經(jīng)典SCADA+IT:工業(yè)物聯(lián)網(wǎng)下的設(shè)備數(shù)字化價值鏈

在工業(yè)物聯(lián)網(wǎng)環(huán)境中，產(chǎn)線機(jī)組設(shè)備運(yùn)行、運(yùn)輸設(shè)備移動、試驗(yàn)儀器運(yùn)行等場景都會產(chǎn)生振動信號。如果能對采集到的振動信號進(jìn)行分析，我們就可以預(yù)估設(shè)備的疲勞年限、及時知曉設(shè)備已發(fā)生的異常以及預(yù)測未來儀器可能發(fā)生的異常。如果你追求科學(xué)精細(xì)地管理設(shè)備全生命周期健康，不妨來看看這套解決方案。

工業(yè)物聯(lián)網(wǎng)場景下，設(shè)備故障一般可以分為突發(fā)性故障（隨機(jī)故障）與時間依存性故障。隨機(jī)故障由偶然因素引起，以往很難防止這類故障的發(fā)生，但是在傳感器和微處理器迅速發(fā)展的今天，可通過設(shè)備狀態(tài)在線實(shí)時監(jiān)測規(guī)避隨機(jī)故障。而時間依存性故障則可以在分析建模的基礎(chǔ)上，預(yù)測故障發(fā)展趨勢及機(jī)組維修時間。 要進(jìn)行上述的監(jiān)測和預(yù)測，就需要對設(shè)備進(jìn)行狀態(tài)分析。設(shè)備狀態(tài)分析的方法，大致可分為振動時域分析和振動頻域分析。

振動時域分析法，主要使用在時域空間內(nèi)的一些特征量來判斷設(shè)備狀態(tài)，包括峰值、平均峰值、均方根值等等。

振動頻域分析法中，提示振動過程的頻率結(jié)構(gòu)是進(jìn)行設(shè)備狀態(tài)分析的重要途徑。特別是隨著傅里葉變換、經(jīng)典譜分析、現(xiàn)代譜分析的出現(xiàn)和頻譜分析儀的推出，頻域分析得到了廣泛采用。

我們以工業(yè)物聯(lián)網(wǎng)機(jī)組為例，在確定設(shè)備狀態(tài)評定標(biāo)準(zhǔn)、設(shè)定報警限的基礎(chǔ)上，分析振動級值，能夠?qū)崿F(xiàn)機(jī)組設(shè)備健康狀態(tài)的預(yù)測。

振動級值反映機(jī)組狀態(tài)發(fā)展趨勢

設(shè)備的狀態(tài)發(fā)展趨勢大概可由以下四部分組成：

安裝

作用累計期

損傷累計期

故障

在機(jī)組運(yùn)行的作用累積期與損傷累積期中，時間依存性故障的發(fā)展使振動級值蘊(yùn)含慣性上升規(guī)律；而實(shí)際工作狀態(tài)的變化與人為因素又使機(jī)組的運(yùn)行受到不可預(yù)料的隨機(jī)性影響，產(chǎn)生隨機(jī)性振動。因此機(jī)組振動級值的發(fā)展是由確定性趨勢因素加隨機(jī)性因素構(gòu)成的，在振動級值發(fā)展趨勢圖上體現(xiàn)為上升中的波動狀。 振動是循環(huán)力通過機(jī)械正常傳遞的副產(chǎn)品，對于大型旋轉(zhuǎn)機(jī)組，最初的振動是因制造缺陷產(chǎn)生的。經(jīng)過了磨合期，當(dāng)機(jī)組磨損、基礎(chǔ)下沉、部件變形后，其機(jī)械動態(tài)特性開始出現(xiàn)錯綜復(fù)雜的變化，如軸變得不同心、部件磨損量增加、轉(zhuǎn)子變得不平衡、間隙增加等，這些因素都可以振動級值增加反映出來，并且振動級值的發(fā)展趨勢是漸增的。 由以上描述可知，選用振動級值作為趨勢分析中反映機(jī)組狀態(tài)的敏感因子，通過對振動級值的在線分析可揭示機(jī)組狀態(tài)的發(fā)展趨勢。

設(shè)定機(jī)組預(yù)警、報警限

為了正確判斷機(jī)組的工作狀況，及時了解機(jī)組的健康狀態(tài)，預(yù)知可能產(chǎn)生的故障，我們需要設(shè)定機(jī)組的預(yù)警、報警限。通常可以采用振動烈度和振動級值作為限值指標(biāo)。 振動烈度的大小反映了機(jī)組整體振動程度，本場景中具體的烈度標(biāo)準(zhǔn)選定如下：

通常先根據(jù)機(jī)器的功率來查表，場景中每個機(jī)組的功率大概在2250kw，所以可以得到軸承處的振動烈度界限：4.5mm/s~11.2mm/s。另外還可將振動信號進(jìn)行時頻轉(zhuǎn)換，實(shí)踐表明，可以將頻譜分析中獲得的各個頻率分量的振動級值變化作為評價的對象。這里的振動級值是振動速度級值，在其他場景中也可以是加速度級值和功率級值。如下圖：

針對振動烈度范圍，可以對機(jī)組狀態(tài)振動烈度預(yù)警限以及振動烈度報警限進(jìn)行選取。本場景采用振動烈度界限為限值指標(biāo)，即預(yù)警限制設(shè)定為4.5mm/s；報警限值設(shè)定為11.2mm/s。針對振動級值變化判據(jù)，同樣可以得出振動級值報警限與預(yù)警限。

分析振動信號

目前業(yè)界信號分析的方法有四種，包括時域分析、頻域分析、時頻聯(lián)合域分析以及功率譜分析。實(shí)際工程上的信號通常都是隨機(jī)信號，由于不可能對所有點(diǎn)進(jìn)行考察，也就不可能獲得其精確的功率譜密度，故只能利用譜估計的方法來“估計”功率譜密度。 功率密度譜估計的主要方法有經(jīng)典譜估計以及現(xiàn)代譜估計，經(jīng)典譜估計是將采集數(shù)據(jù)外的未知數(shù)據(jù)假設(shè)為零；現(xiàn)代譜估計是通過觀測數(shù)據(jù)估計參數(shù)模型再按照求參數(shù)模型輸出功率的方法估計功率譜，應(yīng)用最廣的是AR參數(shù)模型。本解決方案將使用經(jīng)典譜估計進(jìn)行振動信號的分析。

預(yù)測機(jī)組狀態(tài)趨勢

結(jié)合先前設(shè)定好的預(yù)警、報警限，通過在線分析振動級值，我們可以實(shí)現(xiàn)機(jī)組狀態(tài)的發(fā)展趨勢預(yù)測。 在大型旋轉(zhuǎn)機(jī)組趨勢預(yù)測中所采用的基本方法是：以機(jī)組的機(jī)械動態(tài)特性為主要研究對象，通過傳感器實(shí)時檢測反映機(jī)組機(jī)械動態(tài)特性參數(shù)（振動級值，包括振動烈度與振動分量級值），并在線對機(jī)械動態(tài)特性進(jìn)行歷史、現(xiàn)狀以及隨后發(fā)展的對比和分析，找出機(jī)械系統(tǒng)機(jī)械動態(tài)特性發(fā)展的“級值-時間”趨勢，揭示機(jī)組整體以及機(jī)組主要部件運(yùn)行狀態(tài)的發(fā)展模式，預(yù)測振動級值和故障發(fā)生日期。 振動級值趨勢預(yù)測可以通過如圖所示的“級值-時間趨勢圖”來描述：

根據(jù)振動級值的變化，一個或多個頻率分量在若干個周期測量后的級值增加，找出故障發(fā)展的“級值-時間”推測趨勢。選擇合適的曲線擬合方法，將結(jié)果曲線外推，從而揭示什么時間狀態(tài)將達(dá)到危險的極限，這樣可以安排適當(dāng)?shù)娜掌趤韺C(jī)組進(jìn)行維護(hù)。 科普了這么多背景知識，到底如何通過分析振動信號來預(yù)測設(shè)備狀態(tài)呢？通過一個典型的工業(yè)物聯(lián)網(wǎng)場景，我們來實(shí)戰(zhàn)演練一下。
某工廠有16臺振動傳感器，每臺設(shè)備每毫秒采集一條監(jiān)測記錄，包含時間戳、設(shè)備號和指標(biāo)三個字段，每秒共寫入1.6萬條數(shù)據(jù)，并采用單值模型存儲。該工廠有以下需求：

實(shí)時計算：每2分鐘對過去2分鐘的功率譜密度進(jìn)行計算。

報警分析：對寫入數(shù)據(jù)庫的實(shí)時數(shù)據(jù)進(jìn)行報警分析，如果有滿足報警規(guī)則的數(shù)據(jù)則把相應(yīng)的設(shè)備信息和實(shí)時數(shù)據(jù)以及觸發(fā)報警規(guī)則寫入到報警表中。

聚合查詢：查詢每臺振動傳感器過去任意時間段的譜密度。

最終數(shù)據(jù)結(jié)果要求展示在 Grafana 中。 DolphinDB 為該場景提供了一套隨機(jī)振動信號分析解決方案，架構(gòu)圖如下：

這一架構(gòu)包含了三大流程：

數(shù)據(jù)的采集與寫入

振動信號采集模擬：DolphinDB 支持 API、JDBC、ODBC、消息中間件的方式寫入數(shù)據(jù)。本案例將通過腳本模擬采集過程，通過后臺 job 任務(wù)持續(xù)不斷地生成模擬數(shù)據(jù)。

實(shí)時寫入：流數(shù)據(jù)表是一種 DolphinDB 設(shè)計的專門用來應(yīng)對實(shí)時流數(shù)據(jù)存儲與計算的內(nèi)存表。具備吞吐量大，低延遲的優(yōu)點(diǎn)，支持持久化，支持高可用。

2. 流數(shù)據(jù)的發(fā)布、訂閱與消費(fèi)

發(fā)布-訂閱-消費(fèi)模式：流數(shù)據(jù)首先注入流數(shù)據(jù)表中，接著流數(shù)據(jù)表被時序聚合引擎訂閱，計算結(jié)果輸出到流表 srms，最后再把 srms 表中的數(shù)據(jù)落盤到數(shù)據(jù)庫 rmsDB 中；另外流入 srms 又被異常檢測引擎訂閱，計算結(jié)果輸出到 warn 表中，最后落盤到 warnDB 中。第三方應(yīng)用同樣可以通過 DolphinDB 腳本或API來訂閱及消費(fèi)流數(shù)據(jù)。

適配引擎：在實(shí)時數(shù)據(jù)流計算場景下，計算要求高效和即時，DolphinDB 精心研發(fā)了適合流計算場景的引擎，系統(tǒng)內(nèi)部采用了增量計算，優(yōu)化了實(shí)時計算的性能。對于時間序列聚合引擎，使用者只需通過簡單的參數(shù)配置即可實(shí)現(xiàn)復(fù)雜的增量計算、窗口計算、聚合分析等功能。對于異常檢測引擎，使用者也只需通過簡單的參數(shù)配置即可實(shí)現(xiàn)復(fù)雜的規(guī)則設(shè)計、窗口檢測。

3. 結(jié)果展示

實(shí)時功率譜密度 psd 展示：在數(shù)據(jù)采集、實(shí)時計算的同時，用戶調(diào)用 DolphinDB 的 Grafana 插件連接 Grafana，在web 端展示實(shí)時數(shù)據(jù)以及實(shí)時計算結(jié)果。

實(shí)時 rms 計算分析：rms 計算模塊包含上述的 psd 譜計算，得到 psd 譜后對其進(jìn)行必要的指標(biāo)計算，包括加速度均方根（rmsAcc），速度均方根（rmsVel），位移均方根（rmsDis）。

作為一款國產(chǎn)自研的高性能分布式時序數(shù)據(jù)庫，DolphinDB 集成了功能強(qiáng)大的編程語言和高容量高速度的流數(shù)據(jù)分析系統(tǒng)，為海量結(jié)構(gòu)化數(shù)據(jù)的快速存儲、檢索、分析及計算提供一站式解決方案。與同類數(shù)據(jù)庫產(chǎn)品相比， DolphinDB 的如下特性使其高度適配工業(yè)物聯(lián)網(wǎng)場景：

輕量級部署

DolphinDB 使用 C++開發(fā)，兼容性好，支持Winodws、Linux、麒麟鯤鵬等操作系統(tǒng)，適配 X86、ARM、MIPS（龍芯）等。單機(jī)部署時安裝文件僅70M大小，方便搭建高可用、可擴(kuò)展集群。并且支持 Docker 和 K8S 一鍵部署，支持端邊云架構(gòu)，支持云邊一體的數(shù)據(jù)實(shí)時同步?？勺鳛?IaaS 底層支撐。

經(jīng)典SCADA與信息化的融合

DolphinDB 能實(shí)現(xiàn)傳統(tǒng) SCADA 的功能。并在此基礎(chǔ)上融合企業(yè)已有的 DCS、MES、ERP 等工業(yè)級信息化系統(tǒng)。支持Kafka等消息中間件、MySQL等關(guān)系數(shù)據(jù)庫、Grafana 等商業(yè)BI 組件。 DolphinDB 內(nèi)置腳本編程語言，用戶可以使用 SQL 語句進(jìn)行數(shù)據(jù)處理和查詢，也可以通過類 Python 語法的腳本語言實(shí)現(xiàn)復(fù)雜功能。支持通過自定義算法開發(fā)分析模型，支持調(diào)用機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)預(yù)測。

完善的流計算框架

DolphinDB 的流式計算框架具備高性能實(shí)時流數(shù)據(jù)處理能力，支持毫秒甚至微秒級別數(shù)據(jù)計算，非常適合用于隨機(jī)振動信號的處理和分析。

豐富的計算引擎

DolphinDB 內(nèi)置1400+函數(shù)，具備強(qiáng)大的分布式聚合計算能力?？梢詫?shí)現(xiàn)函數(shù)化編程、時間序列運(yùn)算、矩陣運(yùn)算、統(tǒng)計分析、機(jī)器學(xué)習(xí)、字符串處理、文件處理等功能。 除此之外，提供的 signal 插件可用于專業(yè)領(lǐng)域的信號分析與處理，在數(shù)據(jù)庫內(nèi)實(shí)現(xiàn)傅里葉變換、小波變換、功率譜密度估計等復(fù)雜功能。

高吞吐，低時延

DolphinDB 的內(nèi)存數(shù)據(jù)庫可以支持?jǐn)?shù)據(jù)的快速寫入、查詢和計算，能夠以毫秒級延時迅速響應(yīng)設(shè)備的狀態(tài)信息。
隨著工業(yè)物聯(lián)網(wǎng)場景下，設(shè)備數(shù)量、成本的逐步提升，自動化檢測分析技術(shù)也需要不斷提高。DolphinDB不僅擁有極佳的計算性能，還擁有高效的第三方插件，可以滿足設(shè)備數(shù)據(jù)存儲、計算分析到結(jié)果展示的全流程需求，從而預(yù)測機(jī)組設(shè)備健康狀態(tài)，助力用戶有效管理設(shè)備的全生命周期。

審核編輯 ：李倩