物聯網架構下城市排水泵站設備健康狀態診斷方法研究

朱 謹 王馥莉 石春華

（江蘇省徐州市水利局 徐州 221000）

物聯網架構下城市排水泵站設備健康狀態診斷方法研究

朱 謹 王馥莉 石春華

（江蘇省徐州市水利局 徐州 221000）

城市排水泵站是城市的基礎設施，如何最大限度地發揮水泵功效，延長水泵使用壽命，是一個迫切需要考慮的問題。本文圍繞城市排水泵站設備健康狀態診斷與維護問題，提出了基于“互聯網+”的城市排水泵站設備狀態監測與動態管理架構。利用“互聯網+”技術，使得分散于城市的城區、近郊區及遠郊區的各個泵站設備的運行情況都可以統一傳輸到上級管理部門，以實現監管，從而保障泵站設備運行的可靠性。

排水泵站 設備管理 物聯網 健康診斷

1 引言

城市排水泵站是城市的基礎設施，也是污水處理的最前沿單位。我國各大中城市的給水調水泵站、雨水泵站以及排污泵站等主要分散在城市的城區、近郊區以及遠郊區，其生產運行主要采用現場人員值守方式。目前，城市排水泵站數量在不斷增加，如何使水泵最大限度地發揮功效，延長水泵使用壽命，降低事后的維修、保養費用，成為迫切需要解決的問題。

泵站管理單位需要從泵站設計建造開始了解泵站的發展趨勢與現狀，并結合泵站的具體特點以及運維經驗，將設備的維護與管理放在重要位置，這樣才能保證設備的健康運行。

2015年3月5日在第十二屆全國人大三次會議上，國務院總理李克強在政府工作報告中首次提出了“互聯網+”的行動計劃，要求推動移動互聯網、云計算、大數據以及物聯網等與現代制造業的結合，促進電子商務、工業互聯網以及互聯網金融的健康發展，引導互聯網企業去拓展相應國際市場。其中，“物聯網+工業”即是運用物聯網技術，使工業企業將機器等相關生產設施接入到互聯網，構建網絡化的物理設備系統，進而使各生產設備能夠自動交換信息、觸發動作和實施控制等。物聯網技術有助于加快生產制造實時數據信息的感知、傳送和分析，加快生產資源的優化配置。

本文圍繞城市排水泵站設備健康狀態診斷與維護問題，研究了城市排水泵站動態管理架構以及設備運行狀態判別方法，提出了基于“互聯網+”的城市排水泵站設備狀態監測與動態管理架構。利用“互聯網+”技術，使得分散于城市的城區、近郊區及遠郊區的各個泵站設備的運行情況都可以統一傳輸到上級管理部門以實現監管，以保障泵站設備運行的可靠性。

2 系統的整體架構

物聯網是通信網和互聯網的拓展和網絡延伸，它利用感知技術對物理世界進行感知，通過網絡傳輸，進行信息的計算、處理和知識挖掘，實現人與物、物與物的信息交互和鏈接，實現對物理世界實時控制、精確管理和科學決策的目的。當前，我國已具備物聯網一定的應用、技術和產業基礎，并以建設物聯網產業園區、智慧城市和應用示范等為目標，形成了物聯網發展的熱潮。

物聯網技術給城市排水泵站設備監控診斷提出了一種新的思路。該研究的根本目的是開發出一套城市排水泵站設備的遠程監測與健康診斷系統，利用該系統對所要監測的排水泵站設備運行時的一些主要參數進行實時監測，通過監測情況來判定此排水泵站設備的健康程度及可能存在的隱患，達到健康診斷的目的。

通過遠程監測與診斷系統將分布在不同地域的各種類型的排水統一管理起來，形成具有資源共建共享、協同服務、分散監測、集中管理與診斷的分布式系統。這樣的系統可提供遠程專家診斷平臺和專家會診平臺，形成規范的診斷數據庫、診斷方法庫和診斷規則庫，進一步實現重點關鍵設備的智能診斷和狀態預測，它是設備故障診斷技術、計算機網絡和應用電子技術、物聯網技術等多門學科的綜合技術。

針對排水泵站設備狀態監測與動態管理的需求，結合“互聯網+”技術，提出數據采集前端結合監測網絡以及遠程診斷的網絡系統整體架構，如圖1所示。整個系統由感知層、網絡層和應用層組成。其中，感知層實現對物理世界的智能感知、信息處理和自動控制，并通過通信模塊將物理實體連接到網絡層和應用層。網絡層主要實現信息的傳遞、路由和控制，網絡層可依托公眾電信網和互聯網。應用層包括應用基礎設施、中間件和相應應用。城市排水泵站整體結構分為數據采集前端、監測網絡以及遠程診斷中心三個部分。

3 系統組成

3.1 在線機器狀態數據采集前端

由于傳統利用上位軟件實現判決的方法一般很難保證實時性要求，為此需構建基于寬帶參數監測結合頻率選擇性監測算法進行故障診斷的信息采集平臺。可利用NILabVIEW FPGA模塊，基于LabVIEW圖形化編程環境完成FPGA程序的開發，利用定點數學工具包和濾波器設計工具包還可以實現復雜的數學運算和信號處理。這樣，利用NICompactRIO平臺上現成的I/O模塊完成振動信號的調理采集、轉速的測量以及其他傳感器信號采集之后，經過FPGA上的實時算法處理，就可以實現在線軸承狀態監測和故障診斷。

同時，借助NI CompactRIO平臺上的網絡接口，還可實現以太網連接、串口通信、無線互聯等功能，最終可以實現遠程分析、診斷和數據服務。

3.2 機器運行狀態信息提取算法

振動是自然界中的一種很普遍的運動，機械振動信號中包含了豐富的機器狀態信息，它是機械設備故障特征信息的良好載體。為此，以振動信號為切入點來獲取機械設備的運行狀態并進行狀態分析。

信號處理技術是進行泵站設備故障診斷的基礎，是進行振動信號特征提取必不可少的工具。信號處理技術分為傳統和現代兩大類，其中傳統的信號處理技術以FFT為核心，在實際運用中發揮著重要的作用。而近年發展起來的現代信號處理技術在故障特征提取方面起到越來越重要的作用。

為準確、有效地獲得故障特征信息，目前重點是研究和發展基于非高斯、非平穩及非線性故障信號的分析理論及方法，包括時頻分布、小波分析、高階統計量分析、循環平穩信號處理、用于短時信號特征化、降噪和趨勢消解的小波和濾波器組設計等，本設計主要利用倒譜與支持向量機結合的信息提取算法。

3.3 全生命周期健康狀態評估模型及算法研究

結合健康狀態模式庫的概念，研究模式庫的建立方法、模式參數的選擇方法、模式庫的更新算法以及基于模式庫的評估算法。

美國Marquette大學的R.J.Povinelli等人提出了TSDM（Time Series Data Mining）模型，該模型可以預測和特征化可調速感應電機的故障。英國Aston大學根據電力工業的特點，開發了一個MODIAROT（Model Based Diagnosis of Rotor Systems in Power Plants）系統，該系統采用神經網絡和模糊邏輯等作為數據挖掘方法，將設備在線測量數據與模型仿真輸出數據進行比較，進而進行設備診斷。

3.4 泵站現場監測網絡與Internet廣域網監測

泵站現場監測網絡對泵站機械設備進行數據采集和數據處理、傳輸，為系統提供監測對象的原始數據信息，然后通過各種信號分析處理算法，得到實時數據的特征參數，通過聚類分析，達到設備運行狀態判決與在線預警監測的目的。

廣域網監測部分主要運用Web Service、HTTP等技術實現信息的遠程發布，并為遠程的工作人員提供查詢、監測與維護的依據。可以開發B/S應用和C/S應用兩部分，其中B/S應用是為了“瘦”客戶端模式，使用一個瀏覽器即可，操作的功能和權限有限，而C/S應用是為“胖”客戶端設計，遠程監控系統安裝后才能使用，操作的權限和功能更加強大。

4 健康診斷方法

通過物聯網技術，可以實現城市排水泵站設備全生命周期監測。設備健康診斷的主要環節有信號預處理、信號提取、工況狀態識別（特征分類）、健康診斷，這幾個環節是相輔相成的。具體流程如圖2。

其中，特征提取這一環節是基礎。目前，一般采用振動、溫度、壓力等信號。工況狀態識別就是特征分類問題，可以采用機器學習或人工智能的方法。

圖1 系統的整體架構圖

圖2 健康診斷流程圖

5 設備狀態模式庫

設備狀況感知目的是為了在線實時了解和分析泵站重大設備的運行情況，給出設備運行狀況是否處于正常情況的判斷。考慮到對設備故障狀態先驗知識未知，因此可以采用以運行模式為準則的泵站設備健康狀態分析與診斷方法。該方法以建立的健康狀態模式庫為準則，選取適當的模糊判斷方法以及健康狀況模式庫的自學習與更新算法，實現對泵站設備狀態分析與診斷。與故障診斷不同，設備健康狀況感知無需考慮設備故障模式，通過引入二元模態集的概念，將設備劃分為正常和故障兩種模式，可巧妙規避設備故障模式不清楚的不利條件。可以采用統計分析逐步建立設備運行健康模式庫。通過模式庫的建立，可大大提高診斷系統在泵站的實際應用能力。

泵站運轉設備一般均有啟動、運行、停止三個過程，這三個過程運行模式當然也有不同。健康狀況模式庫應考慮這三種不同情況分別對待。

具體方法：將啟動時間分成若干個時間點，設備進入運行后，采樣間隔應長些，分別在這些采樣時間點采集設備某些關鍵點的振動數據，通過以太網傳輸至泵站設備感知系統，通過頻域（譜分析）和時域（烈度）分析，分別建立這些時刻設備運行健康狀態模式庫。模式庫的建立需要較長時間數據（樣本）的積累和分析，如連續30天（次）的數據。停止階段是否需要采集數據建立模式庫視具體監測對象而定。

模式庫建立后，就可用于設備健康狀況的分析。基本原則是當頻譜分析與時域分析結果在模式庫范圍內時，可認為設備運行于健康狀態。而當頻譜分析與時域分析結果偏離模式庫的范圍時，但偏離的進程比較慢，且經專家分析，設備仍屬于正常運行，可將此時的模式作為新的模式庫增補到模式庫中。

當偏離較大時，可認為是不健康狀況的預兆，進行預警。

6 結語

設備管理與維護是泵站運行管理極為重要的組成部分。“互聯網+”技術使得分散于城市的城區、近郊區及遠郊區的各個泵站設備的運行情況都可以統一傳輸到上級管理部門，實現遠程監管，保障了泵站設備運行的可靠性

（專欄編輯：顧 梅）