基于SVDD的煤化工無人值守設備預警平臺研制

楊健健 王超 楊偉偉 張強 王子瑞 韓松 王曉林

摘要：隨著物聯網技術在煤化工領域的應用和發展，對煤化工機電設備運行狀態進行監測和故障報警已經成為首要解決問題。根據煤化工機電設備連續作業，存在信息采集困難、利用效率低下、動態管理棘手等問題，提出一款基于WinCE系統，在Visual Studio 2008下使用ARM9處理器，采用SVDD算法研發的設備預警平臺。實驗表明：該平臺通過Zigbee傳感網絡對煤化工機電設備進行信息實時采集及傳輸，經過平臺閾值處理模塊，可以判斷當前設備運行狀態，劃分設備故障報警等級，向設備管理員發送報警通知，進而實現對煤化工機電設備狀態的預測報警功能。

關鍵詞：物聯網;煤化工;SVDD;機電設備;預測報警

中圖分類號：TE967 文獻標志碼：A 文章編號：1674-5124（2019）10-0135-04

收稿日期：2019-01-16;收到修改稿日期：2019-02-28

作者簡介：楊健健（1988-），男，山東濟寧市人，碩士生導師，博士，主要研究方向為智能監測與控制、設備狀態監測與故障診斷、無線傳感器及其網絡等。

0 引言

與煤化工相關的企業應該在保障不污染環境，節約生活能源的同時，去獲取最大的經濟利益。企業的內部結構需要逐漸完善，走綠色健康發展的道路。上述兩點的完成，離不開煤化工企業機電設備的安全使用，煤化工企業打造經濟型又能保障安全性的工作條件，需要對機電設備普遍存在的故障進行分析，采取針對性措施去解決實際工作中機電設備存在的問題[1]。近幾年，隨著我國煤化工企業的逐年發展，機電設備的使用日加頻繁，而實際使用過程中，對機電設備的狀態監察，以及出現的故障束縛著企業的發展[2]。煤化工企業涉及的技術復雜，設備通常在惡劣的環境中工作，所以對設備的安全運行要求較高。為保障煤化工的設備運行安全，也是有必要對煤化工的機電設備加強監測和檢驗工作[3]。

目前，我國的煤化工企業的機電設備的維修和管理，大多數采用的是定期維修，傳統上來看，這種周期性的維修起到了一定的預防效果，但是隨著使用設備逐漸增多，時代的發展，現在的煤化工機電設備的工藝性能和內涵都得到了大幅度的提高，應該根據實際需要，逐漸采用以現代化故障診斷和狀態監測為基礎的預防維修體制[4]。

本次提出的基于SVDD的無人值守設備預警平臺研制，對現有的煤化工機電設備狀態檢測及故障報警提供了一種解決方案，并且具有一定的自適應性。可以對煤化工機電設備狀態進行實時數據監測，方便設備管理員對機電設備的運行的安全性以及發生故障做出及時準備工作。

1 設備預警平臺設計方案

1.1 設備預警平臺硬件結構設計

信號采集模塊采集廠房機電設備的振動和溫度等相關數據，數據經過Zigbee無線通信模塊，傳輸到ARM9嵌入式主板。主板經過閾值處理模塊，對采集的數據信息進行整合分析，判斷設備運行狀態。其中ARM9主板由供電模塊進行驅動，將報警結果顯示到顯示屏上，同時通過短信報警平臺，向設備管理員發送報警通知。系統的硬件結構設計女口圖1所示。

1.2 設備預警平臺的軟件功能規劃

1.2.1 閾值處理劃分報警等級

當采集的樣本數量滿足要求時，預警平臺會自動計算出該類型數據的報警閾值。數據的有效值和不同級別的閾值進行比較，便可判斷設備運行情況。

依照閾值處理算法：當數據有效值小于等于一級報警閾值時，判斷設備運行正常;當數據有效值大于一級報警閾值且小于等于二級報警閾值時，判斷設備發生一級故障;當數據有效值大于二級報警閾值且小于等于三級報警閾值時，判斷設備發生二級故障;當數據有效值大于三級報警閾值時，判斷設備發生三級故障。如圖2所示為依據閾值處理原則，對設備運行狀態進行報警等級劃分的說明。

1.2.2 短信報警平臺通知報警

煤化工企業的機電設備，在大部分時間里處于無人值守的狀態，在此時間內，設備運行出現故障是很危險的且損失企業利益的。因此，當設備運行出現故障時，應該及時通知設備管理員或者維修師傅，顯然讓設備管理員及時了解當前設備運行狀態是很有必要的[5]。為進一步完善平臺的監測功能，本次設計增加短信報警平臺，提高故障報警的時效性。短信報警平臺系統構架設計，當車間預警平臺檢測到設備發生故障時，憑借GPRS遠程通信技術，將報警信息傳遞給預警管理系統，再以短信的形式及時發送至設備管理員的手機上。平臺示意圖如圖3所示。

2 支持向量數據描述算法

該算法的主要思想是，創建一個區域，要求其封閉緊湊，可以將想要描述的樣本盡可能的或者是最大限度的包含在內，非想要描述的樣本盡可能少的包含在其中。舉個例子，假設有一個樣本集，它包含N個目標樣本：{x_i，i = 1，2，…N}，SVDD的主要思想就是能找到一個使大多數甚至全部目標樣本全部包含在內的超球體，此超球體的容積越小越好。超球體存在無法包含所有目標樣本的可能性，引入ξ_i（松弛因子）允許個別目標樣本在外，超球體就表示為：

式中：R——球體半徑;

a——球體球心;

C——常數。

3 基于SVDD的故障判斷分類方法

在對煤化工機電設備進行實際監測過程中，以△t為采樣時間對其振動數據進行連續采樣，然后依據SVDD算法對采集的數據樣本進行分析診斷，構造下面判別參數：其中△R表示新樣本數據點與分類面的距離;△t表示樣本的采樣時間間隔;△則為距離變化率。根據數據的統計特性，設定振動故障類型判斷閾值：一級報警閾值Lim1，二級報警閾值Lim2，三級報警閡值Lima。當△≤0時，表明樣本數據正常，設備當前沒有發生故障。

4 實驗研究

4.1 閾值處理實驗

為了驗證SVDD閾值處理方法的可行性，采用壓電信號模擬振動故障信號，設備布置如圖4所示。由于壓電信號本身具有不確定性，因此用來作為故障信號較為合適。設定采樣頻率為2048Hz，連續采樣，從中選取20組振動信號作為數據樣本點。

在該實驗中，以壓電信號為研究對象，通過壓電信號的電壓及頻率的變化近似的模擬機械設備運行時的狀態變化過程。

因為該實驗主要是驗證方法的有效性，所以本文選用了時域的3個特征參數，而沒有選用頻域或時頻分析的參數。具體如下：

1）均值

2）方差

3）標準差

4.2 閾值的設定

建立判斷閾值為：Lim1=△_max+3×σ;Lim2=△_max+6×σ; Lim3=△_max+9×σ，其中△_max為工況狀態下有效數據點變化率的峰值，σ為該狀態下有效數據點的標準偏差。

4.3 實驗結果驗證與分析

利用算法程序對20個振動樣本數據進行計算（均由編號為C的無線終端采集傳輸），得到的標準差以及相應數據庫表的變化結果如下，其中表1為此次實驗用到的樣本數據數值分布情況;表2為經算法計算得到的樣本數據標準差;表3和表4分別為數據庫表在樣本數據計算前后（實驗前后）存儲的數據信息情況。

對數據進行繪圖分析，如圖5所示為振動故障檢測結果圖。

由于振動樣本數據數值均分布在一級報警閾值下方，可知△<0，當前設備運行正常，沒有報警短信生成。

5 結束語

本文提出了基于SVDD的煤化工無人值守設備預警平臺研制，并通過振動實驗對其進行驗證。實驗結果表明，該方法可以通過獲得的數據，計算出該數據類型的報警閾值，具有一定的自適應性，樣本量越大，得出的報警閾值精確度越高。且該方法可以對多個需要檢測的煤化工機電設備同時進行監測，大大減少了人力物力，實現了設備在無人值守的情況下，自動監測報警的功能。與此同時，對于系統的軟件界面后續需要進一步優化設計，為設備管理員提供一個良好的人機交互環境。

參考文獻

[1]包永年.煤化工機電設備運營中存在的問題與事故控制路徑[J].化工管理，2018（17）：53-54.

[2]馬金利.煤化工機電設備故障分析與控制路徑[J].設備管理與維修，2018（2）：18-19.

[3]潘志強，曹忠良.煤化工設備質量管理及進度控制[J].設備監理，2012（3）：43-48.

[4]石興華，文美軍.淺析現代煤化工設備管理及維護保養技術[J].化工管理，2017（33）：169-170.

[5]LUB，VEHBICG.Onlineandremotemotor energyaremonitoringand fault diagnostics using wireless sensor networks[J].IEEETransactions on Industrial Electronics，2009，56（11）：4651-4659.

（編輯：劉楊）