|
起重電機專業生産廠家無錫宏達2022年6月22日訊 當前，全球港口98%以上的集裝箱碼頭都是傳統人工操作碼頭，企業仍采用比較傳統的計劃維修保養方式，對軌道吊、岸橋等起重電機起重機設備及部件進行定期檢查和保養，這種方法具有一定的人爲主觀性和時效性，容易造成人力和物力的浪費，增加了檢修人員高空作業的潛在風險。
大型港口自動化集裝箱碼頭，由衆多自動化設備與智能系統構成。最核心的主要是軌道吊、岸橋、自動導航運載車(Automated Guided Vehicle,AGV)。軌道吊又可以成爲門式起重機，是港口重要的起重設備，可以實現集裝箱從裝運車與集裝箱堆場之間的起重堆疊運輸作業。岸邊集裝箱起重機（以下簡稱“岸橋”），又稱爲集裝箱岸邊起重機、橋吊，主要用于實現集裝箱碼頭對集裝箱船進行裝卸作業的專業設備。自動引導運載車（AGV）不僅在工業領域廣泛應用，在碼頭作業區同樣變成高度自動化和柔性化生産線的一部分。
這些高價值設備都是自動化碼頭的核心資産，極大地提升了現代港口地作業效率。以作爲裝卸集裝箱的主要機械設備——岸橋爲例，單台價格可達數百萬美元，一旦發生故障，不僅會影響碼頭生産，耽誤船期，更直接影響到碼頭的經濟效益。
工業互聯網的典型場景：岸橋在線監測與故障診斷
作爲自動化碼頭最主要的作業機械之一，自動化岸橋是融合了數字技術，控制技術，通訊技術的機、電、液一体化设備，其复杂程度高，工作环境恶劣，在长期使用过程中若不加以合理的维护和保养，一旦发生故障，影响作业效率和设備寿命。如果没有提前備件，维修时间也不可控，维修难度也随之增大。
當前大多數碼頭企業仍采用傳統的計劃維修保養方式，對起重電機起重机设備及部件进行定期检查和保养。通过这种方法只能短期了解和掌握岸桥机构的健康状态，具有一定的人为主观性，缺乏长远的科学性，不但容易造成人力和物力的浪费，更是增加了检修人詡溥空作业的风险。
因此，码头企业迫切需要对岸桥设備进行实时在线监测与智能诊断，便于企业掌握设備健康状态，最大限度降低非计划停机风险，做到防患于未然，对预测性维保方案需求更加迫切。
這是工業互聯網典型的應用場景，可以通过物联网技术对生産設備进行实时监测及响应，可以提前预知故障，根据设備状态，合理安排检修计划；实现24小时远程实时在线监控，减少现场人员工作量；实时了解设備状态，减少非计划停机带来的经济损失。由此实现高价值设備维护方式的升级：从巡检式维护过渡到状态性维护，然后进一步实现預測性維護（PHM）。
針對以上痛點難點，朋禾智能提供了基于邊緣計算及人工智能的分布式實時在線智能監測及健康管理系統，實現對離散分布的多台起重電機起重机设備进行统一管理及实时在线监测，可及蕚湫知设備关键部件的异常情况并通知设備管理人员。同时，该系统能通过云端数据分析，对机构设備的健康状态进行评估及预测，协助设備管理人詡潼加精确地掌握设備的健康情况。
起重機雲端物聯狀態監測與故障診斷系統采用基于物聯網架構的實現方式，涵盖了岸桥设備感知、码头监控中心、云端业务应用等三大功能模块。從網絡架構組成要素角度，系統包括了數據庫服務器、Web服務器、管理員工作站、PC客戶端、遠程用戶及企業智能監控雲平台等部分。
（1）岸桥设備感知：包括傳感器、PLC控制器及边缘节点及网关黑匣子等关键设備。邊緣節點負責采集各類外置傳感器信號，並完成數據預處理及特征提取。由于起重電機起重机机械结构复杂，首先需对起重机设備进行关键机构部件的解构，定位监测机构及其关键部件以及相应的监测信号类型。最終方案監測的主要機構對象包括起重機上的起升機構、小車牽引機構、俯仰機構以及大車機構等。進一步對這些關鍵機構進行抽象提取，確定各機構的核心組成部件，包括電機輸出軸、減速箱輸入、輸出軸以及軸承座等監測部件。方案通過在上述關鍵的監測部件處安裝相應的傳感器獲取監測的物理量信號，包括振動、溫度、轉速、噪聲、壓力等參量。網關黑匣子負責將邊緣節點及PLC控制器等现场设備的数据进行汇聚分析，并通过光纤/4G等方式上传至本地服务器及云平台。
（2）碼頭監控中心：包括数据库服务器、WEB服务器等关键设備。数据库服务器负责各种数据的存储，包括关系型数据以及非关系型数据。数据内容涵盖：a.设備感知数据，如原始传感器物理信号、特征值、故障数据等；b.起重机设備相关数据，如设備运行统計數據、起重機關鍵部件參數、維修數據等。數據服務器是整個系統的數據中心。WEB 服務器則負責數據分析及數據可視化，實現對起重機機構監測、智能診斷與預測、遠程運維等業務需要。
（3）雲端業務應用：主要包括岸橋起重電機起重机远程监测与诊断系统，该系统采用 B/S 架构，用户通过网页和移动端APP 即可登录访问，功能包括起重机健康云评估，起重机远程技术支持等。同蕚涿平台还可提供附加增值服务选项，包括備品商城，智能诊断及预测模型优化更新，以及远程运维更新等。其中，起重机故障智能诊断与预测模块为业务的核心功能模块，主要包括了故障识别、故障预测以及寿命预估等智能分析模块。主要针对重要的起重机部件，比如起重机各机构、电气系统及重要电气部件等，可覆盖的常见故障包括齿轮箱的齿轮磨损、偏心、断齿等故障，轴承的滚子故障，内外圈故障，電機的转子故障，机械不平衡故障等。项目初期需要通过岸桥实际运行数据进行不断的测试积累，建立样本库及诊断标准，以不断优化诊断模型。同时，在较长时间历史数据的分析基础上，可基于信号特征提取，结合支持向量机、模糊逻辑、相似性匹配、灰色预测、深度学习等模型实现故障预测。
實施效果
通过朋禾智能开发的云端物联状态监测与故障诊断系统，实现对国内知名港口岸桥设備进行分布式的实时在线监测及数据服务管理，最终达到了以下建设目标：
除了港口高价值设備的在线监测与故障诊断，朋禾智能还帮助电力、能源、港口和交通等领域企业提供預測性維護和智能化运维，为工业智能应用提供开放式、模块化、高性能的平台级软硬一体化解决方案，从而实现疆斁提效，提高产品品质和服务质量。在服务工业企业的同时，还积极参与制定国际标准《工业自动化设備和系统 預測性維護》與國家標准《智能服務 預測性維護 通用要求》。
|
