面向云服務的立磨粉磨狀態監控系統的構建與應用

李 客，于偉濤，張宏星，杜文遼

1洛陽礦山機械工程設計研究院有限責任公司 河南洛陽 471039

2礦山重型裝備國家重點實驗室 河南洛陽 471039

3中信重工機械股份有限公司 河南洛陽 471039

4鄭州輕工業大學機電工程學院 河南鄭州 450002

立 式輥磨 (以下簡稱“立磨”) 作為干法粉磨系統的核心設備，與輸送、收塵 (成品收集)、供風、供熱等輔助系統構成了粉磨系統 (生產線)，對物料的加工過程連續且不可逆，由于單位時間物料處理量大，其工作狀態和效率對生產起了決定性作用。立磨的工作環境封閉，粉磨過程涉及機械運動、氣-固混合流體、熱功、電氣、液壓等多種專業技術，具有高度集成與耦合的特征。立磨復雜的結構與工況集成，決定了其運行與維護必然是多學科交叉，具有高度的專業性，而工廠專業人員匱乏，制約了設備能效的發揮。

立磨運動信息、氣-固-熱混合狀態、電氣信號、液壓數據等都通過 PLC集中到了 DCS (分布式控制系統，Distributed Control System)，生產線上其他輔助設備和工藝數據也同步通信到 DCS，在數據監控與狀態調整上具有良好的平臺基礎。大量的數據匯集、信息甄別、數據分析、狀態識別、調控與優化，這些都對工作人員的專業技能提出了更高的要求，為了應對生產需求，提供更專業的服務，減少工作人員的勞動強度，以智能化技術替代部分人工，成為立磨粉磨生產的重要支撐技術。

立磨粉磨生產智能化相關技術正越來越多地得到應用，智能優化調控、云計算、云服務等技術，以生產線大數據為基礎，成為專業化高效工具，在生產中逐漸發揮作用，能夠有效替代人工，優化生產工藝，對設備和生產狀態進行實時監控，并提供預警支持，為故障提供數據分析，成為促進生產運維精細化、智能化的重要技術。

在智能化狀態監控方面，常見的做法是通過閾值比較觸發預警，采用最小二乘法來判斷數據變化趨勢[1]，結合專家知識，構建立磨故障樹和規則庫，建立可推理的立磨故障診斷專家系統。隨著工業互聯網的快速發展，基于物聯網環境下的立磨狀態監測[2]及分層預警，能夠提供多層次的監控服務。這些研究都是基于立磨生產數據，通過構建數據庫和預警系統實現數據自動計算處理，為生產監控提供指導。在構建工業流程完整數據鏈基礎上，基于數據流的物聯網平臺服務體系[3]日漸成熟，狀態監控、故障分析的基礎就是生產大數據的自動處理，結合可視化技術實現結果輸出，形成智能化服務。

1 數據監控系統構建模式

立磨粉磨行業經歷了十余年的高速發展，產業快速建立，生產線分布零散，行業注重生產，但缺乏專業人才，而工業互聯網技術的快速發展與應用，可匯集專業知識工具，構建云服務平臺，為行業提供各種專業的云服務，成為提升立磨粉磨生產專業化服務的重要途徑。基于業務模型的數據分析系統，要求能夠靈活部署，覆蓋大多數業務場景，擴展性強，可對不同生產線的數據集中處理，促進數據分析系統的專業性提升，為平臺與服務體系的構建提供良好的基礎。

歷史數據庫是未來趨勢判斷的重要依據，也是查詢、分析、評估設備狀態的基礎。調用數據的專業工具可以是預測模型、知識規則、專家系統，也可以是其他模型，在云服務平臺上具備自動調用分析數據功能，根據需求實現業務交互，監控系統功能模型如圖1所示。

在平臺上，系統數據信息傳遞互聯互通，易維護和擴展。復雜問題不僅可以通過專業工具進行分析，還可以與專家建立信息交互系統，解決一些多元問題或處理隨機故障，并建立歷史檔案庫，建立信息匹配關系，不斷補充專家、知識庫，促進專家知識、規則的積累與完善。

監控系統結構簡單，通過集成專業工具可實現常用功能，覆蓋日常運維基本需求，不同生產線數據接入共性功能模塊，可實現通用化。為滿足監控點差異化和個性化的需求，采用可維護和重構的柔性配置，增強系統適應性和靈活性。

圖1 監控系統功能模型圖Fig.1 Function module diagram of monitoring system

2 監控系統數據信息處理流程

立磨粉磨系統的數據主要分為設備數據和工藝數據：設備數據反映了設備工作狀態，如立磨振動、軸承溫度、電動機電流等；工藝數據主要是反映物料信息和生產介質信息，如選粉機轉速、熱風溫度等。另外，還有一些離散數據，如人工記錄數據，這些是在線數據的重要補充，為設備狀態分析提供補充數據。設備數據是設備維護的重要依據，而工藝數據為生產調控提供支撐，同時，工藝數據影響著設備運行狀態，如熱風溫度上升，表明熱量供大于求，進而造成磨內物料過干，引起立磨振動加劇。因而在構建狀態監控系統時，主要依據設備運行調控和維護的需求。

因此，立磨粉磨狀態監控系統可以分為工藝數據分析和設備狀態分析，數據處理應采用分層處理的方式。對于快速變化的生產運行狀態，實時監控可以為運維人員提供初期預警；而基于歷史數據運行趨勢，可以評估當前及未來是否偏離生產狀態，用同樣的模式可以評估設備運行狀況是否健康。狀態識別需要確定穩態特征，通過數據分析確定影響因子，根據權重評估對可能的工況進行聚類分析[4]。健康評價需要通過不同狀態權重，建立定性與定量相結合的綜合評價體系[5]。

業務模型的數據處理流程根據生產實際需求，結合模塊功能和層次來實現。始于數據采集，集合多種分析模式與功能模塊，目標是可視化服務，自動分析結果并主動推送，按需進行信息追溯查詢，數據信息處理流程如圖 2所示。

圖2 云平臺數據信息處理流程Fig.2 Cloud platform data information processing flow

狀態識別是將實時數據接入自動處理，反饋設備和生產運行狀態。故障信息與溯源是故障識別模塊的功能，通過對數據綜合分析協助查找故障源，減少人員工作量，提高反應速度，減少非正常停機。狀態預測是基于歷史數據分析，對立磨等設備和工藝參數進行評估，判斷狀態趨勢，為運維決策提供參考。

在狀態監控系統處理數據過程中，為了使數據可識別，增加通用性，對數據統一編碼，測點部位與控制系統數據庫中的測點名一一對應，這樣在獲取數據時，每一個數據都能夠準確反映監控點位置。某立磨粉磨系統的數據采集配置如圖 3所示，通過后臺信息關聯與數據匹配，每個異常數據都能夠快速定位到故障點。人工記錄和結果等信息都有記錄，可設置相關條件查詢，進行歷史數據趨勢疊加分析，這些功能可通過不同的權限在交互系統上實現。

圖3 立磨粉磨系統數據采集Fig.3 Data acquisition of vertical roller mill grinding system

3 面向狀態識別的數據處理

立磨粉磨系統的數據大部分通過 PLC通信到DCS上傳至云平臺，數據采集由任務需求來決定，采樣周期可靈活設置，對于穩定的工況數據 (如軸承溫度)，可以減小采樣頻率；而工藝參數波動幅度大，頻率高，則應調高采樣頻率，區別處理可以減少數據處理量。

通過數據分析識別各部位狀態，對生產線各設備和工藝數據進行預處理，建立數據庫，通過統計計算構建正常的趨勢通道，獲取健康狀態特征數據，并進行實時分析，形成監控結果，并進行可視化展示，處理過程如圖 4所示。

立磨粉磨系統數據具有多源異構和非線性特性，按照設定頻率采樣，數據質量會影響狀態識別結果，因此對采集的數據進行預處理是必要的，去除少量因為干擾產生的異常數據。數據的預處理主要是缺值插補和基于時序的跳變數據處理。缺值是因為傳感器或者網絡等原因造成數據缺失，少量的數據缺失插補方法很多，如線性插值，就有很好的適應性，對數據趨勢影響較小。因為生產或者設備故障造成的大范圍數據缺失，應該重新選擇采樣起點來構建數據序列。數據跳變是由于傳感器偶發故障或者信號干擾造成的，此時的數據大幅度偏離波動范圍且不連續，通過時域濾波處理有效去除數據突變，計算精度與效率和實用性符合立磨粉磨生產工況需求。

立磨粉磨工況復雜導致數據波動較大，不能用單個數據來反映實際工況，需要對數據進行分段計算，多個連續采樣周期的數據經過處理后，作為特征值和取樣數據。以立磨進口和出口壓力差P為例，采樣周期為 Δt，可根據數據敏感度在系統設定，采樣起始時刻T，連續采樣個數為n，則采樣數據的均值

P作為這一時間段數據的基準值，其波動值

在狀態監控過程中，需要對采集的數據取均值，看是否超出趨勢通道，在構建趨勢通道時，需要前置某些條件，如立磨入料量，這樣采樣數據才具有代表性。狀態識別的可靠性取決于采樣個數n，當n越大，數據準確度越高，但這會造成計算時間過長，使結果偏離了采樣周期，即便結果可靠也失去了指導意義。另外采樣參數也同樣影響識別精度，因為不同的參數其波動頻率差異很大，如壓力、頻率等波動較快，而溫度等波動較慢，需要根據具體情況通過試驗決定。

圖4 狀態監控時序圖Fig.4 Status monitoring time-sequence diagram

圖5 趨勢通道構建Fig.5 Construction of trend channel

在實際工程應用中，狀態識別可以對采樣個數n建立多重趨勢通道，短周期的多個n構成長周期的采樣數量N，這樣可以用長周期趨勢來對短周期識別結果加以復核，以提高監控結果的可靠性。故障識別和預測需要集成更多的專業工具才能實現，如聚類算法、時間序列預測方法等。

4 基于云平臺的狀態監控服務

基于數據自動處理的云平臺可多數據源并行處理，集成較多的專業工具，同時面對不同的服務需要，處理不同的服務請求，一般采用瀏覽器/服務器(B/S) 結構形式，其結構如圖 6所示。部分功能借助成熟的通用工具和平臺，便于集成自己的工具包，常用瀏覽器作為信息交互平臺，通用性強，能夠滿足不同系統的信息互通，易于擴展。

數據獲取一般采用有線網絡或者 4G、5G網絡傳輸，大大提高了數據獲取質量和效率。由于建筑物和設備的屏蔽以及外在因素的干擾，無線信號穩定性不如有線網絡穩定，主要用于缺少網線的地方，使用網絡用于服務信息的發布會提升云服務的便利性和用戶體驗。

圖6 瀏覽器/服務器結構Fig.6 Browser/server structure

某立磨粉磨系統實時狀態監控畫面如圖 7所示。在瀏覽器上有異常狀況會自動提示，可查詢記錄信息和數據趨勢為決策提供支持，協助生產現場提高工作效率。數據庫維護與專業服務工具開發應用分離，分工更細，基于通用平臺提高了系統構建效率、發展速度和應用效果。

5 結語

工業互聯網技術的發展推動了立磨粉磨系統狀態監控系統的建立與應用，專業工具更加廣泛地得到了集成應用，通過數據流的實時分析與統計，建立專業工具共享環境，提高了利用率，可為工業生產提供專業服務，促進專業知識轉化為生產力，跨地域的專業分工與協作整合了資源，構建了新的生產與服務模式。

圖7 立磨粉磨系統實時狀態監控畫面Fig.7 Status monitoring interface of vertical roller mill grinding system