全斷面隧道掘進裝備預測性維護技術(shù)與標準化進展

王 凱

(機械工業(yè)儀器儀表綜合技術(shù)經(jīng)濟研究所，北京 100055)

0 引言

全斷面隧道掘進裝備是集機、電、液、光、傳感、信息技術(shù)于一體，具有隧道掘進、出渣、拼裝隧道襯砌、導向糾偏等功能，廣泛應用于城市軌道交通、地下綜合管廊等場景的特大型專用工程設(shè)備。鐵路、公路、水利等基礎(chǔ)建設(shè)使全斷面隧道掘進裝備具備了巨大的市場需求[1]。掘進裝備運行環(huán)境的復雜性、不確定性給全斷面隧道掘進裝備的安全、高效施工帶來了極大挑戰(zhàn)。突發(fā)故障極大地影響了裝備運行效率，會導致經(jīng)濟損失[2]。同時，掘進裝備自身的復雜性也對可靠性提出了更高要求。

預測性維護是通過對設(shè)備運行狀態(tài)的實時監(jiān)測，結(jié)合大數(shù)據(jù)、人工智能等手段對其未來的工作狀況進行預測，進而實現(xiàn)故障診斷、壽命預測、設(shè)備維護與管理，是人工智能技術(shù)在智能制造領(lǐng)域中的典型應用之一[3]。尤其是針對高價值、高可靠性要求及維修困難的掘進裝備進行預測性維護，有助于保證施工連續(xù)性，提高生產(chǎn)安全性，降低生產(chǎn)和維護成本。

隨著工程裝備智能化技術(shù)的日漸成熟，其模式識別、智能感知等應用實現(xiàn)了裝備的集成化、數(shù)字化、可視化和自動化[4]。如何有效利用工程施工大數(shù)據(jù)，并釋放其中的信息與知識以進行裝備的預測性維護等問題，已成為隧道工程領(lǐng)域的重大技術(shù)挑戰(zhàn)和未來行業(yè)競爭熱點。

本文對掘進裝備開展預測性維護及其標準化研究，對于促進掘進裝備標準化建設(shè)、規(guī)范預測性維護關(guān)鍵技術(shù)發(fā)展具有重要意義。

1 掘進裝備關(guān)鍵部件預測性維護技術(shù)

1.1 概述

全斷面隧道掘進裝備是實現(xiàn)隧道施工作業(yè)機械化的關(guān)鍵裝備，可分為盾構(gòu)和硬巖掘進機(tunnel boring machine,TBM) 兩大類，由主體和各系統(tǒng)組成，如刀盤驅(qū)動、推進、排渣、管片拼裝、同步注漿及盾尾密封系統(tǒng)等[5]。掘進裝備形體較大，結(jié)構(gòu)較為復雜，機械元件數(shù)量種類繁多，且作業(yè)環(huán)境相對惡劣復雜，在工作過程中其機械元件不可避免地會受到損壞。同時，刀盤系統(tǒng)、螺旋輸送系統(tǒng)等機械系統(tǒng)的組成離不開電子設(shè)備，因此機械類和電氣類故障是掘進裝備預測性維護的重點[6-7]。

1.2 刀具磨損監(jiān)測及預測

刀具是掘進裝備掘進時對工作面進行切削的主要工具。滾刀正常磨損在刀盤故障的占比為80%。刀具磨損機理如表1所示[8]。

表1 刀具磨損機理

及時檢測出刀具磨損程度既能避免過早開倉更換刀具，又能減輕超負荷運轉(zhuǎn)加劇刀具磨損程度的惡性連鎖反應，還可減少換刀時間、提高掘進效率。因此，研究刀具磨損監(jiān)測及預測技術(shù)是保證掘進高效運轉(zhuǎn)的重要任務之一。

切刀和滾刀是目前掘進裝備配備的主要刀具。國內(nèi)外學者在刀具磨損模型研究方面更傾向于滾刀磨損。刀具磨損故障診斷與預測方法可分為分析模型、試驗模型和基于機器學習的軟測量模型[9-11]。在刀具磨損預測分析模型中，應用較為廣泛的是科羅拉多學院模型。在刀具磨損預測試驗模型中，具有代表性的刀具磨損預測試驗模型是Gehring模型和挪威科技大學模型。基于機器學習的軟測量模型充分考慮了各種地質(zhì)和作業(yè)條件，更適用于盤形滾刀可靠性評估。

工程實際中，刀具磨損是多耦合的復雜過程。分析模型、試驗模型或者基于機器學習的軟測量模型都有其局限性，不能真實模擬掘進過程中的刀具磨損情況。因此，充分耦合多種影響因素、建立通用的預測模型是刀具預測性維護的趨勢。

1.3 主軸承診斷及預測

主軸承是連接盾構(gòu)刀盤與動力系統(tǒng)的關(guān)鍵部件。如在設(shè)計、制造、安裝、使用時存在問題，就會引起軸承內(nèi)部損壞，需停機進行故障處理。受隧道內(nèi)空間限制，軸承更換耗時長，給工程安全、工期、成本帶來諸多不可控因素[12]。國內(nèi)外對標準的軸承故障診斷研究較多，但針對全斷面隧道掘進裝備主軸承施工現(xiàn)場的故障診斷研究較少。

主軸承在作業(yè)過程中，受其自身發(fā)生故障等內(nèi)部因素，以及承受較大的軸向力、徑向力、傾覆力矩等復雜荷載的外部因素的共同作用。主軸承失效部位及原因如表2所示。

表2 主軸承失效部位及原因

目前，主軸承的檢測方法主要有油品檢測、振動測試、掘進機掘進參數(shù)變化分析、外密封出脂情況檢查、電渦流測試、內(nèi)窺鏡觀察、密封保壓、油位變化觀察等。在特征分析層面，有學者提出時域波形指標、峭度指標分析和頻域頻譜分析的故障判別方式，并對武漢某地鐵項目中盾構(gòu)驅(qū)動軸的軸承作出了故障判定[13]。在智能診斷層面，有學者提出了一種基于多任務學習的深度殘差網(wǎng)絡(luò)，可同時用于處理滾動軸承故障定位和故障嚴重度判斷，為盾構(gòu)機滾動軸承故障診斷提供了新的解決方案[14]。

由于主軸承的運行狀態(tài)信息在振動、油液、溫度等信號中均有體現(xiàn)，因此基于多源信息融合的預測性維護方法已成為主軸承診斷及預測的重要研究方向。

1.4 液壓系統(tǒng)故障診斷

液壓系統(tǒng)作為核心部件之一，是掘進裝備的主要動力來源。液壓系統(tǒng)是一個多回路、多元件，元件之間存在時空耦合關(guān)系，復雜且高度非線性的系統(tǒng)。其故障集中于液壓元件的泄漏，油液粘度過高/過低和電磁閥失效等問題。國內(nèi)外學者基于機器學習[15]、故障樹等[16]方法對液壓系統(tǒng)實時監(jiān)測數(shù)據(jù)進行聚類或分類，并采用AMESiM軟件構(gòu)建的液壓系統(tǒng)模型仿真其故障類型。AMESiM 軟件使用簡單、方便，通過修改參數(shù)可直觀反映液壓系統(tǒng)故障，且能與其他軟件接口相連，完成其控制部分的仿真。因此，該軟件在掘進裝備液壓系統(tǒng)故障診斷研究中得到較為廣泛的應用[17]。

掘進機液壓系統(tǒng)存在高度的非線性特性,難以建立準確的數(shù)學模型。液壓系統(tǒng)各類故障狀態(tài)下的樣本數(shù)據(jù)有限、質(zhì)量無法保證等現(xiàn)狀，對診斷及預測提出了更高要求。在現(xiàn)有液壓故障診斷的研究中，深度學習的研究已得到一定規(guī)模的開展。因此，開展深度學習在盾構(gòu)機液壓系統(tǒng)中的應用研究勢在必行。

1.5 電氣系統(tǒng)故障診斷

掘進裝備電氣設(shè)備包括電機、變頻器、變壓器、可編程邏輯控制器(programable logic controller,PLC)、斷路器、接觸器、傳感器等。其中，傳感器和斷路器等設(shè)備相對于電機、變頻器和變壓器而言價格低廉，可替代性強。因此，研究主要集中在三相異步電動機、變頻器和變壓器等[18]。電動機按照故障發(fā)生的部位分為定子故障、氣隙故障、轉(zhuǎn)子故障和軸承故障。如學者基于小波包和改進粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)分析電動機電流信號，實現(xiàn)了轉(zhuǎn)子斷條、匝間短路、缺相、靜態(tài)偏心等故障診斷[7]。

電流信號是診斷和預測電氣類故障的重要手段。深度分析電氣故障機理，將深度學習等智能建模方法應用于電流信號診斷是電氣故障診斷的研究熱點。

2 掘進裝備標準化現(xiàn)狀

2.1 國內(nèi)標準化工作概況

按照標準類型，掘進裝備國內(nèi)標準可分為國家標準、行業(yè)標準、團體標準等。主要標準化技術(shù)組織如下。

①國家標準制修訂組織。全國建筑施工機械與設(shè)備標準化技術(shù)委員會(SAC/TC328)主要負責掘進裝備施工機械領(lǐng)域的標準制定。全國設(shè)備監(jiān)理工程咨詢標準化技術(shù)委員會(SAC/TC423)等制定了監(jiān)理等標準。全國鑿巖機械與氣動工具標準化技術(shù)委員會(SAC/TC173)制定了掘進裝備監(jiān)理及產(chǎn)品等標準。全國工業(yè)過程測量控制和自動化標準化技術(shù)委員會(SAC/TC124)組織制定了狀態(tài)監(jiān)測、故障診斷、預測性維護等標準。

②行業(yè)標準制修訂組織。SAC/TC 328、SAC/TC 173、SAC/TC 124及煤炭行業(yè)煤礦專用設(shè)備標準化技術(shù)委員會等標準化組織制定了掘進裝備相關(guān)術(shù)語、產(chǎn)品、部件、安全要求、再制造等行業(yè)標準。如：JB/T 11861—2014《盾構(gòu)機切削刀具》等機械行業(yè)標準；MT/T 1140—2011《懸臂式掘進裝備撥盤》等煤炭行業(yè)標準。

③團體標準制修訂組織。中國機械工業(yè)標準化技術(shù)協(xié)會、中國機械工業(yè)聯(lián)合會、中國工程機械協(xié)會、中國煤炭機械工業(yè)協(xié)會、北京盾構(gòu)工程協(xié)會、中國科技產(chǎn)業(yè)化促進會、合肥市機械行業(yè)協(xié)會等協(xié)會組織對于掘進裝備標準化進行了相關(guān)研究，并陸續(xù)制定了T/CCMA 0063—2018《盾構(gòu)機操作、使用規(guī)范》以及T/DGGC 005—2020《全斷面隧道掘進裝備再制造 檢測與評估》等團體標準。

從標準內(nèi)容及標準范圍角度分析，主要技術(shù)標準如下。

①基礎(chǔ)及產(chǎn)品標準。2014年5月10日，習近平總書記在中鐵工程裝備集團有限公司提出了“三個轉(zhuǎn)變”的重要論述。隨著對于掘進裝備標準化工作的重視，GB/T 34354—2017《全斷面隧道掘進裝備術(shù)語和商業(yè)規(guī)格》、GB/T 34650—2017《全斷面隧道掘進裝備盾構(gòu)機安全要求》等基礎(chǔ)標準以及GB/T 34651—2017《全斷面隧道掘進裝備土壓平衡盾構(gòu)機》等產(chǎn)品標準被陸續(xù)制定[19]。在預測性維護領(lǐng)域，SAC/TC 124發(fā)布了我國首項預測性維護國家標準GB/T 40571—2021《智能服務 預測性維護 通用要求》及GB/T 41397—2022《生產(chǎn)過程質(zhì)量控制 故障診斷》等預測性維護相關(guān)基礎(chǔ)標準[20]。

②方法標準。針對掘進裝備相關(guān)標準化組織制定了T/CCMA 0087—2020《全斷面隧道掘進裝備狀態(tài)監(jiān)測與評估》等方法標準。相關(guān)標準主要集中在安全、功能等領(lǐng)域。針對預測性維護，我國相關(guān)標準化組織也制定了GB/T 37942—2019《生產(chǎn)過程質(zhì)量控制 設(shè)備狀態(tài)監(jiān)測》、GB/T 2298—2010《機械振動、沖擊與狀態(tài)監(jiān)測詞匯》等標準。上述標準主要針對大型旋轉(zhuǎn)機械、通用機械等類型的重要裝備。

綜上所述，我國相關(guān)標準化技術(shù)組織制定的國家/行業(yè)/團體等標準主要涉及術(shù)語、產(chǎn)品、部件、安全要求、再制造等。在針對通用智能裝備領(lǐng)域，SAC/TC124等制定了預測性維護相關(guān)標準。目前，尚無掘進裝備診斷及預測國家/行業(yè)/團體標準發(fā)布。

2.2 國際標準化工作概況

從國際標準化的角度分析，國際標準化組織(International Organization for Standardization,ISO)、國際電工技術(shù)委員會(International Electrotechnical Commission,IEC)、電氣和電子工程師協(xié)會(Institute of Electrical and Electronics Engineers,IEEE)等針對數(shù)據(jù)采集、狀態(tài)監(jiān)測和故障診斷等預測性維護相關(guān)技術(shù)的標準化進行了研究，并制定了相關(guān)標準和規(guī)范。

國際標準化技術(shù)組織及典型標準如表3所示。

表3 國際標準化技術(shù)組織及典型標準

國際標準化組織及標準化現(xiàn)狀如下。

①國際標準化組織機械振動、沖擊與狀態(tài)監(jiān)測標準化技術(shù)委員會(ISO/TC108)長期從事振動、沖擊和狀態(tài)監(jiān)測領(lǐng)域的基礎(chǔ)技術(shù)研究和標準化工作，形成了CM&D系列標準，如ISO 2041《振動、沖擊和狀態(tài)監(jiān)測詞匯表》、ISO 13372《機械振動沖擊和狀態(tài)監(jiān)測 術(shù)語和定義》和ISO 13379-1《機器的工況監(jiān)測和診斷數(shù)據(jù)解釋和診斷技術(shù) 第1部分 通用指南》。

②國際標準化組織建筑施工機械與設(shè)備技術(shù)委員會(ISO/TC195)從事掘進裝備相關(guān)標準化工作，但目前尚無相關(guān)國際標準發(fā)布。

③國際電工委員會工業(yè)測控和自動化技術(shù)委員會(IEC/TC65)是國際智能制造標準化的核心組織，制定了預測性維護、全生命周期管理和智能設(shè)備管理等標準，如IEC 63270《工業(yè)自動化設(shè)備及系統(tǒng) 預測性維護》和IEC TR 63082-1 《智能設(shè)備管理 第1部分 概念和定義》等。

④其他國際組織制定的標準。如:IEEE/SCC20標準化協(xié)調(diào)委員會負責診斷等預測性維護標準化工作；MIMOSA研制了OSA-CBM和OSA-EAI標準；歐盟、英國等發(fā)布了EN12336-2005《隧道掘進裝備.盾構(gòu)機、止推鉆孔機、螺旋鉆探機、襯里安裝設(shè)備.安全要求》、BSEN12336：2005《隧道掘進裝備安全要求》、BSEN 12110：2002《隧道掘進裝備氣閘安全要求》和BS6164:2001《建筑業(yè)中開挖隧道的安全操作規(guī)程》等相關(guān)技術(shù)標準。

綜上所述，國際在隧道掘進裝備行業(yè)領(lǐng)域已經(jīng)制定了一些安全標準及相應的實施規(guī)范，在預測性維護領(lǐng)域的研究主要集中在狀態(tài)監(jiān)測、故障診斷、設(shè)備管理等具體功能部分或溫度、振動等具體量值部分。截至目前，國際上尚未發(fā)布掘進裝備監(jiān)測診斷及預測性維護的相關(guān)標準。

2.3 標準化需求分析

隨著人工智能、大數(shù)據(jù)和云計算等新技術(shù)的快速發(fā)展，同時為了更好地適應智能制造的發(fā)展趨勢，掘進裝備監(jiān)測診斷及預測性維護的標準化工作亟需開展，以滿足新技術(shù)發(fā)展的相關(guān)需求。此外，我國全斷面隧道掘進裝備預測性維護相關(guān)的技術(shù)標準尚屬空白，全斷面隧道掘進裝備預測性維護標準體系尚未建立，限制了掘進裝備標準化的系統(tǒng)發(fā)展和科學制定。

3 掘進裝備預測性維護標準化研究

3.1 掘進裝備標準體系結(jié)構(gòu)

總結(jié)掘進裝備當前標準化現(xiàn)狀，結(jié)合當前預測性維護領(lǐng)域通用標準制定情況，提出掘進裝備標準體系結(jié)構(gòu)，包括“A 基礎(chǔ)共性” “B 關(guān)鍵技術(shù)” “C 應用場景”， 主要反映全斷面隧道掘進裝備標準體系各部分的組成關(guān)系。 全斷面隧道掘進裝備標準體系結(jié)構(gòu)如圖1所示。

圖1 全斷面隧道掘進裝備標準體系結(jié)構(gòu)

全斷面隧道掘進裝備標準體系結(jié)構(gòu)中明確了掘進裝備已有標準及標準化的需求，對于開展掘進裝備標準化工作具有重要意義。

3.2 掘進裝備預測性維護標準體系

掘進裝備預測性維護標準體系如圖2所示。

圖2 掘進裝備預測性維護標準體系

掘進裝備的國家標準/行業(yè)標準/團體標準主要集中在裝備及部件領(lǐng)域，不能完全覆蓋掘進裝備的制造、運行和維護過程。SAC/TC124等國內(nèi)標準化技術(shù)組織及IEC/TC65等國際標準化技術(shù)組織，針對數(shù)據(jù)字典、可靠性等基礎(chǔ)共性技術(shù)以及預測性維護等關(guān)鍵技術(shù)進行了深入研究，并發(fā)布了系列標準化成果。相關(guān)成果為全斷面隧道掘進裝備預測性維護標準化奠定了堅實基礎(chǔ)。基于標準化現(xiàn)狀及關(guān)鍵技術(shù)標準研制基礎(chǔ)，本文提出全斷面隧道掘進裝備預測性維護標準化體系框架。掘進裝備預測性維護標準體系包括：基礎(chǔ)標準，如通用要求、術(shù)語和定義等；方法標準，如數(shù)據(jù)采集、數(shù)據(jù)字典、狀態(tài)監(jiān)測、故障診斷、預測性維護等；應用標準，如面向盾構(gòu)機等典型裝備，或面向系統(tǒng)功能要求等系統(tǒng)的標準。標準體系構(gòu)建涵蓋了設(shè)備運維與管理的各個維度。目前，在掘進裝備預測性維護領(lǐng)域已發(fā)布了GB/T 41052—2021《全斷面隧道掘進機 遠程監(jiān)控系統(tǒng)》和T/CCMA 0087—2020《全斷面隧道掘進機狀態(tài)監(jiān)測與評估》等國家或團體標準。下一步研究可圍繞全斷面隧道掘進機數(shù)據(jù)字典、故障診斷方法、系統(tǒng)功能要求等進行標準化研究，進一步推動相關(guān)標準研制進程。

4 結(jié)論

國家相關(guān)政策、巨大社會需求以及人工智能技術(shù)的進步都在快速推動著全斷面隧道掘進裝備的智能化發(fā)展。以監(jiān)測診斷與壽命預測為主的預測性維護技術(shù)，是人工智能技術(shù)在掘進機領(lǐng)域的典型應用和落腳點之一，也是掘進機維護方式變革的必然選擇。

本文充分分析了掘進機關(guān)鍵部件的預測性維護技術(shù)現(xiàn)狀和發(fā)展趨勢，總結(jié)了掘進機預測性維護技術(shù)標準化現(xiàn)狀，凝練出當前掘進裝備標準化需求以及關(guān)鍵技術(shù)標準研制方向。相關(guān)研究為掘進機預測性維護技術(shù)及其標準化的科學規(guī)范發(fā)展奠定了堅實基礎(chǔ)，也為掘進裝備生產(chǎn)企業(yè)的數(shù)字化轉(zhuǎn)型升級和高質(zhì)量發(fā)展提供了有力支撐。