2020年10月14日-16日,2020北京國際風(fēng)能大會暨展覽會(CWP 2020)在北京新國展隆重召開。作為全球風(fēng)電行業(yè)年度最大的盛會之一,這場由百余名演講嘉賓和數(shù)千名國內(nèi)外參會代表共同參與的風(fēng)能盛會,再次登陸北京,本屆大會以“引領(lǐng)綠色復(fù)蘇,構(gòu)筑更好未來”為主題,聚焦中國能源革命的未來。能見App全程直播本次大會。
在15日上午召開的關(guān)鍵部件技術(shù)創(chuàng)新分論壇上,中車永濟(jì)電機(jī)有限公司副總工程師段志強(qiáng)發(fā)表《基于人工智能和物聯(lián)網(wǎng)的發(fā)電機(jī)故障診斷系統(tǒng)》主題演講。
以下為發(fā)言實錄:段志強(qiáng):今天我大概講四個內(nèi)容,一個把我們公司跟大家說一下,稍微介紹我們基于人工智能的故障診斷的方法和常見故障的對比,把我們整個故障架構(gòu)部署方案,和大家探討交流,把我們整個樣品的情況和大家做一個介紹。我們來自中車的,專門做專業(yè)發(fā)電機(jī)的,風(fēng)電的裝機(jī)有三萬三千多臺大概是這么一個情況,這是我們大概主要的產(chǎn)品,我們基于軌道交通,在軌道交通在風(fēng)電做一些拓展和應(yīng)用,電力電子,工程機(jī)械方面。我們現(xiàn)在做的目前國內(nèi)外的各種技術(shù)路線,包括籠型、雙饋,這是我們的歷程,這是我們主要的產(chǎn)品的平臺,這是我們一些國內(nèi)外的布局這個也是組機(jī)企業(yè)配合國內(nèi)外布局的情況,這是我們一些國內(nèi)外的主要的客戶。
下面我想把故障診斷系統(tǒng)給大家做個匯報。大家也說電機(jī)的故障診斷,監(jiān)測在全壽命周期過程中它對你是透明的,不是一個黑匣子,我們出現(xiàn)故障之前不知道是什么造成的,因為我們技術(shù)實時的監(jiān)控這樣一個方法,全息感知目標(biāo),打通信息采集、傳輸存儲,我們算法上做了一些優(yōu)化。診斷系統(tǒng)傳感器的線,振動傳感器,電壓電流,可用一些無限的技術(shù),無限傳感器,包括一些其他的傳感器,再去做一些信息的傳輸。
我們診斷方法和傳統(tǒng)故障診斷方法的區(qū)別,傳統(tǒng)診斷方法,信號進(jìn)行一些負(fù)載的信號處理,技術(shù)手段處理,第二個需要通過時域、頻域等各方面入手,手動針對故障特征進(jìn)行提取與處理。再從頻率上特征值再提取一些故障特征,這是目前我們常用的方法,需要大量的知識和人工的介入。我們傳統(tǒng)方法,是針對特種類型,我們不平衡,包括軸承內(nèi)外圈故障情況,沒有考慮綜合負(fù)載的因素。外界環(huán)境比較復(fù)雜,沒有考慮外界環(huán)境對整個故障診斷系統(tǒng)的影響,第三個針對故障建立模型。這是我們目前傳統(tǒng)的。海還有我們機(jī)器學(xué)習(xí)的故障方法,信號的降噪處理。頂層架構(gòu),大概我們基于機(jī)器學(xué)習(xí)鼓掌方法,已知的故障,整個特征的提取信息的對比,然后進(jìn)行分類,然后識別,第二個通過位置故障信號深度學(xué)習(xí),逐漸建立故障庫,知識庫進(jìn)行故障的辨識。這是目前主要的兩個常見的,利用人工智能技術(shù)算法上進(jìn)行優(yōu)化,主要是通過計算機(jī),提取技術(shù)特征,現(xiàn)在也是我們在做的故障預(yù)測和健康管理方面新的發(fā)展方向。
我們這個基本特征,無需要專家知識實現(xiàn)建模,現(xiàn)在傳統(tǒng)故障診斷軟件開發(fā)需要這個行業(yè)的專家去做一些深入的研究,尤其在物理模型上面做一些適當(dāng)?shù)奶幚磲槍π缘拈_發(fā)定制化解決方案。我們這個項目特點,采用數(shù)據(jù)驅(qū)動人工智能算法,也不需要太多的專家支持,僅需要提供訓(xùn)練數(shù)據(jù)和數(shù)據(jù)標(biāo)簽,學(xué)習(xí)數(shù)據(jù)標(biāo)簽,這個和我們目前是一樣的,完全由計算機(jī)自主提取故障數(shù)據(jù)特征,建立數(shù)據(jù)映射關(guān)系,不要做下一步故障的分析,學(xué)習(xí)完以后這個什么故障有個標(biāo)簽,再實現(xiàn)不斷的識別做報出,不用做專業(yè)的判斷或者識別。
第二個我們基于人工算法不會受到設(shè)備場景變化的影響,受到復(fù)雜環(huán)境變化對我們的影響,在變化的時候我們相關(guān)的數(shù)據(jù)特點也會變化,傳統(tǒng)故障算法,需要計算新的模型,提高準(zhǔn)確性,數(shù)據(jù)驅(qū)動,數(shù)據(jù)發(fā)生變化。第三個算法拓展性可以識別未知的故障,做一些記錄,做了一個標(biāo)簽,放到我們庫里面,這是大概我們這樣一個主要的一個特征。
總的對比我們傳統(tǒng)故障,單一一個設(shè)備鼓掌,信息孤島,沒有信息的交互,這個通過我們現(xiàn)在物聯(lián)網(wǎng)系統(tǒng),因為在我們整個監(jiān)測設(shè)備里邊裝了我們整個采集傳輸,包括我們現(xiàn)在故障的信號,故障模型建立需要大量專家知識,人工智能基于人工智能算法自主學(xué)習(xí)辨識,設(shè)備運行環(huán)境變化導(dǎo)致模型需要頻繁維護(hù),故障分析是什么原因造成的這個可能就會比較麻煩一些,我們這個的話在線更新無需人工介入。
傳感器以游線傳輸為主,可以做一些無限的傳輸,包括在以前老的機(jī)型上做一些改造,只要裝一個無線傳感器可以做一些接入和傳輸。
這個是我們做算法和整個做我們部件的時候,有一個我們當(dāng)時原理模型,可以解釋一下。運行中正常旋轉(zhuǎn),我們那邊有一個,這是正常的,這是帶一個平衡好的,有一個學(xué)習(xí),不停把一些信號我們做一些記錄,在外面加了一個偏塊,運行狀態(tài)另外一個變化,把另外一個狀態(tài),重新技術(shù)學(xué)習(xí),把這個信號和這個故障的狀態(tài)我們做一個標(biāo)簽,和它完全對應(yīng)起來放到整個庫里邊,這是整個智能算法的原理。
我們整個算法原理放到庫里面以后,我們不要做平移分析,數(shù)據(jù)信號可以分析,下來整個故障系統(tǒng)架構(gòu),和我們整個部署的方案,我們分幾個層次,感知層,結(jié)合我們穿梭的網(wǎng)絡(luò)特征,實時的監(jiān)測,研究電機(jī),這個是有感知層,我們特點就是說主要用一些無線傳輸?shù)募夹g(shù),可能針對一些老的機(jī)型做一些升級改造。
這個就是我們現(xiàn)在整個硬件感知裝載我們整個電機(jī)上,這樣的話我們會布置一些、電壓、電流整個可以監(jiān)控運行過程中發(fā)電機(jī)的電壓電流,不光數(shù)字,包括波形我們進(jìn)行完全的采集,包括整個運行的軸承,裝一些我們振動,無線傳感器的振動監(jiān)測這個,都會做一些監(jiān)控。
傳輸層和目前常見的傳輸理論是一樣的。這也是我們整個傳輸硬件的情況。這是我們整個信息處理,信息處理我想主要還是我們,環(huán)境復(fù)雜包括背景,包括一些環(huán)境的影響,我們基于人工智能相關(guān)理論,診斷方面經(jīng)驗積累,以及我們發(fā)電機(jī)廠家,包括我們現(xiàn)在保有量積累好多運行的數(shù)據(jù),結(jié)合我們整個模型庫,我們專門開發(fā)后臺的一些信息處理,可以對我們整個發(fā)電機(jī)做一個遠(yuǎn)程的技術(shù)支持。
這個就是整個在應(yīng)用層,這個也是我們現(xiàn)在目前做,在我們分機(jī)上做,我們分層規(guī)模,設(shè)置不同的服務(wù)器去做。這個就是我們大概一個過程。這個就是我們整個部署的方案,我們在現(xiàn)場,包括一些硬件,包括一些傳感器,去做一些穿梭,案例云在做一些合作,在我們地面中心,整個大概流程和框架和目前是一樣的,這塊我們作為整個部件的監(jiān)測。我們整個架構(gòu)現(xiàn)在,經(jīng)濟(jì)成本方面,我說這個因為現(xiàn)在大家也知道,我們現(xiàn)在海上風(fēng)機(jī)發(fā)展,單機(jī)功率是越來越大,尤其我們現(xiàn)在海上的風(fēng)電,也是裝的越來越多,我們到海上以后,如果我們不對我們整個風(fēng)機(jī)運行狀態(tài)監(jiān)控,真出了什么故障出現(xiàn)問題再去維修,整個環(huán)境影響特別大,沒法做一些維護(hù)和維修,整個造成的發(fā)電量的損失包括維護(hù)都是工作量比較大的,用我們系統(tǒng)以后,實施監(jiān)測,發(fā)電機(jī)作為主要大的部件,承載包括機(jī)械,重要性,重要度越來越大,我們開發(fā)這款產(chǎn)品,也是主要針對,大功率電機(jī)監(jiān)測,有這個的話,在海上,大家應(yīng)該很清楚。
第二個做一些安全性,在傳統(tǒng)故障方面,我會講到我們傳統(tǒng)故障的一個流程,前面我簡單的帶了一下,利用智能算法,整個環(huán)境耦合復(fù)雜的因素,我們都可以去做一些判斷。整個部署的時間,在現(xiàn)有基礎(chǔ)上做優(yōu)化改進(jìn),無限傳感器很快去做,不用在我們現(xiàn)在基礎(chǔ)上大的改動,這是它的整個的結(jié)構(gòu)和優(yōu)點。接下來把我們現(xiàn)在做的給大家說一下,我們傳統(tǒng)故障,主機(jī)有問題,去把振動數(shù)據(jù),軸承振動超了,超了以后到底什么故障也不知道,我們跟主機(jī)廠聯(lián)系,振動信號考下來,只有專業(yè)的工程師,才會對整個信號做一個專業(yè)的分析,并且這個時間也會比較長,最后通過一定時間的分析得出結(jié)論,再去提出處理意見再去修理這個中間的過程涉及到的環(huán)節(jié)和時間都會比較多一些。用人工智能算法第一個數(shù)據(jù)采集,在故障識別這個地方省去好多環(huán)節(jié),沒必要說和專業(yè)的振動工程師去分析,專業(yè)的工程師從培養(yǎng)到完全去分析,也是需要很長時間,目前我們還是基于和軸承廠家專家去做一些交流,如果說你完全依靠專家去做,有時候大家也知道,包括時間,我們有這么一個識別系統(tǒng)的話,我們自己就可以做,我們不斷的學(xué)習(xí),把我們故障和標(biāo)簽發(fā)到庫里邊,有信號出來以后,我們一般的工程師就完全可以識別我們什么故障,去怎么處理,這樣會省到不需要太專業(yè)人員去做,這個專業(yè)的設(shè)計就是剛才專家講到,還是希望有專業(yè)的廠家來去做,我們就會給客戶,給業(yè)主,從我們專業(yè)發(fā)電機(jī)的角度,給大家出一套方案去做,不要再去找別的專家去做,效益方面可能會更快一些,開發(fā)我們整個系統(tǒng)的初衷。
我們整個故障識別率達(dá)到95%,我們做了好多試驗,包括我們后來整個系統(tǒng)去監(jiān)測標(biāo)簽,我們這也是做了將近一年多快兩年的試驗才出這么一個大概的結(jié)果出來。
剛才說的,我們做成我們一個黑匣子里面,我們內(nèi)部的情況,在我們做監(jiān)測的時候一些傳感期限,這個因為我們現(xiàn)在主要是針對發(fā)電機(jī),發(fā)電機(jī),部件都不一樣,我們現(xiàn)在不管是任何一個發(fā)電機(jī),我們都可以做一些采樣,包括軸承,包括振動速度,包括加速度都可以做,包括電壓電流,還有它一些波形,還有就是我們好多的問題,所以這個監(jiān)控的話,就完全把我們整個發(fā)電機(jī),它的再生運行中所有的一種狀態(tài),我們完全進(jìn)行監(jiān)控和識別,可能更加全面一些,而不僅僅是我們目前振動的監(jiān)測。
這個是我們當(dāng)時在做實驗現(xiàn)場的一些照片,這個也是我們自己一個界面,可以完全在手機(jī)上登錄遠(yuǎn)程在我們機(jī)房都可以做一下,這個目前我們已經(jīng)實現(xiàn)樣機(jī)運用已經(jīng)開始裝,因為我們軟件實時記錄,除了數(shù)據(jù)以外,我們整個波形,這個波形對我們整個運行的過程的分析,包括監(jiān)控我覺得還是支持還是比較大的,從波形,變流器,更能中間潛在的問題。這個就是我們軸承,如果你想看的話,可以去看,如果不想做太復(fù)雜的工作。
上面就是我給大家分享我目前做的一些工作,目前我們樣機(jī)做了,我們接下來裝到風(fēng)場運行,希望和大家和業(yè)主包括我們主機(jī)廠朋友一起,尤其我們在以后海上,我們發(fā)揮我們專業(yè)廠家的一些作用和貢獻(xiàn),給我們整個風(fēng)電行業(yè)包括一些主機(jī)廠做出我們一些智慧和貢獻(xiàn)。
(根據(jù)速記整理,未經(jīng)本人審核)