多傳感器融合的工業生產線故障預警技術

摘要：針對工業生產線故障預警過程中，因不同傳感器采集的數據維度不同，導致預警效率低的問題，提出一種多傳感器融合的工業生產線故障預警技術。首先，通過投影的方式對不同傳感器數據進行融合轉換，將傳感器坐標系下工業生產線設備的位置信息轉換成平面坐標系下的數據形式；然后，利用光束平差算法進行坐標系融合，得到工業生產線設備的位姿；最后，利用深度置信網絡計算工業生產線設備的位姿與目標狀態之間的關系，確定工業生產線設備是否處于故障狀態，并及時做出相應的預警。經測試，該技術對不同類型、不同程度的工業生產線故障均實現了高效預警，時間開銷穩定在1.0 s以內。

關鍵詞：多傳感器融合；工業生產線；故障預警；投影；光束平差算法；坐標系融合轉換

中圖分類號：TP277" " " " " " 文獻標志碼：A" " " " " 文章編號：1674-2605（2024）02-0007-04

DOI：10.3969/j.issn.1674-2605.2024.02.007

Industrial Production Line Fault Warning Technology Based on" " " "Multi-sensor Fusion

LIU Yuhui" GAO Yanqiang

（School of Mechanical-electronic and Automotive Engineering， Xuchang Vocational Technical College，" Xuchang 461000， China）

Abstract： In order to solve the problem of low early warning efficiency caused by different data dimensions collected by different sensors in the process of industrial production line fault early warning， a multi-sensor fusion technology for industrial production line fault early warning is proposed. Firstly， different sensor data are fused and converted by projection， and the position information of industrial production line equipment in the sensor coordinate system is converted into the data form in the plane coordinate system; Then， using the beam adjustment algorithm for coordinate system fusion， the pose of industrial production line equipment is obtained; Finally， using deep confidence networks to calculate the relationship between the pose of industrial production line equipment and the target state， determine whether the industrial production line equipment is in a faulty state， and make corresponding warnings in a timely manner. After testing， this technology has achieved efficient early warning for industrial production line faults of different types and degrees， with a stable time cost of less than 1.0 second.

Keywords： multi-sensor fusion; industrial production line; fault warning; projection; beam adjustment algorithm; coordinate system fusion conversion

0" 引言

利用計算機、傳感器、執行器等設備，實現工業生產流程的自動控制與管理[1]，通過自動化技術監測工業生產線設備的運行狀態[2]，可提高生產效率、降低生產成本、改善產品質量、提升生產安全。受復雜生產環境及元器件老化等因素的影響[3]，工業生產線設備不可避免地會出現故障。當發生故障時，需快速、準確地判斷故障點，為后續的維修工作提供保障[4]。文獻[5]利用斯皮爾曼相關性分析對磨煤機的特征參數進行降維，采用多元狀態估計算法和層次分析法對特征參數進行權重賦值，并通過自適應閾值的方法進行故障預警。文獻[6]利用改進的動態記憶矩陣D構建多元狀態估計技術（multivariate state estimation technique， MSET）模型，并采用相似度函數和滑動窗口法進行工業生產線設備的故障預警。但上述方法均未對多項異構數據進行融合處理，導致工業生產線設備故障預警的精度不高。

為此，本文提出一種多傳感器融合的工業生產線故障預警技術，并通過對比測試及實際應用效果進行分析驗證。

1" 工業生產線故障預警技術

1.1" 工業生產線設備狀態數據融合轉換

多個傳感器采集工業生產線設備的狀態數據，是將真實三維世界的信息映射到二維的成像平面[7]。在映射過程中，因不同傳感器采集的數據維度不同，需對其進行融合轉換。

通過投影的方式對不同傳感器的坐標系進行融合轉換[8]。假設表示a1傳感器的坐標系，表示a2傳感器的坐標系，那么工業生產線設備的位置融合轉換后的二維坐標為

（1）

式中：、分別為平面坐標系和傳感器坐標系下的工業生產線設備的位置，為投影轉換系數。

通過公式（1）可以將傳感器坐標系下的工業生產線設備的位置投影為平面坐標系下的工業生產線設備的位置。

利用傳感器的數據轉換函數，可對多個傳感器的數據進行融合轉換，的計算公式為

（2）

式中：為傳感器坐標系下的投影系數。

通過公式（2）可以將多個傳感器坐標系下的工業生產線設備的位置轉換到平面坐標系下，傳感器數據融合轉換后可表示為

（3）

式中：、、分別為工業生產線設備在平面坐標系下的狀態參數、變化參數、位置參數，、分別為x、y方向的位置變化函數，、分別為x、y方向的位置信息，、、分別為多個傳感器采集的工業生產線設備的狀態測量值。

通過公式（3）可對多個傳感器采集的數據進行融合轉換，得到工業生產線設備的二維坐標。

1.2" 工業生產線設備位姿融合

為了準確估計工業生產線設備的三維位置和姿態，借助光束平差（bundle adjustment， BA）算法計算其位姿。利用BA算法對多個傳感器采集的數據進行融合，其重投影誤差最小化處理方法如圖1所示。其中，p1、p2是同一個空間點P在不同傳感器坐標系下的投影，q1、q2是同一個空間點Q在不同傳感器坐標系下的投影，o1、o2是同一個空間點O在不同傳感器坐標系下的投影。

BA算法對多個傳感器采集的數據進行融合的重投影誤差最小化處理方法的具體步驟如下：

首先，通過多個傳感器采集空間點P、Q、O的狀態測量值，估計每個傳感器的位置和姿態；

然后，將不同傳感器采集的工業生產線設備狀態數據進行匹配，得到狀態測量值在不同傳感器坐標系中的對應關系，并據此計算狀態測量值的三維坐標；

接著，將所有的狀態測量值匹配數據和三維點坐標作為初始值，利用BA算法使重投影誤差最小化，即將每個三維點投影到不同傳感器的平面坐標系上，計算其在傳感器平面坐標系上的投影誤差，并將所有的誤差累加作為優化函數，通過迭代更新姿態和三維點坐標，使重投影誤差逐漸減小，直到收斂為止；

最后，得到優化后的工業生產線設備的姿態和三維點坐標。需要注意的是，此時投影后狀態數據的維度主要取決于工業生產線設備的傳感器數量。

工業生產線設備的位姿g表示為

（4）

式中：T為位姿參數，為由多個傳感器匹配成功數據構成的數據集。

1.3" 工業生產線故障預警

考慮到工業生產線不同程度的故障對設備位姿的影響程度不同，利用深度置信網絡中的顯元對工業生產線設備姿態的表觀狀態進行分析，結果可表示為

（5）

式中：為顯元對工業生產線設備姿態的表觀狀態的分析結果，、分別為工業生產線設備位姿在x、y方向的參數，、分別為工業生產線設備位姿在x、y方向的允許變化閾值系數。

當為正值時，表示工業生產線設備處于故障狀態，需預警；當為負值時，表示工業生產線設備處于正常狀態，無需預警。

2" 測試與分析

2.1" 測試環境設置

利用某連續退火生產線測試本文提出的多傳感器融合的工業生產線故障預警技術的應用效果[9-10]，并在相同的測試環境下，設置文獻[5]、[6]提出的故障預警技術作為對照組。

本文以預警效率為評價指標。預警效率是指故障發生時刻與故障預警時刻的時間差，計算公式為

（6）

式中：為故障的預警效率，為故障的發生時刻，為故障的預警時刻。

測試生產線的工藝流程及設備配置如表1所示。

本文設置的故障情況如表2所示。

2.2" 測試結果與分析

按照表2所示的故障設置情況，分別利用文獻[5]、[6]、本文技術對某連續退火生產線進行預警測試，測試結果如表3所示。

由表3可知，3種故障預警技術對不同類型故障的預警效率差異明顯。文獻[5]對是非類故障（斷路器斷開、開關損壞、跳電）的預警效率較高，均穩定在2.0 s以內，但對狀態參數類故障（電機過載、接線端子接觸不良、涂油機無法動作、程序死循環）的預警效率偏低，最大時間開銷達到4.12 s；文獻[6]對各類故障的預警效率相對穩定，均在2.0 ～2.7 s范圍內；本文技術對不同類型故障的預警效率具有較高的穩定性，時間開銷均穩定在1.0 s以內。

在實際的工業生產線運行過程中，狀態參數類故障的表現程度存在明顯差異。為此，本文以中央段的平整機電機過載故障為例，分別設置過載程度為15.0%、10.0%、5.0%、3.0%、2.0%和1.0%，進一步測試3種預警技術的預警效率，測試結果如表4所示。

由表4可知，隨著中央段的平整機電機過載故障程度的降低，3種故障預警技術的預警效率均呈現逐漸上升的趨勢。文獻[5]在過載程度大于5.0%時，預警效率較高，但過載程度小于5.0%時，預警效率明顯降低，最大時間開銷達3.99 s（電機過載程度為1.0%時）；文獻[6]預警效率與電機過載故障程度之間的關系表現較為平穩；本文技術的預警效率始終穩定在1.0 s以內，表現了良好的預警性能。

3" 結論

本文提出的多傳感器融合的工業生產線故障預警技術，實現了對不同類型、不同程度故障的精準預警，相比于文獻[5]、[6]的故障預警技術，有效減小了故障處理的時間開銷，在不同故障類型和故障嚴重程度下的預警效率保持在1.0 s內。在未來研究中，結合故障定位技術，進一步完善對工業生產線的監測。

參考文獻

[1] 劉晉成，唐倫，陳前斌.基于數據特征的多傳感器融合實時目標檢測[J].計算機應用研究，2023，40（11）：3456-3461.

[2] 文禮杰，謝榮，許軍立，等.基于相容系數的多傳感器融合目標識別方法[J].電子測量與儀器學報，2023，37（4）：142-153.

[3] 馬永光，馮勇升.基于IICEEMDAN-PCA-GRU的風電機組齒輪箱故障預警方法研究[J].太陽能學報，2023，44（4）：67-73.

[4] 謝天，覃子珍，楊如意，等.基于常模式提取的火電機組通流故障早期預警方法研究[J].汽輪機技術， 2023，65（2）：122-126.

[5] 吳濤，王毅，劉震，等.基于多元狀態估計-層次分析法的磨煤機故障預警[J].熱力發電，2023，52（5）：14-21.

[6] 余興剛，賓誼沅，陳文，等.基于改進MSET的一次風機故障預警及診斷方法[J].機電工程，2023，40（4）：535-541.

[7] 李廣，孔飛飛，王逍遙，等.基于多視覺傳感器融合的裝配過程質量移動智能檢測技術研究[J].現代制造工程，2023（4）： 116-123.

[8] 陳學標，肖遠輝，肖富鋒，等.基于EEMD-SD振動信號分析的水電機組故障預警方法[J].水電與新能源，2023，37（2）：1-5.

[9] 宋愛娟，張國榮，袁重煥，等.基于數字孿生的LabVIEW與傳感器融合實驗平臺的研究與創新[J].現代電子技術，2023， 46（7）：149-154.

[10] 程秀錢，孫書利.多傳感器非線性系統的序貫觀測融合擴展卡爾曼濾波器[J].黑龍江大學工程學報，2023，14（1）：38-43.

作者簡介：

劉煜輝，男，1981年生，本科，助教，主要研究方向：工業自動化。E-mail： fireboo@126.com

高艷強，男，1977年生，碩士研究生，講師，主要研究方向：工業自動化。E-mail： mailsnake@126.com