基于云计算的智能高端装备远程运维管控系统设计

2024-03-11张艾森

设备管理与维修 2024年2期

关键词：运维远程装备

张艾森

（上海工业自动化仪表研究院有限公司，上海 200233）

0 引言

智能装备作为智能制造的重要组成部分，其领域涉及到多种不同的设备类型，在多种工业场景下广泛使用。智能高端装备通常具有复杂的结构和高度集成的特点，高效、可靠的远程运维管控系统是确保设备正常运转和降低管理成本的重要手段。

本文提出一种基于云计算技术的智能高端装备远程运维管控系统的设计思路，详细介绍系统架构、实现方案和案例分析，以智能机器人为例验证该系统的实际效果和应用效果，为提高智能装备的运行效率和管理水平提供有益的参考。

1 系统架构

系统架构主要包括装备端和云平台两部分。装备端包括了设备管理和数据采集模块，云平台则包括了数据存储、分析和远程操作模块。两端之间通过互联网进行数据交换和控制。智能装备云平台系统架构如图1 所示。

图1 智能装备云平台系统架构

1.1 装备端

装备端主要负责设备管理和数据采集，并将采集到的数据传输到云平台，其主要功能包括设备状态的监测、控制、维护和保养等。对于不同种类的装备，可以采用不同的设备管理方式。在数据采集方面，需要根据装备特点进行设计，包括采集的数据类型、频率、通信协议等。为了保证数据传输的稳定性和安全性，可以采用加密、压缩等技术。

（1）设备管理方面。不同种类的装备其监测、控制、维护和保养的方式和手段都是不同的。例如，在工业生产现场中，设备管理的主要目标是确保生产设备的正常运行，因此可以使用传感器、PLC 控制系统等手段，实现对设备状态的实时监测和控制。

（2）数据采集方面，需要考虑采集的数据类型、频率和通信协议等问题。以物联网远程终端设备为例，可以通过传感器采集气体、光照、温度、湿度等数据，以及终端设备本身的电压、电流等基本信息。然后根据不同的实际需求和应用情况，对数据采集的频率、精度、数据格式进行优化，使用UDP、TCP/IP 等通信协议将采集数据上传至云平台，以便进行分析处理和决策支持。

（3）保障数据传输的安全稳定性，可以采用加密、压缩等技术。例如，使用TLS/SSL 协议进行数据传输加密，采用MQTT 协议实现数据压缩，以减少数据传输过程中带宽和存储的需求，提高数据传输效率。

（4）配置管理和远程维护功能可以提高系统的易用性和可靠性。例如，可以提供智能手机APP，并设置用户权限等，以方便用户管理设备并实现远程控制和维护。在物联网远程终端设备中，可以设置设备参数、批量升级固件等远程维护功能，以方便设备运维人员管理和维护设备。

1.2 云平台

云平台系统主要负责数据的存储、分析和远程操作。其中，数据存储主要包括了原始数据和处理后的数据，原始数据用于后续的分析和处理，处理后的数据则可以为用户提供实时的装备状态信息。数据分析方面，则可借助大数据的处理能力进行高效的数据挖掘和分析，进一步优化装备的运行效率、降低维护成本。远程操作是指通过云平台对装备进行控制和管理，包括远程诊断、故障排除、设备调整等功能。同时，为了保证数据传输的稳定性和安全性，云平台还需要采用高级加密、安全认证等技术（图2）。

图2 云平台工作流程

在云平台系统中，数据存储是非常重要的组成部分，因为数据是企业和组织中最重要的资产之一。因此，云平台系统需要采用备份、容错、灾备等技术，以确保数据能够得到充分的保护，不会发生意外丢失。

（1）备份技术是云平台系统中保护数据的最核心技术之一。备份的目的是为了当出现数据丢失或被损坏等情况时，能够及时从备份的数据中还原出原始数据。因此，当数据存储在云平台的服务器上时，系统会对数据进行多次备份，确保数据的安全性。

（2）容错技术是指在发生硬件故障时，系统仍能保证设备继续工作的技术。目前容错技术主要包括纠错码（ECC）和校验和（CRC）。纠错码技术是一种对数据进行编码的过程，数据在传输时会对其进行检验和纠正。这样即使在数据传输过程中出现错误，系统仍然可以通过纠错码对数据进行校验和恢复，确保数据的完整性。校验和技术是寻找任何给定数据块的校验和，以确保数据的完整性。这种技术通常用于在文件传输期间验证数据的正确性，一旦数据出现错误，系统就会报告错误，以确保数据的完整性。

（3）灾备技术的主要目的是在出现自然灾害、电源中断、网络中断等情况时，系统能够更快速恢复至正常的工作状态。在云平台系统中，灾备技术通常包括了备用服务器和远程数据中心的使用。如果云平台系统的工作服务器出现故障，备用服务器可以立即接管服务，确保服务的稳定性。如果数据中心遇到灾害，备用数据中心可以存储系统备份数据，并在发生灾难时及时进行数据恢复，保障数据的安全性（图3）。

图3 灾备系统结构

2 实现方案

2.1 装备端实现

在装备端的实现方面，需要考虑装备类型不同，可能需要采用不同的方案。例如，对于机械手臂等电动设备，可以通过接入工业以太网和现场总线等装备通信接口，采集设备工作状态和运行数据。而对于传感器等感知器材，则可以通过无线传感器网络等技术实现。在实现过程中，需要注意通信协议的兼容性以及数据传输的可靠性和安全性。

2.2 云平台实现

在云平台的实现方面，需要考虑如何保证稳定的数据存储、高效的数据分析和安全的远程操作。采用Hadoop 分布式文件系统，可以将数据分成多个块存储在不同的服务器上，实现数据的多副本备份和可扩展性，提高存储效率和可靠性。数据存储方面，可采用分布式存储技术实现数据的复制备份以及灾备等功能。数据分析方面，则可结合深度学习、机器学习等技术进行数据挖掘、建模等。例如，采用机器学习算法对采集的数据进行分类、聚类、异常检测等，从而提高对装备状态的预测能力。远程操作方面，则需要采用安全认证、权限控制等技术保证合法性和安全性。利用OAuth认证来保障用户的身份认证，同时基于角色的访问控制（RBAC）来管理用户访问权限、限制用户的操作和访问范围，从而保证数据和系统的安全性。这些技术的应用和组合，可以使云平台的运维能力得到大幅提升，优化装备的运营和维护成本。

3 案例分析

为了验证该系统的实际效果，以智能机器人为例进行了实验验证。该机器人采用光学测距仪、视觉传感器等设备进行环境感知和自主导航。以装备端的硬件为控制要点，实现了机器人的远程操作、故障诊断等功能。而云平台则通过数据分析、模型预测等技术，在机器人运行过程中进行数据监控、分析和优化处理，提高了机器人的识别精度和控制稳定性。在该智能机器人的实验中，云平台和装备端的技术优势充分发挥，为机器人的运行提供了通力合作的支撑。

在装备端，智能机器人采用光学测距仪、视觉传感器等技术进行环境感知和自主导航，同时通过远程操作和故障诊断功能实现远程控制和监控。在处理数据方面，装备端采用本地数据处理器和算法来对数据进行处理和分析，提高响应速度和减少数据传输成本。其次，云平台具备强大的数据分析和处理功能，应用大数据技术进行数据挖掘、建模、预测技术等，优化装备的运营和维护成本。对机器人运行过程中采集的传感器数据进行处理和分析，实现对机器人运动状态和姿态等参数的实时监控和评估，从而提高了机器人的识别精度和控制稳定性。通过对运行数据的分析，机器人的控制算法逐步优化，提高了机器人在复杂环境中的运动稳定性和控制精度，同时降低了运动能耗，从而扩大了机器人的使用范围及应用领域。

系统不仅可以应用于智能机器人领域，同样也可以用于其他装备及设施的智能化、码头和船舶自主导航等业务场景，实现应用前景广泛。

4 应用与展望

（1）工业制造：在工业制造领域，智能机器人通过云平台系统的协同支持，不仅提高了生产线的灵活性和生产效率，同时降低了人工操作和维护开销。以汽车工业为例，生产线采用了结合云平台系统的智能机器人，提高了生产效率和产品质量，同时实现了对实时品质数据的监测、追溯和分析，促进了制造水平的持续升级。云平台智能机器人系统在机械制造、电子制造、食品制造等领域也具有广泛应用前景，智能化生产将大大提高企业的运营能力和商品质量，有望成为未来工业制造的主流趋势。

（2）医疗保健：结合云平台技术，构建基于机器人的智能化医疗系统。例如，在医疗设备的维护方面，智能机器人采用云平台系统的支持，实现了数字化的医疗设备维护，从而保障了设备的正常运行，提高医院效率。在病房内，智能机器人不仅能够通过传感器和生物识别技术对患者进行监测，还可以通过远程操作或语音交互，为患者提供快速的诊疗和健康管理服务。

（3）交通设备：基于云计算的智能高端装备远程运维管控系统可以应用于各种交通设备，例如高速公路收费系统、地铁信号控制系统、航空交通管制系统等。这些设备需要高度精准的控制和监测，而基于云计算的远程运维管控系统可以通过实时监测、远程控制和数据分析等功能，提高设备的安全性和稳定性，同时降低维护成本和提高运行效率。