《基于云平台的工业过程故障检测系统》
本文是有关云计算毕业论文提纲范文与检测系统有关毕业论文模板范文.
[摘要 ]在传统的工业过程中,针对现场工作站的存储及计算能力有限,导致系统的过程监测数据利用不充分,难以实现实时故障诊断的等问题,提出了基于工业物联网的工业过程故障诊断系统.该系统结合了物联网、云计算和基于数据的故障诊断技术,实现了对工业现场的实时监控和在线诊断,并将该系统部署在云平台上,可以为不同的工厂实现化的状态监控服务.最后将该系统应用在工业过程智能控制实验室（I2PIC）的非线性水箱系统中,验证了该系统的有效性.
[关键词]物联网;云平台;状态监控;故障诊断;大数据;非线性水箱
[中图分类号]TP277 [文献标志码]A [文章编号]2095–6487（2020）07–00–04
[Abstract]In the traditional industrial process, due to the limited storage and computing capacity of the on-site workstations, the system's process monitoring data is not fully utilized and it is difficult to realize real-time fault diagnosis. An industrial process fault diagnosis system based on the Industrial Internet of Things is proposed. The system combines the Internet of Things, cloud computing and data-based fault diagnosis technology to achieve real-time monitoring and online diagnosis of industrial sites, and deploy the system on a cloud platform to achieve customized status for different factories Monitoring service. Finally, the system was applied to the nonlinear water tank system of the Industrial Process Intelligent Control Laboratory （I2PIC）, and the effectiveness of the system was verified.
[Keywords]Internet of things; Cloud platform; Condition monitoring; Fault diagnosis; Big data; Non-linear water tank
现代工业生产过程中,系统安全稳定运行的重要性愈发凸显.及时捕捉系统异常信息,实时监测系统的运行情况是工厂智能化的重要一环.系统安全与企业效益以及人民的财产生命安全直接挂钩.如果未能对系统的运行进行及时有效的监测,则很难发现系统前期存在的安全隐患,当故障发生时不能及时作出准确的判断,可能会因此引起工厂被迫停机检修,不仅影响了正常生产,还对工厂的效益产生了不小的损失.所以,加强对系统的实时监控,及时检测系统故障,提高系统可靠性显得愈发重要.
当今时代,现代工业与信息技术高度融合.物联网、大数据等信息技术已经逐渐渗透在工业生产的产业链中.工业物联网是将具有各种智能传感器,如采集器,智能控制器等和现代通信技术、人工智能技术渗透应用到工业生产的各个层面中,旨在提高工厂的生产效率和资源利用率,降低生产成本,最终实现传统工厂智能化的改造.中国制造2025、德国工业4.0和美国先进制造伙伴计划一系列举措都说明了传统工业将向智能化工厂转型的必然趋势.利用先进的大数据,物联网等技术,对工业现场进行监控和实时的故障诊断,已经成为现代工厂降低生产成本,提高生产效率和企业竞争力的重要手段.
目前,对于物联网与大数据技术应用在工业生产過程的研究仍然处于起步阶段.近些年也有一些该方面的研究.仝营等基于工业锅炉背景下,提出了锅炉的物联网和云计算模型,实现了设备关键参数的监测[1].邵星等提出基于物联网和云计算的工业废气智能监控系统,将云计算和云存储技术用来分析废气数据[2].高帆等提出了基于物联网和运行大数据的设备监测系统,集成了设备健康的在线监控、远程监控、远程诊断、故障识别等功能,对设备的运行维护具有指导意义[3].
孙小江等基于物联网技术提出了小型水电站的在线监测及故障诊断系统,促进了小水电站向无人值班或无人值守的方向发展[4].侯一鸣基于物联网和工业云提出了选矿设备的智能监测系统,利用故障诊断、移动互联等技术实现了对选矿设备的智能监控[5].
本文针对传统工业过程中对过程数据利用不充分,缺乏对整个系统的实时故障检测等问题,利用物联网和云存储技术,将现场传感器采集的数据实时采集并存储在本地和云端,监测并可视化系统运行参数;利用故障诊断技术构建了一套故障诊断算法,依托于云平台和云计算技术对系统进行实时的故障检测.为传统工厂实现智能化、信息化提供建设性的意见.
1.物联网和故障检测
1、1 物联网关键概念
物联网的概念很广泛,简单的来说就是物与物之间相互连接的互联网.本文所研究是物联网在工业领域的应用,即工业物联网.工业物联网的概念与物联网中的Cyber Physical Syste（CPS）高度契合,即融合传感器、嵌入式、等各种现代通信技术,使得物理系统具备各种信息化能力,并且设备与设备间高度协同且自治.工业物联网的主要目的就是为了打造智能工厂.采集生产过程中、管理经营过程中产生的数据集,实现机器与人,机器与机器之间的信息交互.要完成智能工厂的完整性,需要设计完备的四层架构：感知层、网络层、平台层和应用层.感知层主要是由各种传感器组成的感知单元,用来采集数据.为了适应智能工厂的需求,传统的硬件设备、控制技术、传输协议会逐渐被取代.网络层也叫传输层,它主要负责传递从感知层获得的数据,主要分为有线网络和无线网络,其中无线网络传输的应用范围更广.平台层在整个物联网四层架构中起着承上启下的作用,将底层智能设备一体化管理,同时为应用层提供统一的开发接口,实现了设备端到业务端的直接连接.应用层是根据不同的业务需求,在平台层设计相对应的物联网应用.应用层将底层数据进行分析挖掘,从而实现对整个工厂生产的状态监控,为工厂的生产提供更科学准确的决策.目前,随着大数据时代的来临,拥有数据意味着拥有战略上的优势[6].如何挖掘数据内部的信息是掌握未来数据时代的关键,因此,机器学习算法作为挖掘数据的核心技术,被越来越多的人关注.
1.2 故障检测方法概述
故障检测方法如图1所示,根据故障检测原理的不同可以将故障检测技术大体分为三种类型：基于解析模型的方法、基于知识的方法和基于数据驱动的方法[7].
基于解析模型的方法是通过公式描述成分之间或变量之间的数学关系,并最终构建出一个准确的数学模型.通过比较构建的模型与实际模型之间的残差信息来完成系统的故障检测.该方法需要对系统的运行机理有充分的了解.正常情况下残差应该在零附近波动.如果残差突然变大,则系统很有可能发生了故障.不同形式的残差又可以将其细分为：等价空间法、状态估计法、参数估计法等.由于基于模型的方法能准确反映系统整个过程的状态,所以这种方法适用于相对简单的工业过程.然而在实际工业过程中,需要检测的变量个数较多,各变量之间具有很强的非线性关系.基于模型的方法同时还需要很多专业知识,因此很难建立一个准确的机理模型,这也大大限制了该方法在故障检测中的应用.
基于知识的方法是通过计算机来模拟专家的思维方式对系统的运行状态进行推演运算[8].根据不同的推理方式,该方法又可以分为：故障树、模糊推理、专家系统等.该方法的好处是不需要系统精确的数学模型,但也存在一些缺点.基于知识的方法需要建立完备的知识库,即使是经验丰富的工程师,也不可能对该工业过程的所有方面都有透彻的了解.因此知识库往往不是很完备,最终,这会直接影响故障检测的可靠性和准确性.对于特定的场景需要特定的知识库,通用性比较差.这些缺点制约了该方法的发展.
目前,基于数据驱动的故障诊断方法是最流行的,该方法不需要建立准确的数学模型,也不依赖于定性的知识.它需要系统工业过程的运行数据,系统的故障信息都隐含在这些数据中,如何挖掘数据中的隐含信息成为了现在研究的热门.正常运行的数据和故障发生后的运行数据之间的差异体现在特征变量发生了改变,数据的统计量往往会发生变化,观测统计量的变化,从而实现系统的故障检测[9].该方法不需要先验知识的约束,具有普适性,尤其适用于难以建立数学模型的复杂工业系统.所以本文选择基于数据驱动的方法来做故障检测.根据特征信息提取的方式,基于数据驱动的方法可以分为：机器学习法、信号处理法和多变量统计分析法等[10].
2.基于物联网的故障检测系统架构分析
2、1 基于物联网的故障检测系统架构
基于物联网的工业过程故障检测系统架构图如图2所示,该架构以物联网的四层架构来构建.在感知层,是由各种传感器元件组成的感知单元,为了适应智能工厂的需求,传统的硬件设备、控制技术、传输协议都会逐渐被取代.智能传感器将现场设备的数据都实时采集过来,并通过各种通讯协议发送到现场的工程师站中.在网络层,通过无线网络的方式将工程师站的数据传输到云平台中.在平台层,构建物聯网关与实际的工厂设备一一对应,通过云计算平台对信息进行分析处理.工程师站的数据通过网络将数据实时传输到云平台中,最终存储在云数据库中,方便后续的数据计算和分析.另一方面将数据存储在现场的工程师站的数据库中,防止因为网络中断引起的数据缺失,当网络恢复后再将缓存的历史数据发送到云平台中.在应用层,旨在为不同的工厂实现特定的需求,也是物联网的核心所在.将现场采集到的数据通过数据挖掘技术进行分析处理,结合故障检测算法对系统进行故障诊断分析.从而对整个工厂的生产运作提供更准确科学的决策.通过工业云将故障检测系统部署在现有的系统中,为不同的工厂实现化的故障检测服务.根据不同工厂的需求,有实时的状态监控服务、现场运行数据分析服务、实时故障检测服务、异常工况报警服务、故障检测小程序服务.通过这四层架构来构建基于物联网的工业过程故障检测系统,大大提高了故障检测的实时性、状态监控的可靠性、异常报警的及时性.
2、2 状态监测系统模块分析
（1）系统运行状态监测模块.
传感器采集现场的数据,通过传输协议传送到现场的工程师站后,最终通过网络传输到云平台中,数据中包含着系统运行状态的数据,通过数据挖掘可以了解现场的系统运行状态,系统关键参数的可视化,数据运行的曲线图、柱状图.图表也更能直观的表示现场的运行情况.
（2）故障检测与报警模块.
这一模块负责对现场的所有数据进行挖掘,故障信息隐含在数据中,通过合适的故障检测算法能检测出系统是否发生故障.目前,集成到云平台的故障检测算法有主成分分析（PCA）、独立成分分析（ICA）、支持向量数据描述（SVDD）等算法.传统的故障检测一般是离线检测,缺乏实时性.而基于物联网的故障检测则可以做到在线检测.通过采集一段时间的现场数据,构建实时的故障诊断模型,对系统进行在线诊断.而当系统发生故障时,通过报警模块可以迅速的通知相关人员进行检测维修,避免产生更大的经济损失.基于物联网的工业过程故障检测流程图如图3所示.
3.案例分析
基于上述分析,本文将其最终应用在I 2PIC（工业过程智能控制实验室）的一个非线性水箱系统中.其DCS系统结构图和组态视图如图4所示.
本次实验的现场设备层采用的仪表以及型号可参见表1.
非线性水箱系统的云端界面和实时数据如图5所示,阀门的开度、液位高度等有效数据都实时显示在界面中,可以直观的监测整个系统的运行情况.为验证系统故障检测的有效性,本次实验共采取了两组数据,分别为稳态过程的漏水故障和放水过程的漏水故障,具体的故障类型以及故障表述如表2所示：
故障诊断的app如图6所示,将运行数据导入进去后,选择故障诊断算法,可以检测出系统是否有故障、在何时发生了故障.两种故障的诊断结果在图6中显示,从图中可以看出,该app可以准确及时的检测出故障的发生,具有良好的检测效果.
4.结束语
本文针对传统工业过程中监控数据利用不充分、故障诊断实时性不强、现场工程师站数据处理能力差的问题,利用物联网、云平台等技术搭建了一个工业过程故障检测系统.最后将该系统应用在I 2PIC（工业过程智能控制实验室）的一个非线性水箱系统中.基于物联网的四层架构,设计实现了非线性水箱系统的智能在线故障诊断、设备关键信息的可视化、远程监控管理功能.
隨着物联网和云平台等技术的发展,传统工厂信息化程度不高的弊端将逐渐凸显,物联网等技术将为传统工厂信息化、智能化提供强大的助力.本文将故障诊断技术与物联网技术结合起来,有效的对工业现场进行实时监控,能够及时检测系统故障,实时监测关键设备的运行状态,缩短设备检修时间,减少工厂损失,提高了工厂的竞争力.
参考文献
[1] 仝营,顾新建,纪杨建,等.基于物联网和云计算的工业锅炉在线监测[J].计算机集成制造系统,2016,22（1）：213-219.
[2] 邵星,王翠香,陈伟,等.基于物联网和云计算的工业废气监控系统研究[J].软件,2015（9）：45-47.
[3] 高帆,王玉军,杨露霞,等.基于物联网和运行大数据的设备状态监测诊断[J].自动化仪表,2018,39（6）：5-8.
[4] 孙小江,李键,朱勇,等.物联网技术在小水电站在线监测及故障诊断的应用[J].电工技术,2017（10）：61-62,88.
[5] 侯一鸣,徐泉,李亚杰,等.基于物联网和工业云的选矿设备状态监控系统[J].计算机集成制造系统,2017,23（9）：1972-1982.
[6] 孔宪光,钟福磊,马洪波,等.工业大数据环境下的混合故障诊断模型研究[C].2015年全国机械行业可靠性技术学术交流会暨第五届可靠性工程分会第二次全体委员大会论文集,2015.
[7] Frank P M. Analytical and Qualitative Model-based Fault Diagnosis-A Survey and Some New Results[J].European Journal of Control,1996,2（1）：6-28.
[8] 程宇,王武,崔福军,等.基于模型的故障诊断方法研究综述[C].中国控制会议,2008.
[9] Ge Z, Song Z, Gao F. Review of Recent Research on Data-Based Process Monitoring[J].Industrial Engineering Chemistry Research, 2013, 52（10）：3543-3562.
[10] Antonini M, Barlaud M, Mathieu P, et al. Image coding using welet tranorm.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 1992,1（2）：205-20.
总而言之,上述文章是关于检测系统方面的论文题目可用于相关论文提纲和云计算文献综述的参考文献.
云计算引用文献:
[1] 容易写的计算物理论文题目 计算物理论文题目怎样定
[2] 经典计算数学论文选题 计算数学论文题目选什么比较好
[3] 容易写的小学数学计算教学论文选题 小学数学计算教学论文题目选什么比较好
