故障診斷和預(yù)測建模。

（3）服務(wù)層：封裝系統(tǒng)中的數(shù)據(jù)挖掘算法、模型以及系統(tǒng)服務(wù)，通過實體層的虛實交互，仿真驗證實現(xiàn)設(shè)備的故障診斷和預(yù)測等功能。

結(jié)合數(shù)字孿生系統(tǒng)框架，其本質(zhì)基于數(shù)字化技術(shù)將物理實體的數(shù)據(jù)與數(shù)字孿生體同步。同時，在數(shù)字孿生體中實時進行虛擬仿真、監(jiān)測、驗證，通過相應(yīng)模型達到故障識別和預(yù)測的目的。

2.3 數(shù)字孿生驅(qū)動的預(yù)測性維護模式

結(jié)合1.2小節(jié)中預(yù)測性維護的一般模式，融合數(shù)字孿生的預(yù)測性維護模式可分為以下5個具體步驟，如圖4所示。

圖4 基于數(shù)字孿生的預(yù)測性維護模式

步驟一：構(gòu)建虛擬實體。與虛擬現(xiàn)實和增強現(xiàn)實有一定的區(qū)別，預(yù)測性維護模式中對數(shù)字化實體的要求不單純是模型外觀形狀與底層設(shè)備相似，更注重其運行參數(shù)、狀態(tài)數(shù)據(jù)等是否與物理實體保持實時同步。在構(gòu)建虛擬實體模型時，即便已有充足的設(shè)備參數(shù)支撐，也需要對虛擬模型不斷迭代優(yōu)化以滿足數(shù)據(jù)的一致性和完整性要求。

步驟二：數(shù)據(jù)源構(gòu)建。數(shù)據(jù)源構(gòu)建過程主要是由傳感器參數(shù)采集、設(shè)備狀態(tài)歷史數(shù)據(jù)、設(shè)備故障數(shù)據(jù)、設(shè)備維護記錄等組成。其中，工業(yè)以太網(wǎng)通過傳感器對底層設(shè)備的機械系統(tǒng)、電氣系統(tǒng)以及外部環(huán)境等參數(shù)進行采集。設(shè)備歷史狀態(tài)數(shù)據(jù)和維護記錄可以通過日常運維管理工作記錄。設(shè)備故障數(shù)據(jù)往往采用Simulink等仿真工具對進行模擬，得到特定場景下的故障狀態(tài)值。

步驟三：數(shù)據(jù)融合。由于步驟二中構(gòu)建的是多維異構(gòu)數(shù)據(jù)源，這些數(shù)據(jù)是無法直接被使用的，在應(yīng)用之前需要對數(shù)據(jù)進行清洗、集成和轉(zhuǎn)換等一系列處理，稱之為數(shù)據(jù)融合。統(tǒng)一了數(shù)據(jù)源中異構(gòu)數(shù)據(jù)的格式，并對無意義的垃圾數(shù)據(jù)進行剔除，同時輸入到數(shù)字化實體中，確保虛實統(tǒng)一。

步驟四：模式識別。分為故障診斷和故障預(yù)測，（1）經(jīng)過數(shù)據(jù)融合后，根據(jù)不同類型的設(shè)備、以及傳感器采集到的數(shù)據(jù)經(jīng)過特征提取等過程，獲得引起故障的特征值，同步傳輸?shù)綌?shù)字化實體中。進行虛擬仿真，并將運行結(jié)果同故障知識庫、設(shè)備歷史狀態(tài)等數(shù)據(jù)分別比較，判斷設(shè)備故障出現(xiàn)的原因。本步驟中特征值的提取是最為關(guān)鍵的，如果對應(yīng)的特征值對設(shè)備故障不敏感，或沒有一定的規(guī)律性就無法準確地描述設(shè)備的工作狀況，也不能為數(shù)字孿生提供模擬仿真依賴的參數(shù)。（2）故障預(yù)測本質(zhì)是對設(shè)備運行狀態(tài)規(guī)律建模，預(yù)測故障可能產(chǎn)生的趨勢。通常對多個時間、不同工況下的關(guān)聯(lián)性較強的一系列設(shè)備狀態(tài)參數(shù)建模，在數(shù)字化實體中進行數(shù)據(jù)挖掘仿真實驗預(yù)測可能產(chǎn)生的故障類型以及部位。

步驟五：設(shè)備維護決策。找出設(shè)備可能存在的隱患因素，按照提前制定的策略針對性地對設(shè)備部件進行預(yù)測性維護，以減少潛在的故障，將設(shè)備的使用價值最大化，降低停機帶來的損失。

3 應(yīng)用效果分析

結(jié)合數(shù)字孿生技術(shù)進行設(shè)備的預(yù)測性維護，通過虛擬仿真驗證直觀地將故障診斷和預(yù)測結(jié)果反饋給管理人員，可以做到及時對設(shè)備中可能存在的隱患部件進行維護，提高了故障排查的可追溯性。同時，通過預(yù)測性維護技術(shù)大大提升了對偶發(fā)性故障的預(yù)測精度，避免對正常設(shè)備無意義的預(yù)防性維護，降低了設(shè)備運維成本。此外，基于數(shù)字孿生的預(yù)測性維護系統(tǒng)采用模塊化的開發(fā)方式便于未來擴展。

4 結(jié)束語

數(shù)字孿生技術(shù)作為智能制造的核心技術(shù)，應(yīng)用場景非常廣泛。本文僅局限于在預(yù)測性維護領(lǐng)域的模式研究，如何豐富數(shù)字孿生技術(shù)在產(chǎn)品全生命周期中的應(yīng)用，是今后進一步研究的方向。