港口起重机全寿命周期管理系统的背景

港口发展的需求

随着国家进出口贸易额的不断增加以及“海上丝绸之路”的不断开拓，高效运作的集装箱码头成为必不可少的一环。无人化、自动化是港口的发展趋势。港口起重机全寿命周期管理系统将成为提高港口作业效率以及安全性的关键。

人工智能的数据挖掘算法

人工智能算法为复杂数据分析提供有力工具，其中数据挖掘算法可以从大量实测数据中自主发掘对于设备状态有深层次关系的信息，关键部件全寿命周期评估有望成为大数据下设备管理领域的“一把利器”。

大数据时代

由于诊断的装备量大面广、每台装备测点多、数据采样频率高、装备服役历时长，所以获取了海量的诊断数据，推动设备全寿命评估预测进入了“大数据”时代。

数据+算法

人工智能和大数据给港口起重机全寿命周期管理系统的深入研究和应用提供了新的机遇:；评估预测整机或系统级对象成为可能，全面解析寿命周期演化过程成为趋势等。

港口起重机全寿命周期管理系统的逻辑层次

数据采集关键问题研究

···传感器的安装与配置

···传感器数据远程传输

→在每台港口机械上布置众多的振动传感器将产生海量的数据，如何对这些数据进行收取传输，并保持实时性是系统平台建立的关键技术难题。

→结合TCP/IP通信方式和消息队列遥测传输技术(MQTT)，保障数据的稳定实时传输。

→数据采集外部接口采用MQTT服务器，保证了外部接口的灵活性。

→内部采用Kafka消息中间件，保证内部软件模块之间的连接的灵活性，同时具有很强的可扩展性，实现大批量数据点的实时采集及传输。

→MySQL——设备信息、人员信息、故障记录、维修信息以及工单信息等关系型数据及记录。InfluxDB——设备运行产生的各个信号变量的实时数据及历史数据记录。MongoDB——保存各种传感器信息的高频原始信号。

···传感器数据的采集

岸边集装箱起重机一直处于非平稳工况中，频繁启停且伴有冲击，在传感器信号采集过程中会引入干扰信号，影响后续的故障诊断与寿命预测。因此，传统的定周期采集方法不再适用，需要制定新的采集策略来应对这种状况。因此依据实际信号规律，提出采用转速等关键状态信息触发方式进行数据采集。将PLC中的转速、负载、电压电流、位置信息提取出来，在达到某一数值后触发采集仪进行数据采集。这种策略可以有效避免因工况变化带来的干扰。

故障诊断问题研究

场景一

人工动态巡检中，发现作业中的岸桥15#起升机构减速箱输入端异响，怎么办？

场景二

在大型船舶作业中，卡在中间的港口起重机发生故障，进退两难，怎么办？

声明：