起重電機專業生產廠家無錫宏達2022年5月28日訊 集裝箱起重機傳統的“定期保養，事后維修”運維模式[1] 主要存在的問題有：1) 紙質流程較多，卻很難充分利用歷史數據，不能及時判斷設備的運行狀況；2) 缺乏專業工具，依靠人的感官進行巡檢，巡檢工作量與檢測效果不成正比；3) 采用計劃停機維修和事后維修的模式，經常存在過度檢修和欠維修的問題；4) 整機可靠性差、安全隱患多、停機待修時間長，嚴重影響了裝卸效率和整機工作潛力的發揮。因此，集裝箱起重機起重電機、滑輪、車輪等易損件預測性運維解決方案具有廣泛潛在的市場需求。
近年來，隨著物聯網、人工智能技術的長足發展，實時監測技術歷經更迭，已經初步具備了解決上述問題的能力[2,3]，并朝著監測網絡化、系統集成化方向不斷取得新的突破。利用傳感器采集設備運行狀態數據，經人工智能算法賦能的監測平臺可對集裝箱起重機裝備的運行狀態進行實時評估，結合現有的轉運計劃配置為集裝箱起重機柔性檢修計劃的制定提供決策依據。實時監測技術已經在軍工、電力、軌道交通、環保等領域相繼落地[4-7]，雖然仍面臨一定挑戰，但其在裝備運行狀態實時監測領域的推廣已成為必然的發展趨勢。
著眼行業發展的迫切需求，對集裝箱起重機設備實時監測技術的可行性進行了系統性研究，利用智聯網領域前沿發展成果，助力行業數字化、信息化、智能化的發展進程。
實時監測系統運行過程中，遠程監控點采集集裝箱起重機設備運行數據并與邊緣計算設備或監控中心進行實時數據交互，代替人工巡檢監測設備運行效能。設備歷史運行數據應能留存，以便建立裝備運行日志及狀態判別式模型的訓練、部署及持續優化。
傳感器的選擇和安裝應充分考慮集裝箱起重機設備工作特點、部件協同傳動原理及傳感器組件物理特性，才能穩定、有效地監測設備運行狀態，還要兼顧不同類型傳感器對設備服役工況耐受能力以及工作原理差異性對整個系統負載均衡的影響。
對于監測網絡留存的特定時長的系統運行日志數據及異常警告信息，普通用戶只能瀏覽實時數據或特定時長的歷史日志，具有規定等級權限的用戶才能對數據進行數據維護管理。
除了實時收集設備狀態的運行狀態數據，還要求實時監測技術能夠實時對設備運行健康狀態進行模式識別，為柔性檢修維護計劃的制定提供決策依據。
如圖1 所示，實時監測系統的整體框架分為邊緣、平臺和應用三層。邊緣層采集港口設備運行數據經邊緣計算設備處理后傳回控制中心；作為監控系統的神經中樞。平臺層結合具體的數據處理要求，對應用場景進行數字化建模，基于不同數據層級之間的邏輯關聯性借助機器學習、深度學習等智能技術探索內在函數映射關系，從而對網絡產生的各類數據進行一體化分析[8]，進而實現對數據資源深度整合和信息挖掘，為實現對監測系統整體網絡高效準確的分析與管控奠定基礎；借助提前建立的關于檢修維護的知識圖譜，應用層可結合具體的現有作業、管理條件通過設備的保養管理給出合理的指導建議。
文中所述實時監測技術通過安裝在起重電機驅動軸附近的震動、溫度等預選傳感器采集集裝箱起重機設備的車輪和滑輪運行數據后，上傳至安裝在控制室內的邊緣計算設備以進行預處理、分析、存儲，并將這些數據通過無線傳輸方式上傳至企業監測云平臺。利用人工智能技術賦能平臺對起重設備及車輪滑輪的運行狀態進行實時監測，及時或提前發現運行異常，并提前安排檢修或更換計劃，可有效減少車輪和滑輪事故帶來的計劃外停機時間，提高設備利用率，降低運行維護成本。
對于常態的實時監測技術，數據的采集和傳輸是關鍵的基建問題。本文涉及的實時監測技術主要通過轉動軸的振動信息判斷起重電機及車、滑輪等部件運行過程中的健康狀況，傳感器主要安裝起重電機、從動軸附近位置。
遠程實時監測技術的數據傳輸模塊一般包括子網和骨干網兩個部分[9]，單位監測區域內的傳感器節點匯聚組成子網，傳感器將信號傳輸到監測子站后按照既定協議然后傳回監控中心的信號線路稱為骨干網。對于子網的數據傳輸而言，有線無線傳輸方案均有相對優勢。對于骨干網而言，有線傳輸方案不僅線路架設成本高，通信線纜及信號傳輸設備還容易受到自然災害破壞；而無線網絡進行數據傳輸只需要架設天線，不僅提高了系統安全系數，還提高了系統的可擴展性，降低了系統維護難度。隨著無線通信技術的不斷發展，利用GPRS、4G網絡所提供的公共平臺實現數據傳輸的解決方案也越來也越顯現出競爭力[10,11]。本文監測系統的傳感器采集運行狀態的數據按照約定格式通過支持Modbus 協議的RS-485 總線接口傳輸到監測子站，再通過支持4G 無線通信終端傳回數據處理中心的云計算平臺。
實時監測技術能極大縮短故障檢測與維修時間，增加設備正常運轉時長，從而提高設備運行效率。故障檢測在機床、電機、大型電站等機械設備運行狀態監測領域已經有了較為廣泛的應用[12-14]，從傳感器硬件到故障檢測分析算法都積累了經驗。集裝箱起重機電機及車滑輪等制、傳動部件故障的萌生和擴展，會實時體現在時域信號的幅值和概率分布及頻譜圖的能量譜峰分布等參數信息中，保障了系統預測性診斷維護的可行性。該監測系統中預選溫度、震動傳感器將采集到的設備運行狀況數據在邊緣計算設備濾波、解調后，經FFT處理或計算峭度后傳輸到監控中心進行存儲、分析，監控中心從原始或預處理后振動信號時域和頻域提取能夠表征設備運行狀態的特征集用于判斷設備運行狀況的模式識別算法的訓練，提供規定權限內的運行日志數據查詢、異常報警及故障診斷等功能并反饋檢修指導意見到應用層。
給出了起重電機振動傳感器監測到的一組故障數據，每組上部圖為驅動側(MIH) 監測波形，下部圖為從動側波形(MOH)。電機從動端測點振動趨勢波動較大，但整體振動幅值較小，時域波形有沖擊峰，振動幅值正常，包絡譜中可見7.2 Hz 頻率，此頻率接近軸承保持架損壞特征頻率；電機驅動端(MIH) 振動幅值正常，趨勢有間隙躍升，時域波形較平穩，包絡譜中發現33.6 Hz頻率峰，接近轉子的2 倍頻率，判斷軸承保持架有磨損。
通知設備檢修人員安排在最近的設備保養周期的檢修結果也驗證了分析的準確性，在保證不影響生產作業進度的條件下，保證了設備利用率最大化。
實時監測技術基于無線通信網絡的數據采集傳輸的模塊已有相對成熟的解決方案，隨著基于微內核全場景分布式操作系統的面世推廣、基于高性能AI 推理芯片云服務器的上線及剪枝、量化、蒸餾學習等模型壓縮技術的長足發展，為系統利用更多維度數據分析實現監測系統的智能化發展奠定了基礎。
除了進一步提高故障診斷模型的準確率以減少人工參與工作量，實時監測技術還要能利用更多維度傳感數據實現對集裝箱起重機設備運行及現場工況更立體的監控，借助預先建立的設備檢修維護的知識圖譜，并結合具體的知識庫以及既定生產轉運計劃對不同癥狀的故障給出具體的預測性的檢修維護建議，為實現監測系統智能化托管奠定基礎。
實時監測技術應用于集裝箱起重機設備的運行維護，具有可降低維護成本、減少計劃外停機時間等優勢，在集裝箱起重機設備運行維護領域具有廣泛的市場前景。從長期發展趨勢來看，監測系統將與機組設備控制系統有望進一步融合，豐富系統在更多維度上的信息反饋能力，為實現集裝箱起重機真正意義上的智能化托管奠定基礎。實時監測技術將與設備中控系統進一步融合，助力港口機械行業的信息化、智能化發展進程。
|
