基于工业互联网的混凝土泵车群远程监控与故障诊断系统
2020-09-09邓子畏朱红求
邓子畏， 朱红求
（中南大学 自动化学院，湖南 长沙410083）
1 引言
混凝土泵车具有机动灵活、工作效率高、自动化程度高等特点，在土木工程建设过程中获得了广泛的应用。 由于大型工程机械设备的应用分布越来越分散和自动化程度越来越高，传统的售后人员现场故障维护模式的维护成本和维护效率，已经成为制约工程机械制造和租赁等企业发展的瓶颈。 因此，利用当前的信息处理技术和网络通信技术，开发工程机械设备的远程监控与故障诊断系统的需求变得尤为迫切。
国内外学者和科研机构在这方面做了大量的工作。 曹勇［1］提出了基于云计算的工程机械集成系统，利用移动通信、GIS、GPS、GPRS 等相关技术，构造了一个开放性系统，实现了工程机械的远程监控和集成化管理。 彭细等人［2］为了有效解决工程机械建设上大数据问题并实现信息的有效推送，提出了工程机械GPS 远程智能监控系统。 诸剑等人［3］针对工程机械使用过程中难以实时监控的问题，提出了大数据背景下工程机械远程监控技术。 王吉平等人［4］在传统监控监测的基础上，结合GPRS 技术研制了沥青洒布车远程数据采集与监控系统。 詹宏宏等人［5］研发了机群远程监测与故障诊断系统，实现机群中各分散单机的远程监测与故障诊断。 黄神富等人［6］研究了基于Internet 的工程机械远程故障诊断系统，利用现代化的网络技术来缩短收集故障信息的时间。 国内外一些大型工程机械设备制造企业也纷纷开发了自己的远程监控与故障诊断系统，以此来提高产品的竞争力和服务保障能力：沃尔沃建筑设备公司研发的机器跟踪信息服务系统Matris软件包［7］、德国O＆K 公司应用卫星通讯技术开发的工况控制系统BCS［8］、由欧盟资助的CIRC 新一代路面施工工程机械的控制和监测系统［9］、日本小松公司用于中小型工程机械的KOMTRAX 遥控管理系统和用于大型工程机械的MHMS 机械健康管理系统［10］、 美国卡特彼勒公司利用GPS、 GIS 和GSM 技术开发的采矿铲土运输技术系统METS［11］等；国内大型的工程机械设备制造企业，如徐工机械、三一重工、中联重科、柳工机械等公司，也各自开发了自己的工程设备远程监控与故障诊断系统［12－16］。 这些系统可以帮助客户更好地远程监控设备状态，有效地提高了设备的生产效率和降低了设备的故障维修成本。 基于新一代信息技术物联网、机器学习、可视化技术与传统的泵车维护深度融合，本文提出了基于工业互联网技术的泵车远程监控及故障诊断应用系统，实现了混凝土泵车群的远程监控与故障诊断，可以提高泵车故障诊断效率，降低企业的运维成本。
2 远程监控及故障诊断系统的设计
远程监控的目标就是检测泵车机身故障，通过采集泵车传感器的状态数据，分析泵车健康状态，当出现故障时，能较准确的诊断出故障发生的位置及原因。 泵车群远程监控及故障诊断的总体架构如图1 所示。 如图1 所示，系统包括泵车实时的数据采集与接入，数据解析与大数据分析，故障诊断算法包括基于堆叠自编码器算法和基于深度迁移学习的诊断算法。 混凝土泵车的运行情况通过远程数据采集与分析、机器学习等，然后通过JAVAWEB 技术将数据结果图形化展现出来。
图1 泵车群远程监控及故障诊断系统的总体架构
2.1 系统功能设计
系统软件开发采用模块化设计思想，根据泵车管理的业务需求和现场客户的实际需求设计了系统管理、设备管理、监控管理、故障管理和数据分析等五个模块。 每个模块下又设计了多个子功能模块，通过这些子功能模块实现混凝土泵车群的远程监控与故障诊断等功能。 具体的功能子模块包括很多功能块，如系统管理子模块包括用户管理、角色管理、菜单管理、字典管理、区域管理等功能块。 通过这些子模块可以实现用户的注册与登陆、泵车状态监控、泵车数据详情展示、泵车历史轨迹回放、泵车数据统计、泵车故障诊断等功能。 通过数据可视化，非常直观的展示泵车的情况，有利于提高泵车故障诊断的效率。 设计的系统软件功能结构如图2 所示。
图2 泵车应用系统软件功能结构
2.2 数据库概念设计
数据库的基本结构可分为物理数据层、概念数据层和用户数据层。 数据库的概念设计是为了在系统需求的基础上将具体的对象实体抽取成一种数据模型，帮助开发人员理清数据关系以及数据的组织结构，主要的输出为数据库表的E-R 图。
2.2.1 个人信息模块E-R 图
所有用户都有唯一的用户名信息，可以查看自己的个人信息，包括姓名、企业名称、密码、手机号码等，同时用户可以拥有多种角色权限，此间关系为一对多。
图3 个人信息模块E-R 图
2.2.2 系统管理模块E-R 图
图4 系统管理模块E-R 图
系统管理员可以管理用户，角色，菜单等信息，用户关联角色，关系为一对多；角色关联菜单，关系为多对多；角色的属性包括角色名称、角色标识，菜单的属性包括菜单名称、图标、链接、权限标识。
2.2.3 泵车数据基本信息E-R 图
图5 泵车数据基本信息E-R 图
2.2.4 系统总体E-R 图
根据上下文设计的各模块E-R 图，采用规范化理论综合集成局部E-R 图，去除命名、属性以及结构上的冲突，消除不必要的冗余信息，得到如图6 所示的系统总体E-R 模型图。
图6 系统总体E-R 图
2.3 微服务设计
系统架构上采用springcloud 微服务技术，实现敏捷开发和部署。 在系统内微服务按照业务功能本身的独立性来划分，例如历史轨迹查询、故障诊断算法调用、预警消息推送等模块都是以微服的形式开发。 微服包括配置管理、服务发现、断路器、路由、微代理、事件总线、负载均衡等技术。 通过以微服务技术实现接口设计，提高了系统的可扩展性以及海量数据下的稳定性。
泵车故障诊断应用系统在设计中，考虑到以后实际应用过程中的海量数据、高并发等，决定采用基于springcloud 的微服务技术来解决这些问题。 随着云计算、虚拟化技术的流行，使用微服务技术的成本也随着降低。 在应用系统中数据的采集、预处理、存储、诊断算法调用都采用微服务的方式来实现。 微服务的技术架构如图7 所示。
3 系统的应用与测试
3.1 功能界面
泵车监控功能使用百度地图进行实时的定位跟踪，并且能实时采集数据并展示当前泵车的状态数据，比如油量、是否开机、累计工作时间等，在地图下方有展示泵车的报警信息，包括违反作业操作报警，设备故障报警等。 泵车运行实时监控界面如图8所示。
图7 微服务架构设计
图8 泵车监控实时界面
依据获取的混凝土泵车的运行数据，基于提出的故障诊断模型，就可以实时进行故障诊断，并将诊断结果进行显示。 同时显示设备的标识信息以及泵车的设备参数，为泵车的快速维护提供完整的信息。具体的故障诊断界面如图9 所示。
图9 泵车故障诊断界面
3.2 系统实验测试
泵车故障诊断系统的性能实验的主要目的是验证由本文提出的泵车故障诊算法调用中，在泵车状态数据的传输过程中，故障诊断准确率以及故障诊断实时性等性能。
实验装置为数据模拟发射器及泵车故障诊断系统。 实验计算机为thinkPad X1 笔记本电脑，其主要性能参数为Intel（R）core（TM） i5，RAM 8.0GB，CPU＠ 2.9GHz 2.9GHz，64 位操作系统；linux 服务器10台，4 核8G 内存。
通过模拟数据的产生，经过平台的数据预处理。通过一组仿真模型数据来进行机器学习，通过大量数据的训练后，会产生一条故障基准线，将采集的泵车状态数据转换成特定的状态值，通过此故障基准线比较即可判断是否有故障数据产生。 实验采用2组不同的数据，来测试故障诊断的平均用时及准确性。 实验结果如表1 和图10 所示。
第2 组的平均用时比第1 组略高，但总体差异不大，对于泵车故障诊断的实际情况中的应用影响比较小，且花费的时间处于合理的范围，可认为系统中的故障诊断算法调用满足实际需求。
图10 故障诊断模型调用结果
4 结语
根据系统的开发环境、技术特点以及现场实际需求等，设计了泵车机群远程监控与故障诊断系统平台的总体架构以及系统的软件结构，并提出了接口设计以及数据库设计等关键技术，开发完成了一套符合实际需求、功能完善、性能稳定的泵车远程监控与故障诊断系统，实现了混凝土泵车群的远程监控与故障诊断。 系统的模拟测试结果表明了该系统的有效性。 该系统的开发为泵车的运营管理者提供了远程监控与管理的具体手段，可以降低企业的运维成本和提高设备的综合管理水平。
