智能化裝備平臺的研發及應用

姜偉

摘要：近年來，我國的各行各業迅速發展，智能化建設的發展也有了改善。智能化產業裝備，是集合多種高技術和多行業結構改造的制造裝備。智能產業裝備制造是先進產品生產技術、互聯網技術與人工智能科技的深度融合。現在所說的智能制造裝備，主要包括幾個方面：先進靈敏的傳感器組件、靈活多用的控制系統、工業機操縱設備、自動化設備生產線。智能化產業裝備代表著高端裝備的核心，是制造裝備的基礎同時也是制造業的前提，如今智能化產業裝備制造工業，已經是越來越多國家的競相追求的目標。作為一個智能裝備制造業有力的發展導向和互聯網與工業產業化高度相容的完美體現，發展智能化產業裝備，在加快我國制造業快速升級、生產水平和產品性能，大大提高生產率、減少浪費能源資源有著非常現實和重要的意義，在保護環境方面能起到突出的作用。

關鍵詞：智能化裝備平臺;研發;應用

引言

面向重型機械、機器人等智能裝備行業對設備管理、遠程運維、優化迭代等方面需求，有利于實現智能裝備行業數字化、網絡化、智能化，促進裝備制造業與新一代信息技術融合發展，規范了工業互聯網平臺建設，為工業互聯網平臺搭建提供有益借鑒。

1數據驅動PHM系統運行模式

智能裝備的數據驅動PHM系統按功能可分為6大部分：數據采集、信號處理、狀態監測、故障診斷、故障預測、維護決策。首先各類傳感器對智能裝備的運行信號進行采集，對信號進行預處理和特征提取后，利用監測模型進行狀態監測和故障診斷，利于預測模型進行故障預測，為設備的維護決策提供支持。（1）信號處理。其包括兩部分：①進行數據預處理，如對缺失數據進行插值處理、數據異常值剔除、提取相關信號等;②針對不同的信號類型的特點進行信號特征提取，比如統計特征分析、小波分解、經驗模態分解等。（2）狀態監測。對特征信息進行實時監測，得到智能裝備運行狀態，為故障報警、故障診斷、故障預測提供歷史監測與統計數據。（3）故障診斷。對故障信號進行離線或在線診斷，本系統采用基于總體經驗模態分解法（ensembleempiricalmodedecomposition，EEMD）和徑向基神經網絡（radialbasisfunction，RBF）故障診斷方法進行故障診斷建模，確定故障類型。（4）故障預測。其為PHM的核心技術和能力，在狀態監測與故障診斷信息的基礎上，對關鍵參數進行時間序列上的故障預測，實現故障提前感知能力。智能裝備的運行參數一般呈現非線性和非平穩性，針對該特點，本文采用動態神經網絡進行模型建立和故障預測。（5）維護決策。維護人員根據狀態監測、健康評估和故障預測結果進行，評估和判定職能裝備的總體健康狀態，采取合適的維護策略進行維護。

2微服務架構

本平臺采用微服務模式進行設計，包括服務注冊、服務發現、負載均衡、服務網關、配置中心、API管理、調用鏈等組件，微服務框架。服務注冊：服務注冊是一個記錄當前可用的微服務實例的網絡信息數據庫，是服務發現機制的主要核心，服務注冊表包含查詢API、管理API，使用查詢API獲得可用服務的實例，使用管理API實現注冊、注銷。服務發現：服務調用方從服務注冊中心找到自己需要調用的服務的地址。負載均衡：服務提供方一般以多實例的形式提供服務，負載均衡功能能夠讓服務調用方連接到合適的服務節點，并且節點選擇的工作對服務調用方來說是透明的。服務網關：服務網關是服務調用的唯一入口，可以在這個組件是實現用戶鑒權、動態路由、負載限流等功能。配置中心：將本地化的配置信息（Properties、XML、YAML等）注冊到配置中心，實現程序包在開發、測試、生產環境的無差別性，方便程序包的遷移。API管理：以方便的形式編寫及更新API文檔，并以方便的形式供調用者查看和測試。通常需要加入版本控制的概念，以確保服務的不同版本在升級過程中都能夠提供服務。（7）調用鏈記錄完成一個業務邏輯時調用到的微服務，并將這種串行或并行的調用關系展示出來。在系統出錯時，可以方便地找到出錯點。同時統計各個服務的調用次數，確保比較熱的服務能夠被分配更多的資源。基于微服務架構可實現資源靈活組織、功能封裝復用，開發敏捷高效，支撐快速構建面向智能裝備的業務PaaS平臺。以設計仿真、生產優化、管理運營等領域經驗知識為背景，打造可移植、可復用的工業微服務組件，形成豐富的工業機理模型，構建應用開發環境，幫助用戶快速構建定制化的工業APP。

3我國智能裝備制造業在未來的發展

在我國智能裝備制造業起步晚，發展潛力巨大。（1）智能裝備行業想要發展，就必須有長期動力，而這一動力就來自于產業升級。自從我國經濟走出國門工業開始繁榮時起，我國國民經濟快速提高和發展的主要動力都也以說來源于我的工業化的道路發展，尤其是我們國家在裝備制造產業的告訴快節奏增加。到了2016年為止，我國的在工業這一領域，對我們國家的GDP貢獻率總和大約占比32%，在各行業同期中排名最高。制造業產業在我國經濟增長的上的貢獻仍然占據了不可替代的重要作用和提供了主要的動力。但是，我們可以看到是，在這個經濟快速增長的模式的另一面，裝備產業的發展同時也帶給我們的眾多不可知道的隱患。我國的工業化企業一直都從事著粗放型生產發展模式的引導，依靠著地大物博、資源礦產豐富、國家和政府的財力物力支撐，在此之間，用高產能、高度污染和較高的能源消耗，以此來換取更高的收益。在制造業轉型的過程中，智能裝備的發展不可忽視，制造業升級需要智能裝備幫助一般制造業從繁重的人力勞動中解脫，降低生產成本，更多的投入到研發和服務中去，建立新的發展模式。在未來相對較長的一段時間里，智能裝備將圍繞產業升級得到進一步發展。（2）下游制造業的需求穩定增長，為未來智能制造提供廣闊的發展空間，自動化生產線在發展初期，主要運用于汽車行業，經過長期發展，汽車行業自動化程度已達較高水平。而隨著環保標準的不斷提升，以及客戶對汽車消費品質的提升、個體化和差異化的消費需求增長，汽車生產向差異化小規模定制生產模式方向發展，汽車生產廠商管理向工業互聯網、物聯網和大數據方向發展，新車型的推出速度和更新換代周期不斷加快，這些趨勢都對以自動化生產線為代表的汽車制造裝備的自動化、柔性化、智能化和信息化水平提出了更高的要求，相應汽車行業固定資產投資將保持持續較快的增長。（3）國家產業政策大力支持智能裝備發展，國務有關文件指出，在快速培育和發展新型戰略性智能化產業中，把高端裝備制造業列入了我國反正新興產業的七大戰略性產業之一。為了加快落實實施國務院這一重要決定，快速將智能制造裝備發展成產業化，國家多個部門組織開展了以智能裝備制造業位典范的專項立案。著重加大對智能測控技術的支持，在產業智能裝備設備領域進行示范性應用，以及試點產業設備生產線的建設和使用。項目支持包括了沖壓成型產業生產線、自動化裝配制造生產線和自動化焊接生產線項目，和包括我國汽車產業的自動化加工、裝配、運輸等生產線項目。

結語

智能裝備對智能化、網絡化的維護需求正逐步提高，PHM技術是未來智能裝備智能維護的發展方向。本文針對智能裝備預測性維護存在的智能化和網絡化程度不高、物理模型建模困難等問題，從數據挖掘的角度出發，結合智能算法和混合編程網絡開發技術，研究和開發了基于數據驅動的遠程PHM系統。應用結果表明，該系統能以較高效率完成故障診斷、故障預測等核心功能，其開發模式和核心技術為PHM系統的開發提供了借鑒意義。

參考文獻

[1]張軍，李志秀，王銳，等.基于SharpDevelop插件架構的研究及應用云南大學學報（自然科學版），2011，33（S2）：251～255。

[2]陸建華，俞洋.基于WEB的組態界面軟件架構的設計與實現.遼寧師范大學學報（自然科學版），2013，36（4）.

[3]黃天戍，劉奇志，任清珍，等.組態軟件在工業監控系統中的二次開發.武漢水力電力大學學報，1999，32（2）.