面向云服务的立磨粉磨状态监控系统的构建与应用

2020-08-19于伟涛张宏星杜文辽

矿山机械 2020年8期

关键词：监控状态生产

李客，于伟涛，张宏星，杜文辽

1洛阳矿山机械工程设计研究院有限责任公司河南洛阳 471039

2矿山重型装备国家重点实验室河南洛阳 471039

3中信重工机械股份有限公司河南洛阳 471039

4郑州轻工业大学机电工程学院河南郑州 450002

立式辊磨 (以下简称“立磨”) 作为干法粉磨系统的核心设备，与输送、收尘 (成品收集)、供风、供热等辅助系统构成了粉磨系统 (生产线)，对物料的加工过程连续且不可逆，由于单位时间物料处理量大，其工作状态和效率对生产起了决定性作用。立磨的工作环境封闭，粉磨过程涉及机械运动、气-固混合流体、热功、电气、液压等多种专业技术，具有高度集成与耦合的特征。立磨复杂的结构与工况集成，决定了其运行与维护必然是多学科交叉，具有高度的专业性，而工厂专业人员匮乏，制约了设备能效的发挥。

立磨运动信息、气-固-热混合状态、电气信号、液压数据等都通过 PLC集中到了 DCS (分布式控制系统，Distributed Control System)，生产线上其他辅助设备和工艺数据也同步通信到 DCS，在数据监控与状态调整上具有良好的平台基础。大量的数据汇集、信息甄别、数据分析、状态识别、调控与优化，这些都对工作人员的专业技能提出了更高的要求，为了应对生产需求，提供更专业的服务，减少工作人员的劳动强度，以智能化技术替代部分人工，成为立磨粉磨生产的重要支撑技术。

立磨粉磨生产智能化相关技术正越来越多地得到应用，智能优化调控、云计算、云服务等技术，以生产线大数据为基础，成为专业化高效工具，在生产中逐渐发挥作用，能够有效替代人工，优化生产工艺，对设备和生产状态进行实时监控，并提供预警支持，为故障提供数据分析，成为促进生产运维精细化、智能化的重要技术。

在智能化状态监控方面，常见的做法是通过阈值比较触发预警，采用最小二乘法来判断数据变化趋势[1]，结合专家知识，构建立磨故障树和规则库，建立可推理的立磨故障诊断专家系统。随着工业互联网的快速发展，基于物联网环境下的立磨状态监测[2]及分层预警，能够提供多层次的监控服务。这些研究都是基于立磨生产数据，通过构建数据库和预警系统实现数据自动计算处理，为生产监控提供指导。在构建工业流程完整数据链基础上，基于数据流的物联网平台服务体系[3]日渐成熟，状态监控、故障分析的基础就是生产大数据的自动处理，结合可视化技术实现结果输出，形成智能化服务。

1 数据监控系统构建模式

立磨粉磨行业经历了十余年的高速发展，产业快速建立，生产线分布零散，行业注重生产，但缺乏专业人才，而工业互联网技术的快速发展与应用，可汇集专业知识工具，构建云服务平台，为行业提供各种专业的云服务，成为提升立磨粉磨生产专业化服务的重要途径。基于业务模型的数据分析系统，要求能够灵活部署，覆盖大多数业务场景，扩展性强，可对不同生产线的数据集中处理，促进数据分析系统的专业性提升，为平台与服务体系的构建提供良好的基础。

历史数据库是未来趋势判断的重要依据，也是查询、分析、评估设备状态的基础。调用数据的专业工具可以是预测模型、知识规则、专家系统，也可以是其他模型，在云服务平台上具备自动调用分析数据功能，根据需求实现业务交互，监控系统功能模型如图1所示。

在平台上，系统数据信息传递互联互通，易维护和扩展。复杂问题不仅可以通过专业工具进行分析，还可以与专家建立信息交互系统，解决一些多元问题或处理随机故障，并建立历史档案库，建立信息匹配关系，不断补充专家、知识库，促进专家知识、规则的积累与完善。

监控系统结构简单，通过集成专业工具可实现常用功能，覆盖日常运维基本需求，不同生产线数据接入共性功能模块，可实现通用化。为满足监控点差异化和个性化的需求，采用可维护和重构的柔性配置，增强系统适应性和灵活性。

图1 监控系统功能模型图Fig.1 Function module diagram of monitoring system

2 监控系统数据信息处理流程

立磨粉磨系统的数据主要分为设备数据和工艺数据：设备数据反映了设备工作状态，如立磨振动、轴承温度、电动机电流等；工艺数据主要是反映物料信息和生产介质信息，如选粉机转速、热风温度等。另外，还有一些离散数据，如人工记录数据，这些是在线数据的重要补充，为设备状态分析提供补充数据。设备数据是设备维护的重要依据，而工艺数据为生产调控提供支撑，同时，工艺数据影响着设备运行状态，如热风温度上升，表明热量供大于求，进而造成磨内物料过干，引起立磨振动加剧。因而在构建状态监控系统时，主要依据设备运行调控和维护的需求。

因此，立磨粉磨状态监控系统可以分为工艺数据分析和设备状态分析，数据处理应采用分层处理的方式。对于快速变化的生产运行状态，实时监控可以为运维人员提供初期预警；而基于历史数据运行趋势，可以评估当前及未来是否偏离生产状态，用同样的模式可以评估设备运行状况是否健康。状态识别需要确定稳态特征，通过数据分析确定影响因子，根据权重评估对可能的工况进行聚类分析[4]。健康评价需要通过不同状态权重，建立定性与定量相结合的综合评价体系[5]。

业务模型的数据处理流程根据生产实际需求，结合模块功能和层次来实现。始于数据采集，集合多种分析模式与功能模块，目标是可视化服务，自动分析结果并主动推送，按需进行信息追溯查询，数据信息处理流程如图 2所示。

图2 云平台数据信息处理流程Fig.2 Cloud platform data information processing flow

状态识别是将实时数据接入自动处理，反馈设备和生产运行状态。故障信息与溯源是故障识别模块的功能，通过对数据综合分析协助查找故障源，减少人员工作量，提高反应速度，减少非正常停机。状态预测是基于历史数据分析，对立磨等设备和工艺参数进行评估，判断状态趋势，为运维决策提供参考。

在状态监控系统处理数据过程中，为了使数据可识别，增加通用性，对数据统一编码，测点部位与控制系统数据库中的测点名一一对应，这样在获取数据时，每一个数据都能够准确反映监控点位置。某立磨粉磨系统的数据采集配置如图 3所示，通过后台信息关联与数据匹配，每个异常数据都能够快速定位到故障点。人工记录和结果等信息都有记录，可设置相关条件查询，进行历史数据趋势叠加分析，这些功能可通过不同的权限在交互系统上实现。

图3 立磨粉磨系统数据采集Fig.3 Data acquisition of vertical roller mill grinding system

3 面向状态识别的数据处理

立磨粉磨系统的数据大部分通过 PLC通信到DCS上传至云平台，数据采集由任务需求来决定，采样周期可灵活设置，对于稳定的工况数据 (如轴承温度)，可以减小采样频率；而工艺参数波动幅度大，频率高，则应调高采样频率，区别处理可以减少数据处理量。

通过数据分析识别各部位状态，对生产线各设备和工艺数据进行预处理，建立数据库，通过统计计算构建正常的趋势通道，获取健康状态特征数据，并进行实时分析，形成监控结果，并进行可视化展示，处理过程如图 4所示。

立磨粉磨系统数据具有多源异构和非线性特性，按照设定频率采样，数据质量会影响状态识别结果，因此对采集的数据进行预处理是必要的，去除少量因为干扰产生的异常数据。数据的预处理主要是缺值插补和基于时序的跳变数据处理。缺值是因为传感器或者网络等原因造成数据缺失，少量的数据缺失插补方法很多，如线性插值，就有很好的适应性，对数据趋势影响较小。因为生产或者设备故障造成的大范围数据缺失，应该重新选择采样起点来构建数据序列。数据跳变是由于传感器偶发故障或者信号干扰造成的，此时的数据大幅度偏离波动范围且不连续，通过时域滤波处理有效去除数据突变，计算精度与效率和实用性符合立磨粉磨生产工况需求。

立磨粉磨工况复杂导致数据波动较大，不能用单个数据来反映实际工况，需要对数据进行分段计算，多个连续采样周期的数据经过处理后，作为特征值和取样数据。以立磨进口和出口压力差P为例，采样周期为 Δt，可根据数据敏感度在系统设定，采样起始时刻T，连续采样个数为n，则采样数据的均值

P作为这一时间段数据的基准值，其波动值

在状态监控过程中，需要对采集的数据取均值，看是否超出趋势通道，在构建趋势通道时，需要前置某些条件，如立磨入料量，这样采样数据才具有代表性。状态识别的可靠性取决于采样个数n，当n越大，数据准确度越高，但这会造成计算时间过长，使结果偏离了采样周期，即便结果可靠也失去了指导意义。另外采样参数也同样影响识别精度，因为不同的参数其波动频率差异很大，如压力、频率等波动较快，而温度等波动较慢，需要根据具体情况通过试验决定。

图4 状态监控时序图Fig.4 Status monitoring time-sequence diagram

图5 趋势通道构建Fig.5 Construction of trend channel

在实际工程应用中，状态识别可以对采样个数n建立多重趋势通道，短周期的多个n构成长周期的采样数量N，这样可以用长周期趋势来对短周期识别结果加以复核，以提高监控结果的可靠性。故障识别和预测需要集成更多的专业工具才能实现，如聚类算法、时间序列预测方法等。

4 基于云平台的状态监控服务

基于数据自动处理的云平台可多数据源并行处理，集成较多的专业工具，同时面对不同的服务需要，处理不同的服务请求，一般采用浏览器/服务器(B/S) 结构形式，其结构如图 6所示。部分功能借助成熟的通用工具和平台，便于集成自己的工具包，常用浏览器作为信息交互平台，通用性强，能够满足不同系统的信息互通，易于扩展。

数据获取一般采用有线网络或者 4G、5G网络传输，大大提高了数据获取质量和效率。由于建筑物和设备的屏蔽以及外在因素的干扰，无线信号稳定性不如有线网络稳定，主要用于缺少网线的地方，使用网络用于服务信息的发布会提升云服务的便利性和用户体验。