基于云平臺的遠程診斷與在線監測系統架構研究

岑 曦

（百色職業學院 廣西 百色 533000）

1 引言

現如今越來越多的行業走向了智能化，而大數據時代的來臨使得智能化的產業在生產經營中產生了大量數據，數據采集和過程監測、處理等也受到了重點關注。以往的設備管理工作多由內部人員執行，可能會導致重復性建設等問題，而且很多企業數據都具有一定的不連續性特征，信息孤島或信息資源浪費等問題較為嚴重。對此，如何充分利用數據信息，實現設備的智能化運行、維修、管理則成為了企業智能化建設中需要解決的大問題。互聯網、大數據、云計算等技術與現代制造領域的充分融合，使得基于云平臺的遠程診斷、監測系統的實現成為了可能，而且設備的全生命周期管理、上下游企業一體化協作等也獲得了更有利的條件。

2 系統整體設計

2.1 整體架構

鉆機遠程狀態監測與監測系統架構為企業統一制定的云存儲平臺架構，能夠實現設備廠家和企業、作業現場3方面的互聯，實現多方資源的全方位整合。系統架構圖見圖1。

圖1 系統整體架構圖

2.1.1 鉆機現場采集子系統

鉆機的構成有鉆井泵、絞車等構成，其中若鉆機的自動化水平較高，那么還會配備一些管柱自動化處理設備。這些結構的操作與狀態信息數據多來自于電控PLC系統，該系統可以對現場設備運作信息進行統一化采集，之后進行信息的預處理歸檔[1]。

2.1.2 數據傳輸與存儲子系統

該系統利用移動互聯網及衛星進行信息的自動化傳輸，但需要現場的網絡條件較為穩定，比如4G、5G網絡等，確保數據上傳速度。

2.1.3 云數據中心

云數據中心是該系統的關鍵構成，負責數據挖掘、數據分析、數據管理等。云數據中心借助云服務器高效的數據處理能力和存儲、共享等優勢，相較于以往的獨立服務器更加穩定和高效。

2.1.4 客戶端用戶

客戶端用戶主要包含企業用戶監測客戶端和鉆機遠程監測服務中心等，這些都是數據分析結果的使用者，也能夠根據系統分析情況對設備管理提出有關意見。

2.2 系統構成部分分析

2.2.1 裝備物聯遠傳和協調器

物聯遠傳和協調器具有故障診斷和動態化監測等功能，能夠直接與變頻器、伺服控制器等進行連接，從而在許多環境下都能保持穩定的通信要求。該遠程診斷器還支持4G/5G網絡、Wi-Fi、GPRS等通信模塊，而數據傳輸則選擇TCP/IP協議，通過透傳、XML協議等方法將數據傳輸到云服務器中，其功能性如下：（1）信息自感知功能。裝備物聯遠傳及協調器后，可以實現不間斷的在線監測服務，能夠同時連接多個傳感器，利用設備中預設的傳感器采集裝備將設備的受力信息、油液信息、振動信息進行收集和傳輸，對設備實現自動化的感知和監控。（2）故障的診斷與處理功能。基于云平臺的大數據加工服務系統來挖掘信息，實現設備故障的診斷與處理。如結合安全值范圍知識，若收集到的信息接近預設值范圍，那么物聯遠傳和協調器則可以根據預先擬定的解決方案調整系統的運行狀態。若收集到的信息超出安全值，那么會立刻發送警報信息，幫助技術人員進行及時處理解決。（3）多模塊選裝。該設備在多個行業中都能夠應用，功能板作為底板，選裝多種通信模塊，支持多種鏈路的通信，同時繼承了TCP/IP協議棧，設有嵌入式操作系統，能夠實現多種串口通信的用戶設備數據傳輸。此外，還支持參數配置和保存功能，提高數據傳輸的穩定性[2]。

2.2.2 大數據加工服務系統

大數據加工服務系統由數據采集層、展示層、智能分析層等構成，利用先進的大數據技術實現設備制造企業以及設備使用企業信息的有效整合，為后續設備的遠程診斷及在線監測提供信息支持。數據采集層是其中的物理連接層，利用多項數據的采集和處理來保證數據的使用價值。智能分析層則是構建數據流的閉環，利用數據池及智能數據管道和有關的反饋信息來建立分析模型，形成根據企業和設備等多個維度的標簽體系，為設備的診斷與檢測帶來可靠的數據來源支持。應用系統層根據數據采集及分析結果，建立多領域的服務體系，利用智能設備生命周期的不同環節關聯性，將產品生命周期作為主要線路，為產品研發部門和生產部門等提供支持，實現產品全生命周期的信息融合。展示層能夠實現多瀏覽器數據的可視化，建立完善的數據管理中心，進行數據信息的審計、監控、管理等。

為匹配更多企業的經營環境和使用要求，云平臺需要按照一定的規律將復雜的生產過程根據多個級層進行分化，存儲于數據池中。設計3輪數據加工服務體系，將上下游企業的設備信息進行篩選、整合、結構化處理。第1輪ETL利用采集器實現信息來源的種類劃分、零件的多維度信息整合；第2輪ETL則實現過程流及控制流層次的抽取，整合種類級與設備級的信息；第3輪ETL根據收集到的信息實現領域分類，根據資源流、組織流等完成信息整合，建立結構化的信息抽取。

2.2.3 Web UI系統

人機交互控制界面負責智能化的設備在線監測和遠程診斷器、監控平臺間的信息交互，實現設備運行過程的動態化監控檢測，將檢測到的數據發送到監測平臺，之后平臺通過數據處理和分析，將信息再次傳輸到智能化在線監測與遠程診斷器之中，確保設備系統的安全運行。人機交互控制界面主要包含用戶區、監測區、定位區、功能區等。

3 系統的具體應用

基于云平臺的遠程診斷與在線監測系統以數據采集和數據分析作為基本功能條件，通過多種形式的分析界面，為客戶端用戶提供設備的動態化監測信息。

3.1 鉆機狀態監控

在遠程診斷與在線監測系統中，設備運行狀態的監測是最基礎性也是最重要的功能，主要包括設備的整體評價、單元多層級監測等。平臺狀態監測界面主要利用儀表盤、曲線圖等靈活的方式實現數據信息的可視化呈現，將鉆機設備的整體使用評價參數以動態化的方式展現出來，比如游車高度、頂驅扭矩等參數，都能利用這一方式獲取。也可以通過這一界面直接切換到單設備狀態監測界面，了解設備的具體運行狀態，信息獲取也更加全面[3]。

3.2 預測性維護

在自控技術的支持下，運用在線監測系統提供的動態化數據信息，按照預測設備的故障規律與頻次等情況實施針對性的維護措施，事中的控制往往比事后的維修補救更加重要，需要制訂合理可行的設備維護策略，相較于傳統維護方式在成本控制上效果提升20%～30%左右，并且也降低了生產設備的停滯時間。系統預測性維護在設備運行時間統計、參數對比等方面都能實現任務的自動處理，及時提醒人員進行維護。設備界面可以匯總曲線和雷達圖等設備狀態監測圖，也能根據現有信息來給出設備的狀態評價與維護意見。

3.3 故障的輔助診斷

雖然基于云平臺的遠程診斷與在線監測系統能夠對設備運行全過程進行動態化監測，但設備故障問題仍然無法做到百分百控制，所以需要利用故障輔助診斷的方式，將設備故障信息進行匯總與處理，提供給維修人員，以便于維修工作快速且順利進行。按照平臺現有的故障庫來輔助診斷，包含故障列表與告警記錄列表等，其中包括所有的系統告警信息和設備故障信息，不僅能幫助維修人員了解設備以往的運行情況信息，同時也能支持手動創建或其他添加途徑，建立并不斷完善故障輔助診斷數據庫，將多種設備故障的體現和處理過程信息進行歸納整合并錄入到數據庫中，為以后類似的設備故障信息提供支持。而且數據庫調取信息的效率非常高，根據故障信息的自動匹配搜索，幫助維修人員進行故障的準確分析和處理。

3.4 統計分析

多元化統計分析的故障檢測手段能夠在完全不了解精確解析模型的條件下，通過過程變量的關系來實現故障的有效檢測。系統統計分析功能主要包含故障統計分析、告警分析等多個模塊，故障統計分析界面中，用戶可以制訂某一時間段、某個現場鉆機設備的查詢方法，信息查詢者需要利用餅圖的方式通過故障級別、故障表現、故障設備等作為關鍵詞進行信息檢索，這些信息也可以通過匯總的方式存在[4]。

3.5 多終端的數據展示窗口

在系統中，用戶能夠利用多種移動終端或硬件實現數據信息的展現，可以設計登錄權限或密碼來保障信息的安全性，其他用戶只能查詢鉆機的基本情況，一些重要的參數信息則可以得到很好的保護。

4 結語

以云平臺作為技術基礎的遠程診斷及在線監測系統能夠利用裝備物聯遠傳和調節器進行設備全過程控制，不管是信息收集還是遠程故障診斷等都能夠得到有效解決。大數據服務加工系統能夠實現設備的全運行周期控制，為設備的穩定運行提供關鍵支持。