基于云边协同的大型锻压装备远程运维系统研究

袁 超，孙 勇，张 浩，黄达力，凌云汉，李武恺，吴平平

（1.北京机电研究所有限公司，北京 100083；2.北京化工大学，北京 100029；3.广东精铟海洋工程股份有限公司，广东 佛山 528241）

随着国民经济与科学技术的发展，大型锻造装备已在汽车、航空、海洋船舶等众多领域得到广泛应用，其中最具标志性的有二重万航800000kN（80000t）压力机、伊莱特16M 碾环机、中机锻压2500kJ 大型液压打桩锤、北方重工360000kN（36000t）垂直挤压机等，如图1 所示。大型锻造装备加工效率的不断提高，也伴随着维修难度的不断增大。大型锻造装备主要有以下几个显著特征：①由多个系统共同组成，结构复杂；②多个系统之间联动工作，凭借单一传感器不易快速准确判断故障部位；③工作环境恶劣（高温、粉尘、腐蚀等），监测参数的随机干扰大；④故障现象和故障原因存在多重映射关系，不易准确判断故障原因[1-4]。

图1 大型锻造装备示例图

这些特征导致了工业现场人员没有足够的技术水平和运维能力处理相对复杂的装备故障难题，需要装备供应商提供技术支持，找到故障原因，从而恢复生产。对于企业来说，由于整个流程响应时间长、信息不对称，生产线运行时间缩减，生产效率降低[5]。对于装备供应商来说，由于不能实时监测装备的运行情况和健康状况，不能主动提供运维服务，导致人力调度难、维护成本高、售后服务质量下降，大型装备远程运维技术的应用显得愈发重要。

2007 年IBM 和Google 首次提出了云计算（Cloud Computing）的概念[6]。随后各大IT 公司纷纷推出了商业云平台，代表性的云平台有AWS、Azure 和阿里云等。2012年，GE[7]将云计算的概念引入工业领域，并开放了其工业云平台Predix[8]。西门子也开发了云平台MindSpere[9]。在国内，徐工集团借助阿里云平台，搭建了国内首个工业云平台“徐工工业云”[10]。2016年，三一重工开放了其工业云平台“根云”[11]。以上工业云平台的出现，使故障诊断系统的基础设施出现了更多新的选择，但目前国内对于细分行业云平台故障诊断的研究较少。本文在阿里云平台的基础上，以锻压行业规则、常识、经验、案例为核心，建立了基于云计算和边缘计算协同的大型锻造装备远程运维系统，以实现远程连接、远程在线状态监测、远程健康状态管理、远程故障诊断分析等工作为目标，优化传统运维方式，提高大型锻压装备的运行可靠性、减少大型锻造装备的故障停机时间。

1 基于云边协同的远程运维系统总架构

云计算是一种计算范式，它可以根据用户的需求随时随地为最终用户提供无限的计算资源，可以提供如资源池、弹性和灵活性、可扩展性、性能高等各种类型的服务[12]；边缘计算主要指在靠近物或数据源头的一侧，就近提供计算服务，以产生更快的网络服务响应，满足应用的实时性和数据保护等方面的需求[13]。在大型锻压装备远程运维系统构建过程中，边缘计算负责对需要实时处理的数据进行预处理，为云端提供高价值的数据；云端则负责长周期、非实时数据的处理，为边缘层提供训练后的模型。图2 为大型锻压装备远程运维系统架构设计图。

图2 大型锻压装备远程运维系统架构设计图

边缘层通过对数据的实时采集和处理，把整合后准确且有效的信息输送到云平台；云平台则发挥自身计算能力，通过设备机理模型和智能算法模型对生产过程关键参数进行训练和升级，并把优化输出的业务规则或模型下发到边缘层，从而完成自主学习的闭环，如图3 所示。

图3 大型锻压装备远程运维平台流程设计

2 多源异构数据采集技术

面对多源异构数据对象的时间精度要求、数据价值等级不均等特征，采集系统分为一般数据采集和高速采集。如图4 所示。

图4 多源异构数据采集系统架构图

（1）一般数据采集。一般数据采集的对象包括以下特征：对时间精度要求不高，按照秒级的频率采集可以满足对对象的监控和分析，比如：产量、能耗、节拍等。

（2）高速采集。高速采集的对象一般包括以下特征：变化量较小，对时间精度要求高，秒级的采集频率不能满足监控的需求。数据价值高，对数据分析有直接或间接作用。通过毫秒级的设备监控，可以清楚地判断系统内故障发生的先后次序，帮助现场人员追溯到导致故障发生的真实原因。

3 大数据驱动为核心的锻压装备故障诊断技术

3.1 基于机理模型的锻压装备制造知识与知识库构建技术

通过数字化和网络化的方法，以行业知识和制造经验为出发点，通过长期积累的有效数据分析对比，沉淀行业规则、常识、经验、案例，利用行业专家的碎片化时间远程完善机理模型、构建锻压装备工业知识库。通过机理模型和知识的共享，中小企业可以低成本的获得优质资源。图5 和图6 分别为特别类型的锻压装备工业机理模型。

图5 锻压装备工业机理模型

图6 伺服液压机工业机理模型

3.2 基于分布式传感的锻压装备工况实时感知技术

在成形工艺和设备运行机理模型建立的基础上，考虑成形过程中由环境因素、设备状态、工艺问题等导致的压力机设备运行异常以及故障表征，将不同类型的智能传感器嵌入压力机的主要部件中，以传感器的返回数据当作感知的数据基础，实现锻造过程中的过程动态参数包括压力机打击能量、电机转速、滑块位移、平衡缸气压、制动器油压等数据的实时监控；以内置智能判定算法作为认知的判定依据，对锻压装备当前运行工况进行实时分析和评价。传感器类别和位置如图7 所示。

图7 传感器的类别和安装位置

3.3 基于机器学习的设备故障诊断技术

通过机器学习和数据挖掘等算法，实现历史数据的强相关性分析、故障的报警和寿命预测等核心功能。工业知识库是设备故障诊断人工智能算法的基础，同时，设备故障诊断算法的结果不断修正和完善工业知识库，形成闭环。其中图8 是用哈希算法进行图形拟合分析，判定设备生产状况正常与否的流程图。

图8 哈希算法图像拟合分析流程图

4 系统实现

4.1 远程连接

通过在现场安装5G 智能网关，实现对现场设备动态IP 地址的快速解析（图9），远程、安全、稳定地访问现场终端（图10），随时随地对程序进行上传下载、对设备进行实时监控，能够有效降低运维时间、提高运维效率。

图9 动态IP 解析软件

图10 设备远程访问和监控

4.2 设备状态监控

系统通过对锻造生产设备实时状态、节拍、打击力、滑块位移等关键参数进行监控（图11），使用户能够直观、准确地了解设备的实时运行状态、历史运行状态、设备OEE、设备故障报警、设备保养等，提高和优化用户决策的质量和速度。如图12 所示。

图11 设备状态实时监控

图12 设备健康状态分析

4.3 关键参数高速采集展示和故障诊断分析

高速采集实现关键参数的数据预处理和存储，故障诊断分析功能利用工业知识库的知识，对实时运行关键参数进行分析，检测异常数据并给出解决方案，辅助现场人员做出更优决策，最后将分析结果写入数据库，如图13 所示。

图13 数据库中设备故障诊断分析结果展示

4.4 大型锻压装备远程运维云平台的搭建

建立大型锻压装备远程运维云平台，帮助企业对设备运行状态进行实时监测和分析，可在故障程度轻微时准确发现和识别，辅助运行人员对异常进行处理，避免严重事故，提高设备可靠性。

图14 锻压装备远程运维云平台

5 结论

随着大型锻压装备复杂性的不断提高，设备故障停机的损失越来越大，同时企业维护能力有限，大型锻压装备远程运维系统的搭建显得尤为重要。本文采用云边协同这种新型计算范式，将云计算强大的资源能力与边缘计算低时延特性相结合。在此基础上，针对锻压装备的知识、机理、生产特点，设计并实现了对锻压装备的远程连接、远程高速采集、远程监控、远程故障诊断等功能。经多个项目验证，大型锻压装备远程运维系统的应用，能够有效加快锻压装备运维服务响应速度，提高装备生产质量和生产效率、减少设备故障发生时间和运维成本，整体提高锻压生产线智能化制造水平。