CN112061988A - 起重机分布式网络监测、单机监测管理系统及方法 - Google Patents

Abstract

本发明公开了起重机分布式网络监测、单机监测管理系统及方法。其中，分布式网络监测系统包括起重机单机监测管理系统、码头在线监测管理系统和在线监测管理平台。起重机单机监测管理系统包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子，前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头在线监测管理系统和在线监测管理平台。码头在线监测管理系统设置于码头现场，其对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储。在线监测管理平台设置于远端，其记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

Description

起重机分布式网络监测、单机监测管理系统及方法

技术领域

本发明涉及一种起重机管理系统及方法，更具体地说，涉及一种起重机分布式网络监测、单机监测管理系统及方法。

背景技术

港口设备的作业时间规定非常严格，需在规定的时间内完成装卸作业。如果超时则会影响船期，以及码头的正常运营，给港口运行方造成经济损失。因为港口环境恶劣、设备工况不同，所以出现故障不可避免。

随着人工年智能技术发展，使用人工智能技术代替人工进行故障诊断已经逐渐被各大港口运营采用。然而，采集的数据再提供人工智能算法进行建模前，必须要进行清洗以去掉数据中的噪音、丢失的数据等操作，同时还要对设备异常时所采集的数据进行标识，用以区别数据是设备正常运行时的数据，还是故障发生时的数据。

在实际港口设备的作业中，设备异常或故障时，对应的数据将发生较为明显的变化，此时需要人工的提取出数据隐含的故障特征用来进行建模工作。而定周期的数据采集会包含大量噪音，以及无用数据。从这些数据中进行数据的故障特征提取是一件很复杂的事情，错误的故障特征将会对故障诊断模型造成较高的误报率和漏报率。

同时，采集的数据满足基于人工智能技术的港口设备的故障诊断是最重要的目标，在并不确定是否满足故障诊断时，只能最大限度的全部采集，此时会造成存储浪费。或者，设定采集的预警值，当达到预警值时就开始进行数据的采集。而此时，有可能丢失故障的重要信息，无法满足故障诊断的需求。

港口起重机设备是综合了机械结构，机构，液压以及电气控制系统的复杂大型装备。以往起重机设备往往只是配置起重机信息管理系统，其主要监控对象是起重机的电控系统。传统的起重机钢结构监测或机构振动监测系统，往往局限于单个部件类型的健康监视，无法提供完整全面的起重机健康状态。

因此，如何做到起重机健康状态及运行状态的实时在线监视，从而在设备出现突发故障时候能够及时响应，同时把相关的故障数据及关联数据及时采集，并能按照故障诊断及预测分析模型的要求及时处理，并保存到历史数据库里面。当前市场上还缺少一个能够同时对起重机机械钢结构、起重机旋转机构重要部件，以及起重机电气系统和部件进行全面监视和健康管理的软件系统或平台。

传统的起重机在线监测系统无法满足码头用户及设备厂家同时实时在线监视需求，无法满足设备厂家在全球范围内的实时在线监视、数据采集存贮、起重机故障建模及优化后的在线部署等问题。

港口起重机设备包括了机械结构、机构以及电气控制系统对的大型复杂装备，要实现对其结构、机构及电气系统状态的全面监视，设计到多种不同领域对的监测技术。如何把这些不同监测技术方案、以及技术方案最终提供的状态数据、历史数据等统一到一个平台里面，传统的解决方案面临着很大的挑战。

发明内容

针对现有技术中存在的上述问题，本发明的目的是提供一种起重机单机、在线监测管理系统及方法。

为实现上述目的，本发明采用如下技术方案：

一种起重机分布式网络监测管理系统，包括起重机单机监测管理系统、码头在线监测管理系统和在线监测管理平台。起重机单机监测管理系统包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子，前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头在线监测管理系统和在线监测管理平台。码头在线监测管理系统设置于码头现场，其对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储。在线监测管理平台设置于远端，其记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

进一步地，前端黑匣子上传至码头在线监测管理系统的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

进一步地，结构采集仪包括位移传感器和振动加速度传感器，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

进一步地，机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮。

进一步地，岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。

为实现上述目的，本发明还采用如下技术方案：

一种起重机单机监测管理系统，包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子。起重机控制PLC记录起重机的各项运行参数，结构采集仪包括位移传感器和振动加速度传感器，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮。岸桥声音监测仪设置于起重机电气房，采集机房及司机室现场声音并过滤背景噪声。前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传。

进一步地，前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

为实现上述目的，本发明还采用如下技术方案：

一种起重机分布式网络监测管理系统，包括数据源层、数据采集层、数据存储层、数据分析层、业务层、展示层。数据源层记录起重机的传感器数据、运行数据、参数数据和第三方数据；数据采集层根据数据源层中的不同数据采用对应的通讯协议或者工具采集数据源层中的数据，并将采集得到的数据发送至数据存储层；数据存储层对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储；数据分析层根据数据存储层的数据诊断、预测起重机故障的发生；业务层根据数据分析层的诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能；展示层将数据采集层、数据存储层、数据分析层和业务层的数据进行可视化。

进一步地，数据源层中的传感器数据包括结构采集仪数据、机构监视仪数据和岸桥声音监测仪数据。结构采集仪数据包括位移传感器数据和振动加速度传感器数据，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。机构监视仪数据包括温度监测传感器数据、振动传感器数据、液温及液位监测传感器数据，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮。岸桥声音监测仪数据包括过滤背景噪声的现场声音，岸桥声音监测仪设置于起重机电气房，采集机房和司机室现场声音。

进一步地，运行数据包括起重机控制PLC记录起重机的各项运行参数。

为实现上述目的，本发明还采用如下技术方案：

一种起重机分布式网络监测管理方法，包括在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪。利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头现场和远端；在码头现场对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储；在远端记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

进一步地，前端黑匣子上传至码头现场的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

进一步地，结构采集仪包括位移传感器和振动加速度传感器，将位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

进一步地，机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器。将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮。

进一步地，将岸桥声音监测仪设置于起重机电气房，采集机房及司机室现场声音并过滤背景噪声。

为实现上述目的，本发明还采用如下技术方案：

一种起重机单机监测管理方法，包括在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪。利用起重机控制PLC记录起重机的各项运行参数；结构采集仪包括位移传感器和振动加速度传感器，将位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上；机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮；将岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声；利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传。

进一步地，前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

为实现上述目的，本发明还采用如下技术方案：

一种起重机分布式网络监测管理方法，包括：记录起重机的传感器数据、运行数据、参数数据和第三方数据；根据不同的原始数据采用对应的通讯协议或者工具采集数据，并将采集得到的数据发送上传；对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储；诊断、预测起重机故障的发生；根据诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能；将原始数据、采集到的数据和诊断、预测的数据进行可视化。

进一步地，在起重机钢结构的关键位置上布置位移传感器和振动加速度传感器并采集原始数据；在电机输出轴上设置温度监测传感器，在减速箱内设置液温及液位监测传感器，在电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮上设置振动传感器，并采集原始数据；在起重机电气房设置岸桥声音监测仪，采集机房、司机室现场声音并过滤背景噪声。

进一步地，读取起重机控制PLC，获得起重机的运行参数。

在上述技术方案中，本发明能够满足同时采集、监视各个码头现场的起重机工况，实现对分布在各地的起重机进行故障诊断、预警、评估等功能。

附图说明

图1是本发明系统的结构示意图；

图2是本发明系统的采集仪的布置示意图；

图3是本发明的起升机构的监视仪的布置示意图；

图4是码头在线监测管理系统的软件架构示意图；

图5是前端黑匣子的架构示意图；

图6是本发明系统的软件系统架构图；

图7是本发明起重机分布式网络监测管理方法的流程图；

图8是本发明起重机单机监测管理方法的流程图；

图9是本发明起重机分布式网络监测管理方法应用在软件架构中的流程图。

具体实施方式

下面结合附图和实施例进一步说明本发明的技术方案。

参照图1，本发明首先公开一种起重机分布式网络监测管理系统，该系统的主要架构为3个子系统，分别是起重机单机监测管理系统、码头在线监测管理系统和在线监测管理平台。如图1所示，起重机单机监测管理系统设置在起重机现场，码头在线监测管理系统设置在码头现场，而在线监测管理平台可以设置在远程(远端)。起重机单机监测管理系统通过互联网与码头在线监测管理系统、在线监测管理平台进行数据交互，三部分系统协同工作，为起重机设备的在线监测、诊断分析、远程支持、分析建模及模型升级等提供最佳全方位全周期的服务。

作为本发明的一种优选实施方式，起重机单机监测管理系统可以设置在起重机附近并且通过线缆连接起重机，码头在线监测管理系统设置在离起重机设备有一定距离、远离起重机的码头现场，而在线监测管理平台可以设置在全球任何的数据中心内。本领域的技术人员应当理解，上述布置仅仅只是本发明众多优选实施方式之一，其他起重机单机监测管理系统、码头在线监测管理系统和在线监测管理平台的设置均可以实现本发明的方案。

继续参照图1，起重机单机监测管理系统包括结构采集仪、起重机控制PLC(属于电控系统)、机构监视仪，“起重机前端黑匣子”，路由器，4G工业网关等设备。

码头在线监测管理系统位于码头机房及办公室，具有数据库服务器集群，负责各种数据的存贮，数据类型包括关系型数据以及非关系型数据。数据内容包括可视化监视数据，传感器原始信号数据，特征数据，起重机故障，起重机设备元数据，系统配置参数等。WEB服务器集群，负责后台数据分析及可视化业务，实现起重机状态远程监测并提供WEB界面，后台自动运行的起重机状态监测及预警监视模块等。

在线监测管理平台是后台支持的重要工作平台，提供起重机远程运行监视，数据远程采集存贮，远程技术支持管理，起重机健康状态评估报告服务，起重机故障预测与健康评估等模型的建模及模型优化等功能。

具体来说，如图1所示，起重机单机监测管理系统包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子。前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头在线监测管理系统和在线监测管理平台。前端黑匣子上传至码头在线监测管理系统的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。码头在线监测管理系统设置于码头现场，其对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储。在线监测管理平台设置于远端，其记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

作为本发明的一种优选实施方式，如图2所示，结构采集仪采集位移传感器、振动加速度传感器、应变传感器信号，并负责信号转换及预处理。为满足起重机结构安全评估以及起重机钢结构剩余寿命评估两大功能的需求，将位移传感器、振动加速度传感器、应变传感器布置于起重机钢结构的关键位置上，如图2中的CH1、CH2……一直到CH16均为传感器所布置在起重机钢结构的相应的位置处，在钢结构的前拉杆应力释放孔以及后撑管关键位置布置位移传感器。在起重机钢结构前伸距、海侧上横梁跨中、陆侧上横梁跨中以及后伸距布置振动加速度传感器，实现对起重机结构安全的实时监视及在线安全评估。此外，在起重机钢结构的前拉杆、中拉杆、后撑杆的关键位置，以及前、后大梁，海、陆侧上横梁关键位置布置应变传感器，以满足对起重机钢结构剩余寿命评估的需求。

作为本发明的一种优选实施方式，如图3所示，机构监视仪主要包括温度监测传感器、振动传感器、液温及液位监测传感器等。其中，温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。

起重机的重要机构，以岸桥为例，包括起升机构，小车机构，俯仰机构。此外，外部的小车车轮，起升钢丝绳/滑轮，小车钢丝绳/滑轮等也是重要的监视内容。因此图3示出了典型的起升机构的监视传感器布置图，小车机构，俯仰机构也是类似方式进行布置监测。起升机构位于起重机机房，起重机机构主要包括起升电机、起升减速箱、起升钢丝绳卷筒等部件。如图3所示，在起升机构上共安装13个各类传感器，13个各类传感器安装在起升机构的各对应的监控点1-13上(图3中分别用数字“1至13”表示各监控点)，各传感器监测位置、监控点详细描述参见下表。

作为本发明的一种优选实施方式，岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。岸桥声音监测仪是一种可以监测起重机现场异常声响的设备，通过安装在现场的声音传感器对声音进行采集，利用内置的声音分析处理软件，过滤环境背景噪声后，分析和提取相应的故障声音特征，并将声音原始数据和故障数据发送至远程操作台。远程操作台配置多套高保真头戴式耳机和耳麦，集控中心人员可以实时切换和监听多通道的声音，并且提供实时监听和回放两种功能。岸桥声音监测仪可以实时监测岸桥机房及司机室声音的状况，提高系统的智能性和安全性，在工业领域应用可以降低工人对机器的巡检次数。

起重机是集成多种机电液一体化设备的大型复杂机械设备，除了重要的机构监测外，还有其他关键设备或装置对起重机的运行不可或缺，如果其某些部件发生故障，会导致起重机无法继续工作。因此，有必要针对这些关键设备或装置提供状态监视，并对其监测信号进行长期跟踪，通过对大量故障及相关数据值分析得出其故障模型，从而实现对此类故障的预警诊断，减少故障发生次数。

因此，除了上述主要监测设备，即结构采集仪、机构监视仪和岸桥声音监测仪之外，本发明的起重机单机监测管理系统还重点监测、记录的关键设备及其参数如下表所示：

表1：监测、记录设备名称及参数

参照图1和图4，码头在线监测管理系统通过局域网连接码头多台起重机，连接点就是起重机单机监测管理系统中的前端黑匣子。

图4示出了码头在线监测管理系统的软件架构图，其中Redis主要用于存放各个起重机设备的实时状态数据及报警数据，通过Restful API供调用。InfluxDB主要用于存放各个起重机设备的历史状态数据及报警数据。MongoDB主要用于存放各个起重机设备的传感器数据。系统对外提供Restful API，供Web GUI或其他应用程序调用。

此外，码头在线监测管理系统还进一步包括起重机故障诊断模块、起重机健康评估及故障预测模块和WEB监视模块。

起重机故障诊断模块运行于系统后台，其主要任务是根据故障诊断模型要求，对原始数据进行计算分析，结合保存历史数据库里面的特征值，形成起重机故障模型数据库，并对模型数据进行分析诊断。分析结果通过界面或报警信息最终呈现，并提供软件接口，供其他系统调用。故障诊断的对象是起重机的关键部件，包括结构关键部件、重要机构及部件、电气系统及重要器件等。对于起重机机构及其零件，常见的故障包括齿轮箱的齿轮磨损、偏心、局部磨损裂纹、断齿等故障，轴承的滚子故障，内外圈故障，电机的定子故障，转子故障，机械不平衡故障等。可以利用时域特征、频谱特征、时频特征，倒频谱特征等进行特征值的提取。

起重机健康评估及故障预测模块运行于系统后台，对于起重机具备条件并有实际意义的关键部件进行健康评估/故障预测，从而是设备维护人员对起重机主要部件的健康有个直观的了解，并据此确定维修检修安排，备品备件库存及采购计划安排。适宜的关键部件包括起重机结构关键部件，重要机构如起升，小车机构的电机，齿轮箱部件等。针对以上关键部件，需要定义其适宜的健康评估指标，并根据健康指标来确定当前健康状态或者对部件失效进行预测分析。

WEB监视模块表现为前端监视应用程序，主要提供人机监测界面，用户通过电脑或手机对起重机状态进行监测，远程监测画面主要包括码头起重机状态总览，单机起重机状态监视，重要机构的状态监视，起重机重要零部件状态监视，起重机健康诊断报警监视页面，另外提供包括起重机结构，以及重要机构部件的健康评估及故障预测结果状态监视等。

此外，在线监测管理平台提供基于web的起重机远程监测应用，包括健康状态实时监视，故障远程诊断，健康评估及故障预测，数据管理，等基础服务。另外还包括起重机健康诊断专家评估报告模块、起重机故障诊断模型机器学习建模模块等应用模块。在线监测管理平台的软件基础架构基本同码头起重机健康在线监测管理系统类似，同时支持HTTPS接口连接前端黑匣子。

作为在线监测管理平台的一种优选实施方式，其分为国内部分以及国际部分。国内部署在公司总部，国际部分部署在微软AZURE云。

起重机健康诊断专家评估报告模块能给用户定期提供起重机健康诊断专家评估报告。健康诊断评估报告结合一定时间内起重机运行监测记录数据，故障记录情况，结合专家经验分析给出报告。内容包括起重机运行情况统计，相关故障预警/报警信息，健康状态分析，检修及维护建议等。

故障诊断模型机器学习建模模块利用系统保存的特征变量数据库，以及历史故障数据库，按照钢结构整机姿态安全，结构应变应力安全，电机故障，减速箱故障，卷筒轴承故障，车轮故障，每日自动从历史数据库中把对应的特征变量及故障标签变量抽取到模型数据库，按照需要及历史数据累积情况，定期进行故障识别建模及模型优化。机器学习建模后得到新的优化后的起重机故障识别模型，通过远程部署更新，实现故障在线诊断。故障诊断模型机器学习建模模块的机器学习算法，支持向量机、神经网络等。每个机器学习建模的故障诊断模型都有自己对应的模型编号，故障诊断模型规定了对应的特征数据集，以及故障标签变量。

作为本发明的一方面，本发明还公开一种起重机单机监测管理系统，适用于本发明的起重机分布式网络监测管理系统中，并且实分布式网络监测管理系统的核心子系统。

返回参照图1，本发明的起重机单机监测管理系统包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子。

具体而言，起重机控制PLC记录起重机的各项运行参数。

结构采集仪包括位移传感器和振动加速度传感器，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。作为结构采集仪的一种优选实施方式，结构采集仪的结构、作用与上述实施例相同，这里不再赘述。

作为结构采集仪的另一种优选实施方式，结构采集仪选用一种高可靠、高精度、宽温区、高动态波长信号解调的无风扇模块式设备，例如FT610-16高精度2.5KHz光纤传感分析仪，其可用于光纤光栅、光纤F-P、光纤微机电等各类波长调制型光纤传感器的动态信号解调，如温度、应变、压力、振动、位移和多分量动态力、动态载荷的高灵敏度、多路高速同步测量。

机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。作为机构监视仪的一种优选实施方式，机构监视仪的结构、作用与上述实施例相同，这里不再赘述。

作为机构监视仪的另一种优选实施方式，其选用cRIO工控计算机，主控制器型号是cRIO-9035。其中CPU核的数量为2，CPU频率为1.33GHz，内存大小1GB，硬盘4GB。cRIO-9035是一款适用于高级控制和监控应用的嵌入式控制器，搭载FPGA和运行NI Linux Real-Time操作系统的实时处理器。

岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。作为岸桥声音监测仪的一种优选实施方式，岸桥声音监测仪的结构、作用与上述实施例相同，这里不再赘述。

作为岸桥声音监测仪的另一种优选实施方式，岸桥声音监测仪包括4位4通道板卡，51.2kS/s/ch，±5V，C系列声音与振动输入模块。

参照图5，作为起重机单机监测管理系统的核心，前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传。前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

前端黑匣子的设置是为解决从不同监测技术设备上获取数据。作为前端黑匣子的一种优选实施方式，其内存8G或以上，硬盘空间500G或以上。

前端黑匣子的主要任务为：

1)同时连接结构采集仪、机构监视仪、岸桥声音监测仪、起重机控制PLC等设备，采集在线监视需要的可视化监视数据，向上传输满足在线监视要求。

2)采集来自于结构采集仪，机构监视仪的原始信号数据，对原始信号数据按照要求及进行处理，输出加工后的特征数据，并上传服务器。

3)对所有数据均能够实现数据缓存。

4)可以根据要求，结合工况及故障，对原始数据抽样，向上传输。

5)起重机故障在线诊断监视功能(基于阀值及故障模型的监视报警)。

因此，前端黑匣子内部的软件架构如图5所示，其中：

ensorDataCollector的功能为：

1)采集传感器原始数据

2)推送传感器原始数据至MongoDB

3)定时抽样原始数据至kafka的sensor-bus通道

4)提供传感器原始数据获取接口

5)提供传感器原始数据上传接口(指定一段传感器数据上传至kafka)

ziDiagnosisEdge的功能为：

1)读取OPC UA中PLC数据

2)将算法结果写入OPC UA供GUI展示

3)将算法特征值写入kafka，供码头及云端算法使用

4)调用SensorDataCollector接口，获取传感器原始数据

5)调用SensorDataCollector接口，上传传感器原始数据至kafka

作为本发明的一方面，本发明还公开一种起重机分布式网络监测管理系统的数据架构，该数据架构对应本发明的起重机分布式网络监测管理系统。

如图6所示，本发明起重机分布式网络监测管理系统的数据架构主要包括6个数据层，分别是数据源层、数据采集层、数据存储层、数据分析层、业务层、展示层。

数据源层是最底层的数据层，其记录起重机的传感器数据、运行数据、参数数据和第三方数据。

作为本发明的一种优选实施方式，数据源层中的传感器数据包括结构采集仪数据、机构监视仪数据和岸桥声音监测仪数据。结构采集仪数据包括位移传感器数据和振动加速度传感器数据，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。机构监视仪数据包括温度监测传感器数据、振动传感器数据、液温及液位监测传感器数据，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。岸桥声音监测仪数据包括过滤背景噪声的现场声音，岸桥声音监测仪设置于起重机电气房，采集机房和司机室声音。

作为本发明的另一种优选实施方式，数据源层中的运行数据包括起重机控制PLC记录起重机的各项运行参数。

数据采集层根据数据源层中的不同数据采用对应的通讯协议或者工具采集数据源层中的数据，并将采集得到的数据发送至数据存储层。数据采集层包括OPC UA，其中OPCUA支持各类驱动及通讯协议，负责采集底层数据，并且支持Kafka将数据及文件通过消息机制发送给数据服务器。

数据存储层对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储。数据存储层和上层数据分析层对接，提供高性能的数据存取服务。

数据分析层根据数据存储层的数据诊断、预测起重机故障的发生。数据分析层的数据分析方法包括时域分析，频域分析，时频分析等分析方法。在上述分析方法的基础上，数据分析层对故障诊断及预测则采用AI及机器学习方法，包括分类回归，贝叶斯网络，HSMM，ANN等。

业务层根据数据分析层的诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能，利用各分析方法实现状态监视，信号异常监视，故障识别，寿命预估，故障预测等业务。

展示层将数据采集层、数据存储层、数据分析层和业务层的数据进行可视化。作为本发明的一种优选实施方式，展示层提供门户网站、手机APP、客户端程序，把原始数据，统计结果，以及分析结果等以报表，动画，KPI,仪表板，评估报告等以可视化的形式展示呈现。

作为本发明起重机分布式网络监测管理系统的一种数据架构布置方式，数据源层和数据采集层应用于起重机分布式网络监测管理系统中的起重机单机监测管理系统，数据存储层、数据分析层应用于起重机分布式网络监测管理系统中的码头在线监测管理系统中，业务层和展示层应用于起重机分布式网络监测管理系统中的在线监测管理平台中。

然而，上述数据架构并非是唯一的。在本发明的另一种数据架构布置方式中，数据源层和数据采集层应用于起重机单机监测管理系统，数据存储层应用于码头在线监测管理系统中，数据分析层同时应用于码头在线监测管理系统和在线监测管理平台中，业务层和展示层应用于在线监测管理平台中。在这种布置方式中，码头在线监测管理系统和在线监测管理平台分别承担各自的数据分析内容。

本领域的技术人员应当理解，上述两个实施例仅仅是本发明众多实施方式的其中两种，其他合适的数据架构布置方式同样落在本发明的保护范围之内。

作为本发明的一方面，参照图7，本发明还公开一种起重机分布式网络监测管理方法，该方法应用于本发明的起重机分布式网络监测管理系统中，其主要包括以下的步骤：

步骤7.1：在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪。

步骤7.2：利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头现场和远端。

作为本发明的一种优选实施方式，前端黑匣子上传至码头现场的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

作为本发明的一种优选实施方式，结构采集仪包括位移传感器和振动加速度传感器，将位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

作为本发明的一种优选实施方式，机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器。将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。

作为本发明的一种优选实施方式，将岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。

步骤7.3：在码头现场对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储。

步骤7.4：在远端记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

在本发明中，起重机分布式网络监测管理方法所应用的系统架构与上述已说明的起重机分布式网络监测管理系统相一致，因此这里不再赘述。

作为本发明的一方面，参照图8，本发明还公开一种起重机单机监测管理方法，该方法应用于本发明的起重机单机监测管理系统中，其主要包括以下的步骤：

步骤8.1：在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪。

步骤8.2：利用起重机控制PLC记录起重机的各项运行参数。

步骤8.3：结构采集仪包括位移传感器和振动加速度传感器，将位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

步骤8.4：机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。

步骤8.5：将岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。

步骤8.6：利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传。

作为本发明的一种优选实施方式，前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

在本发明中，起重机单机监测管理方法所应用的系统架构与上述已说明的起重机单机监测管理系统相一致，因此这里不再赘述。

作为本发明的一方面，参照图9，本发明还公开一种起重机分布式网络监测管理方法，该方法应用于本发明的起重机分布式网络监测管理系统的软件架构中，其主要包括以下的步骤：

步骤9.1：在电机输出轴上设置温度监测传感器，在减速箱内设置液温及液位监测传感器，在电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座、起升机构、小车机构、俯仰机构、小车车轮上设置振动传感器，并采集原始数据；在起重机电气房设置岸桥声音监测仪，采集机房、司机室现场声音并过滤背景噪声。

步骤9.2：记录起重机的传感器数据、运行数据、参数数据和第三方数据。

步骤9.3：根据不同的原始数据采用对应的通讯协议或者工具采集数据，并将采集得到的数据发送上传。

步骤9.4：对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储。

步骤9.5：诊断、预测起重机故障的发生；根据诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能。

步骤9.6：将原始数据、采集到的数据和诊断、预测的数据进行可视化。

综上所述，本发明的起重机分布式网络监测、单机监测管理系统及方法具有以下优点：

1.加装起重机前端黑匣子，能够满足直接在起重机当地汇集不同采集仪、监视仪数据，满足采集监视更大数据容量的需要。

2.通过起重机前端黑匣子，可以向码头服务器以及起重机厂家服务器同时发送数据，包括实时的可视化监视数据，处理后的特征数据，传感器原始数据。

3.在起重机上对工况及传感器数据预处理，实现根据起重机工况对数据进行抽样发送，避免把所有数据向上传输。

4.支持多种业务需求分别实现，码头在线监测管理系统只收集分析自己码头的数据，并提供监视、故障诊断、健康评估及故障预测功能，而在线监测管理平台则是面向所有全球起重机，进行全球监视、故障诊断、提供健康评估专家报告、机器学习建模等。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (20)

1.一种起重机分布式网络监测管理系统，其特征在于，包括：

起重机单机监测管理系统、码头在线监测管理系统和在线监测管理平台；

所述起重机单机监测管理系统包括起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子，所述前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头在线监测管理系统和在线监测管理平台；

所述码头在线监测管理系统设置于码头现场，其对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储；

所述在线监测管理平台设置于远端，其记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

2.如权利要求1所述的起重机分布式网络监测管理系统，其特征在于，所述前端黑匣子上传至码头在线监测管理系统的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

3.如权利要求1所述的起重机分布式网络监测管理系统，其特征在于，结构采集仪包括位移传感器和振动加速度传感器，所述位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

4.如权利要求1所述的起重机分布式网络监测管理系统，其特征在于，所述机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。

5.如权利要求1所述的起重机分布式网络监测管理系统，其特征在于，所述岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。

6.一种起重机单机监测管理系统，其特征在于，包括：

起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪、前端黑匣子；

所述起重机控制PLC记录起重机的各项运行参数；

所述结构采集仪包括位移传感器和振动加速度传感器，所述位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上；

所述机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座；

所述岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声；

所述前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将所述参数信息进行处理并上传。

7.如权利要求6所述的起重机单机监测管理系统，其特征在于，所述前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

8.一种起重机分布式网络监测管理系统，其特征在于，包括：

数据源层、数据采集层、数据存储层、数据分析层、业务层、展示层；

所述数据源层记录起重机的传感器数据、运行数据、参数数据和第三方数据；

所述数据采集层根据数据源层中的不同数据采用对应的通讯协议或者工具采集数据源层中的数据，并将采集得到的数据发送至数据存储层；

所述数据存储层对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储；

所述数据分析层根据数据存储层的数据诊断、预测起重机故障的发生；

所述业务层根据数据分析层的诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能；

所述展示层将数据采集层、数据存储层、数据分析层和业务层的数据进行可视化。

9.如权利要求8所述的起重机分布式网络监测管理系统，其特征在于，所述数据源层中的传感器数据包括结构采集仪数据、机构监视仪数据和岸桥声音监测仪数据；

所述结构采集仪数据包括位移传感器数据和振动加速度传感器数据，位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上；

所述机构监视仪数据包括温度监测传感器数据、振动传感器数据、液温及液位监测传感器数据，其中温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座；

所述岸桥声音监测仪数据包括过滤背景噪声的现场声音，岸桥声音监测仪设置于起重机电气房，采集仪机房和司机室现场声音。

10.如权利要求8所述的起重机分布式网络监测管理系统，其特征在于，所述运行数据包括起重机控制PLC记录起重机的各项运行参数。

11.一种起重机分布式网络监测管理方法，其特征在于，包括：

在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪；

利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将参数信息进行处理并上传至码头现场和远端；

在码头现场对前端黑匣子传输的数据进行分析，判断起重机状态并发出预警信息，并对数据进行存储；

在远端记录一段时间内的起重机运行数据，根据预警信息生成评估报告。

12.如权利要求11所述的起重机分布式网络监测管理方法，其特征在于，所述前端黑匣子上传至码头现场的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

13.如权利要求11所述的起重机分布式网络监测管理方法，其特征在于，结构采集仪包括位移传感器和振动加速度传感器，将所述位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上。

14.如权利要求11所述的起重机分布式网络监测管理方法，其特征在于，所述机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器；

将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座。

15.如权利要求11所述的起重机分布式网络监测管理方法，其特征在于，将所述岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声。

16.一种起重机单机监测管理方法，其特征在于，包括：

在起重机上设置结构采集仪、机构监视仪、岸桥声音监测仪；

利用起重机控制PLC记录起重机的各项运行参数；

所述结构采集仪包括位移传感器和振动加速度传感器，将所述位移传感器和振动加速度传感器布置于起重机钢结构的关键位置上；

所述机构监视仪包括温度监测传感器、振动传感器、液温及液位监测传感器，将温度监测传感器设置于电机输出轴上，液温及液位监测传感器设置于减速箱内，振动传感器设置于起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座；

将岸桥声音监测仪设置于起重机电气房，采集机房、司机室现场声音并过滤背景噪声；

利用前端黑匣子读取起重机控制PLC、结构采集仪、机构监视仪、岸桥声音监测仪的参数信息，将所述参数信息进行处理并上传。

17.如权利要求16所述的起重机单机监测管理方法，其特征在于，所述前端黑匣子上传的数据包括：可视化监视数据、传感器原始信号数据、特征数据、起重机故障数据、起重机设备元数据、系统配置参数。

18.一种起重机分布式网络监测管理方法，其特征在于，包括：

记录起重机的传感器数据、运行数据、参数数据和第三方数据；

根据不同的原始数据采用对应的通讯协议或者工具采集数据，并将采集得到的数据发送上传；

对采集得到的数据进行清洗、解析和分类，并进行结构化/非结构化混合和分布式存储；

诊断、预测起重机故障的发生；

根据诊断、预测结果生成状态监视、信号异常监视、故障识别、寿命预估、故障预测功能；

将原始数据、采集到的数据和诊断、预测的数据进行可视化。

19.如权利要求18所述的起重机分布式网络监测管理方法，其特征在于：

在起重机钢结构的关键位置上布置位移传感器和振动加速度传感器并采集原始数据；

在电机输出轴上设置温度监测传感器，在减速箱内设置液温及液位监测传感器，在起升机构、小车机构、俯仰机构的电机输出轴、减速箱的输入输出轴、钢丝绳卷筒轴承座以及小车车轮轴承座上设置振动传感器，并采集原始数据；

在起重机电气房设置岸桥声音监测仪，采集机房、司机室现场声音并过滤背景噪声。

20.如权利要求18所述的起重机分布式网络监测管理方法，其特征在于，读取起重机控制PLC，获得起重机的运行参数。

Images