從大數(shù)據(jù)到智能制造：軌旁設(shè)備和信號系統(tǒng)案例分享

---

本文部分理論圖示和案例借鑒知乎文章

在本文開頭，我們需要搞清楚一個概念：我們經(jīng)常會說到PHM，那么什么是PHM？

故障預(yù)測與健康管理PHM（Prognostics and Health Management）技術(shù)，是指利用先進的傳感器技術(shù)，獲取系統(tǒng)運行狀態(tài)信息和故障信息，借住神經(jīng)網(wǎng)絡(luò)、模糊推理等算法，根據(jù)系統(tǒng)歷史數(shù)據(jù)和環(huán)境因素，對系統(tǒng)進行狀態(tài)監(jiān)測、故障預(yù)測，同時對系統(tǒng)的健康狀態(tài)進行評估，結(jié)合地面維修資源情況，給出維修決策，以實現(xiàn)關(guān)鍵部件的實情維修。

PHM包含兩方面的內(nèi)容，即故障預(yù)測和健康管理，健康是指與期望的正常性能狀態(tài)相比較的性能下降或偏差程度。其中故障預(yù)測是指根據(jù)系統(tǒng)現(xiàn)在或歷史性能狀態(tài)預(yù)測性地診斷部件或系統(tǒng)完成其功能的狀態(tài)（未來的健康狀態(tài)），包括確定部件或者系統(tǒng)的剩余壽命或正常工作的時間長度；健康管理是根據(jù)診斷/預(yù)測信息、可用維修資源和使用要求對維修活動做出適當決策的能力。

關(guān)于PHM的詳細介紹，請參考這里>>

背景介紹

UK RSSB的報告指出，近年來大部分軌道交通故障源于信號系統(tǒng)及軌旁系統(tǒng)。

軌道交通由于其安全、快速、準時的特性，成為了現(xiàn)代社會不可或缺的出行及貨運方式。隨著相關(guān)技術(shù)的進步，軌道交通重大故障（例如脫軌等）鮮少發(fā)生，但是由軌旁設(shè)備、信號系統(tǒng)故障造成的列車延誤卻經(jīng)常出現(xiàn)。在當今這個效率至上、高速運轉(zhuǎn)的時代，一時一刻的延遲都可能造成難以預(yù)計的損失。

2002年Potters Bar和2007年Grarigg脫軌事故，讓人們認識到提高系統(tǒng)安全性的重要性，而對軌旁設(shè)備的在線監(jiān)控和故障診斷被認為是提高安全性的重要手段。

為保障軌道交通的安全準確運行，將PHM技術(shù)應(yīng)用于軌道交通的各個子系統(tǒng)，全面保障設(shè)備正常運行勢在必行。

 轉(zhuǎn)轍器，用于幫助列車換軌，一直以來都擁有很高的設(shè)計可靠性。但是由于工作環(huán)境惡劣、沖擊大或其他原因造成故障，一旦發(fā)生就會直接導(dǎo)致重大事故，例如列車脫軌、追尾等。

轉(zhuǎn)轍器由幾大核心部件組成，包括電機、定位桿、固定軌、移動軌、驅(qū)動桿等，精確的故障診斷和定位有助于維修維護團隊準確及時的解決問題。常見的故障模式包括不對準、摩擦力上升、有異物等。

對轉(zhuǎn)轍器進行遠程監(jiān)控，可以通過監(jiān)控數(shù)據(jù)，準確診斷早期故障并完成故障定位，為軌旁設(shè)備整體維修維護提供決策支持，最終達到降低系統(tǒng)風險、降低系統(tǒng)維修維護費用的目的，從而達到安全性和經(jīng)濟性的平衡點。

案例分享

1、汽車制造業(yè)能耗分析及故障預(yù)測成功案例

XX汽車制造公司在整車生產(chǎn)過程中將會產(chǎn)生巨量數(shù)據(jù)，包括能耗數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、環(huán)境數(shù)據(jù)等，這些數(shù)據(jù)中蘊藏了巨大的價值，包括產(chǎn)品故障、生產(chǎn)優(yōu)化的目標都可以從數(shù)據(jù)中進行挖掘。客戶需要我們對能耗和生產(chǎn)數(shù)據(jù)進行挖掘，找出異常點，希望分析出節(jié)約能耗的方向，并且對生產(chǎn)過程中的故障進行預(yù)測。

慧都能耗異常值分析，為XX汽車制造公司提供咨詢、調(diào)研、研發(fā)、實施、維護一整個環(huán)節(jié)的完善服務(wù)。

數(shù)據(jù)探索：耗電分析、耗水分析、耗時分析等

數(shù)據(jù)處理：基于耗電、耗水、耗時數(shù)據(jù)進行處理，找到數(shù)據(jù)的異常點，對異常點進行分析。

圖1 識別時序數(shù)據(jù)中的異常點

圖2 識別能耗時序數(shù)據(jù)的拐點

經(jīng)分析發(fā)現(xiàn)，很多設(shè)備在非工作時間依然開機，如果關(guān)機，電泳和前處理階段的節(jié)能情況如下

如果能夠?qū)⒛承┸嚨那疤幚砗碗娪緯r間分別減少到37分鐘和23分鐘，在處理功率恒定的情況下，分別將會節(jié)約能耗3.23%和6.30%。

用Qlik進行數(shù)據(jù)探索分析——耗能分析

成功交付

慧都能耗異常值分析解決方案從2018年11月開始導(dǎo)入實施，項目團隊結(jié)合客戶現(xiàn)場生產(chǎn)情況通過和客戶詳細溝通斟酌，實施團隊駐場開發(fā)經(jīng)過接近半年的共同努力，最終于2019年3月項目經(jīng)培訓后成功交付。

客戶表示，應(yīng)用后效果顯著：

• 人工判斷異常準確率為50%，方案優(yōu)化之后，可以提高到83%。
• 人工判斷異常平均時間為10分鐘，方案實施之后，只需要100ms。
• 方案實施后，前處理節(jié)能3.23%。
• 方案實施后，電泳節(jié)能6.30%。

注：此案例來源于慧都大數(shù)據(jù)團隊的真實客戶能耗分析及故障預(yù)測項目實施。

2、XX軌道交通設(shè)備廠商案例

在與歐洲某知名軌道交通設(shè)備廠商的合作當中，我們開發(fā)了針對轉(zhuǎn)轍器不同工況下的在線監(jiān)測與故障診斷系統(tǒng)，并且與市面上已有的商業(yè)軟件以及科研成果做了大量比對認證，所開發(fā)系統(tǒng)具有技術(shù)領(lǐng)先性，可以準確的識別17種不同的失效模式（包括不同的失效級別），系統(tǒng)輸出結(jié)果有較高的準確性和穩(wěn)定性。

所使用方法完全依靠電機的監(jiān)測參數(shù)診斷設(shè)備故障，為遠程監(jiān)控提供可行的解決方案。所使用方法包括：基于特征的方法和基于自相關(guān)模型的方法。

圖4 測試臺實物

轉(zhuǎn)轍器實物試驗臺安放于一個綜合試驗箱當中，在實際測試時還引入了溫度和濕度變化模擬設(shè)備在不同自然環(huán)境的實際使用情況。

在分析中發(fā)現(xiàn)，溫度對設(shè)備運行狀態(tài)影響較大，在最終的模型中引入歸一化機制，降低溫度對最終結(jié)果的影響。

所采集原始信號均來自于驅(qū)動電機，這樣的非侵入式檢測有助于未來實施遠程監(jiān)測，同時可以有效地降低實施成本。

圖6 自相關(guān)神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)示例

自相關(guān)神經(jīng)元網(wǎng)絡(luò)的方法多被用來基于多變量檢測單變量的異常，最早被用于核電站核島中傳感器的衰退檢測。在本案例中被用來評價往復(fù)信號的異常狀態(tài)及區(qū)域并與不同的故障模式對應(yīng)。

注：此案例來源于知乎文章

核心技術(shù)

對關(guān)鍵設(shè)備的早期故障診斷及故障定位，核心在于發(fā)現(xiàn)或者創(chuàng)造相應(yīng)的故障特征。故障特征可以是原始信號，也可以是由原始信號加工得到。主要運用技術(shù)包括數(shù)字信號處理、特征選擇、降維、時間序列分析、以及多變量狀態(tài)估計等。在實際系統(tǒng)構(gòu)架當中，各種技術(shù)需要搭配使用，相輔相成，最終實現(xiàn)目的。

如下圖所示，從原始信號中，例如電機電壓、電流、扭矩等，得到的特征應(yīng)該在設(shè)備性能發(fā)生衰退時呈現(xiàn)出逐漸偏移的趨勢，并且偏移的速率與衰退的速率成正比。

當然，這是理想狀態(tài)下的完美特征，也是無數(shù)數(shù)據(jù)工業(yè)數(shù)據(jù)分析工作者的完美伴侶。

---

關(guān)于慧都大數(shù)據(jù)分析平臺

慧都大數(shù)據(jù)分析平臺「GetInsight®」升級發(fā)布，將基于企業(yè)管理駕駛艙、產(chǎn)品質(zhì)量分析及預(yù)測、設(shè)備分析及預(yù)測等大數(shù)據(jù)模型的構(gòu)建，助力企業(yè)由傳統(tǒng)運營模式向數(shù)字化、智能化的新模式轉(zhuǎn)型升級，抓住數(shù)據(jù)經(jīng)濟的發(fā)展勢頭，提供管理效能，精準布局未來。了解更多，請。

慧都大數(shù)據(jù)專業(yè)團隊為企業(yè)提供商業(yè)智能大數(shù)據(jù)平臺搭建，免費業(yè)務(wù)咨詢，定制開發(fā)等完整服務(wù)，快速、輕松、低成本將任何Hadoop集群從試用階段轉(zhuǎn)移到生產(chǎn)階段。

歡迎撥打慧都熱線023-68661681或咨詢，我們有專業(yè)的大數(shù)據(jù)團隊，為您提供免費大數(shù)據(jù)相關(guān)業(yè)務(wù)咨詢！