基于物聯網和工業云的選礦設備狀態監控研究

夏霜

（湖北新冶鋼有限公司，湖北黃石，435000）

選礦是整個礦產品生產中較為重要的環節，設備繁多且工序復雜。利用監控加強對選礦設備的管理能夠提高設備運行效率，但傳統監控系統操作復雜且過程診斷技術難，無法建立精準的數學模型。為改善此類問題，本文設計與開發了基于物聯網和工業云的選礦設備狀態監控系統。利用物聯網技術對設備運行過程中產生的數據進行的采集和傳輸，微服務框架將工業云與監控設備結合，完成系統的服務化過程。利用多種技術的結合，使系統具備在線診斷、精準定位故障部位、推送報警、移動監控等功能。增加了設備的利用率，減少了人力需求，為將來企業智能化發展提供了支持。

1 選礦設備狀態監控系統整體架構

■1.1 選礦設備狀態監控系統整體架構

該系統整體結構分為五層：

第一層為選礦設備層，主要通過選礦設備的指標參數及視頻圖像采集節點，獲取選礦過程中多元數據。

第二層是物聯網感知層，該層主要架構是數據采集平臺、視頻監控及MES設備管理系統形成的選礦設備物聯網閉環。數據采集平臺是由部署在生產設備參數采集點的傳感器構建而成，視頻監控則是通過部署在視頻采集點的攝像頭采集得到。

第三層為數據傳輸層，將第二層采集的數據實時上傳到工業云計算中心的實時數據收集集群中，且將數據存儲至云端數據庫，同時將經過現場工作站處理的數據放入數據庫。若網絡出現中斷，則將本地緩存的歷史數據上傳至工業云的非實時數據收集群，保證了數據的完整性。

第四層為云平臺層，該層主要通過在云計算設施基礎上建立的數據收集和數據處理集群對數據進行分析處理，并發布與之對應的基于微服務架構的應用服務。

第五層為應用服務層，通過在工業云上部署MES設備管理系統實現該系統的服務化。根據用戶的不同需求提供如實時狀態檢測、在線故障診斷及實時視頻檢測及其他應用服務，能夠有效降低企業使用本系統的門檻和成本。整體架構如圖1所示。

圖1 選礦設備狀態監控系統整體架構圖

圖2 選礦設備狀態監控系統軟件架構圖

■1.2 選礦設備狀態監控系統軟件架構

該系統軟件是采用的問服務于軟件構架設計模式。該模式特點在于通過微服務將資源用REST Web API形式對外公開，每一個獨立的微服務都能實現一個不同特性的應用，且服務間相互獨立，都有自己的操作系統進程，適用于基于工業云的分布式應用系統。軟件構架如圖2所示。

2 選礦設備狀態監控功能設計

為得到更為完善的系統，該系統功能設計主要分為7個單元，分別是基礎設備信息管理單元、設備運行狀況實時監控單元、設備運行維護單元、設備運行統計單元、設備運行分析單元、設備視頻監控單元以及設備故障診斷單元。分別針對設備的基礎信息的管理、設備實時運行狀態的監控、設備維修情況的記錄、設備運行狀況的統計、設備故障率及設備綜合效率的分析、設備故障的診斷等信息進行統計，完善設備的功能，為用戶的使用提供便捷。選礦設備狀態監控功能結構圖如圖3所示。

圖3 選礦設備狀態監控功能結構圖

3 選礦設備監控系統技術選擇

本系統主要涉及5種技術的應用，分別是物聯網采集技術、數據傳輸技術、系統報警推送技術、故障診斷技術及視頻數據與過程參數融合技術。為滿足流程工業對實時工廠應用的需求，物聯網數據采集平臺的無線傳感器采用的是WirelessHART無線通信協議，建立可靠穩定安全的無線通信。有線傳感器采用的是用于過程控制的對象與嵌入工業標準。

數據傳輸技術為建立選礦設備智能監控的SaaS平臺，給不同選礦廠提供服務，故須將現場采集到的數據實時傳輸到工業云計算中心的數據庫中。本系統是利用云服務器中的RabbitMQ集群收集非實時數據，Kafka集群收集實時數據，在網絡中斷的情況下，也能保證數據的完整性。在數據傳輸的同時安裝分布式系統數據服務，使集群服務器間形成高可用服務，避免服務器故障造成的數據流失。

警報推送技術與傳統報警功能區別在于對設備運行狀態的建模，在設別運行狀態下結合視頻監控進行異常診斷，通過移動網絡將報警信息進行推動。為提高監控的便捷性，該系統采用分布式消息隊列中間件技術，推送的報警信息首先上傳到分布式消息中間件，中間件根據報警信息的類型和等級進行推送報警，管理者和操作者能夠及時準確的獲得報警信息予以處理。

設備故障診斷技術是在傳統的在線檢測基礎上對運行狀態下的設備進行診斷和預測，通過監測視頻快速定位產生故障的部位及原因，同時對預測可能發生故障的部位進行維護維修，避免因設備故障造成的停產現象。為對設備進行準確的故障診斷，需建立設備診斷的體系框架，本系統建立的設備診斷體系框架如圖4所示。

為確保設備診斷的準確性，本系統提供如主成分分析、模成分分析、支持向量機、偏最小二乘法等建模方式。將收集到的設備運行數據與上述建模方式進行建模和仿真評估，從而得到最適合該設備的建模模型，實現對運行設備的診斷。同時系統會一直采集運行數據對該模型預測和診斷的精度進行評估，據評估結果跟新模型，以確保設備故障診斷的準確性。

圖4 設備故障診斷體系框架

數據視頻與過程參數的融合技術是通過設備管理與視頻監控相結合，使過程變量和視頻信息融合。利用計算機視覺和視頻監控分析方法對視頻監控中的圖像進行分類分析，提取關鍵的信息，自動判斷該監控區域中異常的現象。發現異常后與設備實時參數進行對比分析。從而快速找到發生事故的部位，并進行報警。實現在移動終端對選礦設備的實時監控。

4 系統的實現及驗證

基于物聯網和工業云的選礦設備狀態監控系統是利用物聯網數據采集技術、數據傳輸技術、微服務構架對選礦設備狀態監控系統設計開發而成。為驗證該系統的應用服務化以及對選礦廠的支持效用，將本系統部署在南京大學工業云計算中心。結合某450萬噸選礦廠應用選礦設備狀態監控系統云服務定制的APP完成對本文構建的選礦設備狀態監控系統的初步應用驗證。

驗證過程分別從設備狀態、運行統計、報警信息、故障診斷及移動巡檢方面進行驗證。設備狀態對運行狀態和實時狀態進行監測；運行統計主對主要設備的運行時間、停歇時間及停歇原因按照年度、季度、月度進行統計，形成報表；報警信息統計報警推送，報警歷史記錄；故障診斷是利用一段時間內正常運行的歷史狀態數據作為訓練集數據，調用合適的建模方法構建模型，對比實時運行狀態數據進行在線診斷，判斷該設備的運行狀態。移動巡檢是指工作人員在現場巡檢時可通過移動APP掃描帶有設備編碼信息的二維碼快速了解該設備當前運行的狀態。

通過系統的驗證可看出，基于物聯網和工業云的選礦設備狀態監控系統對選礦廠有支持作用，對企業門檻要求較低，具有較高的實用意義。

5 結語

本文通過物聯網數據采集技術、數據傳輸技術、微服務構架對選礦設備狀態監控系統進行設計和開發，構建出基于物聯網和工業云的選礦設備狀態監控系統。工業云與微服務構架完成了系統的服務化，滿足不同選礦廠需求。物聯網采集技術對設備運行時的實時數據進行采集說輸送；非實時數據集群RabbitMQ和實時數據集群Kafka，保證了數據的完整性；系統報警推送技術將警報信息分類推送；故障診斷技術通過各種建模方式與設備運行數據的匹配，構建出適合的模型，對可能出現故障的部位進行預測；視頻數據與過程參數融合技術直接運用計算機分析處理采集到的數據，從而準確的推算出故障部位，實現設備視頻移動監控。通過與云服務定制的APP結合驗證，證實了該系統對選礦廠的支持效用。