在線監(jiān)測系統(tǒng)在港機運行維護中的應(yīng)用

楊曉華 陳創(chuàng)業(yè) 虞 華 魏新乾 朱國和 王傳存

上海振華港機重工有限公司

1 引言

目前港口起重機械主要沿用傳統(tǒng)的“定期保養(yǎng)，事后維修”的運維模式[1]。這種模式存在以下不足：數(shù)據(jù)管理系統(tǒng)不完善，簡單的統(tǒng)計分析無法充分利用歷史數(shù)據(jù)；人工巡檢缺乏專業(yè)工具，效果差；設(shè)備出現(xiàn)異常時，無法輔助判斷故障原因及位置，待機排查時間長。

在線監(jiān)測系統(tǒng)融合了物聯(lián)網(wǎng)、人工智能領(lǐng)域的發(fā)展成果，已經(jīng)初步具備解決上述問題的能力[2-3]，并朝著監(jiān)測網(wǎng)絡(luò)化、系統(tǒng)集成化方向不斷取得新的突破。通過對機組傳感器信號數(shù)據(jù)分析，經(jīng)人工智能算法賦能的監(jiān)測平臺可以對港機裝備的運行狀態(tài)進行實時監(jiān)測評估，為港機柔性檢修計劃的制定提供決策依據(jù)。在線監(jiān)測系統(tǒng)已經(jīng)在軍工、電力、軌道交通、環(huán)保等領(lǐng)域相繼落地[4-5]，雖然仍面臨一定挑戰(zhàn)，但其在港口起重機械運行維護領(lǐng)域的推廣已經(jīng)成為必然的發(fā)展趨勢。

2 在線監(jiān)測系統(tǒng)的設(shè)計要求

著眼行業(yè)發(fā)展的迫切需求，對港機設(shè)備在線監(jiān)測系統(tǒng)的可行性進行了系統(tǒng)性研究。調(diào)研結(jié)果顯示，在線監(jiān)測系統(tǒng)主要需要滿足以下設(shè)計要求。

(1)數(shù)據(jù)采集及傳輸要求。在線監(jiān)測系統(tǒng)運行過程中，遠程監(jiān)控點采集港機設(shè)備運行數(shù)據(jù)并與邊緣計算設(shè)備及監(jiān)控中心進行實時不中斷通信，代替人工巡檢監(jiān)測設(shè)備運行效能。設(shè)備歷史運行數(shù)據(jù)要能夠留存，以建立裝備運行日志及狀態(tài)判別式模型的訓(xùn)練、部署及持續(xù)優(yōu)化。數(shù)據(jù)采集傳感器的選擇和安裝，需要充分考慮港機機組設(shè)備工作特點、部件協(xié)同傳動原理及傳感器組件物理特性的差異，才能穩(wěn)定、有效地監(jiān)測設(shè)備運行狀態(tài)，還要兼顧不同類型傳感器對設(shè)備服役工況耐受能力以及工作原理差異性對整個系統(tǒng)負(fù)載均衡的影響。

(2)系統(tǒng)化的數(shù)據(jù)訪問權(quán)限管理。對于監(jiān)測網(wǎng)絡(luò)留存或服務(wù)器備份的系統(tǒng)運行日志數(shù)據(jù)及異常警告信息，普通用戶只有在系統(tǒng)的人機交互界面瀏覽機組的實時運行數(shù)據(jù)或特定時長內(nèi)的機組狀態(tài)運行日志的權(quán)限，具有規(guī)定等級權(quán)限的用戶才能對留存數(shù)據(jù)進行數(shù)據(jù)讀寫及維護。

(3)起重機械運行狀況智能監(jiān)測要求。除了實時收集設(shè)備狀態(tài)的運行狀態(tài)數(shù)據(jù)，還要求在線監(jiān)測系統(tǒng)能夠?qū)崟r對設(shè)備運行健康狀態(tài)進行模式識別，為柔性檢修維護及預(yù)測性維護的制定提供決策依據(jù)。

3 港機在線監(jiān)測系統(tǒng)的實現(xiàn)

在線監(jiān)測系統(tǒng)的整體框架分為邊緣層、平臺層和應(yīng)用層(見圖1)。邊緣層采集港口設(shè)備運行數(shù)據(jù)，經(jīng)邊緣計算設(shè)備處理后傳回控制中心。作為監(jiān)控系統(tǒng)的神經(jīng)中樞，平臺層結(jié)合不同監(jiān)測工況具體的數(shù)據(jù)處理要求，對應(yīng)用場景進行數(shù)字化建模，基于異構(gòu)數(shù)據(jù)層級之間內(nèi)在的邏輯關(guān)聯(lián)性，借助機器學(xué)習(xí)、深度學(xué)習(xí)等智能技術(shù)探索內(nèi)在函數(shù)映射關(guān)系，從而對網(wǎng)絡(luò)產(chǎn)生的各類數(shù)據(jù)進行一體化的分析[6]，進而實現(xiàn)對數(shù)據(jù)資源深度整合、信息挖掘，為實現(xiàn)對監(jiān)測系統(tǒng)整體網(wǎng)絡(luò)高效、準(zhǔn)確的分析與管控奠定基礎(chǔ)。借助提前建立的關(guān)于檢修維護的知識圖譜，應(yīng)用層可結(jié)合具體的現(xiàn)有作業(yè)、管理條件對設(shè)備保養(yǎng)管理給出合理的指導(dǎo)建議。

圖1 監(jiān)測系統(tǒng)總體架構(gòu)圖

在線監(jiān)測系統(tǒng)通過安裝在起重電機驅(qū)動軸附近的震動、溫度等傳感器，采集港機設(shè)備的車輪和滑輪運行數(shù)據(jù)后，上傳至安裝在控制室內(nèi)的邊緣計算設(shè)備，以進行預(yù)處理、分析、存儲，并將這些數(shù)據(jù)通過無線傳輸方式上傳至企業(yè)監(jiān)測云平臺。利用人工智能技術(shù)賦能平臺對起重設(shè)備及車輪滑輪的運行狀態(tài)進行實時監(jiān)測，及時或提前發(fā)現(xiàn)運行異常，并提前安排檢修或更換計劃，可有效減少車輪和滑輪事故造成的計劃外停機時間，提高設(shè)備利用率，降低運行維護成本。

3.1 數(shù)據(jù)采集及傳輸

該在線監(jiān)測系統(tǒng)主要通過轉(zhuǎn)動軸的振動信息判斷起重電機及車輪、滑輪等部件運行過程中的健康狀況，傳感器安裝在起重電機的主、從動軸附近位置(見圖2)。

圖2 傳感器安裝位置示意圖

遠程在線監(jiān)測系統(tǒng)的數(shù)據(jù)傳輸模塊一般包括兩個部分，一是由單位監(jiān)測區(qū)域內(nèi)的傳感器節(jié)點匯聚組成的子網(wǎng)；二是傳感器將數(shù)字信號傳輸?shù)奖O(jiān)測子站后，按照既定協(xié)議傳回監(jiān)控中心的信號線路稱為骨干網(wǎng)[7]。子網(wǎng)的數(shù)據(jù)傳輸采用有線無線傳輸方案均可。對于骨干網(wǎng)而言，有線傳輸方案不僅線路架設(shè)成本高，通信線纜及信號傳輸設(shè)備還容易受到自然災(zāi)害破壞；而無線網(wǎng)絡(luò)進行數(shù)據(jù)傳輸只需要架設(shè)天線，不僅提高了系統(tǒng)安全系數(shù)，還提高了系統(tǒng)的可擴展性，降低了系統(tǒng)維護難度。以在電力系統(tǒng)中已取得較為成熟應(yīng)用的監(jiān)測系統(tǒng)為例，其集成了Linux內(nèi)核低功耗芯片的監(jiān)測子站，支持子網(wǎng)ZigBee、骨干網(wǎng)IEEE802.1的通信協(xié)議，將收集到的數(shù)據(jù)傳送至匯聚節(jié)點后接入互聯(lián)網(wǎng)，或者通過高增益天線遠距離傳輸接入內(nèi)部網(wǎng)絡(luò)，在監(jiān)控中心對數(shù)據(jù)進行分析處理實現(xiàn)故障診斷。

隨著無線通信技術(shù)的不斷發(fā)展，利用GPRS、4G網(wǎng)絡(luò)所提供的公共平臺實現(xiàn)數(shù)據(jù)傳輸?shù)慕鉀Q方案也越來也越顯現(xiàn)出競爭力[8-9]。早期監(jiān)測系統(tǒng)的數(shù)據(jù)傳輸方式也多是利用以太網(wǎng)專線或者專用網(wǎng)絡(luò)，將傳感器采集到的設(shè)備運行狀態(tài)數(shù)據(jù)按約定協(xié)議傳回監(jiān)控子站，再通過支持FD-LTE、GPRS等無線終端遠程傳回監(jiān)測中心。本項目監(jiān)測系統(tǒng)的傳感器采集運行狀態(tài)數(shù)據(jù)，按照約定格式通過支持Modbus協(xié)議的RS-485總線接口傳輸?shù)奖O(jiān)測子站，再通過4G無線通信終端傳回數(shù)據(jù)處理中心的云計算平臺。

3.2 在線監(jiān)測系統(tǒng)的遠程故障檢測

在線監(jiān)測系統(tǒng)能極大縮短故障檢測與維修時間，增加設(shè)備正常運轉(zhuǎn)時長，從而提高設(shè)備整體運行效率。起重機械軸類傳動部件故障會實時體現(xiàn)在其振動信號時域和頻域譜峰的分布特征，保障了設(shè)備預(yù)測性維護的可行性。故障檢測在機床、大型電站等機械設(shè)備運行狀態(tài)監(jiān)測領(lǐng)域已經(jīng)有了較為廣泛的應(yīng)用[10-11]，從傳感器硬件到故障檢測分析算法都積累了一定的經(jīng)驗。

監(jiān)測系統(tǒng)傳感器將采集到的設(shè)備運行狀況數(shù)據(jù)在邊緣計算設(shè)備濾波、解調(diào)后，傳輸?shù)奖O(jiān)控中心進行存儲、分析，監(jiān)測系統(tǒng)的服務(wù)器從震動信號時域和頻域譜線中提取能夠表征設(shè)備運行狀態(tài)的特征集，用于機組設(shè)備運行狀況的模式識別算法診斷，進一步在線或離線訓(xùn)練，并提供規(guī)定權(quán)限內(nèi)的運行日志數(shù)據(jù)查詢、異常報警及故障診斷等功能在應(yīng)用層反饋檢修指導(dǎo)建議。

圖3為起重電機振動傳感器監(jiān)測到的一組故障樣本，分別為驅(qū)動側(cè)(MIH)監(jiān)測波形和從動側(cè)(MOH)波形。電機從動端測點震動趨勢波動較大，但整體震動幅值較小，時域波形有沖擊峰，震動幅值正常，包絡(luò)譜中可見7.2 Hz頻率，接近仿真試驗臺預(yù)先測試標(biāo)定的軸承保持架損壞特征頻率；電機驅(qū)動端振動幅值正常，趨勢有間隙躍升，時域波形較平穩(wěn)，但包絡(luò)譜中發(fā)現(xiàn)33.6 Hz頻率峰，幾乎達到轉(zhuǎn)子自有轉(zhuǎn)動頻率的2倍，由此判斷軸承保持架有磨損。最近的設(shè)備保養(yǎng)周期檢修結(jié)果也驗證了分析的準(zhǔn)確性。

圖3 機組故障監(jiān)測信號波形

該系統(tǒng)雖然能夠及時發(fā)現(xiàn)機組運行異常隱患，但對于少部分非典型故障的確定，仍需現(xiàn)場人工檢修或者具備相關(guān)知識背景的專家對數(shù)據(jù)進行進一步量化分析。由于滾動軸承故障振動信號不穩(wěn)定、故障特征提取效果不理想等原因，仍需要進一步提高現(xiàn)有故障診斷的模式識別算法準(zhǔn)確率。

4 在線監(jiān)測系統(tǒng)的發(fā)展趨勢及面臨的挑戰(zhàn)

4.1 智能化發(fā)展趨勢

在線監(jiān)測系統(tǒng)基于無線通信網(wǎng)絡(luò)的數(shù)據(jù)采集傳輸?shù)哪K已經(jīng)有相對成熟的解決方案，隨著基于微內(nèi)核全場景分布式操作系統(tǒng)的推廣，基于高性能AI推理芯片云服務(wù)器的上線及剪枝、量化、蒸餾學(xué)習(xí)等模型壓縮技術(shù)的長足發(fā)展，均為系統(tǒng)利用更多維度數(shù)據(jù)分析，為實現(xiàn)監(jiān)測系統(tǒng)的智能化發(fā)展奠定了基礎(chǔ)。

除了進一步提高故障診斷模型的準(zhǔn)確率以減少人工參與診斷工作量，在線監(jiān)測系統(tǒng)還要能夠利用更多維度傳感數(shù)據(jù)，實現(xiàn)對港機設(shè)備運行狀況更多維度的監(jiān)控。借助預(yù)先建立的設(shè)備檢修維護的知識圖譜模型，并結(jié)合具體機組的知識庫以及既定生產(chǎn)轉(zhuǎn)運計劃，對不同故障給出具體的預(yù)測性檢修維護建議。

以往監(jiān)測系統(tǒng)信息處理的“專家系統(tǒng)”，基于系統(tǒng)動力學(xué)原理對應(yīng)工況場景進行建模，并依托最佳平方逼近等數(shù)學(xué)方法實現(xiàn)函數(shù)逼近。而機器學(xué)習(xí)負(fù)梯度下降的迭代型搜索算法沒有沿用這種解析解的思路，將“實踐論”引入了建模領(lǐng)域，數(shù)據(jù)驅(qū)動的基于誤差反向傳播算法和鏈?zhǔn)椒▌t的深度學(xué)習(xí)，在處理非線性可分分類問題時，相較于傳統(tǒng)SVM等機器學(xué)習(xí)的核函數(shù)方法又進一步提高了處理準(zhǔn)確率，并進一步降低了對模型特征集選取的敏感性及實況應(yīng)用場景對于建模能力的要求。這種端到端的建模理念已經(jīng)極大提高了模型準(zhǔn)確率，且相較于傳統(tǒng)建模方法，對復(fù)雜應(yīng)用場景也展現(xiàn)出更強的泛化能力。震動信號也具備明顯的自然語言時間序列特征，可以根據(jù)業(yè)務(wù)的實際需要選擇合適的框架接入相應(yīng)的API進行模型訓(xùn)練及上線部署。

為了保障港機設(shè)備運行故障診斷模型的準(zhǔn)確率和召回率，充足的訓(xùn)練和驗證數(shù)據(jù)集需要提前采集，并根據(jù)選用模型對設(shè)備正常運行的歷史日志數(shù)據(jù)及篩選的故障樣本數(shù)據(jù)進行數(shù)據(jù)標(biāo)注，選用網(wǎng)絡(luò)模型訓(xùn)練以實現(xiàn)對故障的診斷。半監(jiān)督訓(xùn)練算法可以極大降低數(shù)據(jù)標(biāo)注工作量并達到與監(jiān)督訓(xùn)練相近的準(zhǔn)確率，對類工業(yè)高噪聲環(huán)境也展現(xiàn)出更高的耐受性。但截止目前，在監(jiān)測系統(tǒng)及其他物聯(lián)網(wǎng)相關(guān)領(lǐng)域還未見公開的成熟應(yīng)用，除了圖像數(shù)據(jù)標(biāo)簽“增廣”技術(shù)仍需結(jié)合時間序列型數(shù)據(jù)結(jié)構(gòu)特征作進一步改進之外，另一重要原因在于原始故障樣本數(shù)據(jù)積累不充分，從單一仿真試驗臺上采集的故障樣本的概率分布，不利于故障判別模型超分割平面的確定。

4.2 系統(tǒng)面臨的挑戰(zhàn)

除了操作系統(tǒng)、數(shù)據(jù)傳輸，數(shù)據(jù)實時處理及預(yù)警觸發(fā)均會產(chǎn)生延遲，保障在線監(jiān)測系統(tǒng)的實時響應(yīng)是一個系統(tǒng)性工程。

當(dāng)前階段監(jiān)測系統(tǒng)處理的數(shù)據(jù)多為時序特征較為明顯的震動信號，已有神經(jīng)網(wǎng)絡(luò)模型用于故障檢測但未取得較大幅度準(zhǔn)確率提升，對于診斷模型仍可嘗試完善特征集適配DNN網(wǎng)絡(luò)，后期系統(tǒng)優(yōu)化磨合后，使用數(shù)據(jù)新標(biāo)注方式再嘗試訓(xùn)練RNN、LSTM等網(wǎng)絡(luò)模型，且驗證后的模型需經(jīng)剪枝壓縮后再移植到系統(tǒng)平臺，并持續(xù)優(yōu)化以縮減系統(tǒng)算術(shù)運算響應(yīng)時間。

作為云計算的必要補充，邊緣計算可以在港機設(shè)備端對運行數(shù)據(jù)進行存儲和預(yù)處理，既可以減輕傳輸網(wǎng)絡(luò)的帶寬壓力并降低數(shù)據(jù)傳輸能耗，又可以減輕云計算中心的數(shù)據(jù)處理壓力，從而提高系統(tǒng)實時響應(yīng)能力。值得注意的是，雖然全場景分布式操作系統(tǒng)可以兼容邊緣計算，但既有的MapReduce等計算框架在處理高并發(fā)嵌入式分布式集群異構(gòu)數(shù)據(jù)時仍存在一定的不足[12]，因此適宜將濾波、解調(diào)、FFT變換及簡單規(guī)則預(yù)警等簡單任務(wù)部署到邊緣計算設(shè)備，對于機組部件剩余壽命預(yù)測等遠景規(guī)劃任務(wù)，仍部署在服務(wù)器或者云計算平臺均衡監(jiān)測系統(tǒng)負(fù)載，以降低響應(yīng)延遲。

現(xiàn)在的監(jiān)測系統(tǒng)需要連續(xù)若干次觸發(fā)下跌或上升判斷規(guī)則之后才會發(fā)出警告，即系統(tǒng)故障后以震動信號頻譜特征作為主要診斷依據(jù)的模型，需要若干采樣時長才能觸發(fā)警告。RNN等深度學(xué)習(xí)模型則可以實時對設(shè)備運行狀況進行判斷，只需要適配流數(shù)據(jù)處理的實時計算引擎。目前相對成熟的實時計算引擎有Storm、Spark Streaming及Flink等，具體篩選過程中，需要綜合考慮具體應(yīng)用及系統(tǒng)維護場景的實際需求。

5 結(jié)語

利用機器學(xué)習(xí)、物聯(lián)網(wǎng)等技術(shù)發(fā)展成果，在線監(jiān)測系統(tǒng)可以實現(xiàn)對機組設(shè)備運行狀態(tài)的實時監(jiān)測，有效降低巡檢等運維成本，對于提升港口科學(xué)管理水平具有重要意義，在港口起重機械運行維護領(lǐng)域具有廣闊的應(yīng)用前景。