应用状态监测技术保障设备安全运行的有效路径探索

阎庚未

（中国航空工业空气动力研究院，黑龙江 哈尔滨 150001）

0 引言

网络物理系统（CPS）是一种计算机系统，其中的机制由基于计算机的算法控制或监视。在网络物理系统中，物理和软件组件紧密地交织在一起，能够在不同的时空尺度上运行，展现出多种不同的行为方式，并以随环境变化的方式彼此交互。成熟的网络物理系统通常设计为具有物理输入和输出的交互元素网络，而不是独立的设备。这个概念与机器人技术和传感器网络的概念紧密联系在一起，其智能机制以计算机智能为主导。科学和工程学的不断发展通过智能机制改善了计算元素与物理元素之间的联系，从而提高了网络物理系统的适应性、自治性、效率、功能性、可靠性、安全性和可用性。

1 状态监测技术

随着传感器技术和计算机技术的发展，设备状态监测方法正向自动化方向发展，系统状态监测将成为一个重要的新兴领域。传统的设备状态监测方法是定期人工检查和定期预防性维护相结合。本质上，需要通过外观和仪表指示做出异常判断，避免安全事故的发生。检查和定期维护制度能保证设备的安全运行。状态监测技术就是通过信息化技术，将通信信息的状态、应用情况通过电信号的方式传递给控制电脑，电脑端将数据分析之后，传递给控制装置，状态监控技术是建立在信息技术快速发展基础之上的有效尝试，而本质上状态监控技术是一种前面的网络通信信息和状态协同的新技术[1-2]。

2 设备故障监测系统的构建意义

（1）通过故障监测系统，工作人员能及时掌握设备运行情况，自动化系统的应用能保证在实际的故障监测工作中，一切都是建立在稳定高效的监测系统之上的，是二十四小时全方位监测下的故障诊断和安全管理。

（2）大型机械设备的运转都是需要长期进行的，单以人工的力量进行设备管理工作，费时耗力且效果一般，并不能做到全方位、全过程的管理，而一旦发生事故所造成的安全隐患和故障损失是非常大的，设备故障监测系统它能自动记录故障过程并准确分析，“瞄准目标”精准定位，本质上能提升设备运行的整体效能。

（3）通过对异常状态的分析，在线调整和延长设备的运行周期，能最大程度上提升监测效率。

（4）能通过数据监测提升数据集累程度，帮助技术人员更加系统地了解设备性能，做好技术的改进设计。

（5）优化整体的管理效能，还能根据整体的监测情况进行故障管理，最终提高设备的整体管理水平。

3 常见设备运行诊断

3.1 故障诊断基本内容

整体上故障诊断将按照以下流程图进行分析论证，整体的故障监测系统是具有一个诊断决策的，能通过故障确定和趋势分析确定设备允许的参数，首先，被监测的设备通过信号采集流程，获取监测的信号，通过专业的设备进行信号处理，得到特征信息，在和设备的允许参与进行对比之后，就能识别这样的状态是不是正常的，也能根据实际的故障监测系统的流程对设备的运行进行有效管理如图1所示。

图1 故障诊断整体框架

3.1.1 信号采集

主要采集的是各种能量的变化，设备的运行中会有各种能量的变化，例如力、热、电、震动等，这样的能量变化会产生不同的信息，例如，当设备出现不明发热的时候，就是温度传感器提取信息，设备诊断后作出“异常”的决策。

3.1.2 信号处理

信号在进入传感器之后，不同的传感器会将信号进行分类处理和加工，这样才能将信息转化为能让机器处理的信号。

3.1.3 状态信号

信号进入机器之后，与规定的参数进行对比比较，整体的数据在允许的区间之内就说明是正常的，但是在这一阶段也要注意的是，这一阶段所转化的信号不一定是单纯的某一时刻的状态信号，也可能是一段时间的信号变化趋势，这些都可以作为独立的状态信号，

3.1.4 诊断决策

诊断决策阶段就是通过以上流程发现状态问题，最后一步就是通过人工智能进行决策。

3.2 状态监测和故障诊断系统

以风洞监测设备为例，其主要的状态检测主要由以下构成，（1）分布式数据采集系统：针对风洞中的各种设备，以网络控制方式支持振动、温度、转速、位移参数等各类传感器的数据采集。（2）数据存储系统：合理组织和维护各类信息，提高系统的可扩展性。（3）集中状态监测系统：在组态软件的基础上，建立了一个开放、兼容的信息监控软件。提供自动报告、应急响应等处理措施来保证系统的稳定。（4）故障诊断与预测软件平台：实时分析系统中所有数据，诊断、分析和定位异常，实时评估设备性能状态，发现潜在故障[3]。

4 设备监测系统设计

当前大型设备结构越来越复杂，但大多由液压系统，气动系统，传动系统，电气系统，冷却系统，润滑系统，伺服系统，智能信息系统，监测系统构成的。

以某低速风洞为例，其动力系统就是一个复杂大型设备，针对现场监控设备缺失、状态指示屏信息显示不直观、不全面、无故障报警功能的现状，基于OPC协议利用LabVIEW软件开发了信息监控全面直观、实时性好的风洞安全信息采集系统。上位机采集监控系统在风洞试验过程中严密监测动力系统相关参数信息，一旦参数超标立即报警。风洞安全信息采集系统下位机主要包含前端的传感器、信号采集模块、通讯控制模块等，实现安全监控信号的采集和上传；网络部分主要包含网络通讯模块、接口模块、通讯网络等，实现采集系统各个子系统间以及和中控系统间的数据通讯；上位机主要包括管理计算机、显示系统、人机交互设备等，实现动力系统信息的集中管理，状态显控监视，人机交互操作等[4]，系统硬件结构如图2所示。

图2 风洞硬件系统监控图

5 设备监测系统的构建问题及发展展望

5.1 设计标准需要规范统一

如今，状态监测设备的制造商层出不穷，产品的技术标准和接口协议大多各自为政。如果一些不合格的状态监测装置在出厂前未经验收，投入运行后容易出现误报警和拒收现象，从而导致系统可靠运行的不稳定因素。因此，有必要建立一套完善的状态监测装置的设计、选型和出厂验收规范。

5.2 提升监测传感器的技术含量

优化整体的技术管理，采用高科技的监测传感器，能提升工作效率，技术水平低的传感器，可能在传感器灵敏度、精确度上存在问题，为了确保状态监测系统传感器的灵敏度，还是要选择精确度高的传感器。系统需要从硬件和软件两个方面进行设计，结合现场总线、网络技术和分布式计算技术/中间件技术，完成各种现场设备的状态监测，实现了对风洞各段关键设备状态数据的实时监控和记录，及时发现异常情况并报警，从而提高了风洞试验运行系统的安全性和可靠性。

5.3 优化诊断专家系统

整体上需要做好实时的系统故障诊断的优化，利用好人工神经网络系统、模糊集数学等关系，建立一个规则化模型，而整体上需要提升设备故障监测的效果，积极引进专家系统，通过知识和经验的模型化，将整体上设备的存在的故障类型和出现故障的位置进行精确的判断。专家系统的完善，依赖于系统使用过程中的长期积累，其完善程度，对于系统故障诊断的水平和能力具有决定性作用。系统完善后，可以方便实现历史预警信息、故障诊断方案的查询分析功能[5]。

5.4 人工智能技术的展望

从专用智能向通用智能发展。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。

从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果，将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人及混合智能都是重要的研发方向。

从“人工+智能”向自主智能系统发展。科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力[6]。

总之，未来的大型设备结构越来越复杂，状态监测难度也越来越高，随着人工智能技术的发展，需要不断引入新兴的技术，不断探索更多的路径。

6 结语

将智能监测技术应用其中提升管理效能是非常有必要的，而在当下，越来越多的行业将系统远程监控设备终端逐步应用工业生产和生产发展系统之中，通过构建该系统，最后将系统和报警模块相连，构建一个完善的预警监测和报警系统，可以大幅提升设备运行的安全性、可靠性和效率量，创造更大的经济效益。