基于PHM的數字化生產線健康管理體系結構研究

(西北工業大學 航海學院，西安 710072)

0 引言

近年來，中國結合當前時勢與現狀提出的“中國制造2025”引發了我國工業生產中以智能技術為核心的一場變革。這些戰略的核心內容都是智能制造，中國在智能制造上的研究與實施力度日漸增大，在不同的領域展開智能制造試點工程。而保障試點工程順利實施的前提是設計一套完善的生產線故障診斷系統。現階段人工智能、計算機網絡技術和神經網絡技術等已經成為生產線故障診斷系統不可缺少的部分[1]。數字化生產線設備群的協同作業作為智能工廠的核心部分，其安全高效的運行是保障智能制造研究與實施更加深入的關鍵所在[2]。本文研究的針對數字化生產線故障預測與健康管理技術(prognostic and health management, PHM)[3]是有效防止設備群發生故障和監測其安全高效運行的有效技術手段。

故障預測與健康管理技術經過近幾十多年的不斷發展和豐富，不斷吸收各門學科技術發展的最新成果，以大型設備與復雜系統為研究對象，以新興技術為依托，涉及各種工程技術系統設備及領域，已形成一門既有理論又有方法的綜合性應用技術，但是現階段對于設備群的PHM研究還處于初步階段[4]。數字化生產線上設備群的復雜性、多樣性及協同作業下的不可預測性等因素加大了PHM研究的繁瑣，所以項目的進行比較廣泛，涉及算法、關鍵技術、軟硬件平臺等，而本文旨在對其PHM結構體系進行論述，然后針對各關鍵組成子系統展開闡述分析。緊接著從設備群監測系統的可靠性、實時性以及可維護性出發，研究設計了數字化生產線設備群監測系統并詳細講述其四個關鍵組成。最后，針對故障診斷與健康管理問題，設計了綜合診斷與健康狀態管理系統方案，主要對所應用的理論技術進行分析。

1 數字化生產線設備群體系結構

生產線設備群的健康管理系統主要由建立在應用企業的故障診斷與健康狀態管理系統和建立在制造企業/專業機構的遠程診斷與服務平臺兩部分組成，其中故障診斷與健康狀態管理系統包含用于數據獲取及分析部門的信息采集與處理模塊和用于檢測控制部門的設備群檢測系統模塊[5]。

本文設計的生產線設備群健康管理系統，一方面應用組態技術在結構上對生產線的信號采集與處理模塊和設備群監測系統進行設計研究，實現了PHM系統結構上的可擴展、可重用，減少了系統的開發和維護費用；另一方面，利用綜合診斷平臺對數據庫歷史信息進行故障診斷分析，在沒有先驗知識的情況下通過對生產線設備群正常運行下的狀態信息，采用智能預測算法對設備群的剩余使用壽命進行分析，有效地彌補了人工設置報警數據導致誤報警的缺陷，提高了PHM的智能性[6-9]。本文綜合了朱紅萍等提出了在視情維修的開放體系結構(Open System Architecture for Condition-Based Maintenance, OSA-CBM)下的PHM技術體系結構，針對數字化生產線實際運行情況，設計研究了如圖1所示設備群PHM體系結構圖。

圖1 數字化生產線設備群PHM體系結構圖

1.1 信息采集與處理

在PHM系統運行過程中，數據獲取及處理模塊是基礎，主要任務是在遵循一定的數據傳輸協議下將生產線上設備群傳感器系統采集的數據轉換為數據庫存儲的數據類型。實時數據的采集依據生產線PHM數據交換規則可以分為生產線運行數據、設備故障信號和警告事件數據三大類，首先需要對收集的數據進行融合及特征提取處理，數據融合是對原始數據進行分析，針對無效數據和異常值分別進行相應的處理，然后對大量處理后的數據采用人工神經網絡的融合算法進行處理。特征提取是用少于原始特征參數數目的特征量來完整、準確地描述PHM系統的運行狀態。根據數據融合與特征提取輸出的具體信息，將生產線的運行狀態劃分為“加工”、“搬移”、“閉鎖”、“警告”、“異常”和“檢修”六種工況狀態。

1.2 生產線設備群監測系統

該模塊是從數據分析中得到設備群盡可能準確的狀態信息，不僅支持對生產線設備群的圖像數據(生產線工藝流程圖、物料加工圖、設備轉移流程提等和模型數據(設備三維模型、加工工件三維模型)的存儲功能，還支持對監測端實時接收診斷信息和周期傳送離散事件信息的存儲功能，監測系統需要對所收集的信息類型進行判斷然后存儲于本地的端口文件服務器和系統中設定好的一個專門用于存儲故障信息的數據庫中[10]。該監測系統還支持對生產線系統的建模工程，采用合適的算法及三維建模軟件對生產線PHM進行建模，從而精準的獲得狀態信息，為下一階段生成診斷維修策略提供數據支持。根據用戶的需求分析，系統還制定了對設備群的預測診斷功能，預測數字化生產線上各關鍵部分的剩余使用壽命。

1.3 診斷管理系統

在經過前期不斷檢測和分析處理，形成了一定數量的監測數據和故障信息，診斷處理模塊就是結合現有的資源對其提供堅實有效的保障措施部分。該模塊在信息采集與處理、故障監測系統等基礎上，利用現階段搭建起來的專家知識庫，按照生產線物料投放時間、故障處理時間、故障類型和故障發生設備等屬性對接入的歷史數據進行統計分析，分析的維度包括報警統計、故障事件統計、通信信息統計、設備運行率統計等。診斷管理系統工作人員定期對統計分析的階段進行智能診斷，采用集成的診斷算法如SVM、粒子群診斷和神經網絡診斷對數據信息進行審核，然后存檔或者上報有關處理部門，按照數據審核結果下發給各維修單位。

2 設備群監測系統結構

本文以數字化生產線設備群為研究對象，針對目前存在的問題并結合智能制造生產需要，從系統的可靠性、實時性以及可維護性出發，研究設計了監測系統。本監測系統的功能包含部分信息采集與處理模塊的職能，監測系統組成方案主要由4個部分組成：監測單元、點檢數據管理單元+智能點檢儀、監測數據庫+點檢數據庫、在線監測平臺。

圖2 數字化生產線設備群監測系統組成

2.1 實時采集監測單元

監測單元是生產線監測系統正常運行的關鍵組成，其主要功能是對振動量與轉速信號的信息采集與對工藝量的判斷處理，結構組成如圖3所示。

圖3 實時采集監測單元

1)基于DSP的采集監測模塊：采用 DSP(TMS320C6711)和 FPGA 為核心，開發并行采集處理模塊，完成 16 通道信號調理、同步采集、故障特征提取、設備狀態監測、數據通訊等工作。

2)基于狀態驅動的實時采集存儲： 實時提取機組信號的特征量，根據知識庫提供的標準量、比較規則、關系矩陣等來建立基于狀態驅動的自適應采集和存儲決策模型，以實現機組在不同運行狀態下對于信號的智能采集和高效存儲；通過知識維護模塊，實現對決策模型的遠程調整和動態修改。

3)監測和管理軟件：利用嵌入式 Web Server，接受網上組態和維護模塊的測控，以進行監測單元的初始化、組態和系統維護等

2.2 點檢數據管理單元+智能點檢儀

2.2.1 移動點檢設備

選用適合該項目應用企業現場檢測需要的振動、溫度和壓力傳感器，自行開發調理電路，使用 PDA 專用的 CF 數據采集卡，并與 Pocket PC 型掌上電腦連接組成數據采集器的硬件基礎。以Windows Mobile 為操作系統，微軟.Net Compact Framework 和 NI 公司 LabVIEW 為編程工具，開發數據采集器軟件，在良好的交互界面中，完成輔機設備的數據測量與抄錄[11]。在設備上安裝電子標簽，設計數據采集器的現場讀取功能，對數據采集工作進行定點定時的控制。

圖4 智能點檢儀結構組成

2.2.2 點檢數據管理單元

運行于點檢工作站上的點檢數據管理單元，負責組織、管理輔機設備運行數據的日常采集工作。一方面制定點檢計劃(包括現場檢測流程與具體的測量任務)，通過與 PDA 同步通訊，下達點檢計劃到智能點檢儀中，并對采集到的數據進行回收，保存于工作站自身數據庫中；另一方面采用微軟 ADO技術，將工作站數據庫中的數據通過網絡自動上傳至點檢數據庫，實現多工作站數據的統一管理。

2.3 監測及點檢數據庫

監測數據庫保存數字化生產線上設備群完整的狀態數據，為在線監測平臺和一體化診斷評估提供所需的歷史數據，點檢數據庫主要管理輔機的多種類型的混雜數據。以上數據庫采用 Oracle 11 g 大型數據管理系統以滿足網絡化數據的存儲和訪問要求，遵循國際組織 MIMOSA(Machinery Information Management Open System Alliance )發布的標準( CRIS - Common Relational Information Schema Ver 2.3)進行數據庫設計，以便設備狀態歷史數據的存儲和共享[12-13]。

2.4 在線監測平臺

綜合網絡傳輸、數據庫訪問、信號分析、結果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發網絡化在線監測平臺，具體從以下幾個層面來集成監測分析方面相關研究成果：

1)基于DSP的采集監測模塊：采用 LabVIEW 圖形化編程語言實現網絡化在線監測軟件。

2)基于狀態驅動的實時采集存儲：利用 LabVIEW 具有的良好網絡支持能力，以 DataSocket 技術為依托全面支持設備狀態數據的遠程訪問和數據共享。

3)基于狀態驅動的實時采集存儲：在監測中核心是信號處理和特征提取，采用 LabVIEW 平臺開發大量的分析診斷模塊以提供豐富的設備狀態監測功能。

3 診斷管理系統

PHM系統面向大型壓縮機組群，以點檢、巡檢數據，CPCI監測數據，DCS數據為基礎，實現對異步、異構數據的集成應用，創建企業專家數據庫，主要進行包括機組的過程分析、運行趨勢分析、狀態對比分析、特征參數分析、信息融合分析等綜合診斷；進行機組群的健康狀態評估，包括機組的故障溯源、系統狀態評估、系統結構故障分析，以直到監測和維護決策等。系統組成方案如圖5所示。

圖5 診斷管理系統

3.1 綜合診斷平臺

綜合數據庫訪問、信號分析、結果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發綜合診斷平臺，具體從以下幾個層面來集成監測分析方面相關研究成果：

1)采用 LabVIEW 圖形化語言實現綜合診斷平臺的軟件編程；

2)綜合診斷平臺的數據庫訪問模塊開發。利用 LabVIEW 自身具有的良好網絡支持能力，以 LabSQL Toolkit 提供 ADO 技術為依托全面支持設備狀態數據的遠程訪問和數據共享；

3)基礎上，整合大量的已有分析診斷模塊，開發和包裝新的綜合診斷模塊，最終提供一個完整而有效的綜合診斷模塊庫，全面支持綜合診斷平臺。綜合數據庫訪問、信號分析、結果可視化等方面考慮，擬選用 LabVIEW 圖形化編程工具來開發綜合診斷平臺，具體從以下幾個層面來集成監測分析方面相關研究成果。

3.2 健康狀態管理平臺

利用實時數據庫技術解決數字化生產線設備群在運行中產生的大量實時數據的處理、存儲和集成問題，實現工業數據的抽取、校正和有效存儲，重點解決多源異構數據的集成和數據質量問題[14]；在此基礎上，利用知識挖掘和推理技術，對設備的離線監測數據、在線監測數據、歷史數據(尤其是設備群故障突發前后的原始數據)等進行分析，找出其中的關聯規則，融合多種信息對機組系統運行狀況做出解釋和評估；利用設備群的過程數據，挖掘設備故障在數據中的表現規律，所得知識用于指導后續操作，在出現事故之前，發出報警信息，并通過檢測數據孤立點等技術辨識故障發生位置[15]。

利用復雜網絡理論，建立生產線設備群系統的網絡模型，分析其結構特性，利用系統的整體知識對單元在系統中所起的重要性進行分析，確定系統中的重點監視部位、系統脆弱點部位，對確定的重點部位、系統脆弱點部位進行實時監測，實現在監測資源有限的情況下對設備群的監測點進行優化，做到故障的預防和多機組設備運行狀態監控。

4 實驗結果與分析

根據生產線故障診斷流程，開發了基于LabVIEW和Matlab的設備群電機故障診斷系統。將LabVIEW良好的人機交互界面與Matlab成熟的數值分析與處理功能相結合，利用LabVIEW調用Matlab系統集成算法實現設備群中電機發生故障的診斷。

依據本文提出的生產線健康管理體系結構，對提出的三個系統模塊進行實驗分析處理，圖6(a)是信息采集與處理模塊采用LABVIEW對運行狀態下數據的實時顯示以及圖6(b)通過串口助手實時的數據接收。

圖6 實時采集系統

設備群監測系統模塊主要包含數據的顯示及存儲等功能，并提供了當前數據一些簡單的時域參數以供診斷管理系統的數據參考，如圖7所示的監測系統的可視化呈現。

圖7 狀態監測系統

診斷管理模塊主要包含故障診斷結果、當前數據記錄和模型再訓練這三部分內容。由于故障發生方式繁多，而設備群的電機故障是常見的故障發生發生方式，這里僅對生產線固定設備的電機故障數據進行3層小波包能量分解后得到的特征量進行模式識別得到的工作狀態，同時列出了神經網絡和SVM的輸出結果，并使用聯合決策方式確定最終的工作狀態。數據記錄用于對當前得到的頻帶能量進行標記并添加到歷史數據中，模型訓練會根據當前保存的歷史數據訓練新的模型以供使用。圖8和圖9分別為設備群某一電機在狀態1和狀態2下工作時的診斷結果。圖形界面上方為工作狀態的最終診斷結果，可以判斷運行工作是否異常然后存檔或者上報有關處理部門。

圖8 在狀態1下故障診斷結果

圖9 在狀態2下故障診斷結果

5 結束語

本文以某企業生產線設備群狀態監測與診斷分析系統開發為實例，研究介紹設備群PHM系統的體系結構，并進行了逐一說明。所開發的數字化生產線設備群故障診斷和健康管理系統已在 MRO 核心軟件行業構建的機組群診斷和健康管理系統、制造廠的遠程診斷與服務平臺和科研單位的專家會診平臺，進行了應用驗證。