|
起重電機專業生產廠家無錫宏達2022年6月22日訊 當前，全球港口98%以上的集裝箱碼頭都是傳統人工操作碼頭，企業仍采用比較傳統的計劃維修保養方式，對軌道吊、岸橋等起重電機起重機設備及部件進行定期檢查和保養，這種方法具有一定的人為主觀性和時效性，容易造成人力和物力的浪費，增加了檢修人員高空作業的潛在風險。
大型港口自動化集裝箱碼頭，由眾多自動化設備與智能系統構成。最核心的主要是軌道吊、岸橋、自動導航運載車(Automated Guided Vehicle,AGV)。軌道吊又可以成為門式起重機，是港口重要的起重設備，可以實現集裝箱從裝運車與集裝箱堆場之間的起重堆疊運輸作業。岸邊集裝箱起重機（以下簡稱“岸橋”），又稱為集裝箱岸邊起重機、橋吊，主要用于實現集裝箱碼頭對集裝箱船進行裝卸作業的專業設備。自動引導運載車（AGV）不僅在工業領域廣泛應用，在碼頭作業區同樣變成高度自動化和柔性化生產線的一部分。
這些高價值設備都是自動化碼頭的核心資產，極大地提升了現代港口地作業效率。以作為裝卸集裝箱的主要機械設備——岸橋為例，單臺價格可達數百萬美元，一旦發生故障，不僅會影響碼頭生產，耽誤船期，更直接影響到碼頭的經濟效益。
工業互聯網的典型場景：岸橋在線監測與故障診斷
作為自動化碼頭最主要的作業機械之一，自動化岸橋是融合了數字技術，控制技術，通訊技術的機、電、液一體化設備，其復雜程度高，工作環境惡劣，在長期使用過程中若不加以合理的維護和保養，一旦發生故障，影響作業效率和設備壽命。如果沒有提前備件，維修時間也不可控，維修難度也隨之增大。
當前大多數碼頭企業仍采用傳統的計劃維修保養方式，對起重電機起重機設備及部件進行定期檢查和保養。通過這種方法只能短期了解和掌握岸橋機構的健康狀態，具有一定的人為主觀性，缺乏長遠的科學性，不但容易造成人力和物力的浪費，更是增加了檢修人員高空作業的風險。
因此，碼頭企業迫切需要對岸橋設備進行實時在線監測與智能診斷，便于企業掌握設備健康狀態，最大限度降低非計劃停機風險，做到防患于未然，對預測性維保方案需求更加迫切。
這是工業互聯網典型的應用場景，可以通過物聯網技術對生產設備進行實時監測及響應，可以提前預知故障，根據設備狀態，合理安排檢修計劃；實現24小時遠程實時在線監控，減少現場人員工作量；實時了解設備狀態，減少非計劃停機帶來的經濟損失。由此實現高價值設備維護方式的升級：從巡檢式維護過渡到狀態性維護，然后進一步實現預測性維護（PHM）。
針對以上痛點難點，朋禾智能提供了基于邊緣計算及人工智能的分布式實時在線智能監測及健康管理系統，實現對離散分布的多臺起重電機起重機設備進行統一管理及實時在線監測，可及時感知設備關鍵部件的異常情況并通知設備管理人員。同時，該系統能通過云端數據分析，對機構設備的健康狀態進行評估及預測，協助設備管理人員更加精確地掌握設備的健康情況。
起重機云端物聯狀態監測與故障診斷系統采用基于物聯網架構的實現方式，涵蓋了岸橋設備感知、碼頭監控中心、云端業務應用等三大功能模塊。從網絡架構組成要素角度，系統包括了數據庫服務器、Web服務器、管理員工作站、PC客戶端、遠程用戶及企業智能監控云平臺等部分。
（1）岸橋設備感知：包括傳感器、PLC控制器及邊緣節點及網關黑匣子等關鍵設備。邊緣節點負責采集各類外置傳感器信號，并完成數據預處理及特征提取。由于起重電機起重機機械結構復雜，首先需對起重機設備進行關鍵機構部件的解構，定位監測機構及其關鍵部件以及相應的監測信號類型。最終方案監測的主要機構對象包括起重機上的起升機構、小車牽引機構、俯仰機構以及大車機構等。進一步對這些關鍵機構進行抽象提取，確定各機構的核心組成部件，包括電機輸出軸、減速箱輸入、輸出軸以及軸承座等監測部件。方案通過在上述關鍵的監測部件處安裝相應的傳感器獲取監測的物理量信號，包括振動、溫度、轉速、噪聲、壓力等參量。網關黑匣子負責將邊緣節點及PLC控制器等現場設備的數據進行匯聚分析，并通過光纖/4G等方式上傳至本地服務器及云平臺。
（2）碼頭監控中心：包括數據庫服務器、WEB服務器等關鍵設備。數據庫服務器負責各種數據的存儲，包括關系型數據以及非關系型數據。數據內容涵蓋：a.設備感知數據，如原始傳感器物理信號、特征值、故障數據等；b.起重機設備相關數據，如設備運行統計數據、起重機關鍵部件參數、維修數據等。數據服務器是整個系統的數據中心。WEB 服務器則負責數據分析及數據可視化，實現對起重機機構監測、智能診斷與預測、遠程運維等業務需要。
（3）云端業務應用：主要包括岸橋起重電機起重機遠程監測與診斷系統，該系統采用 B/S 架構，用戶通過網頁和移動端APP 即可登錄訪問，功能包括起重機健康云評估，起重機遠程技術支持等。同時該平臺還可提供附加增值服務選項，包括備品商城，智能診斷及預測模型優化更新，以及遠程運維更新等。其中，起重機故障智能診斷與預測模塊為業務的核心功能模塊，主要包括了故障識別、故障預測以及壽命預估等智能分析模塊。主要針對重要的起重機部件，比如起重機各機構、電氣系統及重要電氣部件等，可覆蓋的常見故障包括齒輪箱的齒輪磨損、偏心、斷齒等故障，軸承的滾子故障，內外圈故障，電機的轉子故障，機械不平衡故障等。項目初期需要通過岸橋實際運行數據進行不斷的測試積累，建立樣本庫及診斷標準，以不斷優化診斷模型。同時，在較長時間歷史數據的分析基礎上，可基于信號特征提取，結合支持向量機、模糊邏輯、相似性匹配、灰色預測、深度學習等模型實現故障預測。
實施效果
通過朋禾智能開發的云端物聯狀態監測與故障診斷系統，實現對國內知名港口岸橋設備進行分布式的實時在線監測及數據服務管理，最終達到了以下建設目標：
除了港口高價值設備的在線監測與故障診斷，朋禾智能還幫助電力、能源、港口和交通等領域企業提供預測性維護和智能化運維，為工業智能應用提供開放式、模塊化、高性能的平臺級軟硬一體化解決方案，從而實現降本提效，提高產品品質和服務質量。在服務工業企業的同時，還積極參與制定國際標準《工業自動化設備和系統 預測性維護》與國家標準《智能服務 預測性維護 通用要求》。
|
