基于无线网络的生产线状况大数据系统及其诊断方法

摘要

本发明公开了一种基于无线网络的生产线状况大数据系统，其特征在于：包括设备端和云端，设备端包括无线数据交互协议模块，无线采集模块，子网网络模块，中心节点模块，PLC控制网络模块；所述云端包括输送线故障应急通知模块，服务端故障决策模块，输送线健康状况分析模块，设备数据存储模块，服务端数据接收模块；本发明能够及时、快速找到输送线中发生问题的故障设备，减少人工劳力的花费。

说明书

技术领域

本发明涉及智能控制技术领域，具体涉及一种基于无线网络的生产线状况大数据系统及其诊断方法。

背景技术

随着先进自动化技术的不断进步，制造业技术日新月异快速发展，尤其在物流、快递等自动化系统中，存在大量输送机械设备和系统，为保障整个生产工艺稳定连续运作，需要长时间重负荷运行。然而系统的精细化设计、工作环境复杂恶劣却是设备使用寿命的最大缺陷所在，恶劣的工作环境使得精细设备的故障率居高不下。

设备系统能否在特殊环境下长期安全有效地投入运行，对于设备的日常维护和维修成本而言是非常高的；在快节奏、高强度的先进工业系统中，传统的维护和修理程序已经跟不上设备的磨损节奏。从整个行业来看，在工业生产快节奏、高精度的工作体系下，对工作设备实时监测为基础的系统维护技术发展，成为了相关行业关注的重点。

输送线生产设备中，大量使用了电动机、减速机、辊道或皮带机等专用设备，且处于长期不间断工作中，即使高可靠的设备也会在长期运行中产生磨损，逐步损坏而丧失正常功能。经过大量研究发现，设备的损坏并不是突发状况，而是长期连续恶化的过程；科学研究表明，机器设备在损坏前，表征其健康状况的主要状态参数，包括设备的振动量、主要轴系磨损点的表面温度、减速机组的振动量等关键数据，均会呈现出有规律的变化，通过连续监测这些数据的变化，就可以对输送线生产设备的故障进行提前预测并报警，在发生重大故障前采取措施，减小故障发生后生产成本的极大浪费。

结合生产线电机组大量监测数据，构建生产线大数据平台，进行设备机组的智能化运行维护，已经成为行业的发展趋势。生产线大数据具有数据体量大、数据结构复杂、数据产生速度快、数据耦合冗余且价值密度低以及数据时变性强等特点。

为了在现场采集设备（“下位机”）和故障识别预测的“上位机”间高效传输大量数据，可以借助目前兴起的“云计算”技术。传统单机计算模式限制了对生产线大数据的挖掘效率，大数据系统能够基于分布集群并行计算模式，实现对高吞吐量的生产线大数据快速实时分析，且具备节点的可扩展性，以克服传统计算资源不足的问题。

相对而言，输送线生产设备关键状态参量的变化是一个很漫长的过程，如果靠设备维护人员定期巡查检测，则需要耗费大量人工工时，生产工艺越复杂、生产线规模越大，这项工作所需的人工工时将越庞大，而且人工统计得到的状态参量数据并不能直接反映机器健康状况，还需要经过长期连续的数据分析及判读，才有可能提前发现存在故障隐患的设备。若想在海量数据中找到存在隐患的设备缺陷点，几乎不太可能，即使设备已经发生故障，要准确找到故障点并维修处理，也需要耗费大量维修工时，而维修过程中带来的设备停机、生产停顿造成的间接损失更是不可避免。

这个问题在高效全自动运行的快递、物流等行业尤其显得突出，而故障造成的经济损失及生产时间的耗费，也是一个不容忽视的巨大隐性成本，更使得为保障设备生产运行而配置的维修、售后技术人员苦不堪言，人为成本高升而效率低下。

发明内容

本发明的目的在于提供一种基于无线网络的生产线健康状况故障大数据诊断方法，解决人工定期巡检设备，人力劳力投入大还不能直接发现和得出机器健康状况的问题。

为解决上述的技术问题，本发明采用以下技术方案：

一种基于无线网络的生产线状况大数据系统，包括设备端和云端，设备端包括无线数据交互协议模块，无线采集模块，子网网络模块，中心节点模块，PLC控制网络模块； 所述云端包括输送线故障应急通知模块，服务端故障决策模块，输送线健康状况分析模块，设备数据存储模块，服务端数据接收模块； 无线采集模块设置在现场设备上，无线采集模块与子网网络模块连接，子网网络模块与中心节点模块连接，中心节点模块与PLC控制网络模块连接，PLC控制网络模块通过无线数据交互协议模块与服务端数据接收模块连接，服务端数据接收模块与设备数据存储模块连接，设备数据存储模块与输送线健康状况分析模块连接，输送线健康状况分析模块与服务端故障决策模块连接，服务端故障决策模块与输送线故障应急通知模块连接，输送线故障应急通知模块反馈至PLC控制网络模块。

进一步的，所述无线采集模块负责对现场设备关键健康数据进行监测、采集和预处理； 所述子网网络模块安装于生产线现场，辅助将各个现场无线采集模块进行无线组网，收集对应本子网段内所有设备的全部健康数据； 所述中心节点模块安装于多个现场，负责将各个现场子网网络模块进行无线组网形成局域网，收集对应本局域网内所有子网段对应设备的全部健康数据； PLC控制网络模块负责将所有现场中心节点模块接入原输送线控制系统中，借助PLC控制网络模块，将数据由控制网络集中传输到更高一级大数据分析中心； 所述无线数据交互协议模块辅助将所有数据打包发送至云端； 所述服务端数据接收模块负责接收无线数据交互协议模块辅助将所有数据打包发送过来的数据包； 所述设备数据存储模块负责存储端数据接收模块接收的数据包； 所述输送线健康状况分析模块负责将设备数据存储模块内的数据包内关于设备的健康数据取出分析； 所述服务端故障决策模块负责根据输送线健康状况分析模块分析得出的结论做出决策； 所述输送线故障应急通知模块负责将服务端故障决策模块做出的决策反馈PLC控制网络模块和其他监控模块。

进一步的，所述无线采集模块包括依次电连接的传感器模块、数据处理与控制模块、无线通信模块和能量供应模块四部分，所述传感器模块包括传感器和A/D转换器，传感器安装于需要监测的设备上，A/D转换器电连接传感器并连接至数据处理与控制模块，所述数据处理与控制模块包括处理器和存储器，处理器与无线通信模块连接，所述能量供应模块分别连接传感器模块、数据处理与控制模块、无线通信模块。

进一步的，将10-20个无线采集模块通过无线网络进行组网形成一个子网网络模块。

进一步的，所述将5-8个子网网络模块进行组网形成一个中心节点模块。

进一步的，所述将6-10个中心节点模块连接至原设备的PLC控制网络模块。

进一步的，所述无线采集模块采集的数据包括电机的振动数据，关键位置点的表面温度、接近传感器的输出状态，震动数据包括时域监测特征指标和频域监测特征指标。

进一步的，基于无线网络的生产线状况大数据系统的诊断方法包括以下步骤；

1）构建大数据诊断系统；

2）通过诊断系统获取诊断参数，所述诊断参数包括电机的振动数据，关键位置点的表面温度、接近传感器的输出状态，震动数据包括时域监测特征指标和频域监测特征指标；在获取诊断过程中，首先通过原PLC控制网络模块模记录原始的关键参数形成正常数据对比，然后通过无线采集模块实时采集诊断数据形成数据流；

3）将数据进行汇总分析；

4）根据汇总分析的信息做出决策；

5）将决策的信息进行分类进行反馈。

与现有技术相比，本发明的有益效果是：

能够及时、快速找到输送线中发生问题的故障设备，减少人工劳力的花费。

附图说明

图1为本发明体统整体结构框图。

图2为本发明系统控制网络分层结构图。

图3为本发明现场无线采集模块结构图。

图4为本发明子网网络结构图。

图5为本发明无线中心节点结构图。

图6为本发明PLC网络连接结构图。

图7数据传输协议结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1：

如图所示的一种基于无线网络的生产线状况大数据系统，为了组成一个成熟的大系统对数据进行采集，本系统包括设备端和云端；设备端包括无线数据交互协议模块，无线采集模块，子网网络模块，中心节点模块，PLC控制网络模块； 所述云端包括输送线故障应急通知模块，服务端故障决策模块，输送线健康状况分析模块，设备数据存储模块，服务端数据接收模块。 具体的，无线采集模块设置在现场设备上，无线采集模块与子网网络模块连接，子网网络模块与中心节点模块连接，中心节点模块与PLC控制网络模块连接，PLC控制网络模块通过无线数据交互协议模块与服务端数据接收模块连接，服务端数据接收模块与设备数据存储模块连接，设备数据存储模块与输送线健康状况分析模块连接，输送线健康状况分析模块与服务端故障决策模块连接，服务端故障决策模块与输送线故障应急通知模块连接，输送线故障应急通知模块反馈至PLC控制网络模块。

实施例2：

在上述实施例的基础上，本实施例中个，系统的个部件的具体负责如下的功能实现：

所述无线采集模块负责对现场设备关键健康数据进行监测、采集和预处理； 所述子网网络模块安装于生产线现场，辅助将各个现场无线采集模块进行无线组网，收集对应本子网段内所有设备的全部健康数据； 所述中心节点模块安装于多个现场，负责将各个现场子网网络模块进行无线组网形成局域网，收集对应本局域网内所有子网段对应设备的全部健康数据； PLC控制网络模块负责将所有现场中心节点模块接入原输送线控制系统中，借助PLC控制网络模块，将数据由控制网络集中传输到更高一级大数据分析中心； 所述无线数据交互协议模块辅助将所有数据打包发送至云端； 所述服务端数据接收模块负责接收无线数据交互协议模块辅助将所有数据打包发送过来的数据包； 所述设备数据存储模块负责存储端数据接收模块接收的数据包； 所述输送线健康状况分析模块负责将设备数据存储模块内的数据包内关于设备的健康数据取出分析； 所述服务端故障决策模块负责根据输送线健康状况分析模块分析得出的结论做出决策； 所述输送线故障应急通知模块负责将服务端故障决策模块做出的决策反馈PLC控制网络模块和其他监控模块。

实施例3：

在上述实施例的基础上，本实施例中，无线采集模块是整个大数据无线网络健康状况在线故障预测系统的最终端节点，主要采用无线传感器网络技术进行设计，如图3所示，包括了传感器模块、数据处理与控制模块、无线通信模块、能量供应模块四部分，具体的，所述传感器模块包括传感器和A/D转换器，传感器安装于需要监测的设备上，A/D转换器电连接传感器并连接至数据处理与控制模块，所述数据处理与控制模块包括处理器和存储器，处理器与无线通信模块连接，所述能量供应模块分别连接传感器模块、数据处理与控制模块、无线通信模块。无线采集模块可将采集到的原始信号转换成可识别的设备状态数据。传感器在接收到外部信号时，由A/D转换器将数据进行转换然后传输给数据处理控制模块进行信号处理，被处理后的原始信号转换为可被识别的信号，通过无线网络通信传输和交换到上一层网络，能量供应模块持续为传感器提供稳定的电能。

实施例4：

在上述实施例的基础上，本实施例中，子网网络控制模块是通过在每台设备上适当位置安装的无线采集模块，然后将每台现场无线采集模块接入网络形成无线传感器子网网络，如图4所示。每个子网网络控制模块通过无线链路，自动与各个无线采集模块组成无线网络，定时收集各无线采集模块实时采集到的设备参数数据，这些参数包括每台设备的振动数据、关键位置点的表面温度、接近传感器的输出状态等表征设备运行健康状况的关键数据信息，每台现场设备需要采集传输的数据量为3个字。考虑到无线网络数据的传输延迟，数据轮询的快速性要求，每个子网网络控制模块至少可以同时联网控制20个无线采集模块，也就是每个子网网络控制模块至少可以同时联网控制20台现场设备。

实施例5：

在上述实施例的基础上，本实施例中，为了管理各个子网，在生产线适当位置安装无线网络的中心节点模块，如图5。将各子网网络控制模块接入上一级PLC控制网络模块。前述中每个子网网络控制模块至少可以同时联网控制20台现场设备，按照设计需求，每个无线网络中心节点模块至少可以同时与8个现场子网网络控制模块组成网络。这样，每个无线网络中心节点模块可以同时管理8×20=160台现场设备。

无线网络中心节点模块采取无线自组网方式与现场子网网络控制模块组成无线采集网络。

每个无线网络中心节点模块可以采集的有效数据量为160台×60字=9600个字。

实施例6：

在上述实施例的基础上，本实施例中，在原有PLC控制网络模块中，使用ProfiBus-DP现场总线技术，将各无线网络的中心节点模块接入原PLC控制系统，由PLC现场总线网络集中收集所有全部现场设备数据。系统设计中，至少支持6台无线网络中心节点模块接入ProfiBus-DP现场总线网络，而每个无线网络中心节点模块可以管理8×20=160台现场设备，因此全系统总共支持6×8×20=720台现场设备数据。

全系统总共可以采集获得的有效数据量为6×9600字=57600字。由此，最终得到的全系统有效采集数据量较大，通过无线传感器网络分层技术，可以显著降低各子系统的数据传输率，减小系统设计的难度，减少系统现场安装调试工作量。

实施例7：

在上述实施例的基础上，本实施例中，为了更好的方便数据在控制网络上的交互，提供了图7中最上层的无线数据交互协议，为了提高数据传输和数据可靠性，每个传感器单次传输数据的格式为一个字节，其中前2位用于标识版本，这样就可以区分当前传感器的发送的数据版本号，方便替换不同采集器，保证了数据在不同代的采集器之间数据交互一致性，紧跟的4位用于校验，空余2位。有效数据量为3个字（2个字节）。

实施例8：

在上述实施例的基础上，本实施例中，本系统对应的应用方法步骤如下：

1）构建大数据诊断系统；

2）通过诊断系统获取诊断参数，所述诊断参数包括电机的振动数据，关键位置点的表面温度、接近传感器的输出状态，震动数据包括时域监测特征指标和频域监测特征指标；在获取诊断过程中，震动数据是首要的数据，而表面温度、接近传感器的输出状态只作为辅助用，如：当某个位置的温度数据远超正常，那必是此设备的检测电出现了异常故障了。在获取参数时，首先通过原PLC控制网络模块模记录原始的关键参数形成正常数据对比，然后通过无线采集器实时采集诊断数据形成数据流；

3）将数据进行汇总分析；

4）根据汇总分析的信息做出决策；

5）将决策的信息进行分类进行反馈。

在云端对采集数据进行处理，不会受某台计算机运算处理能力的限制，数据存储的容量也不再受单台计算机存储空间的限制，借助快速发展的计算机和网络技术，可以实现海量数据漫长时间过程的统计分析，从而快速准确地预测出故障设备的故障隐患，提前对设备故障做出预警，减小设备故障停机造成的生产损失。本发明的服务端至少包括如下五个模块，按照数据的接收顺序依次为：

1）服务端数据接收模块，用于接收现场采集的设备数据，该模块作为现场采集器和后台服务处理的接口，除了提供数据接收缓存外，还需要具备数据存储路由和数据日志存储功能；

2）设备数据存储模块，用于存储采集的设备数据，格式不限于文本、数据库，数据存储性能和指标最少要能够满足上述720台采集器的并行数据存储；

3）输送线健康状况分析模块，这里是重点需要注意的地方，采集的现场数据是时序数据，目前最重要的生产线上的电机数据，其中核心是振动数据。

振动是非常重要的运行状态特征。健康的电机在工作时或多或少都会产生有规律的振动，主要是由于电磁力和机械力的耦合以及转子的构造，在电机运行过程中，能量逐层传递到电机表面，产生振动响应，而电机的异常振动就是机械内部缺陷的外在表征，可以通过测量和分析电机的振动，进行电机故障的诊断。其中，基于设备的振动监测数据进行运行健康指标的提取技术，主要包括1）时域监测特征指标提取以及2）频域监测特征指标提取。

时域监测特征指标主要是采取数理统计相关理论方法，来研究振动监测数据的时域分布规律；频域监测特征指标主要是对信号进行频谱分析，如有效值幅值谱、功率谱以及包络谱等，并结合电动机故障特征频率进行有效监测和趋势分析。

该模块提供时域和频域的数据分析方法，利用插件的方式提供数据不同数据分析方法的集成。

时序分析是以分析时间序列的发展过程、方向和趋势，预测将来时域可能达到的目标的方法。此方法运用概率统计中时间序列分析原理和技术，利用时序系统的数据相关性，建立相应的数学模型，描述系统的时序状态，以预测未来。

它的基本步骤是：

(一)以有关的历史资料的数据为依据，区别不规则变动、循环变动、季节变动等不同时间的动势，特别是连续的长期动势，并整理出统计图；

(二)从系统原则出发，综合分析时间序列，反映曾经发生过的所有因果联系及影响，分析各种作用力的综合作用；

(三)运用数学模型求出时间序列以及将来时态的各项预测值，如移动平均法、季节系数法、指数平滑法。

时序分析适用以数据量化的时序系统，主要是以概率统计分析随时间变化的随机系统。利用概率统计，整理过去的数据，分析其变化规律，特别是掌握连续的长期动势，可以预测设备现象随时间变化的未来的状态。频域分析法是研究控制系统的一种工程方法。控制系统中的信号可以表示为不同频率的正弦信号的合成。描述控制系统在不同频率的正弦函数作用时的稳态输出和输入信号之间关系的数学模型称为频率特性，它反映了正弦信号作用下系统响应的性能。频域分析法是应用频率特性研究线性系统的一种图解方法。频率特性和传递函数一样，可以用来表示线性系统或环节的动态特性。建立在频率特性基础上的分析控制系统的频域法弥补了时域分析法中的不足。

所谓频率特性是系统的频率响应与正弦输入信号的复数比。而频率响应是指系统在正弦输入信号作用下，线性系统输出的稳态分量。

频域分析法就是将信号分解为正弦波，并且用正弦波合成信号。分解或分析就是计算各种频率的正弦波在信号中所占的比例，合成或综合就是根据不同比例的正弦波来合成信号。对分解的信号可以如此处理：保留部分幅值比较大的正弦波分量，以备将来恢复信号。

4）服务端故障决策模块，将多个监测量采用深度学习方法融合为对应的多个监测预测值，通过将模型预测值与实际值之间的重构误差作为监测指标，进行生产线设备健康状态监测与故障预警；

5）输送线故障应急通知模块，将最终的信息输出以应该处理；

本方法结合时域分析和频域分析在加上关键点位置的温度等的监测最终，根据3）和4）处理后的故障和决策信息及时通知仓储控制系统软件(WCS)等其他系统，以便最及时的对故障或者即将出现的故障采取相应措施。

本法名提供了一种实时、快速、远程、精确的输送线设备状态监测与故障诊断方法。

本发明涉及的采集器具有成本低、可扩展、易部署的有点。

网络分层技术，可以极大地简化每台设备上需要安装的现场“无线采集器”的功能，目的是降低采集器的成本，以免大量采集器和配套传感器的安装采购，造成输送线健康状况在线故障预测系统总价攀升，系统改造性价比偏低，致使用户不愿实施系统改造升级。

而且，采用网络分层技术后，技术改造过程中，不需要停止原生产线控制系统，可以在原系统正常生产时实施改造。避免改造施工过程中，因设备全部停机给用户带来的生产效益损失，从而间接降低用户改造成本。

全系统有效采集数据量较大，通过无线传感器网络分层技术，可以显著降低各子系统的数据传输率，减小系统设计的难度，减少系统现场安装调试工作量。

通过该技术的实施，可以结合云计算、边缘计算、智能传感器、机器学习等技术使得全部生产线发展成基于大数据“云平台”的自动智能化生产线。实现分布于不同地域、不同城市的在线监测系统对所有生产现场的运行设备进行智能化网络监测。

具体实施例：

组建大数据系统，对于一个包括120台套现场设备的输送线而言，根据各设备的空间布置关系，需要在每台设备上安装一套采集终端，需要120套现场无线采集模块；每10套设备组成一个采集子网络，需要12套现场子网网络模块；每3个子网络单独接入原PLC现场总线ProfiBus-DP控制网络，需要4套无线网络中心节点模块，最终将中心节点模块连接至原PLC控制网络模块构成设备端系统，设备端系统在接入云端系统。

在本系统中，云端系统中，将在正常运行情况下的震动量化值记录为N，震动量化偏移N的量设为M，根据二者之间的震动偏离情况Δ=N-M，可以分别按照设置相应的健康级别，在此处将健康状态设置为“正常、警告、严重”分为三个级别。“正常”为D1+ε，阈值可根据不同设备的震动状态通过频域分析法和时域分析法进行测量，该测量值来源于系统原始的经验值，其中ε为一个较小的调整值，ε根据历史分析设置为阈值的0.5-1%。“警告”为D2+ε，，“严重”为D3+ε，。通过一个时间观测t内窗口记录偏离值Δ记录，若记录值持续出现D2或者D3，则说明设备出现非健康状态，否则表示正常状态。

特别地，震动异常状态的级别划分不限于上述3个级别，可根据管理粒度进行细分，健康状态，即偏离值Δ=D1的判定，通常根据数理统计的方法，观测同级别设备，多次测量求得正常运行的平均值获得。

反馈的方式主要有两种，一种是直接与WCS（仓储控制系统）进行通信，通过WCS控制输送线采取相应措施，例如，如果健康状态为警告，则降低输送线速率或者如果健康状态为严重，停止输送线运行。注意，该措施的实施依赖健康级别的划分，不同的健康级别，可以采取不同的反应措施，这根据现场设备的情况进行划分。另外一种，是直接与上层平台信息系统进行数据交互，通过上层的信息系统进行进一步分析，做出决策。这两种反馈方式的优先级也依赖健康状态的判定，可事先进行设定。最终得出设备的健康状况并做出相应的处理。

在本说明书中所谈到的“一个实施例”、“另一个实施例”、 “实施例”、“优选实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显的。