白马传动
qyxw
首页 > 轴承知识
轴承知识
预测性运维技术在港口设备管理中的应用
蔡道勇 杨相声 张伟
(沃德(天津)智能技术有限公司,天津 300000)
  摘 要:针对港口设备维护的滞后性、盲目性,运用传感器技术,实时采集设备振动、温度等运行数据,通过专业诊断分析方法,实时监测设备运行状况。通过专业性技术分析方法对采集数据进行比对和分析,判断设备运行状态和潜在故障,指导设备维护人员进行预测性维护,减少非计划停机事故;降低零部件准备成本,缩短设备维修工期,有效地帮助企业降低成本,提升生产效益;避免点检人员的日常高危作业,降低安全风险。利用最新的移动端技术,可以通过手机等移动端,实时查看设备运行状态,提前预知设备隐患,为设备管理提供科学、高效的决策依据。
  关键词:港口;数据采集;数据分析;故障诊断;预测性运维;可视化
  1 港口设备维护保养现状
  我国港口数量众多,各个港口发展状况不一致,发展较好的如青岛港、洋山港四期、厦门远海等自动化码头,已率先实现智能化。然而,目前我国依然有很多由传统设备和人工操作的码头,对于此类码头而言,实现智能化的挑战还有很多。
  港口设备种类较多,主要包括:集装箱码头的岸边起重机、门式起重机等;干散货码头的装卸船机、斗轮式堆取料机、皮带式输送机等;油料码头的输油泵等。这些设备均是港口正常运转的关键,其维护、保养和管理是整个港口设备管理的重点工作,且面临着诸多困难。
  (1)设备分布分散。港口作业区域内设备分布广、数量大。例如,集装箱码头岸边桥式起重机的起升机构,干散货码头皮带输送机的电机和齿轮箱、门式起重机俯仰和变幅机构、斗轮的回转机构等,在港区内分布较为分散,且设备运行环境复杂,例如,翻车机等地面下方的设备,点巡检人员不易进入,容易造成设备日常巡检的漏检。
  (2)人工劳动强度大。为保证设备运行的可控性,部分港口安排设备维保人员每2h对设备巡检1遍,造成工人劳动强度较高,且不能实时点检至所有设备,存在漏检和不能及时发现设备隐患的情况。
  (3)技术手段落后。常规的点巡检手段,如测振笔、测温枪等,无法准确发现设备故障源,且不能形成连续的数据储备,对设备维护、保养无法提供有效的数据支持。部分港口为保证设备的正常运行,无论轴承好坏,定期将所有传动设备轴承进行更换,造成大量资金浪费。
  (4)作业环境恶劣。海港区域的基本设备操作多为高空作业,遇到大风、寒冷等恶劣天气会对设备维保人员的安全造成巨大威胁。
  为解决港口传动设备运用和管理中遇到的问题,通过物联网技术采集设备数据,并且整合互联网技术,将设备预测性运维技术方案应用到港口设备管理中。针对港口等设备分布不集中、不易布置线路的工业现场,利用无线传感器和数据采集器,将设备的运行状态数据,实时采集到数据处理平台,采用专业的数据分析,将设备运行状态信息和故障信息,通过可视化手段,指导维保人员对设备进行定点、定向的预测性维护和保养,从而降低维护成本,降低备品和备件储备,降低现场维保人员的劳动强度,进而提升整个港口的智能化水平。
  2 港口预测性运维的技术瓶颈和实施难点
  随着传感器技术及无线数据传输技术的发展,预测性运维的概念已经越来越多地被工业领域所接受。但在我国,受条件的限制,预测性运维技术普遍面临技术瓶颈和实施难点。
  2.1 采集频宽覆盖不足
  港口设备的类型较多,应用场景多样,设备运行状态数据的频率范围涵盖从低频到高频的各个频段,传统的测振笔自身的数据采集频宽无法覆盖设备运行的健康频宽和故障频宽,造成实际应用中故障数据特征不明显或超出数据采集频宽范围,无法判断故障。
  2.2 传输方式对数据的影响
  由于港口设备分布分散,传统传感器采用有线传输,会造成线路较长、繁杂,且铺设困难大,因而无线传输方式是最佳的选择。无线传感需要考虑如何保证数据采集精度、采用何种无线信号传输方式、如何保证数据高效传输;传感器的供电方式需要考虑如何提高电池使用寿命;数据中转站和服务器采用何种通信方式,有线或者无线等,成为必须要解决的问题。
  2.3 数据传输过量产生的压力
  设备故障信号往往随时间的推移逐渐增强,时序数据的实时性和连续性对于数据分析至关重要。设备运行数据的实时采集效率受到数据量的限制,过量的数据传输和存储会对服务器及传输带宽造成过大压力。如何有效筛分无用和有用数据,并对有用数据进行压缩存储,降低存储空间压力,成为技术难点。
  2.4 缺乏运行标准数据库和失效数据库
  在数据的采集和传输技术突破后,若缺乏标准运行数据库和失效数据库的支撑,则采集到的数据只能作为演示使用,或只能通过专业的技术人员才能解读,无法给予设备普遍性的智能判断,更无法实现故障类型预判和故障定位。
  2.5 算法体系无法应对复杂应用场景
  数据的比对分析需要大量、多类型的算法支持,以适应设备的不同品牌、不同型号、不同应用环境、不同使用方式等。为此,要做到精准分析和判断,必须开发普遍适用的算法,并且为不同应用场景设置不同的预警和报警阈值,从而实现分析的有效性。
  2 设备状态监测的系统设计
  设备状态检测系统架构分为3个层次,设备状态监测系统的物联网整体架构见图1。
图1 设备状态检测系统的物联网整体架构
  2.1 数据采集层
  采用具有专利技术的全无线传感器、集成振动和温度传感器,可采集振动和温度数据,如高频和低频振动、加速度、振幅、位移和关键部位温度等。传感器安装在设备表面,将采集到的设备状态数据发送到采集站,其中:传感器和采集站采用ZigBee协议进行传输,通信频段为2.4GHz;采集站采用4G网络将数据发送到平台服务器。
  无线采集站集成全通道同步采集技术和全采样技术。全通道同步采集技术是同一采集站下所有传感器同步采集数据;全采样技术是一种定时采集、系统24h不间断进行振动数据采集,采集数据包括常规振动波形、长波形、时域指标(峭度、峰值、有效值)等,最短可30s可采集1组有效值数据,5min采集1组常规振动数据。
  2.2 数据处理层
  通过自主研发的WSMS1000服务器监测软件,控制传感器采集数据类型和存储传感器采集的设备数据,通过内置的20多种算法对采集到的数据进行处理,包括时域波形、频谱分析,多时域、多频谱、长时域波形分析,转速数据、趋势分析,多趋势分析,采样值趋势、频率趋势分析,长波形趋势分析,频率趋势、包络解调、倒谱分析,阶次分析,瀑布图,交叉相位谱,波形再处理,寿命预测等。
  2.3 数据分析层
  通过专业数据分析人员和5000多台(套)国内外品牌减速机的失效数据库,运用专业的数据分析方法,对设备数据进行分析,挖掘数据价值,指导设备维护的方向并进行个性化维保。此举是该系统与传统振动检测系统的区别,将专业数据分析人员纳入到系统中,保证系统价值最大化。
  3 系统应用
  该系统目前已经成功应用于大连长兴岛某石化码头,用于港口设备的预测性维护。
  2017年9月,在大连长兴岛某石化码头港口设备的门式起重机、斗轮堆取料机和皮带运输机上安装数据采集传感器,通过在港区内建立的状态监测系统,将设备运行数据传输到数据管理中心,通过数据中心专业人员的数据挖掘及设备管理人员的手机App,实时提供设备运行状态和潜在故障信息,确定设备的隐患程度,并进行精确的故障定位。大连长兴岛某石化码头门机监测设备表见表1。
  目前该系统已平稳运行10个多月,实现对门机设备运行状态的实时监控,并以此为依据优化备品和备件库存,降低维保人员作业风险和劳动强度。
以升降机为例,介绍该系统在门机的应用。传感器安装在升降机上,主升降机传感器测点分布位置见表2。安装的位置是在设备轴承附近,主升降机的传感器安装位置见图2。
图2 主升降机的传感器安装位置
  通过对专业的数据分析人员采集的振动数据和温度数据进行分析,并给出基于振动监测的设备维护建议,可以实现对电机和齿轮箱常规故障的有效监测,如电气故障(气穴不均、转子偏心等)、轴承故障(轴承损伤、轴承润滑不良等)和齿轮箱故障(齿轮偏载、齿面磨损、断齿、断轴等),指导维保人员对设备进行预测性维护,降低运维成本。主升降机监测数据和诊断报告截图见图3。
图3 主升降机监测数据和诊断报告截图
  4 设备状态检测系统为港口企业带来的效益
  系统为港口企业实现人与设备间的实时数据交互,将港区内不同的设备通过物联网技术、边缘计算技术、大数据分析技术和运维状况可视化技术实现设备点到点、端到端、端到网的设备监控平台,实现传动设备实时互联、状态可视、隐患可判,让设备管理以数据为依据,预测维护方向,降低设备突发故障的风险,提高港口运行效率,降低运维成本。
  (1)无损安装,有机升级。在不改变原有设备外观及结构的情况下,在设备外部无损加装传感器,配合数据采集基站,将数据信号通过4G无线通信网络直接上传至数据中心,实现低成本架构物联网系统。
  (2)降低人工点检风险。处于高危环境及不易触碰到的设备,运用该系统,即使不通过人工的实地点检,运行数据也足够清晰,使管理者直观地实时查看设备运行的健康状况。
  (3)降低工人劳动强度。大幅降低人工高强度的点检和维护作业。设备实时运转而人的精力有限,预测性运维的核心就是将工作人员从高强度的作业中解放出来,投入到更有创造性的工作中。
  (4)降低设备运行风险。生产需求的提升往往会带来设备运行的载荷加大,时间延长。该系统实现对设备状态的实时监控,适时进行生产调整,有利于整个生产环节的优化。
  (5)避免非计划停机。非计划停机正是源于无法预知的设备故障。基于该设备的状态监测系统,实时监测设备运行状态,以数据为基础判定设备的健康状态,定位设备故障部位,提前制定维修计划和准备设备零部件,进行预测性维护,避免设备出现重大故障。
  (6)设备剩余寿命预测和自动报警。该系统能够根据设备运行状态的数据变化趋势,以及与数据库中的标准数据做比对,判定设备故障等级,预测设备的剩余寿命,为设备维护保养提供科学依据,最大程度降低运维成本,发挥设备的最大价值,提高经济效益。
来源:《港口科技》
2019-09-07