起重電機專業生産廠家無錫宏達2022年5月28日訊 集装箱起重机传统的“定期保养，事后维修”运维模式[1] 主要存在的问题有：1) 纸质流程较多，却很难充分利用历史数据，不能及时判断设备的运行状况；2) 缺乏專業工具，依靠人的感官进行巡检，巡检工作量与检测效果不成正比；3) 采用计划停机维修和事后维修的模式，经常存在过度检修和欠维修的问题；4) 整机可靠性差、安全隐患多、停机待修时间长，严重影响了装卸效率和整机工作潜力的发挥。因此，集装箱起重机起重電機、滑輪、車輪等易損件預測性運維解決方案具有廣泛潛在的市場需求。
近年来，随着物联网、人工智能技术的长足发展，实时监测技术历经更迭，已经初步具备了解决上述问题的能力[2,3]，并朝着监测网络化、系统集成化方向不断取得新的突破。利用传感器采集设备运行状态数据，经人工智能算法赋能的监测平台可对集装箱起重机装备的运行状态进行实时评估，结合现有的转运计划配置为集装箱起重机柔性检修计划的制定提供决策依据。实时监测技术已经在军工、电力、轨道交通、环保等领域相继落地[4-7]，虽然仍面临一定挑战，但其在装备运行状态实时监测领域的推广已成为必然的发展趋势。
著眼行業發展的迫切需求，對集裝箱起重機設備實時監測技術的可行性進行了系統性研究，利用智聯網領域前沿發展成果，助力行業數字化、信息化、智能化的發展進程。
實時監測系統運行過程中，遠程監控點采集集裝箱起重機設備運行數據並與邊緣計算設備或監控中心進行實時數據交互，代替人工巡檢監測設備運行效能。設備曆史運行數據應能留存，以便建立裝備運行日志及狀態判別式模型的訓練、部署及持續優化。
傳感器的選擇和安裝應充分考慮集裝箱起重機設備工作特點、部件協同傳動原理及傳感器組件物理特性，才能穩定、有效地監測設備運行狀態，還要兼顧不同類型傳感器對設備服役工況耐受能力以及工作原理差異性對整個系統負載均衡的影響。
對于監測網絡留存的特定時長的系統運行日志數據及異常警告信息，普通用戶只能浏覽實時數據或特定時長的曆史日志，具有規定等級權限的用戶才能對數據進行數據維護管理。
除了實時收集設備狀態的運行狀態數據，還要求實時監測技術能夠實時對設備運行健康狀態進行模式識別，爲柔性檢修維護計劃的制定提供決策依據。
如图1 所示，实时监测系统的整体框架分为边缘、平台和应用三层。边缘层采集港口设备运行数据经边缘计算设备处理后传回控制中心；作为监控系统的神经中枢。平台层结合具体的数据处理要求，对应用场景进行数字化建模，基于不同数据层级之间的逻辑关联性借助机器学习、深度学习等智能技术探索内在函数映射关系，从而对网络产生的各类数据进行一体化分析[8]，进而实现对数据资源深度整合和信息挖掘，为实现对监测系统整体网络高效准确的分析与管控奠定基础；借助提前建立的关于检修维护的知识图谱，应用层可结合具体的现有作业、管理条件通过设备的保养管理给出合理的指导建议。
文中所述實時監測技術通過安裝在起重電機驅動軸附近的震動、溫度等預選傳感器采集集裝箱起重機設備的車輪和滑輪運行數據後，上傳至安裝在控制室內的邊緣計算設備以進行預處理、分析、存儲，並將這些數據通過無線傳輸方式上傳至企業監測雲平台。利用人工智能技術賦能平台對起重設備及車輪滑輪的運行狀態進行實時監測，及時或提前發現運行異常，並提前安排檢修或更換計劃，可有效減少車輪和滑輪事故帶來的計劃外停機時間，提高設備利用率，降低運行維護成本。
對于常態的實時監測技術，數據的采集和傳輸是關鍵的基建問題。本文涉及的實時監測技術主要通過轉動軸的振動信息判斷起重電機及车、滑轮等部件运行过程中的健康状况，传感器主要安装起重電機、从动轴附近位置。
远程实时监测技术的数据传输模块一般包括子网和骨干网两个部分[9]，单位监测区域内的传感器节点汇聚组成子网，传感器将信号传输到监测子站后按照既定协议然后传回监控中心的信号线路称为骨干网。对于子网的数据传输而言，有线无线传输方案均有相对优势。对于骨干网而言，有线传输方案不仅线路架设成本高，通信线缆及信号传输设备还容易受到自然灾害破坏；而无线网络进行数据传输只需要架设天线，不仅提高了系统安全系数，还提高了系统的可扩展性，降低了系统维护难度。随着无线通信技术的不断发展，利用GPRS、4G网络所提供的公共平台实现数据传输的解决方案也越来也越显现出竞争力[10,11]。本文监测系统的传感器采集运行状态的数据按照约定格式通过支持Modbus 协议的RS-485 总线接口传输到监测子站，再通过支持4G 无线通信终端传回数据处理中心的云计算平台。
實時監測技術能極大縮短故障檢測與維修時間，增加設備正常運轉時長，從而提高設備運行效率。故障檢測在機床、電機、大型電站等機械設備運行狀態監測領域已經有了較爲廣泛的應用[12-14]，從傳感器硬件到故障檢測分析算法都積累了經驗。集裝箱起重機電機及車滑輪等制、傳動部件故障的萌生和擴展，會實時體現在時域信號的幅值和概率分布及頻譜圖的能量譜峰分布等參數信息中，保障了系統預測性診斷維護的可行性。該監測系統中預選溫度、震動傳感器將采集到的設備運行狀況數據在邊緣計算設備濾波、解調後，經FFT處理或計算峭度後傳輸到監控中心進行存儲、分析，監控中心從原始或預處理後振動信號時域和頻域提取能夠表征設備運行狀態的特征集用于判斷設備運行狀況的模式識別算法的訓練，提供規定權限內的運行日志數據查詢、異常報警及故障診斷等功能並反饋檢修指導意見到應用層。
給出了起重電機振动传感器监测到的一组故障数据，每组上部图为驱动侧(MIH) 监测波形，下部图为从动侧波形(MOH)。電機从动端测点振动趋势波动较大，但整体振动幅值较小，时域波形有冲击峰，振动幅值正常，包络谱中可见7.2 Hz 频率，此频率接近轴承保持架损坏特征频率；電機驱动端(MIH) 振动幅值正常，趋势有间隙跃升，时域波形较平稳，包络谱中发现33.6 Hz频率峰，接近转子的2 倍频率，判断轴承保持架有磨损。
通知設備檢修人員安排在最近的設備保養周期的檢修結果也驗證了分析的准確性，在保證不影響生産作業進度的條件下，保證了設備利用率最大化。
实时监测技术基于无线通信网络的数据采集传输的模块已有相对成熟的解决方案，随着基于微内核全场景分布式操作系统的面世推广、基于高性能AI 推理芯片云服务器的上线及剪枝、量化、蒸馏学习等模型压缩技术的长足发展，为系统利用更多维度数据分析实现监测系统的智能化发展奠定了基础。
除了進一步提高故障診斷模型的准確率以減少人工參與工作量，實時監測技術還要能利用更多維度傳感數據實現對集裝箱起重機設備運行及現場工況更立體的監控，借助預先建立的設備檢修維護的知識圖譜，並結合具體的知識庫以及既定生産轉運計劃對不同症狀的故障給出具體的預測性的檢修維護建議，爲實現監測系統智能化托管奠定基礎。
實時監測技術應用于集裝箱起重機設備的運行維護，具有可降低維護成本、減少計劃外停機時間等優勢，在集裝箱起重機設備運行維護領域具有廣泛的市場前景。從長期發展趨勢來看，監測系統將與機組設備控制系統有望進一步融合，豐富系統在更多維度上的信息反饋能力，爲實現集裝箱起重機真正意義上的智能化托管奠定基礎。實時監測技術將與設備中控系統進一步融合，助力港口機械行業的信息化、智能化發展進程。
|
