工業物聯網中的設備狀態建模與檢測

摘 要：工業物聯網中依靠傳感器采樣設備狀態信息。設備狀態受到產能因素、生產環境和設備自身狀態的影響，單純的傳感器讀值范圍難于精確判定設備狀態。文章提出SSD方法：通過融合隸屬于同一設備的多個傳感器數據流的獲取設備狀態變遷特征，并構建設備狀態變遷空間，通過增量式聚類方法維護空間大小。經過典型數據的實驗，SSD方法可有效的表征設備狀態變化，可用于工業物聯網中的設備狀態檢測系統的構建。

關鍵詞：工業物聯網；設備狀態；異常檢測

1 引言

工業物聯網是將具有感知、監控能力的各類采集或控制傳感或控制器以及泛在技術、移動通信、智能分析等技術不斷融入到工業生產過程各個環節，從而大幅提高制造效率，改善產品質量，降低產品成本和資源消耗，最終實現將傳統工業提升到智能化的新階段[1]。從應用形式上，工業物聯網的應用具有實時性、自動化、嵌入式（軟件）、安全性、和信息互通互聯性等特點[2]。

隨著《物聯網“十二五”發展規劃》的實施，我國工業物聯網已經在諸多工業生產領域得到廣泛應用[3]，[4]，[5]。伴隨傳感器的大量部署，以分布式控制系統[6]（DCS）、現場監控系統（SCADA）等為典型代表的工業物聯網應用系統也得到了更加廣泛的應用。

通常DCS承擔了工業物聯網中的數據采集、監控、歷史曲線分析等重要角色。但現有大多數DCS在進行監控時，過多的依賴設備傳感器讀值是否超出范圍（閾值）來衡量工業設備或生產的狀態。然而，實際生產過程受諸多生產因素影響，在生產過程中，由于產能的調整需求導致的設備生產狀態變化與由于設備故障造成的狀態變化不易區分，就有可能導致告警頻繁誤報。針對此問題，本文從生產設備運行狀態模型，構建生產設備受狀態變化模型，給出設備狀態檢測方法，并通過實際生產監測數據進行驗證。

2 設備狀態模型

單一時刻上，工業生產物聯網中的設備處于某一確定狀態運行；時序上，其運行狀態可能存在變化與躍遷。設備躍遷模式通常建立在生產實際運行模型上。

2.1 設備實時狀態

工業物聯網中，為全方位監控生成設備狀態，在同一個生成設備上會安裝多個傳感器采集不同位置或不同監測量的狀態信息。如圖1所示，直列泵E-2負責為熱反應塔A-1加壓，為監控A-1狀態，在入口管道處安裝溫度計T-1與流量計F-1，出口管道處安裝溫度計T-2，且在反應塔上安裝壓力計P-1。因此，A-1的工作狀態可以由四個傳感器的讀值確定。本文中稱四個傳感器隸屬于A-1設備。

3 設備狀態檢測

3.1 狀態變遷空間

3.2 狀態聚合

3.3 狀態檢測

為實現設備狀態判定，本文設計了基于狀態變遷空間的狀態檢測算法（Status Space based Detection，簡稱SSD），包括了狀態空間構建、空間聚合與狀態檢測三個過程，算法流程見圖4。

SSD算法中，首先依據設備隸屬傳感器讀值窗口，擬合出設備狀態變遷向量；同時計算新變遷向量與已有向量夾角，衡量是否將新向量加入狀態遷移空間；若狀態變遷不顯著，則放棄本次判別，視為正常狀態；反之，則需要對狀態變遷空間是否數量超限進行進步一步判別，有必要時則合并相近的狀態變遷向量；對于未超限或者未被合并的新狀態變遷向量，視之位未知異常狀態。

4 實驗分析

4.1 數據準備

為驗證SSD算法，本文選取某工廠的實際生產監測數據作為實驗樣本，其中：選取3個典型生產設備數據，采樣頻率為每分鐘12次，采樣時間2013.3.1至2013.4.30內的變化情況，對1，054，080條數據進行統計分析。如表1所示：設備D1由兩個傳感器表征，取值維持在均值附近波動，較少體現出狀態變遷，故穩定性強；設備D2也由兩個傳感器監測，但某一個變化范圍教大，且出現多次跳變，定性其穩定性弱；設備D3由三個傳感器表征狀態，穩定性不統一。

4.2 狀態檢出測試

SSD算法中，使用滑動窗口擬合設備關聯傳感器的數據，窗口大小與設備狀態變遷的檢出強相關。試驗中，取窗口大小為60S、120S、240S和600S，取Θλ=3度角，分別統計檢出次數。結果如圖5所示。

4.3 聚合次數測試

本實驗討論聚合次數發生與狀態變遷空間大小閾值P之間的關系。取P為6，8，10與12，分別計算當窗口為120S、初始值Θλ=1度角時SSD算法中聚合發生的次數，得結果如圖6所示。隨著閾值P的逐漸增大，聚合次數均呈現減少的趨勢，但是，當P取值為8和10時，對于設備2均發生了5次聚合，也就是說，聚合次數相對于空間大小并不十分敏感，考慮計算的高效性，應該取正常的狀態遷移空間大小為8或者10。

5 結束語

工業物聯網中的生產設備，存在多種生產狀態，本文提出了生產設備狀態的建模方法，進而給出設備狀態檢測方法SSD，并采用典型的工業設備檢測數據，對SSD算法的參量取值進行了討論，能夠為實現高效的設備狀態監控算法提供指導。未來，將從多個維度信息考慮設備的狀態，例如故障、讀值有效性等維度，并通過高階求導方法去更好地表征狀態變遷特征。進而試圖研究具有普適性的傳感器判讀算法和設備狀態檢測方法。

參考文獻

[1]智慧工業與物聯網： 物聯網將激發工業“智慧” .物聯網智庫.2012-12-15.

[2]張軍海，吳道虎.工業物聯網及其技術[C].//2010年全國工業控制計算機技術年會論文集.2010：96-100.

[3]孫鵬，史天運，張惟皎等.面向動車組高級修的工業物聯網信息系統框架[J].計算機應用，2012，32（z1）： 229-232.

[4]李楠，劉敏，嚴雋薇等.面向鋼鐵連鑄設備維護維修的工業物聯網框架[J].計算機集成制造系統，2011， 17（2）：413-418.

[5]康世龍，杜中一，雷詠梅等.工業物聯網研究概述[J].物聯網技術，2013，（6）：80-82，85.

[6]閆天軍，郭偉，趙樹春等.火電廠電氣監控系統接入DCS方式的分析[J].電力系統自動化，2006，30（11）： 86-89.

[7]孟玲玲，孫常棟，韓寶如等.基于最小二乘法和獨立分量分析的間諧波檢測算法[J].電力系統保護與控制，2012，40（11）：76-81.

[8]吳佳，羅可.改進的模糊C均值的增量聚類算法[J].計算機工程與應用，2011，47（23）：141-142.