港口大型机械状态监测设计方案

任福鑫，梁邦永，李全喜

（1.青岛港科技有限公司，山东青岛 266500；2.中国海洋大学，山东青岛 266500）

0 引言

大型机械是港口装卸作业的关键设备，有投资大、能耗高、危险系数大的特点。其使用寿命、能源消耗、工作效率直接影响港口的经营成本；其安全性与可靠性关系到现场工作人员的人身安全与港口装卸生产的顺利进行。现阶段我国各主要港口多数港口机械处于超期服役状态，工况比较恶劣，目前仍然主要沿用传统的“定期保养，事后维修”制度，故障检测与修复的设备和手段也较落后，导致整机可靠性差、安全隐患多、停机待修时间长，严重影响了装卸效率和整机工作潜力的发挥[1]。因此，对港口大型机械工作状态的实时监测、故障状态的诊断预测、能源消耗的合理优化具有重要意义。然而，由于港口工作环境较为特殊，对于此类系统的研究明显不足，现在主要有上海交通大学[2]、上海海事大学[3]、武汉理工大学[4]等学习单位从事相关方向研究。随着物联网、大数据、云计算等技术的发展，使开发港口大型机械状态监测与分析系统成为可能。

对象连接与嵌入（Object Linking and Embedding，OLE）技术不仅是桌面应用程序集成，而且还定义和实现了一种允许应用程序作为软件“对象”（数据集合和操作数据的函数）彼此进行“连接”的机制，这种连接机制和协议称为组件对象模型。

根据现场实际，首先搭建了ThingWorx[5]物联网平台；然后通过OPC（OLE for Process Control，用于过程控制的OLE）获取设备电控系统中的运行数据，通过传感器获取了机械的振动与温度数据，远期接入业务数据；最后将获取到的数据接入到ThingWorx平台并存储，并利用ThingWorx平台的可视化根据获取的数据对设备进行监测，验证了方案的可行性。

1 设计方案

1.1 系统总体架构

港口大型机械状态监测与分析系统所开发和集成的系统模块以及各功能模块的逻辑关系如图1所示。

1.2 基于Hadoop技术的大数据处理平台

为实现港口大型机械状态监测与分析系统的设计、建设，利用Thingworx搭建数据平台通过数据平台完成数据存储、数据融合、数据集成、数据展示等多方面的工作。基于Hadoop技术的ThingWorx大数据处理平台，支持至少10 000台设备和10次/s的海量高频数据交互，且能够进行结构化、非结构化数据及流式数据的传输、管理和安全备份。

在数据存储方面，数据平台通过Data Watcher对数据采集模块采集的港口大机设备数据进行标签化处理，并根据数据特性归类，将结构化数据存放到关系型数据库，非结构化数据存放到大数据（NoSQL）数据库，为知识库的积累和数据分析提供数据支撑，数据平台会定期根据数据存储策略对平台中的数据进行清理，按照实时数据、历史数据、归档数据进行分类，保证数据存储的优化和高性能。

在数据集成方面，数据平台采用基于SOA（Service-Oriented Architecture，面向服务的体系结构）的中间件实现与外部信息系统的数据集成，完成设备相关业务数据的获取工作。

大数据应用主要分3方面。

（1）状态监控。状态监控模块从数据平台取得与业务相关的数据，根据现场设备实时工况进行异常报警、历史状态追溯，进行可视化处理后展现给用户。

（2）实时数据监测。按照管理需求进行数据提取和过滤，并进行实时状态分析。实时监测桥吊、轨道吊、自动导引车（Automatic Guided Vehicle，AGV）等大机设备的主要运行状态数据，包括位移、速度、位置、频率、故障报警等。

（3）报警管理。数据平台基于训练学习后的各种模型、故障知识库对实时数据流进行侦听，从而实现特定业务和配置下的实时数据监测和报警。

1.3 数据采集

1.3.1 PLC数据采集

本期系统所监测的轨道吊、AGV、桥吊3种设备均有完善的电控系统，并部署了多台OPC服务器获取设备数据来支持设备自动化作业。设备电控系统数据的获取主要分为两层：第一层，系统采用OPC通讯协议，实时获取轨道吊、AGV和桥吊的运行数据，作为数据采集与监控系统（Supervisory Control And Data Acquisition，SCADA）、图像化人机交互界面（Graphical User Interface，GUI）及其他生产系统的数据来源。多台OPC采集不同的设备数据；第二层，Kepware OPC服务器作为多子系统的数据服务器，通过级联的方式，统一汇集下层各OPC服务器的数据，最后利用其内置的物联网网关（Internet of Things Gateway，IOT Gateway）功能将设备信息传至ThingWorx物联网（IOT）平台。为了避免第三方操作对电控系统的干扰，第一层OPC服务器以单工方式拷贝数据发送给第二层的Kepware OPC服务器，减少了第一层OPC服务器的负担，避免影响生产系统。

图1 系统总体架构

1.3.2 传感器数据采集

根据现场工作需求，部署振动、温度传感器各1个进行试验。传感器布置在大车行走机构的电动机（图2）。振动传感器型号为 LP252-4，（0～20）mm/s；温度传感器型号为 PT1000，（-50～200）℃。两者品牌均为PRO。

图2 传感器位置示意

通过现场采集终端，将现场所产生的模拟信号进行采集与转化，形成数据分析所需要的时序数据，传输到大数据平台。控制器终端作用是传感器输出模拟信号的采集、放大、滤波、传输，其框架如图3所示。

图3 控制器终端框架

鉴于机械是实时移动的，在机械上布置了CPE（Customer Premise Equipment，客户终端设备）无线终端接入设备将控制器终端采集的到数据通过4G网络进行传输。

1.4 系统部署（图4）

（1）数据接入层。机房部署2台Kepware OPC服务器，获取大机设备的运行数据。

（2）平台层。机房部署1台数据库服务器、2台存储服务器。

（3）应用层。机房部署1台应用服务器。

（4）移动终端。移动终端的应用重点在状态监测部分，主要包括仪表盘和报警管理。

2 实时状态展示

目前已采集到桥吊、AGV、轨道吊的相关实时数据，并做了相应界面展示，验证方案的可行性。

2.1 设备运行台时

设备运行台时包括正在工作的桥吊、AGV各设备工作量雷达图展示。从图5可以看到，当前正在工作的有7台桥吊、17台AGV，每台设备工作的时间可以通过雷达图展示。图6展示了AGV充电的次数与时间。设备运行台时的统计量化，能为设备配比及调度算法的优化提供建议，后续可以借助平台的大数据分析算法在此基础上继续挖掘有用的信息。

2.2 桥吊监测

为了满足自动化操作的要求，桥吊采用双小车结构，设置门架平台作为缓冲。主小车主要负责集装箱船舶与桥吊门架的交互；门架小车负责门架平台与AGV的交互；大车负责桥吊的水平移动。基于此，采集了主小车、门架小车、大车的相关数据进行监测。主小车、大车、门架小车、起升机构速度单位均为cm/s。

小车包括主小车起升高度、起升速度、位置、车速和海侧吊具右负载、左负载，以及陆侧吊具右负载、左负载。监测界面如图7所示。其中，海侧吊具右负载为箱重+吊具重量，单位为0.1 t。

经观察，4个吊具的数值一直出现显著差异。诊断得出是4个吊具的传感器安装的不规范。桥吊大车速度如图8所示，门架小车起升速度、起升高度、左侧负载、右侧负载、车速的界面如图9所示。

从实际的效果来看，能实时将设备数据采集传输到平台，分析监测到的数据能反映出桥吊机构的运行状态，验证了数据采集方案的可行性，为以后的大数据分析提供了基础数据。

图4 系统部署

图5 设备运行台时

图6 AGV小车充电次数与时间

2.3 AGV监测

AGV相关实时数据包括累计充电次数、AGV载重、电池电量、AGV平均车速、电池实际电流、电池实际电压、箱重、电池电量百分比、左前胎压、右前胎压、左后胎压、右后胎压、车速、累计充电时间、累计运行时间、累计充电电量等（图 10）。其中，AGV 车速单位为cm/s，最快为600 cm/s；箱重单位为0.1 t。

2.4 轨道吊监测

主要在轨道吊大车主电机上，加装了一套温度与振动传感器，实时监测电机的运行状态（图11）。

从振动传感器数据曲线来看，检测到脉冲出现，结合温度传感器检测到的电动机温度不断升高，初步分析 是大车加速度脉冲。下一步将研究轨道吊设备控制系统指令信息，拟合二者的曲线，寻找规律。从脉冲高低的不均衡来看，脉冲可能与负载大小有关，需要进一步的长期观察得出有关结论。

图7 桥吊主小车状态

图8 桥吊大车速度

图9 桥吊门架小车状态

图10 AGV状态

3 总结

针对港口大型机械状态监测的问题，给出一种基于Thing-Worx物联网平台的港口大型机械状态监测与分析方案：采用Kepware OPC服务器的方式采集桥吊、轨道吊、AGV的电控数据；研发了振动温度信号采集传输控制器，通过4G无线传输采集到的数据，将采集到的数据在数据处理服务器上预处理，最终接入ThingWorx平台。通过平台对数据进行处理跟图形化展示，实际结果显示数据能够实时存取，验证了方案的可行性，为后续大数据分析预测奠定基础。

图11 温度与振动传感器曲线

[1]张博，杜蕃.港口机电设备管理维护现状分析及应对措施[J].中国新技术新产品，2016（10）：159-160.

[2]王志欣.岸桥机械动态特征信息的数据挖掘与状态识别[D].上海：上海交通大学，2008.

[3]王微.超低频高幅振动位移实时处理技术及其DSP应用研究[D].上海：上海海事大学，2007.

[4]徐志刚.港口大型机械金属结构应力在线监测与诊断系统研究[D].武汉：武汉理工大学，2008.

[5]Byrnes N.Internet of Farm Things[J].Mit Technology Review，2015，118（4）：71.