露天礦用重型卡車發電機組遠程監測系統設計

史斌杰，唐 堂，陳亞杰，馬士飛

應用研究

露天礦用重型卡車發電機組遠程監測系統設計

史斌杰，唐 堂，陳亞杰，馬士飛

（中國船舶集團有限公司第七一一研究所，上海 201108）

將大型礦用自卸車柴油發電機組作為研究對象，開展礦用重型卡車柴油發電機組遠程監測架構技術研究、信息感知及遠程狀態監測技術研究和遠程監測系統的開發研究。建立多維度數據采集、存儲、處理方法，研制遠程監測系統，實現多種客戶端的遠程可視化監測。

礦用重型卡車 發電機組 遠程監測系統

0 引言

礦用重型卡車柴油機側配置遠程監測模塊、振動傳感器、油液傳感器，同時在礦卡車頭處布置網絡電臺通訊天線，柴油機監測中心配置網絡電臺、服務器、人機交互電腦。礦用重型卡車柴油機遠程監測模塊和服務器間通過無線通訊信號連接。

遠程監測模塊[1]與柴油機ECU模塊、減振模塊進總線通訊，獲取熱工等參數；采集9路振動傳感器信號，2路油液傳感器信號；并通過無線模塊與柴油機監測中心通訊。如下圖所示。

監測系統[2]通過對柴油機振動信號和潤滑油油品進行采集和分析來判斷柴油機的健康狀態，并通過與服務器遠程通信，能夠遠程監控機器的健康狀況，以對其進行及時的維護保養工作，減少故障停機時間和維修費用，降低整個周期內的使用成本。

圖1 系統組成原理圖

1 遠程監測模塊硬件設計

電路板采用Xilinx 公司的ZYNQ系列的ZYNQ XC7Z035-FFG676-2I(Kintex-7 架構)作為CPU芯片。配置固態硬盤。

采用雙核ARM A9，主頻800M。采用全可編程片上系統（APSoC）。PL端內存 DDR3 1GB。PS端內存 DDR3 1GB。8GB EMMC。256 Mb QSPI Flas。2路10/100/1000M 自適應網絡接口。2 路CAN2.0 通信。3路RS485通信。16路高速模擬量采集。

16路模擬量通道的輸入信號經緩沖、調理后，由模數轉換器(ADC)對其采樣。每個AI 通道均帶有獨立的信號通路和模數轉換器，可對所有通道同步采樣。通過軟件選擇AC/DC 耦合。通過軟件選擇IEPE 激勵電流。FPGA芯片控制模數轉換模塊中的2片ADC芯片，完成ADC芯片同步采集、數據接收，并完成通道校正、信號預處理和數據轉發的工作；ARM處理器負責計算和通訊，完成CAN協議、RS485協議的解析。原理圖如下

圖2 基本原理圖

1.1 遠程監測模塊結構設計

采用鋁合金壓鑄一體成型，結合面做電磁兼容處理，滿足EMC要求。內部PCB板安裝采用局部灌膠工藝、可同時滿足減震和散熱需求。滿足標準IEC60068-2-6減震要求。對外接口統一采用IP67航插接口，模塊整體滿足IP67防護要求。模塊正面需要20cm維護散熱空間。

1.2 傳感器選擇

振動傳感器采用慧石科技的IEPE單軸壓電加速度傳感器，其主要性能參數如下：

傳感器類型：慧石IEPE單軸壓電加速度傳感器。

技術指標：靈敏度:±10%

動態響應范圍：±500g

頻率響應：±5%

頻率響應：±2dB

沖擊極限3000 g

滿量程輸出：±5 V

供電電壓：18～30 V

工作溫度：-55～125 ℃

備注：關于加速度傳感器量程的選擇說明：單軸

油液傳感器選用顆粒傳感器、及油品傳感器。

油品傳感器選用PARKER公司的Fluid Condition SensorFCS-3113型，測量溫度、含水量、壓力、介電常數。

技術指標：最大壓力：10 bar

允許流體溫度：-20～100 ℃

工作溫度：-20～80 ℃

振動：5～100 Hz

供電電壓：10～32 V

最大報警電流：0.2 A

顆粒傳感器選用PARKER公司的Metallic Wear Debris Sensor FG-K19567－kW。技術指標：最大壓力：20 bar

技術指標：最大壓力：20 bar

允許流體溫度：-20～85 ℃

工作溫度：-20～70 ℃

供電電壓：18-30 V

保險絲額定電流：0.2 A

顆粒最小速度：0.28 m/s

顆粒最大速度：1.9 m/s

1.3 無線通訊設計

礦坑底部幾乎沒有4G信號，采用網絡電臺通訊模式，在遠程監測模塊內具有通訊板，在礦坑坡頂建立一個覆蓋礦坑的中繼點，在監測中心建立網絡電臺接收端。通訊距離在3KM左右。選型網絡電臺，電臺與天線裝到卡車車頭。電臺與遠程監測模塊采用以太網通訊。

1.4 服務器及電腦選型

兩臺戴爾PowerEdge T640塔式服務器，兩臺研華ARK3500工控機。

2 軟件設計

應用層軟件安裝于Linux操作系統[3]上，操作系統自身集成了串口與CAN收發驅動和以太網驅動。高頻數據采集及特征值計算軟件運行在處理器SOC的FPGA內核中由硬件語言完成編程。采用工業互聯網平臺模式，具有邊緣感知層、平臺Iaas層[4]、存儲與應用層。

邊緣感知層作為整個系統的基礎，具有設備層、數據收集層、數據傳輸層，具備適配不同工業通訊協議下數據采集能力（采用CAN、485通訊、模擬量采樣等），處理后進行本地緩存，通過數據傳輸層上傳至數據存儲平臺進行存儲，實現設備運行數據的感知、收集及傳輸。

平臺Iaas層[5]，考慮礦用重型卡車遠程監測應用的場景特點和實際需求，在監測中心搭建數據服務器、備份服務器以及多個磁盤陣列的硬件資源。

存儲與應用層分為數據存儲、運維服務和通訊交互，采用分布式存儲實現存儲層的負載均衡，還運用雙機熱備的架構，保障信息的安全性。設計數據分析、異常檢測、歷史趨勢分析和設備運行狀態監測，并通過通訊交互以Web形式推送至用戶、遠程監測中心。

圖3 軟件構架圖

2.1 數據采集

數據采集來源包含5部分：熱工系統、油液系統、減振降噪、高頻數據特征值、原始高頻數據。整體框架如下圖所示：

圖4 數據采集框架

熱工系統通[6]過CAN總線[7]與外部系統相連，故在ARM采集板卡上，部署串口CAN采集服務，完成數據的采集。CAN采集服務啟動時，讀取本地測點信息，并完成初始化工作。隨后，服務通過CAN總線與熱工系統建立連接。被動收取熱工數據。程序按照CAN協議解析數據并將數據轉發到數據存儲服務中。數據采集通訊流程如下圖所示：

油液系統（2路485）、減震降噪（1路485）通過串口縱向與外部系統相連，故在ARM采集板卡上，部署串口ModbusRTU采集服務，完成數據的采集。串口ModbusRTU采集服務啟動時，讀取本地測點信息，并完成初始化工作。隨后，服務通過串口總線與油液系統、減震降噪建立連接。并發送要數指令，在收到回復后，解析數據并將數據轉發到數據存儲服務中。數據采集通訊流程如下圖所示：

圖5 熱工數據采集通訊流程

圖6 油液數據采集流程

服務與高頻數據軟件通過共享內存獲取服務。服務程序首先讀取配置文件INI和測點表文件CSV。實例化數據區后，服務通過測點地址ADDRESS獲取數據，并通過測點ID將數據轉發到數據存儲服務。流程如下圖所示：

圖7 高頻特征值采集流程

服務與高頻數據軟件通過共享內存獲取服務。服務程序總體流程與高頻特征值采集服務一樣。服務數據采集按照每小時存儲1秒數據的頻率采集高頻數據。

2.2 本地數據庫

本地數據庫通過數據存儲服務實現，包含數據配置接口、數據插入接口、數據存儲服務本體，架構如下圖所示：

圖8 本地數據庫架構

數據配置接口：與上層管理平臺通訊，確認數據庫的配置信息。

數據插入接口：對外提供基于HTTP協議的數據插入服務。數據采集服務打包時間戳和測點ID及對應的數據值，通過數據插入接口實現數據插入操作。

數據存儲服務本體：本地緩存按照站點分類存儲，支持熱工系統數據、高頻數據特征值數據、原始高頻數據分不同站點存儲。

3 結語

本文設計了一種專門應用于露天礦用重型卡車發電機組遠程監控的系統，實現多維度，實時收集礦用重型卡車數據，并進行分析，便于對礦用重型卡車的運行和工作情況進行遠程的監控。

[1] 鄒慶勇, 龔元明. 基于GPRS的整車控制策略遠程監測系統的軟件設計[J]. 智能計算機與應用, 2021, 11(10): 96-100, 106.

[2] 李震宇, 楊建國, 余永華. 船舶柴油機監測系統的開發與應用[J]. 船海工程, 2007, 36(3): 58-61.

[3] 殷晏君. Linux服務器的應用[J]. 科技資訊, 2017, 15(34): 1, 3.

[4] 陸茂蘭. 淺談云計算IaaS基礎設施服務系統[J]. 中國新通信, 2015, 17(24): 130.

[5] 梁鋼, 茅秋吟. 云計算IaaS平臺的信息安全和運維服務設計[J]. 電子技術應用, 2013, 39(7): 63-64, 96.

[6] 容愛瓊, 周超, 陳東青. 野外環境數據加密傳輸及遠程監測系統設計[J]. 單片機與嵌入式系統應用, 2021, 21(2): 86-89.

[7] 范振瑞. 基于CAN總線的船舶柴油機狀態監測系統[J]. 艦船科學技術, 2019, 41(20): 79-81.

[8] 叢佩麗. 基于Linux操作系統平臺的服務器安全策略[J]. 網絡安全技術與應用, 2015(6): 16-17.

[9] 莫懷海. 云計算中IaaS層信息網絡安全防護技術分析[J]. 網絡安全技術與應用, 2019(4): 23-24.

Design of remote monitoring system for generator set of heavy truck

Shi Binjie, Tang Tang, Chen Yajie, Ma Shifei

(Shanghai Marine Diesel Engine Research Institute, Shanghai 201108, China)

TM314

A

1003-4862（2023）02-0052-03

2022-07-14

史斌杰(1987-)，男，碩士。研究方向：智能船舶、故障診斷、綜合自動化。E-mail: 13564548106@126.com