基于工业互联网技术设备在线监测及故障诊断技术研究与应用

刘美乐，李 刚，朱信龙，张明禄，李小刚

（1.陕西煤业化工技术研究院有限责任公司，陕西 西安 710065；2.煤炭绿色安全高效开采国家地方联合工程研究中心司，陕西 西安 710065；3.陕煤集团神木柠条塔矿业有限公司，陕西 榆林 719300）

引言

随着工业建设越来越趋向智能化、连续化，对设备的稳定性、安全性的要求也越来越高，设备在线监测及故障诊断技术为设备正常运行保驾护航，尤其是大型转动设备振动监测技术，能提前发现设备的早期问题，为设备检维修及备品备件采购提供充足的准备时间和明确的检修方向。

应用在线监测及故障诊断技术构建设备智能运维中心，通过采集设备振动加速度信号，应用智能诊断算法实时分析故障特征频率，自动识别故障类型、严重程度、发生故障位置等信息，就地显示并上传诊断分析结果，实现设备典型故障的精准定位，摆脱设备故障分析诊断对专业技术人员的依赖，最后给出专业的维修建议。

1 在线监测及故障诊断技术研究

在线监测及故障诊断技术应用的核心是基于设备运行状态的实时数据，实现设备状态实时受控的设备预测性维护。设备预测性维护是通过设备多源数据的综合分析，涵盖数据采集、状态分析、故障诊断、状态预测和维修决策，实现机组状态的全方位判断，区别于传统的修复性维修和预防性维修。

基于数据驱动的在线监测及故障诊断技术是目前特别流行的一种方法。其中，基于数据驱动的在故障诊断方法主要有基于信号分析、基于定量知识数据分析以及基于统计分析的方法[1]。基于数据驱动的在线监测方法可以分为信息融合、信号处理、统计分析与机器学习[2]等。信息融合方法的基本思想是利用不同时间与空间的多传感器数据资源，如传感器、知识库、数据库等，在一定准则下进行综合、分析和使用，从而得到可靠的监控结果，该方法又称为数据融合或者多源信息融合[3]；信号处理方法是对各种类型的电信号，按各种预期的目的及要求进行加工过程的统称，主要为谱分析和小波变换[4]；统计分析方法具有科学性、直观性和可重复性等特征，主要分为单变量统计和多变量统计[5]；机器学习方法，如随机森林、支持向量机和人工神经网络等需要对故障数据进行分类[6]。

2 在线监测及故障诊断技术应用（见图1）

图1 在线监测及故障诊断平台网络架构

设备在线监测及故障诊断技术应用是基于工业互联网技术构建的设备在线监测及故障诊断平台，核心是由数据驱动端的设备预测性维护。实时获取真实有效的状态数据是系统运行的基础，通过集成各个现场监测系统的数据，利用现场已有传感器、已有系统的数据或新增传感器等完成底层数据的获取，各类数据通过在线监测系统或直接上传至大数据平台，大数据平台可以完成数据的清洗、存储、分发、共享等，对于已有成熟智能分析模型的设备状态数据，可以通过智能诊断模型对数据进行处理，实现异常设备的智能报警、智能诊断等。

基于工业互联网的设备在线监测及故障诊断平台系统由三级组成：

第一级为数据采集层：在机组振动明显的部分加装振动加速度传感器采集设备振动信号，在电机输出轴或减速机输入端加装转速传感器，数据通过信号线缆/无线方式传输至对应设备的数据采集器（有线采集RH1500，无线RH560），经数据采集器处理后，通过有线网络传输方式将数据发送到厂区服务器。

第二级为现场状态监测系统：与监测系统配套一台服务器，用于存放从数据采集器发回的设备状态数据，现场设备维护与管理人员可通过电脑终端访问在线监测系统，了解监控机组的实时运行状态。

第三级为远程诊断系统：通过该系统，乙方远程诊断专家可对所有纳入监控的设备进行远程数据分析与故障诊断。

2.1 数据感知层实施

在线监测及故障诊断平台可以接入多种数据源的数据，如生产过程数据，生产运营数据，生产经营数据以及第三方应用产生的数据，数据平台接收到数据后，通过消息队列集群以及分布式计算集群对数据进行实时处理，然后对处理后的数据进行落地存储和报警推送等操作。容知日新自主研发的智能传感设备，包括振动、温度、位移、转速、倾角、油液、晃动、应变、MEMS等20余种传感器。该平台提供标准的数据接口，可以接入设备现有的物理量，实现数据的联网。

2.2 数据平台部署

提供良好的数据接入是数据平台首要解决的问题。工业现场环境复杂，涉及到的数据种类繁多、数据量庞大、数据结构不一，因此很难使用传统的、固定的数据接入手段应对各种不同的数据接入场景。同时，各种应用和接口都希望在最短的时间内获取到最新的数据和最近一段时间内的数据，因此，让应用和接口排队获取数据显然是远远满足不了需求的。为了达到数据最新、允许多应用同时获取数据、最大限度地高效高速获取到大量数据结构不一的数据的目的，数据平台选取Kafka作为数据接入和数据传输的核心。

平台的搭建离不开合适的架构，在满足Kafka、Cassandra的基础上，数据平台选取Hadoop作为架构，支撑平台对于数据的各种复杂计算、快速处理和大量存储。Hadoop是一个分布式系统基础架构，能够对大量数据以一种可靠、高效、可伸缩的方式进行分布式处理。Hadoop是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。目前，Hadoop发展已久，具备完善稳定的生态，在部署和运维上都相对简单和快捷。

2.3 应用软件部署

面对海量数据的处理，提供配套的数据平台管理应用系统来对大数据进行管理和运维，主要包括数据源管理、数据转化管理、数据池管理、数据采集管理、算法管理、主题数据分析。

EPM应用系统是我们面对用户的核心应用，它展现了以设备为中心的各种状态数据、算法结果数据、业务流程数据、各种报表数据等。

为了应对数据源分散这种情况，我们提供了成熟的通讯服务组件，可以保障从数据源采集端到大数据平台数据的传输的稳定性和及时性，只需要在数据源侧部署一个与RabbitMQ队列通讯的DTS数据传输组件，并在大数据平台应用服务器上安装RabbitMQ队列通讯服务，即可实现从数据采集端到大数据平台的数据传输。

2.4 “设备无忧”APP部署

“设备无忧”APP部署是围绕企业对工业设备的日常维护和综合管理需求而开发设计另一款辅助产品，专为设备管理者和专业工程师服务，具有实时运维设备状态、处理设备问题、跟踪过程反馈等功能，总体把握设备运行过程，实时监控设备的总体状态，推送需要处理的问题，查看设备诊断报告；针对于设备的一系列动作在APP上都可呈现。

3 结语

设备的智能在线监测及故障诊断的将成为设备管理的主要途径之一，容知日新积极响应工业智能制造的发展趋势，提出构建公司智能在线监测及故障诊断平台的计划，并付诸实施，使设备管理由事后维修向预测性维护迈进。借助工业互联网技术为设备与状态数据建立紧密的联系，运用数据采集，数据存储，数据清洗，数据挖掘，数据可视化等技术助理设备智能运维，利用实时监测的设备数据预测故障发生的时间和部位，结合人员、资源、时间、费用、效益等多重因素，利用故障树推理智能故障模型解析、智能维修决策等方法制定检修策略，最大化零部件工作效率，缩短不必要的停工期，为实现智能制造提供了技术保障。