CN106698197B - 基于大数据的集装箱起重机在线诊断和预防性维护系统 - Google Patents

Abstract

本发明公开了一种基于大数据的集装箱起重机在线诊断和预防性维护系统，包括：起重机设备层、传感器层、网络层、数据服务层，其中数据服务层进一步分为数据分析和模型层、数据应用层、商业系统层。起重机设备层接收起重机的运行参数；传感器层接收起重机关键部位的传感器信号；网络层将运行参数和传感器信号传输至数据服务层；数据分析和模型层预设起重机正常运行模型和故障模型，将运行参数和传感器信号与模型相比较，从而判断起重机的运行状态；数据应用层根据运行参数和传感器信号预测起重机在未来一段时间内的运行状态，并以此生成故障预警；商业系统层设定外部数据接口，并将数据分析和模型层、数据应用层的数据向外部输出。

Description

基于大数据的集装箱起重机在线诊断和预防性维护系统

技术领域

本发明涉及起重机维护系统，更具体地说，涉及一种基于大数据的集装箱起重机在线诊断和预防性维护系统。

背景技术

集装箱起重机是集装箱码头的主要工作设备，其良好状态和高效工作决定了码头的生产效率和经济收益。同时该类起重机是集机、电、液和计算机控制技术于一体的结构庞大、技术复杂的搬运装卸设备，单机采购成本很高，维护费用也是企业日常运营的主要成本。因此对于集装箱码头的运维部门来说，做好起重机的日常保养和维护工作、保证起重机随时可以运行并尽可能降低成本是基本的工作要求。

通常起重机的维保工作由二部分组成：一是司机开机前的巡检和试车运行。巡检包括有无异物检查、主要部件外观观察等；然后司机在正式作业前慢速驱动各主要机构，通过视觉、听觉和触觉等手段观察起重机运动状况，判断起重机是否可以正常运行。二是码头维保部门日常的点检和定期的检查和维护等工作。这些维保工作主要集中在钢丝绳检查、减速器、制动器等易损器件上。

但是上述常规的维保工作，一般都存在以下问题：不按保养手册定期检查；漏检一些关键位置；检查人员专业程度不高；人为因素很难确保每次检测的准确性；结构和机构内部开裂无法有效检测。最终造成的问题是起重机发生突然性的重大故障，通常包括钢结构开裂、减速器和电机类重大部件等损伤。由于缺乏预期准备，这类故障一般会给码头运营带来重大影响，因为备件到货耗时或者维修复杂，结果会造成起重机长期停机；更严重的是在极端情况下，譬如钢结构开裂造成起重机垮塌，而带来重大的人身伤害和关联物损。

此外随着自动化集装箱码头兴起，传统的依靠司机在起重机驾驶室中操作起重机的作业方式，逐步改变为由远程操控室内的人员，借助于图像和控制技术，进行半自动辅助模式下的操作。由于人机分离，原先有司机承担的根据作业时的直接感知(听觉、触觉、视觉等)来发现起重机故障的任务已经无法实施。因而也需要相关的维保技术保障这种远程操作的起重机技术发现并消除故障隐患。

目前市场上尚无上述问题的可靠产品，因此研发一种起重机在线诊断技术，实现预防性维护，以防患于未然是起重机设备维护领域的重点需求之一。

发明内容

本发明的目的是提供一种基于大数据的集装箱起重机在线诊断和预防性维护系统，解决现有技术中起重机无法在线诊断、维护的问题。

为实现上述目的，本发明采用如下技术方案：

一种基于大数据的集装箱起重机在线诊断和预防性维护系统，包括：起重机设备层、传感器层、网络层、数据服务层，其中数据服务层进一步分为数据分析和模型层、数据应用层、商业系统层。起重机设备层接收起重机的运行参数；传感器层接收起重机关键部位的传感器信号；网络层将运行参数和传感器信号传输至数据服务层；数据分析和模型层预设起重机正常运行模型和故障模型，将运行参数和传感器信号与模型相比较，从而判断起重机的运行状态；数据应用层根据运行参数和传感器信号预测起重机在未来一段时间内的运行状态，并以此生成故障预警；商业系统层设定外部数据接口，并将数据分析和模型层、数据应用层的数据向外部输出。

进一步地，当起重机的运行状态在数据分析和模型层中判断为故障时，数据分析和模型层将正常运行模型中的参数传输至起重机。

进一步地，数据应用层预设起重机的运行参数阈值和关键部位阈值。数据应用层根据一段时间内的运行参数和传感器信号，预测下一段时间内的运行参数和传感器信号，并将预测的运行参数和传感器信号与运行参数阈值和关键部位阈值相比较，从而生成故障预警。

进一步地，起重机的运行参数包括电机、起重机结构、制动器、小车、减速器、变速箱的运行参数。

进一步地，关键部位的传感器包括光栅应变传感器、位移传感器、振动传感器、温度传感器、拾声传感器、监控摄像头。

进一步地，数据分析和模型层根据运行参数和传感器信号进行载荷谱分析、应力谱分析、故障模型、寿命预估、预防性维修分析、音频分析。

在上述技术方案中，本发明首先实现了起重机钢结构和机构等非常规保养部件的科学检测，避免相关不可预见并突发的机损故障；其二，能避免备件的浪费，可以根据预防性维护决策来决定备件的购买量，节约其维保成本；其三，通过预防性维护服务，提前获知故障隐患，能大大减少设备的停机时间，降低了停机损失成本；最后对产品制造商来说，实现了产品使用过程的全过程监控。

附图说明

图1是本发明系统的结构示意图；

图2是运行参数和传感器信号包含的信息内容。

附图标记：

3：起重机设备层；4：传感器层；5：网络层；6：数据服务层；7：数据分析和模型层；8：数据应用层；9：商业系统层；10：电机；11：起重机结构；12：制动器；13：小车；14：减速器；15：变速箱；16：光栅应变传感器；17：位移传感器；18：振动传感器；19：温度传感器；20：拾声传感器；21：监控摄像头；22：摄像头网络；23：信号调理采集器；24：智能网关；25：3G/4G网络；26：工业总线；27：服务器；28：数据仓库；29：数据模型化；30：数据Web化；31：数据可视化；32：载荷普分析；33：应力谱分析；34：故障模型；35：寿命预估；36：预防性维修分析；47：音频分析；37：失效模式识别；38：故障预警；39：健康评估；40：任务调度；41：在线状态监控；42：起重机远程监控系统；43：起重机故障诊断与预估分析系统；44：起重机机构监测与评估系统；45：钢结构健康监测与评估系统；46：裂纹远程监视与自动识别系统；50：数据采集；51：起重机实时运行数据；52：故障数据；53：起重机基本信息参数；54：视频监控数据；55：起重机基本运行参数；56：起重机工作状态参数；57：起重机做箱统计；58：操作员操作统计；59：停机故障参数；60：实时故障监控；61：司机操作监控；62：工作现场监控；63：关键设备运行监控。

具体实施方式

下面结合附图和实施例进一步说明本发明的技术方案。

本发明针对集装箱起重机钢结构和主要机构疲劳、开裂等重大隐患，无法通过传统维保手段及时发现并予以处理的现状，研发一种基于物联网、云平台和大数据分析技术的起重机在线诊断和预防性维护系统。

如图1所示，本发明系统的整体框架可以分为2大层,分别为：产品互联集成与大数据采集层和大数据分析优化与智能服务层。其中，第一层中，又可以分为小层：码头的起重机设备层3、传感器层4、网络层5和数据服务层6；数据服务层6又可以分为个小层：数据分析和模型层7、数据应用层8和商业系统层9。

其中，起重机设备层3接收起重机的运行参数，传感器层4接收起重机关键部位的传感器信号，网络层5将运行参数和传感器信号传输至数据服务层6；数据分析和模型层7预设起重机正常运行模型和故障模型34，将运行参数和传感器信号与模型相比较，从而判断起重机的运行状态，数据应用层8根据运行参数和传感器信号预测起重机在未来一段时间内的运行状态，并以此生成故障预警38；商业系统层9设定外部数据接口，并将数据分析和模型层7、数据应用层8的数据向外部输出。

本发明通过的监控和测量的对象是分别在不同地区分布的众多起重机。在码头起重机端包括关键监控部件：起重机的电机10、起重机的结构、制动器12、小车13、减速器14、变速箱15；

本发明通过在起重机关键部位安装应力计、摄像头、拾音器、位移传感器17、振动传感器18、摄影机、光栅应变传感器16和测温仪等各类传感器，连续实时采集起重机关键部位的数据，主要采集的数据如图2所示。

本发明把传感器采集的数据，通过摄像头网络22、信号调理采集器23、智能网关24、3G/4G网络25、工业总线26等局部总线汇总到码头的服务器27上。

本发明通过网络，把汇总到码头服务器27上的单个码头的数据通过国际和专用网络，传入到云平台数据仓中。进行数据的分类。通过数据融合技术和数据分析算法等，实现大数据的数据模型化29、数据Web化30和数据可视化31等管理。

本发明在数据云平台汇总和初步的管理归类等处理基础上，实现对起重机测量对象的更加专业的数据分析，如：载荷谱分析32、应力谱分析33、故障模型34、寿命预估35、预防性维修分析36、失效模式识别37、故障预警38、健康评估39、任务调度40、在线状态监控41、音频分析47等。

当起重机的运行状态在数据分析和模型层7中判断为故障时，数据分析和模型层7将正常运行模型中的参数传输至起重机。此外，数据应用层8还预设有起重机的运行参数阈值和关键部位阈值。数据应用层8根据一段时间内的运行参数和传感器信号，预测下一段时间内的运行参数和传感器信号，并将预测的运行参数和传感器信号与运行参数阈值和关键部位阈值相比较，从而生成故障预警38。

本发明在大数据模型的建立和大数据的分析，实现其商业上的价值和意义。可以为码头用户提供如下服务和建立如下服务系统：起重机远程监控系统42、起重机故障诊断与预估分析系统43、起重机机构监测与评估系统44、钢结构健康监测与评估系统45和裂纹远程监视与自动识别系统46。

上述系统结构主要可以分为以下3部分功能块：起重机前端数据采集50、远程监控中心的硬件设备建设和起重机在线诊断和预防维护系统相关软件。

起重机前端数据采集50分为结构监测、机构监测和裂纹监测，其主要包括以下的数据：起重机实时运行数据51；故障数据52；起重机基本信息参数53；视频监控数据54；起重机基本运行参数55；起重机工作状态参数56；起重机做箱统计57；操作员操作统计58；停机故障参数59；实时故障监控60；司机操作监控61；工作现场监控62；关键设备运行监控63。

结构监测通过在试验起重机上结构关键点监测模块系统能集成高灵敏度的应力、应变测试仪和动态信号测试仪，实现对关键位置应力、应变及结构振动等物理特性数据实时采集；

机构监测用于采集电机10和减速箱的振动和温度，通过对振动和温度的门限监测实现对起重机构的评估。在线监测系统的硬件系统主要由设备与结构上的各种传感器、变送器、信号调理采集器23、机柜及各种通讯电缆组成。

结构裂纹远程监视与自动识别系统46主要采用图像识别技术，对钢结构进行自动化识别。通过在试验起重机裂纹监视关键点加装摄像头，在电气房加装NVR等设备，对起重机裂纹关键点进行实时在线监视。该系统能分析钢结构裂纹指标，实时传输分析结果，替代工人巡检，并能够远程查询到钢结构的实时结构，提高工人工作效率。

起重机前端数据都传输到机上工控机，并同本机原有起重机管理系统(RCMS)进行数据汇总如图2所示。所有起重机的工控机信息继续传输到码头本地服务器27，用于数据汇总及数据上传至云端。

起重机远程监控中心拟建设在远端总部，主要实现对全球起重机设备运行状态数据的实时收集与存储，是通过分析起重机设备运行状态的历史数据达到对起重机设备的进行预防性维护的重要的硬件基础。监控中心的主要硬件设备包括大屏显示器、服务器27、网络交换机、监控工作站和UPS电源等。公司监控中心的服务器27用于本地软件服务的运行、数据库(至少保存项目信息、接入用户信息)、知识库等；部署多个工作站，用于各工种支持人员的工作站；配备一套视频会议设备，用于现场项目组和用户开展视频会议。

主要的软件系统有起重机设备远程监控中心集成管理软件系统、起重机钢结构健康监测与评估系统45、起重机机构监测与评估系统44、起重机钢结构裂纹远程监视与自动识别系统46、基于机器学习和大数据的起重机故障分析及预估系统以及基于分布式架构的实时历史数据库及工业监控软件。

起重机设备远程监控中心集成管理软件系统是部署在监控中心服务器27上的一套起重机设备远程监控系统软件。主要的功能包括起重机运行数据采集50、数据安全性保障、起重机远程在线监视、远程在线预防性维护分析以及远程服务管理平台等。

A)起重机数据采集50

码头起重机数据采集50由起重机专用数据采集50设备和码头数据收集传输设备完成，以实现起重机设备上的数据采集50、预处理、存贮及传输。实时数据、经过预处理的统计数据以及历史缓存数据都可以按照IOT格式，发送到部署在云端的系统。具体功能如下：

1)起重机专用数据采集50设备能够满足起重机当地各种数据的采集要求，包括从串口，现场总线和以太网口能够收集到的数据，也包括离散信号点的读取。

2)起重机专用数据采集50设备具有数据预处理能力，能够根据用户编写逻辑，进行一些统计功能，形成统计数据或者统计数据库记录。

3)起重机数据专用采集设备有一定的数据缓存要求。

4)起重机数据专用采集设备，能够满足数据写回的要求。可以根据控制器的通讯协议，根据命令写回数据，或者能够输出离散IO信号。(此项功能应该有严格的控制措施，并且能够通过硬件关闭此项功能)

5)码头数据收集传输设备，可以同时连接码头内不同起重机上的起重机专用数据采集50设备，最多可以连接100台设备。

6)码头数据收集传输设备，可以根据需要，保存至少2年的历史数据。

7)每个起重机专用数据采集50设备，以及码头数据收集传输设备，均具有其独有ID，以便云端部署程序可以同具体起重机设备绑定。

B)起重机监控数据的安全性保障

起重机监控数据的安全性主要包括：监控数据的传输安全和云端数据的存储安全。起重机数据在传输过程中可能存在数据丢失、数据延迟以及数据泄露等风险。可采用基于TCP协议的多点并行的传输方式提高数据传输可靠性，重新设计IP网络体系结构的可定制化网络服务，提高网络传输的自适应性，并采用多种访问控制策略保证数据的安全性，从而实现数据实时传输、安全到达等关键目标。

监控数据传输安全主要研究包括对云计算平台中数据传输的可靠性问题，采用一种TCP/IP协议多点并行传输方式，对大数据块进行切割，然后采用并行方式传输降低网络的延迟；搭建一个开放式网络存储资源管理技术(NDN)，设计NDN策略缓存策略、数据请求策略、数据转发策略的策略层和保证数据完整性、可靠性的安全层；运用访问控制策略对云计算网络数据进行控制访问，从入网访问控制、网络的权限控制、目录级安全控制等提高数据的安全性。

另外，由于起重机监控数据存储在云端服务器27中，不可避免的存在被内部人员或开发人员窃取的风险，因此需要对监控数据进行加密，采用对称加密与非对称加密结合的思路来解决云计算中数据安全存储的问题。

C)起重机远程在线监视

与传统的RCMS不同，起重机远程在线监视是部署在云端的起重机设备管理系统。起重机远程在线监视对于公司内部人员和码头用户，有不同的门户入口。针对公司用户，可通过全球起重机在线监视门户访问，直接数据源自PaaS中的综合系统，并辅以相关增值服务。对于码头用户，通过单独的码头在线监视门户(可以替代RCMS功能)访问，数据集中于综合系统中的环境数据，如机构状态、吊具状态和第三方系统的监视等。

D)起重机远程在线预防性维护分析

该系统将部署在云端，可以为所有码头的起重机设备提供预防性维护服务。预防性维护是指在设备出现故障之前对设备综合采用各种可能的方法、手段、技术改善设备性能，以实现设备应有的功能。预防性维修具有一定的前瞻性，可以视生产系统的当前状态，合理地规划预防性维修计划。

系统将对一些关键指标设立阀值，根据并将收到数据与阀值进行比较，来决定对应的反应策略，如通知相关系统等。

系统通过基于云上的大数据系统，机器学习，对这些来自于大批起重机的海量数据(现阶段主要包括机械结构的应力值，主要机构的震动值，以及机器的警告，故障等数据)进行分析，能够预判机械结构可能存在的问题，尤其是在各种严重自然天气后，及时分析，提早发现潜在问题。对于主要的运行机构，比如电机10，减速机等机构，通过数据分析，也可以进行预判，及时发现潜在问题。预防性维修可以有效低降低维修费用，降低产品成本，并使用户能事先准备相应的备件或在问题展现前进行维修，从而最大程度地降低业务中断时间，提高企业竞争力。

为实现起重机远程在线预防性维护分析，需要在起重机上安装专用的信号采集设备，包括起重机金属结构应力、震动等信号传感器，机构的震动、温度等信号传感器，专用的信号采集监视设备等。

该系统的界面及分析结果，将通过全球起重机在线监视门户呈现。

E)远程服务管理系统

技术支持人员能通过远程服务管理系统对接入用户的设备进行远程监控、排障和技术指导以及与用户在线交流等工作。此外，该系统还具有信息维护和审计功能。信息维护主要包括设备的基础信息、知识库、接入用户的管理等。审计功能主要是对平台上重要的操作进行记录，并供事后查询。

起重机钢结构健康监测与评估系统45可实现对起重机结构11关键点应力异常进行分析、判断，对突发状况发出警告，提醒及时检查。可根据真实使用数据修正起重机结构11实际寿命预估35模块的理论值，使起重机结构11实际寿命预估35模块的评估更符合当前桥吊实际使用情况。

起重机机构监测与评估系统44主要分析电机10的垂直振动、水平振动、幅值的有效值和电机10与减速机的温度，通过对门限的监测实现对起重机机构的报警。

起重机钢结构裂纹远程监视系统能让工作人员通过系统调查某台起重机的关键点照片，比人工现场巡检效率更高，能解决实际工作中人员巡检不到位等问题。远程监视功能主要是通过在监控中心服务器27上部署一套远程监视识别软件系统，自动地定时从现场NVR上获取起重机各个关键点图像照片，并按照码头、起重机及时间进行保存记录。

基于视觉的裂纹识别主要借助图像处理技术，自动识别钢结构开裂，起到有效的提醒和预防作用。并可以通过远程连接，直接获取图像，再次确认现场情况。自动识别系统以裂痕自动识别为出发点，友好的交互界面，即使在无法自动确认的情况下，也可以通过视频画面帮助远程人员确认现场情况，达到识别无遗漏，从而大大减轻操作人员的工作强度。整个系统可以分为五个部分：画面采集、图像处理、模式匹配、数据比较、结果处理。

基于机器学习和大数据分析的起重机故障诊断及预估分析系统指在起重机设备故障发生前进行较为准确的预测，并且能够采取有效措施预防故障发生。通过起重机钢结构关键位置重要参数，如起重机电机10运行时间、过载运行(额定负荷100％)时间、高负载运行(额定负荷120％)时间、变频器运行总时间(有输出)、通电时间(整流侧运行)、通电时间点(整流侧运行)等相关监控参数进行监测，基于历史大数据建立起重机钢结构健康评估39模型，对当前运行的起重机进行健康状态评估。异常信息通常是导致起重机机构中零部件损伤的主要因素。通过对起重机重要零部件如变速器、编码器、制动器12、柴油发动机、钢丝绳等进行状态监测，收集历史大数据并分析，基于机器学习的方法对历史异常现象和其对应的关键参数集建模。描述各参数变化与零部件损伤的概率模型。此外，还可将该概率模型与当前多参数概率状态空间进行比较，达到实现判断元器件当前的健康状态与趋势分析。对港口运营给予合理的建议，例如：合理安排维护计划，备用件采购计划等。基于分布式架构的实时历史数据库及工业监控软件主要以云服务平台以PaaS(Platform as aService)服务形式呈现。具有按需扩展计算能力，无需购买和维护硬件，能充分利用虚拟化的各种服务等特点。基于分布式架构的实时历史数据库及工业监控软件能实现基于Hadoop分布式架构的实时历史数据库，可以实现以下功能：1)大数据量历史处理能力，基于分布式的集群部署，可快速保存百万级的数据点，并保证数据的可靠性。2)高效冗余的文件系统，具有高效的磁盘IO读写能力以及高可靠的数据备份功能。3)强大的数据分析能力，利用分布式的并行计算，可进行大数据量的统计和分析计算，提供有价值的各种分析数据。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (6)

1.一种基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于，包括：

起重机设备层、传感器层、网络层、数据服务层，其中所述数据服务层进一步分为数据分析和模型层、数据应用层、商业系统层；

所述起重机设备层接收起重机的运行参数；

所述传感器层接收起重机关键部位的传感器信号；

所述网络层将所述运行参数和传感器信号传输至所述数据服务层；

所述数据分析和模型层预设起重机正常运行模型和故障模型，将运行参数和传感器信号与所述数据分析和模型层的数据相比较，从而判断起重机的运行状态；

所述数据应用层根据所述运行参数和传感器信号预测起重机在未来一段时间内的运行状态，并以此生成故障预警；

所述商业系统层设定外部数据接口，并将所述数据分析和模型层、数据应用层的数据向外部输出。

2.如权利要求1所述的基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于：

当起重机的运行状态在数据分析和模型层中判断为故障时，所述数据分析和模型层将正常运行模型中的参数传输至所述起重机。

3.如权利要求2所述的基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于：

所述数据应用层预设起重机的运行参数阈值和关键部位数据的阈值；

所述数据应用层根据一段时间内的运行参数和传感器信号，预测下一段时间内的运行参数和传感器信号，并将所述预测的运行参数和传感器信号与运行参数阈值和关键部位阈值相比较，从而生成故障预警。

4.如权利要求1所述的基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于：

所述起重机的运行参数包括电机、起重机结构、制动器、小车、减速器、变速箱的运行参数。

5.如权利要求1所述的基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于：

所述关键部位的传感器包括光栅应变传感器、位移传感器、振动传感器、温度传感器、拾声传感器、监控摄像头。

6.如权利要求1所述的基于大数据的集装箱起重机在线诊断和预防性维护系统，其特征在于：

数据分析和模型层根据运行参数和传感器信号进行载荷谱分析和应力谱分析、故障模型、寿命预估、预防性维修分析、音频分析。