CN114298384A - 适用于船用装卸臂的安全运维预测系统及方法 - Google Patents

Abstract

本发明公开了一种适用于船用装卸臂的安全运维预测系统及方法，系统包括：设备健康状态监测子系统，用于获取设备装卸臂工作参数及作业环境等动态和静态数据；设备故障诊断与预测子系统，用于获取故障信息，在线故障诊断，故障风险预警与寿命预测；设备维保管理子系统，用于自动调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修；设备安全运维知识库子系统，用于存储与调用采集、诊断和预测数据，管理设备相关的知识。本发明通过对船用装卸臂进行数据监测和分析预测，有效保证装卸臂的工作性能，解决了船用装卸臂运维管理功能缺失的问题，提升了数字化和智能化水平。

Description

适用于船用装卸臂的安全运维预测系统及方法

技术领域

本发明属于码头油气装卸管控系统领域，具体涉及码头船用装卸臂的智能化管控领域，特别涉及一种适用于船用装卸臂的安全运维预测系统及方法。

背景技术

近年来，落实国家绿色低碳环保可持续发展战略，加快推动绿色低碳产业壮大加速构建可持续发展新模式，天然气需求量及交易量快速增长，从而带动了LNG储运装备产业的迅猛发展。LNG装卸臂做为液化天然气船岸输运的关键设备，需求及交易量迅速增长。LNG装卸臂的安全管理是LNG装卸过程的重点，三大核心部件(快速连接装置、紧急脱离装置和旋转接头)的运维管理更是重中之重，但目前现有码头船用装卸臂的管理功能单一，普遍只具备针对紧急脱离的报警检测功能，只解决紧急情况下的脱离报警功能，缺少对装卸臂状态信息、装卸臂运动动态信息、系统设备参数、作业环境信息、告警信息、关键设备运行维护、备件信息管理等数据进行实时监控、集中处理，不具备装卸臂系统整体综合运维管理能力，运维管理粗放，使装卸作业存在安全、停机风险，一旦发生故障将严重影响正常装卸作业，并可能导致严重事故。

随着工业4.0概念以及中国实施制造强国战略第一个十年的行动纲领《中国制造2025》的出台，目前常规粗放式装卸臂安全管理措施逐渐不能胜任难以满足不断提高的质量安全评估要求，装卸臂设备安全运维管理将成为未来发展的必然趋势。

发明内容

本发明的目的在于针对现有技术的不足，提供一种适用于船用装卸臂的安全运维预测系统，对装卸臂进行安全运维管理。

实现本发明目的的技术解决方案为：一种适用于船用装卸臂的安全运维预测系统，所述系统包括设备健康状态监测子系统，故障诊断与预警子系统，维保管理子系统和知识库子系统；

所述健康状态监测子系统，用于采集装卸臂工作过程及作业环境的动态数据和静态数据，记录、分析装卸臂作业历史安全数据，进行可视化显示，便于查询、分析和预测；

所述故障诊断与预警子系统，用于根据采集的数据建立报警预警模型，实现装卸臂作业过程中的故障诊断与预警；

所述维保管理子系统，用于根据报警预警模型，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，制定执行安全运维检修及日常点巡检计划，管理备品备件领用情况并发送维修数据至知识库内；

所述知识库子系统，用于采集数据、诊断数据、预测数据的存储与调用，管理设备相关的使用说明书、作业指导书、验收报告、培训资料、维修经验知识。

进一步地，所述健康状态监测子系统包括三大核心部件监测模块、液压系统监测模块、电气系统监测模块、生产溯源监测模块和工作环境监测模块；所述三大核心部件包括快速连接装置、紧急脱离装置和旋转接头。

进一步地，所述健康状态监测子系统包括数据采集模块，用于采集装卸臂工作过程及作业环境的动态数据和静态数据，并对数据进行等级分级；该模块包括接近开关，角度编码器，流量开关，位移传感器，温度传感器，压力传感器，光电传感器，限位开关，用于采集天气、气压、温度、风级、角度、流量、油位、油压、旋转次数、移动距离、工作时长参数，这些参数作为输入端信号经PLC控制器后传输到健康状态监测子系统中的后续处理模块。

进一步地，所述故障诊断与预警系统基于专家系统对装卸臂运行状态进行分析学习，设置正常工作参数关联阈值，对超出关联阈值的工作参数进行在线故障诊断，故障影响分析，发出报警讯息；自适应提取过程数据趋势特征，对呈现非平稳趋势的过程变量进行智能识别，通过计算预测数据与样本数据对应特征量的相似程度确定参考剩余使用寿命与权重，完成劣化趋势与寿命预测。

进一步地，所述故障影响分析具体采用FEMA方法，对装卸臂故障模式和影响进行分析，建立故障诊断数据库，对装卸臂各分部分的设备进行风险评估，以确定设备的关键等级，评估内容有故障单元、故障类型、故障原因、故障影响和检测方法。

进一步地，所述安全维护计划表包括维护任务、位置信息、检修方式、检修时间、检修结果以及检修人员，完成维保任务后，维保人员需在系统内确认任务单；所述确认任务单包括单一确认任务单和批量确认任务单功能。

进一步地，所述知识库子系统自动存储安全运维预测系统数据文件，上传各种格式文档资料，并能根据输入关键词通过“全文检索”算法搜索相关文件资料；该系统有文件预览功能和下载阅读功能。

基于所述适用于船用装卸臂的安全运维预测系统的方法，所述方法包括以下步骤：

步骤1:在装卸臂及其附属设备上安装数据采集模块，采集装卸臂动态数据、静态数据等工作数据以及作业环境信息；

步骤2：将装卸臂及其附属设备工作运行监测数据作为有效样本数据输入值，对这些数据进行预处理操作，之后存入专家系统数据存储数据库内；

步骤3：基于数据库中的数据，采用ReLu激励函数的bp神经网络算法进行神经网络算法模型训练，获得专家系统预测模型；

步骤4：结合专家系统和工作参数，设定工作阈值，若实际工作数据超出设定的工作阈值，则判断装卸臂工作异常，发出报警信息，反之，则重复本步骤；

步骤5：结合工作数据和报警数据，基于专家系统预测模型对装卸臂运行状态及劣化趋势进行有效预测，对装备寿命进行预警；

步骤6：基于上述步骤指令信息，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，将相关数据存入知识库。

进一步地，步骤1中所述预处理具体为对数据缺失值进行填充，若缺失值区间大于10％，则直接舍弃该组数据值；若缺失值区间少于10％，采用局部线性拟合的方式对缺失值进行填充，进行线性拟合时引入权值，拟合点的相邻的数据的权值增加，远离的数据的权值减小或者消除，取所在组当前缺失值前后数据各5％分别编号，采用线性回归的方式对样本进行拟合，输入缺失值样本编号，输出对应拟合直线上值即为当前样本填充值。

进一步地，步骤2中预处理之后还包括进行灰色关联分析，步骤如下：

A)采用初值化法对数据进行无量纲化处理；

B)对特征数据于参考数据进行差值运算；

C)根据差值运算结果进行关联系数计算；

D)根据关联系数对指标特征进行关联度计算。

本发明与现有技术相比，其显著优点为：(1)提供了一种适用于船用装卸臂的安全运维预测系统，解决了船用装卸臂运维管理功能缺失、可视化展示能力差的问题(2)对装卸臂健康状态进行监测，在线故障诊断与分析预警，部件寿命预测，简化人员巡检、记录流程，提升了数字化和智能化水平。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为一个实施例中适用于船用装卸臂的安全运维预测系统的构成示意图。

图2为一个实施例中适用于船用装卸臂的安全运维预测系统的流程图。

图3为一个实施例中适用于船用装卸臂的安全运维预测系统的架构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本发明适用于船用装卸臂的安全运维预测系统架构开发如图3所示，自下向上可以划分为5层：数据采集层、数据传输层、数据层、功能应用层、显示层。数据采集层主要依靠接近开关，角度编码器，流量开关，位移传感器，温度传感器，压力传感器，光电传感器，限位开关、智能仪表、摄像头等设备采集相关数据，数据传输层将采集的数据传输至数据层从而完成数据的存储。功能应用层根据相应的数据库数据实现设备健康状态监测、故障诊断报警、部件劣化趋势与寿命预测、维保管理等功能，显示层主要负责可视化信息的发布与展示。

在一个实施例中，结合图1，提供了一种适用于船用装卸臂的安全运维预测系统，包括设备健康状态监测子系统，故障诊断与预警子系统，维保管理子系统和知识库子系统；

所述健康状态监测子系统，用于采集装卸臂工作过程及作业环境的动态数据和静态数据，记录、分析装卸臂作业历史安全数据，进行可视化显示，便于查询、分析和预测；

所述故障诊断与预警子系统，用于根据采集的数据建立报警预警模型，实现装卸臂作业过程中的故障诊断与预警；

所述维保管理子系统，用于根据报警预警模型，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，制定执行安全运维检修及日常点巡检计划，管理备品备件领用情况并发送维修数据至知识库内；

所述知识库子系统，用于采集数据、诊断数据、预测数据的存储与调用，管理设备相关的使用说明书、作业指导书、验收报告、培训资料、维修经验知识。

在具体实施中的，结合图2，一种适用于船用装卸臂的安全运维预测系统的方法，所述方法包括以下步骤：

步骤1:在装卸臂及其附属设备上安装数据采集模块，采集装卸臂动态数据、静态数据等工作数据以及作业环境信息；

步骤2：将装卸臂及其附属设备工作运行监测数据作为有效样本数据输入值，对这些数据进行预处理操作，之后存入专家系统数据存储数据库内；

步骤3：基于数据库中的数据，采用ReLu激励函数的bp神经网络算法进行神经网络算法模型训练，获得专家系统预测模型；

步骤4：结合专家系统和工作参数，设定工作阈值，若实际工作数据超出设定的工作阈值，则判断装卸臂工作异常，发出报警信息，反之，则重复本步骤；

步骤5：结合工作数据和报警数据，基于专家系统预测模型对装卸臂运行状态及劣化趋势进行有效预测，对装备寿命进行预警；

步骤6：基于上述步骤指令信息，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，将相关数据存入知识库。

在具体实施中，健康状态监测子系统通过数据采集模块采集装卸臂动态数据、静态数据等工作数据，将其进行可视化实时显示。

在具体实施中，采集数据包括作业环境的环境状况(温度、相对湿度、风向、风速、浪高、近期温度和浪高变化趋势等)、船岸信息(船舶与码头的相对角度、船岸距离、船名、国籍等)、作业人员信息等；装卸臂的运动数据(运动位置、旋转角度、旋转次数、对接次数、ESD响应，氮气流量、泄露量等)、静态数据(本体压力、温度、力矩、液压油压、油温、液位、过滤器容量、液压油污染度)以及装卸臂所处的作业环节，例如装卸臂处于浮动状态，处于自动对接/手动对接状态，处于对接确认状态等。

在具体实施中，作业环境的环境状况，船岸信息，装卸臂作业数据以氮气流量、泄露曲线形式、报表、图示、条录等图文并茂形式实时显示。通过数据联动能够实时展示装卸臂作业环境各部件的运动状态，实现LNG船岸装卸作业全流程的可视化监控，直观、便捷、高效的了解LNG装卸作业流程信息。

在具体实施中，通讯模块，用于实现安全运维预测系统内各子系统之间，以及安全运维预测系统与其他系统之间的数据通信。

在具体实施中，通讯模块包括防火墙、以太网总线、服务器、PLC控制器、冗余控制环网、通讯监控单元；所述防火墙用于保护内部网络安全，作为连接内部网络和外部网络的中继站，所述以太网总线通过冗余服务器连接冗余控制环网，所述冗余控制环网上连接所述PLC控制器和外部其他系统；所述通讯监控单元用于实时监控各子系统、模块之间通讯是否出现故障，在故障时进行报警提示。

在具体实施中，将装卸臂及其附属设备工作运行监测数据进行数据预处理操作，对数据缺失值进行填充，若缺失值区间大于10％，则直接舍弃该组特征值；若缺失值区间少于10％，采用局部线性拟合的方式对缺失值进行填充，进行线性拟合时引入权值，拟合点的相邻的数据的权值增加，远离的数据的权值减小或者消除。取本组缺失值前后数据各5％作为样本，由左向右分别编号1，2，3，4......作为横坐标，采用线性回归的方式对样本进行拟合，拟合后数据作为纵坐标，拟合后输入缺失值样本横坐标编号，输出对应拟合直线上的纵坐标值即为当前样本填充值；

在具体实施中，将预处理数据进行灰色关联分析，步骤如下：

A)采用初值化法对数据进行无量纲化处理

B)对特征数据于参考数据进行差值运算

C)根据差值运算结果进行关联系数计算

D)根据关联系数对指标特征进行关联度计算

在具体实施中，根据健康状态监测子系统数据，设置正常工作参数阈值，超出阈值范围则发出报警讯息，同时进行声光告警提示。故障诊断与预警子系统根据故障报警讯息进行故障在线诊断，进行故障模式与影响分析。

在具体实施中，基于FEMA方法建立卸料臂故障模式和影响分析表，建立故障诊断数据库，对装卸臂各分部分的设备进行风险评估，以确定设备的关键等级。评价项目有快速连接装置、球阀、回转支承、旋转接头、内臂支撑、外臂支撑、立柱、地脚螺栓、液压系统、电气系统等，评价内容有故障单元、故障类型、故障原因、故障影响和检测方法等。

在具体实施中，系统自适应提取过程数据趋势特征，对呈现非平稳趋势的过程变量进行智能识别，计算预测数据与样本数据对应特征量的相似程度，对比正常工作阈值范围，对危险工作状态进行预警分析，并对部件寿命进行预测。

在具体实施中，所述维保管理子系统包括制定维保计划表、备品备件管理等；维保计划表包括维护任务、位置信息、检修方式、检修时间、检修结果、备品备件领用情况以及检修人员等。备品备件管理包括备件采购、备件入库、备件领用、备件库存。

在具体实施中，完成维保任务后，维保人员需在系统内确认任务单。确认任务单包括单一确认任务单和批量确认任务单功能。备品备件管理也可更新单一备品备件信息或更批量备品备件信息。

在具体实施中，所述的知识库子系统可以自动存储安全运维预测系统数据文件，还可以上传各种格式文档资料。

在具体实施中，可根据输入关键词通过“全文检索”算法搜索相关文件资料；系统设计有文件预览功能和下载阅读功能。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种适用于船用装卸臂的安全运维预测系统，其特征在于，所述系统包括设备健康状态监测子系统，故障诊断与预警子系统，维保管理子系统和知识库子系统；

所述健康状态监测子系统，用于采集装卸臂工作过程及作业环境的动态数据和静态数据，记录、分析装卸臂作业历史安全数据，进行可视化显示，便于查询、分析和预测；

所述故障诊断与预警子系统，用于根据采集的数据建立报警预警模型，实现装卸臂作业过程中的故障诊断与预警；

所述维保管理子系统，用于根据报警预警模型，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，制定执行安全运维检修及日常点巡检计划，管理备品备件领用情况并发送维修数据至知识库内；

所述知识库子系统，用于采集数据、诊断数据、预测数据的存储与调用，管理设备相关的使用说明书、作业指导书、验收报告、培训资料、维修经验知识。

2.根据权利要求1所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述健康状态监测子系统包括三大核心部件监测模块、液压系统监测模块、电气系统监测模块、生产溯源监测模块和工作环境监测模块；所述三大核心部件包括快速连接装置、紧急脱离装置和旋转接头。

3.根据权利要求2所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述健康状态监测子系统包括数据采集模块，用于采集装卸臂工作过程及作业环境的动态数据和静态数据，并对数据进行等级分级；该模块包括接近开关，角度编码器，流量开关，位移传感器，温度传感器，压力传感器，光电传感器，限位开关，用于采集天气、气压、温度、风级、角度、流量、油位、油压、旋转次数、移动距离、工作时长参数，这些参数作为输入端信号经PLC控制器后传输到健康状态监测子系统中的后续处理模块。

4.根据权利要求1所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述故障诊断与预警系统基于专家系统对装卸臂运行状态进行分析学习，设置正常工作参数关联阈值，对超出关联阈值的工作参数进行在线故障诊断，故障影响分析，发出报警讯息；自适应提取过程数据趋势特征，对呈现非平稳趋势的过程变量进行智能识别，通过计算预测数据与样本数据对应特征量的相似程度确定参考剩余使用寿命与权重，完成劣化趋势与寿命预测。

5.根据权利要求4所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述故障影响分析具体采用FEMA方法，对装卸臂故障模式和影响进行分析，建立故障诊断数据库，对装卸臂各分部分的设备进行风险评估，以确定设备的关键等级，评估内容有故障单元、故障类型、故障原因、故障影响和检测方法。

6.根据权利要求1所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述安全维护计划表包括维护任务、位置信息、检修方式、检修时间、检修结果以及检修人员，完成维保任务后，维保人员需在系统内确认任务单；所述确认任务单包括单一确认任务单和批量确认任务单功能。

7.根据权利要求1所述的适用于船用装卸臂的安全运维预测系统，其特征在于，所述知识库子系统自动存储安全运维预测系统数据文件，上传各种格式文档资料，并能根据输入关键词通过“全文检索”算法搜索相关文件资料；该系统有文件预览功能和下载阅读功能。

8.基于权利要求1至7任意一项所述适用于船用装卸臂的安全运维预测系统的方法，其特征在于，所述方法包括以下步骤：

步骤1:在装卸臂及其附属设备上安装数据采集模块，采集装卸臂动态数据、静态数据等工作数据以及作业环境信息；

步骤2：将装卸臂及其附属设备工作运行监测数据作为有效样本数据输入值，对这些数据进行预处理操作，之后存入专家系统数据存储数据库内；

步骤3：基于数据库中的数据，采用ReLu激励函数的bp神经网络算法进行神经网络算法模型训练，获得专家系统预测模型；

步骤4：结合专家系统和工作参数，设定工作阈值，若实际工作数据超出设定的工作阈值，则判断装卸臂工作异常，发出报警信息，反之，则重复本步骤；

步骤5：结合工作数据和报警数据，基于专家系统预测模型对装卸臂运行状态及劣化趋势进行有效预测，对装备寿命进行预警；

步骤6：基于上述步骤指令信息，调用潜在故障维修作业指导手册和规范标准，制定安全维护计划表，对设备进行故障维修及预测性检修，将相关数据存入知识库。

9.根据权利要求8所述的方法，其特征在于，步骤1中所述预处理具体为对数据缺失值进行填充，若缺失值区间大于10％，则直接舍弃该组数据值；若缺失值区间少于10％，采用局部线性拟合的方式对缺失值进行填充，进行线性拟合时引入权值，拟合点的相邻的数据的权值增加，远离的数据的权值减小或者消除，取所在组当前缺失值前后数据各5％分别编号，采用线性回归的方式对样本进行拟合，输入缺失值样本编号，输出对应拟合直线上值即为当前样本填充值。

10.根据权利要求7所述的方法，其特征在于，步骤2中预处理之后还包括进行灰色关联分析，步骤如下：

A)采用初值化法对数据进行无量纲化处理；

B)对特征数据于参考数据进行差值运算；

C)根据差值运算结果进行关联系数计算；

D)根据关联系数对指标特征进行关联度计算。

Images