<form id="97dnh"></form>
<form id="97dnh"></form>

<menuitem id="97dnh"></menuitem>

<ruby id="97dnh"><p id="97dnh"></p></ruby>
<mark id="97dnh"><cite id="97dnh"></cite></mark>

<address id="97dnh"></address>
<ruby id="97dnh"><nobr id="97dnh"><meter id="97dnh"></meter></nobr></ruby>
<dfn id="97dnh"></dfn>

<p id="97dnh"><progress id="97dnh"><thead id="97dnh"></thead></progress></p>

談港口起重機運行狀態監測及起重機健康監測---鄭州愷德爾起重機安全監控管理系統您的位置:首頁 > 行業知識

談港口起重機運行狀態監測及起重機健康監測---鄭州愷德爾起重機安全監控管理系統

來源:愷德爾起重機安全監控管理系統專家 發表日期: 2020-04-22 19:11:00

根據國發[2016]28 號文件深化制造業與互聯網融 合,推動制造來與互聯網融合深化工業云、大數據等技術的集成應用,加快構建新型研發、生產、管理和服務模式,促進技術產品創新和經營管理優化,提升企業整 體創新能力和水平 [1]。自動化集裝箱碼頭迎合了工業化和信息化的發展需 求,國內已經成功了建成了廈門遠海全自動化碼頭 [2]。傳統的依靠司機人工在起重機駕駛室中操作起重機的作業方式,逐步改變為由遠程操控室內的人員進行半自動輔助模式下的操作。由于人機分離,無法再依靠原先機根據作業時的直接感知(聽覺、觸覺、視覺等)來發現起重機故障。港口起重設備機械結構復雜,涉及的技術領域眾多,破壞機理多樣、服役期長、工作環境惡劣、損壞率較高、需定期維護保養等因素導致其維修難度增加,保養任務加重,需專業技術維護人員。用戶需要按照設備維修保養手冊對關鍵位置進行定期人工檢查,以確保結構和設備安全可靠,但會存在不按維修保養手冊定期檢查、漏檢一些關鍵位置、檢查人員專業程度不高等現象,很確保每次檢測的準確性。特別是起重機運行過程中一旦設備出現港口維護人員無法解決的問題時,用戶只能通過郵件或電話求助。這種不直觀的方式加上語言文化地區差異往往導致解決問題的效率很低,等最終確認故障再派出維護工程師前往客戶現場進行檢查維修,使得整 個維護過程周期將相當漫長 。

目前,港口在役起重機尚缺乏一個完整統一的健保障信息管理平臺,企業無法獲取已售產品運行信息,很難保證服務工作的及時性、主動性、現場性和前瞻性,售后服務的現狀基本還是傳統的頭痛醫頭腳痛醫腳痛模式。另外,基于物聯網技術、云服務平臺以及工業大據分析等技術實現起港口起重機在線遠程監控及預防性維護等相關健康保障系統的研究在國內外剛剛起步,如何有效、實時地監測起重機的運行狀態,進行預防性維護服務,降低停機損失,提高產品附加價值,增強與客戶的利益紐帶,具有非常重要的現實意義。

健康保障系統整體組成

健康保障系統是依托于工業互聯網技術,將已有的起重機設備與智能設備、智能系統和智能決策融合到一起,為客戶提供全套的港口起重機運營、管理和維護的方案,可以推進港口起重機設備及相關產業的網絡化協同和服務化延伸。 如圖 1 所示,

 

健康保障系統網絡結構設計涵蓋了港 口的各種起重機設備、碼頭集控中心、生產基地和企業數據中心,貫穿起重機生命周期相關的生產、配套、施工、運維和維修等各項業務。港口起重機本地設備層,需要在傳統控制系統上增加專用數據通訊采集設備和視頻監控系統,有效地融合有線、無線等通信技術,加強監控設備、傳感器、控制系統與管理系統之間的互聯能力。起重機本地設 備層利用現有的 CMS(Crane Monitoring System) 系統獲 取采集系統篩選后的傳感器數據,完成本地的簡單故障診斷功能。 碼頭集控中心除了提供RCMS 的基本功能外,還 要增加數據采集服務器,數據采集服務器部署在港口服務器機房,用于傳感器、工況、運維等數據匯總及有條件的情況下將數據上傳至云端。數據采集服務器根據機械或結構的有限元模型、歷史數據匹配、本地部署的機器學習和遷移的大數據運算庫,完成在線故障診斷與預測功能,必要時將故障和失效信息回傳至起重機本地層。碼頭與生產基地、企業數據中心之間,可通過專用 VPN 網絡或數據云等手段連接。通過數據云技術,可 方便碼頭和企業之間開展基于云計算、大數據技術的海量工業數據有效集成與分析,推進港口起重機健康檢測的智能化決策。企業數據中心通過專線和數據云網絡, 利用OPC服務協議,訂閱碼頭和生產基地的運行數據, 完成實時監控的數據收集功能,從而實現起重機健康保障功能。由此,建立基于前端數據采集、中間高速傳輸、后端分析評估并反饋結果的大數據云技術平臺。采用基于云服務實現港口起重機健康保障系統,通過互聯網提供用戶按需的、易擴展的服務,將有效解決傳統服務面臨的各種問題,用戶可降低投資基礎設備的成本,并可減少系統管理、IT 方面的支出。通過采集分析用戶的起重 機數據,可以獲取產品質量、備品備件等信息,一方面可以據此不斷改進產品質量,另一方面為用戶提供實時、前瞻性的服務建立了技術基礎。 如圖 2 所示,

 

港口起重機健康保障系統采用物理網 技術,從功能上分為信息感知層、信息傳輸層信息服務層、信息增值層。信息感知層可解決數據獲取的問題,實施從設備、控制、傳感的流程。其中港口的起重機設備包含如岸邊集裝箱起重機、輪胎起重機、軌道起重機、轉動機構、減速器等;控制層,完成參與機載本地控制的驅動器、變頻器、繼電器、工控機,完成機載本地監控的采集系統;傳感器層,獲取溫度、應變、加速度、振動、位置等感知信息。信息傳輸層是解決數據傳輸的問題,利用各種工業總線、視頻分路、以太網、通信網關、交換機、3G/4GWIFI 等技術,搭建設備、控制系統、采集系 統以及遠程集控中心、大數據云、企業之間的數據互聯網絡。

信息服務層是基于感知數據經篩選、預處理后的業務加工,包含數據層對數據的存儲、可視化、報警、日志、歷史回放、參數模型、數據分析等基礎功能,以及服務層,提供在線監控、故障分析、失效分析、故障預測、壽命預測、維修建議、監控評估等等服務。信息服務層實施健康保障的基本及基礎服務,體現采集與診斷、診斷與業務、業務與控制的相互關系。

信息增值層是信息服務層的提高和升華,提供網絡優化、機群優化、性能優化、資產配置、運維保障、系統保障等功能。在互聯網、大數據、云技術、物聯網技術的技術保障下,信息增值層將起重機設備健康保障系 統與企業的ERP (Enterprise Resource Planning) 系統整 合,方便碼頭與企業之間設備企業與企業,與行業之間建立業務互聯關系,有效地將企業與客戶之間的實時連接,連接各種工作場所的人員,提供更為智能的高質量的服務與安全保障。

系統主要功能

面向港口起重機全生命周期的數據采集與集成面向港口起重機全生命周期過程管理需要從起重機需求、規劃、設計、生產、運輸、調試、運行、使用、維修保養、直到回收再用處置的全生命周期中的信息與 過程 [4],整合各階段業務與數據信息,建立統一的起重機數據模型,實現起重機全生命的信息化數據管理流程。為實施起重機健康保障系統,新建的港口起重機傳感器層的安裝、布線、施工、調試、校驗和更換需要從設計階段就考慮進去,其他改造型起重機設備,可酌情考慮便于安裝、安裝點數和易故障點等因素。起重機關鍵點監測需要考慮到測量點的靈敏度、應變能力和動態響應范圍,結合模型實現對關鍵位置應力、應變及結構振動等物理特性分析后再選取。為了實現健康保障系統的經濟性、實用性和準確性,傳感器的選擇點需要根據用戶的需求分級酌情增減,這樣可以形成差異化、全局化和多樣化的解決方案。在生產制造階段,起重機的配件和施工數據需要手工錄入,包含配件產地、型號、入庫時間、安裝時間、施工全過程的安裝、焊接、噴漆等相關信息;基地調試和運輸階段,數據采集工作由起重機專用數據采集設備完成,數據緩存在本地的機載工控機內。大型起重機的航運階段少則幾天,多則數個月,此階段需要開啟部分傳感器,記錄運輸過程中風浪載荷對鋼結構的影響,能更準確地服務于后期的健康診斷;在服役階段,起重機專用數據采集設備和港口數據收集傳輸設備完成完整的數據采集工作。面向全生命周期的數據采集系統,應具備如下功能: 1)港口起重機專用數據采集設備能夠滿足起重機 當地各種數據的采集要求,還應具備數據預處理能力,能夠進行一些統計和數據篩選工作,形成統計數據或統計數據庫記錄。每種起重機可以根據項目情況特點,完成各種不同統計需要,包括重要機構、設備運行時間、運行次數的統計、工作循環的統計、設備故障時間統計、維修時間統計等。 2)港口起重機數據專用采集設備有一定的數據緩 存要求和掉電保護功能。在服役階段,當其與港口數據存儲設備間的通訊出現問題時,能夠緩存實時數據。各種統計數據也要求在本地保存一段時間,直至被港口數據存貯設備讀取。 3)每個港口起重機專用數據采集設備,以及港口 數據收集傳輸設備,均具有獨有標識號和統一的時間授時,以便不同碼頭不同的起重機設備在數據處理中心進行集成。 4)港口起重機專用數據采集設備,以及港口數據 收集傳輸設備,需要按照統一的數據通訊要求,發送實時數據以及其他統計數據。起重機專用數據采集設備通 過 3G/4G 網絡直接發送數據,也可以把數據先集中匯 總到港口后再統一發送。

基于大數據的健康分析優化

港口起重機健康評估系統在對起重機進行全壽命周期的數據采集后,通過在線的故障診斷程序及大數據云平臺計算給出健康報告。基于健康診斷報告,用戶可更全面地把握起重機的使用狀態,指導對起重機的日常維 護, 記錄結構日常維修狀況,方便碼頭進行信息化集 成管理。構建完善的起重機健康保障體系,將大幅度保持起重機設備的完好程度,達到設備故障發生率最小化,以及生產商、碼頭用戶經濟效益的最大化。在碼頭,起重機的突發性未預見故障包括結構開裂、重大部件如減速器、電機等的損傷。這類故障由于備件生產時間長,會造成設備因等待修復而停機。預防性維護,防患于未然是起重機設備健康診斷的趨勢。起重機健康保障系統包含在線健康預估和基于大數據分析離線診斷方法。大數據健康分析是對傳統在線健康預估的補充和提高,結合利用數據挖掘、機器學習、深度學習算法預測設備故障情況,預測的準確度可有效地提高。在線起重機健康預估模塊,根據起重機吊載量、小 車位置等應力傳感器數據和CMS 的歷史數據,通過對 記錄載荷譜的分析,獲得起重機鋼結構的應力譜,通過部署在碼頭集控中心的專業診斷軟件,計算出起重機鋼結構關鍵位置理論壽命,快速準確地評估起重機鋼結構的使用情況和實時健康狀況。起重機的機構檢測依賴設備的振動信號,通過采集起重機轉動設備中如軸承、齒輪、減速器等豐富的振動信號,提取信號特征信息來 識別設備的故障類型。在線健康預估模塊集成在CMS 系統中,提供預警功能,能夠向用戶發出預警,提醒用戶特別關注異常點位置,增加檢查頻率,提醒用戶準備備件更換。對出現實際壽命超過理論壽命的關鍵位置,即時向用戶發出危險信號,提醒用戶盡快準備備件,適時停產檢修更換。大數據分析離線健康診斷方法,擴展了傳統的基于 模型、模態、故障樹、專家系統的故障診斷方法 [5]。基于海量的港口起重機生產、傳感器、工況、配件等數據,并結合日常維護的經驗判斷,有針對性的零部件疲勞壽命試驗,備品備件的預防措施,日常性的點檢和常規檢修,歷史故障以及同類型產品的故障相關信息等,進行數據建模和大數據分析,利用分析結果形成預防性維護決策,完善港口起重機健康預測功能。大數據離線分析健康診斷系統按照港口生產調度計劃給出診斷報告,可顛覆傳統的僅僅依靠維修保養手冊檢修的簡單方式,精確地規劃維修周期和維修部件。

2.3  基于公眾互聯網的企業間協同應用

基于公眾互聯網的企業間協同應用是部署在基于 IPv6 與高性能網絡技術的基礎上,在企業數據中心服 務器上的形成一套港口起重機設備遠程監控和管理的系統。通過遠程監控港口起重機的實時情況,利用健康保障系統預測將要出來的故障情況,解決制造企業與港口之間的協同。采用云平臺技術實現監控系統的在線監護,實現設備、人員之間互聯互通,構建一個安全、穩定、快速的監控系統,有效的采集設備的主要狀態信息,融合多個異構數據源,建立一個大規模的在線監護平臺,有效建立企業與港口企業間協同。起重機遠程在線監視是部署在云端的起重機設備管理系統。起重機遠程在線監視對于公司內部人員和港口用戶,有不同的門戶入口。針對公司用戶,可通過全起重機在線監視門戶訪問,并輔以相關增值服務。對于港口用戶,通過單獨的港口在線監視門戶訪問,數據集中于綜合系統中的環境數據,如機構狀態、吊具狀態和第三方系統的監視等。協同平臺能夠根據地理位置,可結合地圖按區域實現每臺起重機采集的宏觀狀態數據,包括起重機狀態信 號及各監視子系統狀態信號,如起重機CMS狀態信號、 機械狀態監視子系統 ( 指機械結構,機構的專用在線監 視的當地系統 ) 的運行狀態信號、胎壓監視子系統的運 行狀態信號、速度監視子系統等。每個設備的通訊發生故障時,會自動記錄到數據庫,并及時通知用戶。此外,港口在線監視系統還包括各類運行統計報表,如故障統計報表、工作循環統計報表、運行時間統計報表等,還具有對起重機專用數據采集設備,以及港口數據存貯設備的備份功能,可提供的系統及數據恢復功能。

云服務系統安全保障體系

安全保障體系建設主要是針對港口起重機健康保障、工業互聯網網絡化和集成應用、協調管理過程中的軟硬件的安全控制,以及產生的數據以及信息的安全保障體系。為保證云服務系統的安全性,防止重要數據泄露和網絡攻擊,建立健壯的安全機制能,在采集過程、網絡傳輸、數據存儲方面保證監控數據的安全性,在最大程度上降低云服務系統的安全威脅,提高云服務連續性,保證云服務應用的健康、可持續發展。健康保障系統要求碼頭將企業級網絡、云平臺和工業控制系統網絡進行融合,通過公眾因特網,實現工業控制系統與企業信息管理系統、云服務平臺、大數據分析、大數據監控系統等系統之間的數據共享,實現工業設施的自動化運行、過程監測和控制、業務流程的管理和控制。但是,在企業級信息網、云平臺、工業控制網的互連中,往往存在安全隱患或風險,如果公網中常見的安全威脅(如病毒、蠕蟲、木馬等)被引入到工業控制網中,工業網絡就會遭到病毒攻擊、非授權訪問、信

息泄密等,嚴重會影響碼頭正常作業。 隨著軟件規模的擴大,SCADAPLCIEDRTU、 實時I/O 等碼頭應用系統在設計時需要考慮到網絡的健 壯性和信息安全方面的問題。在碼頭的網絡中,需要規范電氣房、集控中心存在潛在的多點的入侵感染源或攻 擊隱患,如移動的可攜帶設備、USB設備、串行的連接、 無線連接系統、未授權的設備接入和竊聽等。此外,工業控制網、云端和企業網中都需要進行必要的網絡隔離分段機制,如適當增加單向傳輸網關,系統中的任何一處脆弱地段被攻陷,風險不會擴散到其他的區域中。云端的起重機監控數據需要采用對稱加密與非對稱加密結合的思路,來解決云計算中數據安全存儲的問題。監控數據傳輸安全主要研究包括對云計算平臺中數據傳 輸的可靠性問題,如采用TCP/IP 協議多點并行傳輸方 式,對大數據塊進行切割,然后采用并行方式傳輸降低 網絡的延遲 [67]

關鍵技術研究

港口起重機鋼結構裂紋遠程監視與自動識別系統起重機鋼結構局部強度和剛度不足會產生裂紋 , 港 口起重機的裂紋檢測可采用電阻基于電阻應變法 [8],或 采用光纖光柵應變傳感來測量剛結構表面的應變力 [9], 分析方法采用裂紋擴展阻力的方法估算裂紋 [10]。由于港口起重機尺寸比較大,傳感器點數無法覆蓋整個機器,很難評估整機的結構壽命。起重機鋼結構裂紋遠程監視與自動識別系統主要采用圖像識別技術,對鋼結構進行自動化識別。通過在起重機裂紋監視關鍵點加裝攝像頭,對起重機裂紋關鍵點進行實時在線監視。該系統能分析鋼結構裂紋指標,實時傳輸分析結果,替代工人巡檢,并能夠遠程查詢到鋼結構的實時結構,提高工人工作效率。自動識別系統設計的關鍵是要保證圖像識別攝像頭能拍攝到完整的裂痕信息。這不僅要求圖像識別系統攝像頭的安裝位置合理,還要對裂痕的基本知識有清楚的認識。由于鋼結構出現裂痕的樣本信息比較少,需要不斷積累裂痕圖片,通過模型匹配或深度網絡,逐步提供裂痕識別的準確度。自動識別系統以裂痕自動識別為出發點,友好的交互界面即使在無法自動確認的情況下,也可通過視頻畫面幫助遠程人員確認現場情況,達到識別無遺漏,從而大大減輕操作人員的工作強度。

基于云服務平臺的健康保障系統研究

健康保障系統借助云服務技術,按照平臺 + 工具的 架構理念設計,并涵蓋端、管、云的整體云計算解決方 案,為起重機健康保障系統提供全方位保障。 IaaS(Infrastructure as a Service) 服務處于云計算的底 層,能夠直接為上層應用提供高彈性可用服務。起重機 遠程監視基于物聯網IoT 技術,通過設備端布置傳感設 備進行數據采集,加密后經網絡傳入云數據中心,實現 云存儲,為進一步實時數據分析做前期準備工作。其中, 結合起重機設備及其運行環境的相關參數與實時特征, 設計高效專用的分布式存儲框架與高可擴展計算模式是 基于IaaS IoT 的大數據彈性計算與存儲服務關鍵,其 方案優劣直接影響遠程監控的時效性、準確性與可用性。 PaaS(Platform as a Service) 處于云計算的中間層,主要 面向軟件開發與維護,影響范圍覆蓋軟件的整個生命周期。 起重機設備的運營與管理等問題,由多個不同的軟件系統 或子系統共同分擔,如起重機狀態信號、機械狀態監視子 系統、胎壓監視子系統、速度監視子系統、RCMS 起重機 遠程管理系統等,它們之間因提供商或服務切面的差異均 為獨立運行的信息孤島,致使現場的監護、故障預警等更 多的依賴個人經驗,而非定量分析的結果。 云端應用 SaaS(Software as a Service) 直接面向客戶 的特定需求提供專業服務。由于起重機遠程在線監視用 戶有2 類:公司內部人員和港口用戶,故面向SaaS 云 服務,深入挖掘客戶增值服務的主要研究內容是如何為 不同用戶建立專用的門戶體系,并定制化差別服務。針 對公司用戶,可通過全球起重機在線監視門戶訪問,直 接數據源自PaaS中的綜合系統,并輔以相關增值服務。 對于港口用戶,通過單獨的港口在線監視門戶訪問,數據集中于綜合系統中的環境數據,如機構狀態、吊具狀 態和第三方系統的監視等。

基于深度學習和大數據分析的起重機故障診斷及預估分析優化

港口起重設備向復雜化和大規劃化發展,健康保障 系統通過采集海量數據來反映機械的健康狀況。這些機 械相關的大數據具有大容量、多樣性與高速率等特點, 研究和利用先進的理論與方法,從機械設備大數據中挖 掘信息,高效、準確地識別設備的健康狀況,成為其健 康監測領域面臨的新問題。 傳統的如通過對起重機重要零部件如變速器、編碼 器、制動器、柴油發動機、鋼絲繩等進行狀態監測,描 述各參數變化與零部件損傷的概率模型,該概率模型與 當前多參數概率狀態空間進行比較,達到實現判斷元器 件當前的健康狀態與趨勢分析。文獻 [11] 通過研究起重 機動力學特性的變化監測起重機健康狀態的可行性;文 獻 [12] 通過建立了振動信號監測起重機齒輪箱的運行狀 態,提高了起重機健康保障能力;文獻 [13] 總結了基于 數據驅動的故障診斷方法:基于數據驅動的方法不考慮 系統的精確數學模型,而是從系統運行中產生的大量正 常數據和故障數據出發,通過少量的標記數據樣本訓練 分類器來對系統故障進行分類,或是把高維的數據通過 降維的方法提取有用的信息用于故障診斷,或是兩者的 結合來診斷;文獻 [14] 提出基于模型的微小故障診斷技 術,利用信號幅值低、故障特性不明顯、易被未知擾動 和噪聲掩蓋等特點微小故障,來預測顯著性故障;提出基于深度學習理論的機械設備大數據健康監測 方法:通過建立深層模型,直接從頻域信號中自適應地 提取故障特征,實現大量數據下故障特征的自適應提取 與健康狀況的智能診斷。

存在的問題與挑戰

港口起重機健康保障系統研究尚處在起步階段, 傳統的機械健康保障方法不能完全適用于港口起重機行 業,對智能傳感、智能檢測、智能識別、業務協調等方 面的研究還不夠充分,目前港口起重機健康保障系統普 遍存在以下問題 [16] 1)傳感器的合理布點、布局、數量、傳感器類型, 缺乏理論指導,實際成功的工程項目經驗較少; 2)傳感器的成本和精度比較難以權衡,為達到有效的診斷效果,往往系統設備成本過高,整個系統缺失 了經濟效益; 3)針對港口起重機的傳感器線路布置比較麻煩, 而無線傳感器因供電和通信帶寬等問題,無法很好地應 用在起重機領域; 4)港口起重機的服役期較長,且應用環境比較惡劣, 傳感器需要在室外長期遭受到高溫、高濕度、高鹽度等 環境的考驗,傳感器容易產生零漂,丟失精度,甚至損 壞。如果傳感器失準,且采集系統也沒有比較好的檢測 手段,采集到的不良數據會影響故障診斷; 將深度學習、云計算等技術與港口起重機產業進行 融合,起重機健康保障技術的進步和提高主要依賴于以 下幾方面的發展: 1)對港口起重機結構裂紋、機構損傷的機理不斷 研究,結合結構力學、斷裂力學、損傷力學等學科的不 斷發展,從理論上加深認識故障產生的原因; 2)加強智能傳感器的研究,不斷提高傳感器的精度 和智能程度,開發高性價比、具備自主校準、決策、預處 理的傳感器,以滿足健康保障系統對信號采集的需要 [17] 3)對傳感器收集和信號處理的算法的研究,加強 起重機的狀態和運維數據的收集,建立基于港口起重機 的數據挖掘和大數據分析模型,借助于大數據平臺工具 開展研究。

結束語 

港口起重機使用壽命一般在20 年以上,在市場日益飽和、新機訂單趨于下降的形勢下,如何提供增值性的售后服務,將是保證企業持續健康發展的一個關鍵措施。同時,產品的全壽命管理,必然要求企業能夠充分及時掌握已售產品的各種信息。港口起重機健康保障系統,將順應港口的技術發展潮流,為港口的設備維保和平穩運行提供強有力的技術保障。基于物聯網、云服務平臺以及工業大數據分析建立的健康保障系統,對起重機進行全壽命數據采集分析,通過大數據健康分析,可以給出準確的預防性維護決策。通過預防性維護服務,可優化設備維修團隊行程安排,提高工作效率,能避免備件的浪費,進一步節約其生產成本,進一步提高了產品附加價值,增強了與客戶的利益紐帶以及通過其服務,能大大減少客戶設備的停機時間,降低了停機損失成本,具有較強的經濟效益。

大发11选5