機電系統設備智能檢測及預警技術系統研究

趙明珠

摘 要：北京城市軌道交通正在快速發展，當前北京市地鐵運營有限公司投入運營的15條線機電設備30萬臺套。如果繼續沿用目前的日常維修、計劃維修等維修管理模式，需要配備大量的人力資源來保證機電設備的正常運行。在利用智能感知、集群采集的大數據、預警報警技術、信息融合和人工智能技術實現機電設備集群在線故障預警和智慧運維，自動給出軸流風機、空調系統、電梯、屏蔽門等設備運行狀態信息和故障維修建議并下單，指導運維人員有針對性的對設備進行檢修。不僅是提高運維人員的工作效率，降低運行維護成本，在地鐵運營公司針對機電設備的信息化和技術改進提供支撐方面具有重大意義。

關鍵詞：機電設備;智能感知;故障預警;智慧運維

0 前言

北京城市軌道交通正在快速發展，當前北京市地鐵運營有限公司投入運營的15條線機電設備30萬臺套。如果繼續沿用目前的日常維修、計劃維修等維修管理模式，需要配備大量的人力資源來保證機電設備的正常運行，同時由于無法準確判斷設備的運行狀態及故障程度，就會影響維修所需的備品備件庫存量的準備，增加了維護維修的時間成本。

1 國內外背景及現狀分析

目前國內外地鐵線路上機電系統設備的在線檢測及智能診斷系統均處在初級階段，針對于各系統設備的在線監測、檢測功能，主要監視的參數有運轉方向、啟停狀態、運轉模式等故障報警信息。目前國外大的電梯公司、空調公司也對其生產設備進行了遠程監控系統的研究與開發。如OTIS公司REM（Remote Elevator Monitoring）系統、瑞士盧塞恩公司的Servitel系統、德國Newlift的LMS系統、法國AUTINOR公司遠程監控系統、大金公司VRV空調遠程監控系統等。這些監測主要以電梯、空調等設備的機械限位、運轉參數監測為主，而對于旋轉機械部件（如軸承、減速機等）未實現在線監測，即使有部分廠家研制了該類產品，技術手段監測指標比較單一（溫度或振動）、監測對象比較單一（軸承溫度），對早期微弱故障的診斷效率較差，無法實現故障的預警。對于智能診斷功能，主要是各個企業依據自身的生產環境量身定做，基本上適應某個行業的基本工作規則，缺乏在地鐵行業的普遍性通用型。體系化標準化的核心數據庫建設處于相對空白，優化現有維修管理資源，提高工作效率，節約人力資源，已是城市軌道交通完善和提升安全和維修管理體系的發展方向。

2 智能監測與預警技術

智能監測與預警技術是以基于物聯網的智能感知技術取代現有的人工巡檢修模式，融合監控和監測數據、人工巡檢信息，通過人工智能大數據分析技術為整個設備管理系統提供數據支持，對機電設備狀態和故障趨勢、安全風險進行智能分析、診斷，對故障快速準確定位及預判，實現預防性維修。

隨著技術的發展和進步，數字化電子技術和物聯網技術在國內高速發展，為機電系統在線狀態監測和預警技術的研究與應用提供了強大的支持。基于邊緣科學概念，進行技術融合和集成，將分體式傳感技術、廣義共振與共振解調技術、物聯網技術、信息處理技術、智能點檢技術等引入到機電系統的狀態監測及預警業務中，將風機、空調、電梯、屏蔽門等機電設備監測節點網絡架構與物聯網相連，實現機電設備運行全工況信息共享，幫助管理人員和技術人員突破時間和空間的約束，掌握現場一手數據，提高機電設備實時監測、預警、響應和運維水平。

3 智能監測與預警技術在地鐵內的應用

基于地鐵機電系統設備在線故障診斷需求研制的一種在線安全監測系統，通過安裝在設備關鍵機械部件上的復合傳感器，同時監測沖擊、振動和溫度等多個物理量，系統主要監測功能包括對地鐵機電設備關鍵部件機械故障的準確識別和早期預警，并實現分級診斷。同時基于實時故障診斷和詳細數據分析，并輸出維修指導建議，從而實現故障發生發展的歷史和趨勢分析、診斷信息統計分析、遠程診斷支持等功能。

基于大數據和人工智能（AI）深度學習的自動診斷模塊與閉環運維知識庫的智能優化與完善技術可適用于不同型號的機電設備，通過研究基于AI深度學習技術結合提供給用戶的人機交互接口，綜合大數據挖掘與機理分析信息，在運維閉環中實現對自動診斷模塊算法配置項與閉環運維知識庫的維修建議持續地優化與完善，以達成基于北京地鐵個性化應用需求的在線監測和智能診斷系統。扶梯測點布點如圖1所示，監測軟件界面如圖2所示。

4 故障診斷標準的研究

4.1 系統診斷分級

地鐵機電設備在線監測與故障診斷系統實時診斷能夠實現分級報警。為更好的判斷機電設備的工作狀態，對設備電機前后端軸承、振動量值、溫升等的工作狀態分為四個等級：正常、預警、報警、危險。

（1）正常：機械部件運行無故障信息、無動不平衡超限信息、無振動超限、無超溫報警的情況;

（2）預警：機械部件有故障特征存在但故障處于早期以及振動趨勢中存在單次報警信息，部件溫升呈增加趨勢;

（3）報警（一級報警）：機械部件有較明顯的故障特征并達到報警值、振動趨勢連續達到報警值、動不平衡連續達到報警值，部件溫升達報警值;

（4）危險（二級報警）：機械部件故障嚴重、動不平衡嚴重超限、振動嚴重超限、部件溫升超限。

4.2 故障診斷標準

通過研究機械的結構幾何學、運動學規律，我們建立了診斷軸承故障的一系列數學模型，從定性（故障部位）和定量（幅值大小）兩個角度，對于故障進行確定性的診斷和預警、報警，確定報警門限。根據基礎設備的具體情況，確定沖擊診斷報警標準、振動監測報警標準、不平衡振動監測標準等。

5 結語

利用智能感知、集群采集的大數據、廣義共振與共振解調、信息融合和人工智能技術實現機電設備集群在線故障預警和智慧運維。基于物聯網理念對機電系統主要設備實現集群在線故障預警并給出維修建議實現閉環智慧運維，自動給出軸流風機、電梯、屏蔽門等設備運行狀態信息和故障維修建議并下單，指導運維人員有針對性的對設備進行檢修。通過預警和報警實現故障延緩與狀態維修，為機電設備故障預測與健康管理（PHM）、技術改進提供數據。不僅是提高運維人員的工作效率，降低運行維護成本，在地鐵運營公司針對機電設備的信息化和技術改進提供支撐方面具有重大意義。

參考文獻：

[1]楊文博.北京地鐵換乘站站前廣場研究[D].北京交通大學，2011.