基于物联网的设备状态监测及故障预警诊断平台

基于物联网的设备状态监测及故障预警诊断平台

曾德春

曾德春

重庆通用工业集团有限责任公司重庆市401336

摘要：本文简要阐述了状态监测-智能诊断系统在现代维修体系下的必要性及重要性，介绍了状态监测及诊断系统的发展及应用情况，并且根据实际情况介绍了一种现代状态监测-智能诊断系统结构及应用模式，结合案例说明状态监测及智能诊断系统的运用情况。

关键词：状态监测，智能诊断，动力装备，案例分析

1.绪论

动力装备是工业中应用最为广泛的机械，无论是石化，电力，冶金，煤炭，核能等行业，动力装备都是必不可少的关键设备，如：离心泵，电动机，发动机，发电机，压缩机，汽轮机，轧钢机等，21世纪以来，随着科学技术及互联网的高速发展，传统机械行业中的设备朝着轻型化，大型化，重载化，自动化和智能化发展，近年来，更是迎来了工业大数据时代，实现工业物联网，期望通过设备、传感器、互联网、大数据收集及分析技术等，大幅提升企业的生产效率并创造新的产业。

动力装备作为生产中的复杂机电设备，一旦设备发生故障，不仅会影响设备本身，更会影响整个生产过程的良好运行，严重时危及人身安全，因此保障设备安全稳定运行，具有重要的经济和社会价值。例如在动力设备运行过程中，振动是不可避免的，转子系统作为旋转机械的核心部件，其振动异常的后果尤为严重。按照运动自由度进行划分，转子系统的振动包括转轴的扭转振动、弯曲振动。不同形式的振动行为代表着不同的转子系统故障。转子系统故障类型较多，包括转频故障（如失衡、支撑刚性不足、转子弯曲）、高倍频故障（如测量面缺陷、转子横向裂纹、动静碰磨）和分倍频故障（如喘振、油膜涡动）等，因此机械设备状态监测与故障诊断技术在近年来获得长足的发展。其基本原理，在于通过在线监测系统或者离线采集振动信号，收集设备运行过程中的数据通过监测系统及故障诊断技术加以分析，进而判定设备处于正常或异常状态。机械状态监测及故障诊断技术已广泛应用于各个行业，在保障设备安全、预知设备故障方面正扮演着越来越重要的角色。国内在该领域的研究也取得了丰富的成果，故障诊断技术正在逐步完善。设备监测与诊断的主要目的是利用运行设备所表现出的各种有效信息，全面地分析其当前的状态，有效地诊断故障类型和部位，科学地预测设备状态发展及维修时间；设备检测与诊断技术的深入研究和广泛的工程应用实践，为现代维修方式的发展奠定了基础。

设备状态监测与故障诊断技术的研究与发展大体可以分为三个方面：一是综合传感技术、测试技术、信号处理技术和微计算机技术的检测诊断仪器，为设备检测与故障诊断工作的开展奠定了坚实的基础；二是以现代人工智能为代表的检测与分析方法的研究和探索，为设备检测与故障诊断的智能化提供了可能；三是设备维修体系改革的探讨与工程实践，推动了设备检测与设备故障诊断技术的发展。这门技术的宗旨就是运用当代一切科技的新成就发现设备的隐患，以期对设备事故防患于未然。如今它已是现代化设备维修技术的重要组成部分，并且成了设备维修管理工作现代化的一个重要标志。机械故障诊断技术对确保机械设备的安全、提高产品质量、节约维修费用均起到重要作用。因此，在生产中运用现代状态监测系统及设备故障诊断技术，可给企业带来巨大的经济效益。

2.设备状态监测及诊断技术发展趋势及应用现状

2.1设备状态监测及故障诊断技术发展历程及趋势

2.1.1基本概念

状态监测及故障诊断里面又包含状态检测技术和精密诊断技术。该检测技术是对装备的所有部件以及零件的某些参数进行测试，在将测试的结果跟规定的数值进行对比，最终判断出装备的工作状态有没有异常，再精简点说明就是简易诊断。该诊断技术不光要对装备的工作状态有没有异常做出合理的判断，同时还要对装备出现故障的原因以及部件和严重程度都要做出评估，这就是精密诊断。通常我们最常见的就是简易诊断，像精密诊断适用于最多的还是关键的装备上。这两个技术是不可分割的，不管缺哪一项该工作都不能正常进行，经过状态监测系统收集到装备的运行数据，例如诊断和温度以及压力等等去了解装备是否存有异常，发现问题时运用诊断分析技术，可以快速的找出故障的根源处，及时采取相关的补救措施。

2.1.2发展历程

随着科学技术的不断创新，目前我国的检测技术都有了很大的变化。从发展历程来看可以分为两个历程。第一个历程是将传感器技术和动态测试技术作为根源，再利用信号处理技术作为常用的技术慢慢发展。这时它就在工程中的应用得到了良好的反馈效果，它是现在很多科学技术共同研究出的结果，给传感器技术的发展带来质的飞跃，它仅可以经过噪声、温度、电以及光等等我们日常生活中所必须的信息，经过进一步的变化就可以得到各种作用不一样的该技术。信号分析和数值处理技术跟微计算机技术共同发展，出现了例如，状态空间分析、对比分析和模糊分析等多种方法。

第二个历程就是人工智能技术的应用。随着人工智能技术应用在现代监测技术中，传统的数据处理为关键的过程都被知识处理过程所取代，因此，才有了专家系统、神经网络和模糊理论等新的技术。这一段历程作用最大的就是人类专家的知识，其中含有人类专家涵盖的知识领域以及相应的解决问题的方法。因为信号检测和数据知识处理的一体化，让现在很多就算专业水平低的人员也可以操作使用，在没有等级的限制。

2.1.3发展趋势

机械设备运行状态监测及故障诊断技术从传统的耳听和眼睛看到手操做发展到目前更先进的监测和诊断技术，像现在的超声发射和红外测温等等还有很多。人工智能和专家系统以及模糊数学这些新的学科在该方面也发挥出了它的作用。以后旋转机械状态检测技术慢慢转变为自动在线检测方式。将人工智能理论应用在目前生活中实际的数据处理软件开发中，可以让该技术朝更多目标智能方向发展，给我们带来更多的方便，给企业带来更多的经济效益。

2.2设备状态监测及故障诊断技术应用现状

随着现代化大生产的自动化程度越来越高，设备故障造成的直接、间接的损失也越来越大，设备状态监测和故障诊断越来越显现了在现代化大工业生产中降低维修、运行成本、安全生产，增加企业经济效益所起的重要作用。设备状态监测与故障诊断技术在国内外等均得到了广泛深入的应用，并经过了多年的发展，逐渐形成了完善的状态监测与故障诊断网络化的系统。目前，状态监测及故障诊断技术应用主要分为三类：

(1)离线定期监测方式

相关人员按规定的日期去到实际现场采用传感器对每个测点施行测试，并且使用相关的设备收集信号，再由计算机进行处理，也可以在便携式内置微机上处理，这种方式是目前在检测仪器上使用最为广泛的方法。虽然该方法的测试系统简单便利，但是测试工作非常繁琐，它必须要有技术过硬的专业人员才可以，又因为是离线定期监测，所以在遇到突发故障时很难快速处理。

(2)在线检测离线分析的监测方式

该方式还有个别名叫主从机监测方式，它可以在装备的每个测点处装设传感器，再由微处理器从机系统收集信息并且处理，最终显示在主机系统上由工作人员对其进行分析和盘管。这种方式通常是在大型旋转机械上使用，跟离线定期监测方式相比较该方式可以不用进行更换测点，就可以在线监测，在遇到突发情况时可以快速报警。该方式唯一的不足之处就是必须要离线才可以对相关数据进行判断和分析，同时必须要有技术过硬熟练的专业人员陪同才可以进行。

(3)自动在线监测及故障诊断方式

随着相关人员对状态监测以及诊断技术理论进行更深入的研究研发了一种精度高和性能高以及信息量高的传感器，同时越来越多的新方法出现了我们生活中。如今我们的日常生活中随处可见都是人工智能的应用，它的发展给在线监测和故障诊断方式提供了丰富的理论基础和实现工具，同时因为该方式非常复杂繁琐，所以必须要用到人工智能的帮助才能达到最佳效果。该方式可以随时在线监测设备的工作状态，并且在线对其数据进行分析和判断，在发生故障时可以及时的发出预报。该方式可以根据专家系统和相关算法进行智能化的比较和判断，所以，如果相关人员是中等文化也可以经过短期的培训就可以上岗。该方式是目前最先进的技术，它减少了人工更换测点，对测试人员的专业技术水平要求也较低，并且不需要专业的技术人员对其进行分析和判断，唯一缺点就是该方式对软硬件的要求很严格。

目前开发出的自动在线监测及诊断系统还普遍存在准确性，可靠性问题，因此，国内主要采用第一种和第二种相结合，并以第三种技术辅助的监测诊断技术，目前已在冶金、电力、石化等流程型行业中得到了广泛应用。

3.设备状态监测及智能诊断系统

3.1系统简介

该系统是由监测系统和诊断系统组成，它是系统在设备运行的过程中对出现的信号进行相关的处理，这些处理工作都是故障诊断的基础工作。检测的信号通常都是机组和零部件在运行中出现的各项信息，在经过传感器将这些收集的信息转化为电信号以及物理量信号，最后传送给信号处理系统进行处理，这样可以快速得到设备运行状态的相关信息，给下一步工作打好基础。诊断系统还包含信号分析处理和故障诊断。

信号分析处理主要任务就是将收集到的数据信息经过指定的方式进行变换处理，从不同角度去获得最有用的信息。要进行分析处理必须要用到专门的分析仪器以及计算机，通常要从各个角度以及领域去分析观察这些信息，不管是方法的选择还是在处理过程中的准确性等等最终都会给诊断结果带来很多的影响。

只有当上文的步骤都完成后才可使用故障诊断系统。要开始故障诊断的首要前提就是要了解到状态监测和信号处理提供的装备运行情况以及数据参数等等变化的情况才可以，个别情况时需要跟其他的故障参数模式进行相比，从而来确定装备的运转状态有没有存有异常。如果发现故障，相关人员要快速找到该故障的诱发因素以及是哪个部件从而快速的制定出解决措施，这是故障诊断不缺少的阶段。

3.2系统结构

设备状态监测及智能诊断系统架构由感知层、网络层、应用层组成，如图3-1

3-1设备状态监测及诊智能诊断系统

（1）感知层

利用布置在各类监测对象（装备）上的传感器和采集数据系统获取装备运行状态/工艺信息，通过有线和无线的传感器网络将运行状态/工艺信息发送至网络层的数据中心。

（2）网络层

整个云平台架构的基础层，利用数据库、云平台分布式应用系统和网络设备等系统，完成数据高速传输、存储、数据分析、调度、发布以及数据信息的安全保护等。包括位于企业内部的备状态监测及智能诊断系统和位于其他专家处的云端平台。云端平台考虑到企业数据的安全和隐私需求，平台做了完整的数据隐私安全设计。云端平台的数据是企业数据的“安全”镜像。

（3）应用层

应用层提供装备运行状态报警、分析、诊断、检维修管理、维修任务智能优化决策等功能。该系统主要是利用大数据机器学习技术对积累大量故障案例和检维修记录数据等进行训练学习，得到智能诊断模型和智能维修决策模型，为企业提供诊断和维修决策支持。同时随着数据的积累，智能诊断模型和智能维修决策模型会实时更新。基于物联网的设备检测与控制管理平台采用四层技术架构，如图3-2所示。

3.3应用模式及功能

对工业中常见的离心压缩机、风机等装备的振动、温度、压力、流量、电流、转速、电压等状态量和工艺量进行在线监测、离线检测，以及针对不同监测对象设置专属的报警及分析诊断等功能，并且能够基于工业互联网，以预警、诊断技术和大数据分析为技术基础，为运行装备提供的远程管理、诊断、维护以及强大的系统内或异地专家进行诊断、维修决策支持以及服务的信息交流平台。全面提升装备故障诊断、维修能力以及装备大修和现场开车的指导能力功能。

图3-2技术架构

4.总结

针对动力装备在工业生产运行过程中的健康状态，本文阐述状态监测及故障诊断技术对于监测动力装备健康状态的优越性，必要性，彰显出状态监测及故障诊断技术在现代设备维护及生产管理中的重要性。

参考文献:

[1]鲁绪阁，范云霄等.设备故障诊断技术综述及其发展趋势[J].矿山机械,2007，35(12):15～18。

[2]中国机械工程学会设备与维修工程分会.设备状态监测与故障诊断技术及其工程应用[M].北京:机械工业出版社，2010。

[3]王桂荣.机械故障诊断技术简介[J].电站设备自动化，2006,4:24～26。

[4]黄文虎，夏松波等.设备故障诊断原理、技术及应用．北京：科学出版社，1996年08月第1版。

[5]屈梁生,何正嘉.机械故障诊断学[M].上海:上海科学技术出版社,1986。

[6]王太勇，李书明，赵作恒等.设备智能诊断与预测维护系统.中国振动工程学会机械动力学专业委员会第七届年会论文集.湖南:国防科技大学出版社,1997.231～234。

[7]郑建国,王兴忠,莫春萍,等.基于物联网的阳极保护设备远程监控预警及故障诊断系统:,CN202433761U[P].2012.

[8]高帆,王玉军,杨露霞.基于物联网和运行大数据的设备状态监测诊断[J].自动化仪表,2018,39(6).