關于港口裝卸設備全壽命周期一體化管理模式的研究與實踐

0 引言

隨著全球貿易發展和港口規模的持續擴大，傳統港口運營模式已難以滿足現代物流體系對效率和安全性的要求。智慧港口作為新一代港口運營模式，以信息物理系統為技術框架，借助物聯網、大數據、人工智能等高新技術，實現了物流供給方與需求方在集疏運一體化系統中的深度融合[]。其中，智能運維系統作為智慧港口的關鍵組成部分，通過整合現代信息技術和人工智能算法，對港口運維活動進行智能化管理和優化，不僅顯著提升了港口運營效率和服務質量，還為港口可持續發展提供了技術支撐。

然而，在推進智慧港口建設過程中仍面臨諸多挑戰。以廣州港南沙港區為例，雖配置149臺大型港口起重機，實現了碼頭部分前沿及堆場設備的自動化遠控操作。但是在向無人化、自動化、智能化轉型中面臨以下技術瓶頸：一是設備種類多樣性、監測信號異質性以及診斷方法不成熟，致使系統需要同時處理設備異構性、復雜的監測信號以及未經驗證的診斷方法等技術難題；二是龐大的設備數量與有限的通信帶寬之間的矛盾制約了數據傳輸效率，進而影響設備的有效管理和運作；三是在推進無人化作業過程中，突發情況的及時處理和技術要求日益提高與傳統人工定期巡檢模式之間的矛盾日益突出。

為應對這些挑戰，本研究以廣州港南沙港區裝卸設備為研究對象，提出了建設港口裝卸設備全壽命周期一體化智能運維系統的解決方案，旨在通過技術創新推動港口運營模式的轉型升級。

1智能運維系統概述

本研究所提出的智能運維系統的整體架構設計遵循分層原則，其中基礎設施層和信息交互層構成系統運行的基礎支撐體系。智能運維系統基本框架如圖1所示。

由圖1可知，該架構由5個主要層次組成，分別是應用功能層、數據中心層、基礎設施層、信息交互層和港機設備層。港機設備層包含傳感器、攝像頭及港口機械設備等硬件組件；信息交互層負責系統內部的數據傳輸與信息交換；基礎設施層提供網絡、存儲和計算資源；數據中心層集中管理系統的所有數據資源；應用功能層則負責用戶界面呈現和業務邏輯處理。

1.1智能運維系統信息交互層的創新

信息交互層圍繞港口設備的關鍵易失效部件（如傳動部件、輪軌、鋼結構等）開展技術創新，采用“問題分析-難點突破-功能集成”的三步走研究方案，成功開發了鋼結構健康在線監測與評估模型、傳動部件機械狀態在線監測模型、小車車輪及其軌道智能監測模型等多個監測模型[2-5]

圖1智能運維系統基本框架

通過建立整合集裝箱碼頭起重機載荷、能耗、小車速度和傳動部件振動信號的數據處理框架，結合PLC數據深度挖掘，實現了基于起重機電機、齒輪箱振動信號的無監督故障診斷[6-8]。此外，開發的港口機械累計疲勞損傷系統，可生成操作路徑優化與能耗曲線，有利于相關人員更深入洞察起重機工作狀態。

1.1.1鋼結構健康在線監測與評估模型

針對集裝箱碼頭機械的特點，設計了港口起重機傳動部件機械狀態在線監測總體方案。該方案有效解決了海量數據采集與分析的技術難題，為離散事件動態系統的狀態監測提供了創新解決方案。港口起重機傳動部件機械狀態在線監測總體方案如圖2所示。

起重機金屬結構的疲勞損傷演變是一個長期過程，早期跡象通常不明顯且難以察覺。同時，港口基本建設在海岸線，高濕、鹽霧等環境導致的應力腐蝕也會加重起重機失效，加上復雜外部載荷作用，金屬結構的初始裂紋會不斷擴展，直到裂紋完全貫穿焊縫、撕裂結構，最終造成破壞。

針對上述問題，研發了基于光纖傳感器技術和大數據分析技術的鋼結構健康在線監測與評估模型。該模型創新性地采用集成存儲與計算架構，集成了力學、數學模型和信號處理算法，通過融合多種載荷數據及響應信息，實現了結構健康監測與預測技術的整合[9-10]。模型具備自動計算和診斷功能，可通過岸橋PLC顯示分級預警信息，并內置起重機結構疲勞損傷算法，能實時更新設備狀態信息并估算剩余壽命，確保及時發出狀態預警。

1.1.2傳動部件機械狀態在線監測模型

集裝箱碼頭的特點是機械設備多、種類雜且工作狀態各異，是典型離散事件動態系統。以南沙港區三期碼頭為例，存在幾十臺岸邊集裝箱起重機和輪胎式集裝箱起重機，對其監測會產生海量數據，如何采集這些數據，并進行分析是狀態監測平臺的主要任務。

1.1.3小車車輪及其軌道智能監測模型

軌道式集裝箱門式起重機作為港口重要的裝卸、搬運和堆放設備，其安全運行對港口作業效率具有重要影響。軌道踏面缺陷是影響設備運行安全的關鍵因素，主要源于兩方面：一是軌道焊接工藝不當可能導致連接處踏面產生初始缺陷；二是在長期運行過程中，軌道與小車車輪間的動態接觸力會加劇踏面磨損，導致缺陷擴展。軌道踏面的缺陷如3所示，淺色區域表征車輪與軌道的接觸位置，橢圓圈標記區域則顯示了典型的軌道踏面缺陷特征。

圖3軌道踏面的缺陷

針對此問題，采用剛柔耦合多體動力學方法構建軌道-車輪接觸模型。該方法通過整合剛體運動學與柔性體變形分析，在保證計算精度的同時有效降低了系統仿真復雜度。基于該模型，研究團隊對廣州港某軌道吊裝置進行了動力學仿真分析，重點考察了車輪振動加速度在完好軌道與預設缺陷軌道上的響應特征。通過對比分析不同工況下的振動加速度數據，建立了軌道缺陷位置、尺寸參數與振動響應特征之間的定量關系模型。研究結果為軌道缺陷的定量評估提供了理論依據，同時為制定科學的軌道維護策略和預警機制提供了技術支撐。

1.2智能運維系統基礎設施層的創新

基礎設施層研發了基于邊緣計算技術的數據采集器，實現了前置處理軟件和硬件的國產化突破。基于邊緣計算技術的數據采集器如圖4所示。

圖4基于邊緣計算技術的數據采集器

該設備采用了邊緣計算架構，在數據采集前端內置軸承自診斷算法，可對異構信號進行實時分析和快速處理，有效解決了設備機群大數據處理的通訊帶寬瓶頸問題，確保了數據傳輸的安全性和實時性。此外，該設備實現項目成果轉化，打破國外壟斷，實現數據終端采集器國產化，并取得了相關專利與學術成果。

1.3智能運維系統應用功能層的創新

應用功能層創新性地整合了物聯網、邊緣計算等前沿技術，自主研發了AI診斷與可視化展示平臺。該平臺通過數字建模技術實現了設備的三維展示、監控、預警、定位和分析功能，為港口設備管理提供了全面的可視化解決方案。可視化監控平臺主界面如圖5所示。

1.4智能運維系統的巡檢運維策略的創新

智能運維系統有效解決了信息孤島問題，實現了設備運維數據的互聯互通。在智能運維系統實施前，南沙三期采用傳統人工定期定向定點巡檢運維策略。主要存在以下突出問題：一是運維成本高，需要配備大量巡檢人員每周定點檢查，人力成本投入較大；二是運維效率低，巡檢環境惡劣，且大部分檢測部位處于正常狀態，導致巡檢效益低下；三是故障預警能力不足，關鍵部件的機械故障漏檢率較高，易導致小故障升級為大故障；四是故障響應滯后，從故障發現到部件更換通常需要數月，嚴重影響作業效率。

在應用智能運維系統后，使南沙三期建立了新型智能巡檢運維策略。其優勢主要體現在以下方面：一是數據整合與協同，打破信息系統數據壁壘，實現監測、運營及管理數據的協同應用；二是智能巡檢優化，基于歷史數據分析，對檢測部位進行分級管理，實施差異化巡檢，即降低故障率低的部位巡檢頻率，重點監測關鍵部位；三是故障預警升級，通過大規模測點的振動監測數據實時采集分析，實現故障早期預警，降低計劃外停機風險；四是建立故障快速響應機制，發現早期故障或險情后，系統提供科學維護建議，優化決策流程，實現備件預置和計劃性維修。

圖5可視化監控平臺主界面

智能運維系統顯著提升了南沙三期港口設備的管理水平，實現了運維工作精細化控制、設備狀態信息化管理、關鍵數據智能化分析以及設備流程標準化管理，有效保障了港口機械的穩定高效運行。

2應用案例分析

選取南沙三期智慧港口20臺岸橋作為研究對象，驗證所提出的智能運維系統的有效性。實驗數據來源于2021年度岸邊集裝箱起重機傳動部件振動監測系統的診斷記錄。2021年10月，智能運維系統監測到南沙三期13號岸橋起升機構電機驅動端出現振動速度異常預警，具體監測界面如圖6所示。該預警觸發值為4.5mm／s，超過設定的安全閾值 4.0mm/s 。

通過對采集的振動信號進行頻譜分析，得到數據分析頻譜圖。數據分析頻譜圖如圖7所示。由圖7可知，49.29Hz 的軸承故障特征頻率及其諧頻分量，雖然幅值相對較小（最大幅值為 0.15g ，但已表明軸承進入故障初期階段。

圖7數據分析頻譜圖

為避免故障進一步惡化，對電機驅動端軸承進行了拆解檢查。檢查發現以下故障特征：軸承潤滑狀態不良，潤滑脂干涸；軸承滾道表面存在明顯燒蝕痕跡；軸承外圈出現長約 2mm 的剝落損傷。軸承內圈及保持架燒黑現象如圖8所示。

圖8軸承內圈及保持架燒黑現象

這些損傷特征與振動監測結果具有一致性，驗證了診斷方法的準確性。更換軸承后，重新采集振動數據，結果顯示振動速度值降至 1.2mm/s ，預警信號消失，設備恢復正常運行狀態。本案例驗證了所提出方法在實際工程應用中的有效性，其能夠準確識別軸承早期故障，為港口機械的預防性維護提供了可靠的技術支持。

3結束語

在物聯網與智能裝備技術快速發展的背景下，信息化、標準化、數字化和智能化已成為港口設備管理的必然趨勢。然而，當前多數港口管理系統仍存在顯著不足：數據體系標準化程度不高、設備信息發布機制不完善、管理流程信息化水平較低，以及設備狀態監測數據的系統化運用和智能化分析能力欠缺。針對這些問題，本研究開發的智能運維系統有效打破了信息系統的數據壁壘，實現了設備監測數據、運營數據與管理數據的協同應用，為智慧港口的建設提供了重要支撐。

實踐表明，該智能運維系統具有顯著的經濟效益和管理效益。該系統每年可為合作碼頭節約人工巡檢成本逾百萬元，減少過度維修支出近20萬元。該系統成功預警并診斷突發性故障20余起，包括電機輸出軸承故障、齒輪箱故障、卷筒螺栓斷裂等典型問題，累計節約維修成本近千萬元。此外，系統的應用顯著提升了碼頭設備管理水平，優化了設備運維效率，為港口貨運量的持續增長提供了有力保障。

未來研究可進一步探索系統在更多場景下的應用，持續優化算法模型，提升系統的自適應能力和預測精度，為港口設備管理的智能化轉型提供更加強有力的技術支撐。

參考文獻

[l]BakhshW， Fiori C，deLuca S.LiteratureReview on the Smart Port： Evolution， Technological Development， Performance Indicators of Smart Ports[C]/International Conference on Computational Science and Its Applications. Cham： Springer Nature Switzerland，2024：340-357.

[2]李益波，肖炳林，何威譽，等.岸邊集裝箱起重機有限元建 模與模型修正[J].起重運輸機械，2022（11）：18-22.

[3]Ren Z，Qin X，ZhangQ，etal.Multiaxial fatigue life prediction model based on an improved strain energy density criterion[J].International Journal of Pressure Vessels and Piping， 2022.104724.

[4] ZhaiJ， Sun Y， Zhang Q，et al.Investigation on bearing behavior of thin-walled bulge formed joint based on acoustic emission characteristic analysis[J]. Engineering Failure Analysis，2023，143：106863.

[5]Li Y，LiS，Zhang Q，et al. Application of Big Data Technology in Ship-to-Shore Quay Cranes at Smart Port[J]. Infrastructures，2022， 7（5）： 73.

[6]李益波，趙鑫，趙偉龍，等.小車軌道踏面缺陷的多體動力 學仿真[J].動力系統與控制，2022，11（1）：11-18.

[7]齊永志，唐現瓊，龐穎威，等．一種預警軌道式集裝箱起重 機小車軌道缺陷的裝置：CN202221141822.8[P].2022-08-23.

[8]齊永志，肖炳林，容梓豪，等.基于加速度傳感器的小車機 構車輪缺陷監測及數值模擬分析[J].傳感器技術與應用， 2022，10（1）：37-44

[9]肖炳林，龐穎威，容梓豪，等.軌道式集裝箱起重機小車機 構的車輪壽命預測方法和系統：CN202210727303.8[P].2024- 06-18.

[10]王海峰，吳松，周雄.一種起重機狀態監測方法、裝置、設備、 介質及程序產品：CN202310358763.2[P].2023-07-04.