在工業(yè)物聯(lián)網(wǎng)環(huán)境中，產(chǎn)線機(jī)組設(shè)備運(yùn)行、運(yùn)輸設(shè)備移動(dòng)、試驗(yàn)儀器運(yùn)行等場(chǎng)景都會(huì)產(chǎn)生振動(dòng)信號(hào)。如果能對(duì)采集到的振動(dòng)信號(hào)進(jìn)行分析，我們就可以預(yù)估設(shè)備的疲勞年限、及時(shí)知曉設(shè)備已發(fā)生的異常以及預(yù)測(cè)未來儀器可能發(fā)生的異常。如果你追求科學(xué)精細(xì)地管理設(shè)備全生命周期健康，不妨來看看這套解決方案。

工業(yè)物聯(lián)網(wǎng)場(chǎng)景下，設(shè)備故障一般可以分為突發(fā)性故障（隨機(jī)故障）與時(shí)間依存性故障。隨機(jī)故障由偶然因素引起，以往很難防止這類故障的發(fā)生，但是在傳感器和微處理器迅速發(fā)展的今天，可通過設(shè)備狀態(tài)在線實(shí)時(shí)監(jiān)測(cè)規(guī)避隨機(jī)故障。而時(shí)間依存性故障則可以在分析建模的基礎(chǔ)上，預(yù)測(cè)故障發(fā)展趨勢(shì)及機(jī)組維修時(shí)間。 要進(jìn)行上述的監(jiān)測(cè)和預(yù)測(cè)，就需要對(duì)設(shè)備進(jìn)行狀態(tài)分析。設(shè)備狀態(tài)分析的方法，大致可分為振動(dòng)時(shí)域分析和振動(dòng)頻域分析。

振動(dòng)時(shí)域分析法，主要使用在時(shí)域空間內(nèi)的一些特征量來判斷設(shè)備狀態(tài)，包括峰值、平均峰值、均方根值等等。

振動(dòng)頻域分析法中，提示振動(dòng)過程的頻率結(jié)構(gòu)是進(jìn)行設(shè)備狀態(tài)分析的重要途徑。特別是隨著傅里葉變換、經(jīng)典譜分析、現(xiàn)代譜分析的出現(xiàn)和頻譜分析儀的推出，頻域分析得到了廣泛采用。

我們以工業(yè)物聯(lián)網(wǎng)機(jī)組為例，在確定設(shè)備狀態(tài)評(píng)定標(biāo)準(zhǔn)、設(shè)定報(bào)警限的基礎(chǔ)上，分析振動(dòng)級(jí)值，能夠?qū)崿F(xiàn)機(jī)組設(shè)備健康狀態(tài)的預(yù)測(cè)。

振動(dòng)級(jí)值反映機(jī)組狀態(tài)發(fā)展趨勢(shì)

設(shè)備的狀態(tài)發(fā)展趨勢(shì)大概可由以下四部分組成：

安裝

作用累計(jì)期

損傷累計(jì)期

故障

在機(jī)組運(yùn)行的作用累積期與損傷累積期中，時(shí)間依存性故障的發(fā)展使振動(dòng)級(jí)值蘊(yùn)含慣性上升規(guī)律；而實(shí)際工作狀態(tài)的變化與人為因素又使機(jī)組的運(yùn)行受到不可預(yù)料的隨機(jī)性影響，產(chǎn)生隨機(jī)性振動(dòng)。因此機(jī)組振動(dòng)級(jí)值的發(fā)展是由確定性趨勢(shì)因素加隨機(jī)性因素構(gòu)成的，在振動(dòng)級(jí)值發(fā)展趨勢(shì)圖上體現(xiàn)為上升中的波動(dòng)狀。 振動(dòng)是循環(huán)力通過機(jī)械正常傳遞的副產(chǎn)品，對(duì)于大型旋轉(zhuǎn)機(jī)組，最初的振動(dòng)是因制造缺陷產(chǎn)生的。經(jīng)過了磨合期，當(dāng)機(jī)組磨損、基礎(chǔ)下沉、部件變形后，其機(jī)械動(dòng)態(tài)特性開始出現(xiàn)錯(cuò)綜復(fù)雜的變化，如軸變得不同心、部件磨損量增加、轉(zhuǎn)子變得不平衡、間隙增加等，這些因素都可以振動(dòng)級(jí)值增加反映出來，并且振動(dòng)級(jí)值的發(fā)展趨勢(shì)是漸增的。 由以上描述可知，選用振動(dòng)級(jí)值作為趨勢(shì)分析中反映機(jī)組狀態(tài)的敏感因子，通過對(duì)振動(dòng)級(jí)值的在線分析可揭示機(jī)組狀態(tài)的發(fā)展趨勢(shì)。

設(shè)定機(jī)組預(yù)警、報(bào)警限

為了正確判斷機(jī)組的工作狀況，及時(shí)了解機(jī)組的健康狀態(tài)，預(yù)知可能產(chǎn)生的故障，我們需要設(shè)定機(jī)組的預(yù)警、報(bào)警限。通?？梢圆捎谜駝?dòng)烈度和振動(dòng)級(jí)值作為限值指標(biāo)。 振動(dòng)烈度的大小反映了機(jī)組整體振動(dòng)程度，本場(chǎng)景中具體的烈度標(biāo)準(zhǔn)選定如下：

通常先根據(jù)機(jī)器的功率來查表，場(chǎng)景中每個(gè)機(jī)組的功率大概在2250kw，所以可以得到軸承處的振動(dòng)烈度界限：4.5mm/s~11.2mm/s。另外還可將振動(dòng)信號(hào)進(jìn)行時(shí)頻轉(zhuǎn)換，實(shí)踐表明，可以將頻譜分析中獲得的各個(gè)頻率分量的振動(dòng)級(jí)值變化作為評(píng)價(jià)的對(duì)象。這里的振動(dòng)級(jí)值是振動(dòng)速度級(jí)值，在其他場(chǎng)景中也可以是加速度級(jí)值和功率級(jí)值。如下圖：

針對(duì)振動(dòng)烈度范圍，可以對(duì)機(jī)組狀態(tài)振動(dòng)烈度預(yù)警限以及振動(dòng)烈度報(bào)警限進(jìn)行選取。本場(chǎng)景采用振動(dòng)烈度界限為限值指標(biāo)，即預(yù)警限制設(shè)定為4.5mm/s；報(bào)警限值設(shè)定為11.2mm/s。針對(duì)振動(dòng)級(jí)值變化判據(jù)，同樣可以得出振動(dòng)級(jí)值報(bào)警限與預(yù)警限。

分析振動(dòng)信號(hào)

目前業(yè)界信號(hào)分析的方法有四種，包括時(shí)域分析、頻域分析、時(shí)頻聯(lián)合域分析以及功率譜分析。實(shí)際工程上的信號(hào)通常都是隨機(jī)信號(hào)，由于不可能對(duì)所有點(diǎn)進(jìn)行考察，也就不可能獲得其精確的功率譜密度，故只能利用譜估計(jì)的方法來“估計(jì)”功率譜密度。 功率密度譜估計(jì)的主要方法有經(jīng)典譜估計(jì)以及現(xiàn)代譜估計(jì)，經(jīng)典譜估計(jì)是將采集數(shù)據(jù)外的未知數(shù)據(jù)假設(shè)為零；現(xiàn)代譜估計(jì)是通過觀測(cè)數(shù)據(jù)估計(jì)參數(shù)模型再按照求參數(shù)模型輸出功率的方法估計(jì)功率譜，應(yīng)用最廣的是AR參數(shù)模型。本解決方案將使用經(jīng)典譜估計(jì)進(jìn)行振動(dòng)信號(hào)的分析。

預(yù)測(cè)機(jī)組狀態(tài)趨勢(shì)

結(jié)合先前設(shè)定好的預(yù)警、報(bào)警限，通過在線分析振動(dòng)級(jí)值，我們可以實(shí)現(xiàn)機(jī)組狀態(tài)的發(fā)展趨勢(shì)預(yù)測(cè)。 在大型旋轉(zhuǎn)機(jī)組趨勢(shì)預(yù)測(cè)中所采用的基本方法是：以機(jī)組的機(jī)械動(dòng)態(tài)特性為主要研究對(duì)象，通過傳感器實(shí)時(shí)檢測(cè)反映機(jī)組機(jī)械動(dòng)態(tài)特性參數(shù)（振動(dòng)級(jí)值，包括振動(dòng)烈度與振動(dòng)分量級(jí)值），并在線對(duì)機(jī)械動(dòng)態(tài)特性進(jìn)行歷史、現(xiàn)狀以及隨后發(fā)展的對(duì)比和分析，找出機(jī)械系統(tǒng)機(jī)械動(dòng)態(tài)特性發(fā)展的“級(jí)值-時(shí)間”趨勢(shì)，揭示機(jī)組整體以及機(jī)組主要部件運(yùn)行狀態(tài)的發(fā)展模式，預(yù)測(cè)振動(dòng)級(jí)值和故障發(fā)生日期。 振動(dòng)級(jí)值趨勢(shì)預(yù)測(cè)可以通過如圖所示的“級(jí)值-時(shí)間趨勢(shì)圖”來描述：

根據(jù)振動(dòng)級(jí)值的變化，一個(gè)或多個(gè)頻率分量在若干個(gè)周期測(cè)量后的級(jí)值增加，找出故障發(fā)展的“級(jí)值-時(shí)間”推測(cè)趨勢(shì)。選擇合適的曲線擬合方法，將結(jié)果曲線外推，從而揭示什么時(shí)間狀態(tài)將達(dá)到危險(xiǎn)的極限，這樣可以安排適當(dāng)?shù)娜掌趤韺?duì)機(jī)組進(jìn)行維護(hù)。 科普了這么多背景知識(shí)，到底如何通過分析振動(dòng)信號(hào)來預(yù)測(cè)設(shè)備狀態(tài)呢？通過一個(gè)典型的工業(yè)物聯(lián)網(wǎng)場(chǎng)景，我們來實(shí)戰(zhàn)演練一下。
某工廠有16臺(tái)振動(dòng)傳感器，每臺(tái)設(shè)備每毫秒采集一條監(jiān)測(cè)記錄，包含時(shí)間戳、設(shè)備號(hào)和指標(biāo)三個(gè)字段，每秒共寫入1.6萬條數(shù)據(jù)，并采用單值模型存儲(chǔ)。該工廠有以下需求：

實(shí)時(shí)計(jì)算：每2分鐘對(duì)過去2分鐘的功率譜密度進(jìn)行計(jì)算。

報(bào)警分析：對(duì)寫入數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)進(jìn)行報(bào)警分析，如果有滿足報(bào)警規(guī)則的數(shù)據(jù)則把相應(yīng)的設(shè)備信息和實(shí)時(shí)數(shù)據(jù)以及觸發(fā)報(bào)警規(guī)則寫入到報(bào)警表中。

聚合查詢：查詢每臺(tái)振動(dòng)傳感器過去任意時(shí)間段的譜密度。

最終數(shù)據(jù)結(jié)果要求展示在 Grafana 中。 DolphinDB 為該場(chǎng)景提供了一套隨機(jī)振動(dòng)信號(hào)分析解決方案，架構(gòu)圖如下：

這一架構(gòu)包含了三大流程：

數(shù)據(jù)的采集與寫入

振動(dòng)信號(hào)采集模擬：DolphinDB 支持 API、JDBC、ODBC、消息中間件的方式寫入數(shù)據(jù)。本案例將通過腳本模擬采集過程，通過后臺(tái) job 任務(wù)持續(xù)不斷地生成模擬數(shù)據(jù)。

實(shí)時(shí)寫入：流數(shù)據(jù)表是一種 DolphinDB 設(shè)計(jì)的專門用來應(yīng)對(duì)實(shí)時(shí)流數(shù)據(jù)存儲(chǔ)與計(jì)算的內(nèi)存表。具備吞吐量大，低延遲的優(yōu)點(diǎn)，支持持久化，支持高可用。

2. 流數(shù)據(jù)的發(fā)布、訂閱與消費(fèi)

發(fā)布-訂閱-消費(fèi)模式：流數(shù)據(jù)首先注入流數(shù)據(jù)表中，接著流數(shù)據(jù)表被時(shí)序聚合引擎訂閱，計(jì)算結(jié)果輸出到流表 srms，最后再把 srms 表中的數(shù)據(jù)落盤到數(shù)據(jù)庫 rmsDB 中；另外流入 srms 又被異常檢測(cè)引擎訂閱，計(jì)算結(jié)果輸出到 warn 表中，最后落盤到 warnDB 中。第三方應(yīng)用同樣可以通過 DolphinDB 腳本或API來訂閱及消費(fèi)流數(shù)據(jù)。

適配引擎：在實(shí)時(shí)數(shù)據(jù)流計(jì)算場(chǎng)景下，計(jì)算要求高效和即時(shí)，DolphinDB 精心研發(fā)了適合流計(jì)算場(chǎng)景的引擎，系統(tǒng)內(nèi)部采用了增量計(jì)算，優(yōu)化了實(shí)時(shí)計(jì)算的性能。對(duì)于時(shí)間序列聚合引擎，使用者只需通過簡單的參數(shù)配置即可實(shí)現(xiàn)復(fù)雜的增量計(jì)算、窗口計(jì)算、聚合分析等功能。對(duì)于異常檢測(cè)引擎，使用者也只需通過簡單的參數(shù)配置即可實(shí)現(xiàn)復(fù)雜的規(guī)則設(shè)計(jì)、窗口檢測(cè)。

3. 結(jié)果展示

實(shí)時(shí)功率譜密度 psd 展示：在數(shù)據(jù)采集、實(shí)時(shí)計(jì)算的同時(shí)，用戶調(diào)用 DolphinDB 的 Grafana 插件連接 Grafana，在web 端展示實(shí)時(shí)數(shù)據(jù)以及實(shí)時(shí)計(jì)算結(jié)果。

實(shí)時(shí) rms 計(jì)算分析：rms 計(jì)算模塊包含上述的 psd 譜計(jì)算，得到 psd 譜后對(duì)其進(jìn)行必要的指標(biāo)計(jì)算，包括加速度均方根（rmsAcc），速度均方根（rmsVel），位移均方根（rmsDis）。

作為一款國產(chǎn)自研的高性能分布式時(shí)序數(shù)據(jù)庫，DolphinDB 集成了功能強(qiáng)大的編程語言和高容量高速度的流數(shù)據(jù)分析系統(tǒng)，為海量結(jié)構(gòu)化數(shù)據(jù)的快速存儲(chǔ)、檢索、分析及計(jì)算提供一站式解決方案。與同類數(shù)據(jù)庫產(chǎn)品相比， DolphinDB 的如下特性使其高度適配工業(yè)物聯(lián)網(wǎng)場(chǎng)景：

輕量級(jí)部署

DolphinDB 使用 C++開發(fā)，兼容性好，支持Winodws、Linux、麒麟鯤鵬等操作系統(tǒng)，適配 X86、ARM、MIPS（龍芯）等。單機(jī)部署時(shí)安裝文件僅70M大小，方便搭建高可用、可擴(kuò)展集群。并且支持 Docker 和 K8S 一鍵部署，支持端邊云架構(gòu)，支持云邊一體的數(shù)據(jù)實(shí)時(shí)同步?？勺鳛?IaaS 底層支撐。

經(jīng)典SCADA與信息化的融合

DolphinDB 能實(shí)現(xiàn)傳統(tǒng) SCADA 的功能。并在此基礎(chǔ)上融合企業(yè)已有的 DCS、MES、ERP 等工業(yè)級(jí)信息化系統(tǒng)。支持Kafka等消息中間件、MySQL等關(guān)系數(shù)據(jù)庫、Grafana 等商業(yè)BI 組件。 DolphinDB 內(nèi)置腳本編程語言，用戶可以使用 SQL 語句進(jìn)行數(shù)據(jù)處理和查詢，也可以通過類 Python 語法的腳本語言實(shí)現(xiàn)復(fù)雜功能。支持通過自定義算法開發(fā)分析模型，支持調(diào)用機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)預(yù)測(cè)。

完善的流計(jì)算框架

DolphinDB 的流式計(jì)算框架具備高性能實(shí)時(shí)流數(shù)據(jù)處理能力，支持毫秒甚至微秒級(jí)別數(shù)據(jù)計(jì)算，非常適合用于隨機(jī)振動(dòng)信號(hào)的處理和分析。

豐富的計(jì)算引擎

DolphinDB 內(nèi)置1400+函數(shù)，具備強(qiáng)大的分布式聚合計(jì)算能力。可以實(shí)現(xiàn)函數(shù)化編程、時(shí)間序列運(yùn)算、矩陣運(yùn)算、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、字符串處理、文件處理等功能。 除此之外，提供的 signal 插件可用于專業(yè)領(lǐng)域的信號(hào)分析與處理，在數(shù)據(jù)庫內(nèi)實(shí)現(xiàn)傅里葉變換、小波變換、功率譜密度估計(jì)等復(fù)雜功能。

高吞吐，低時(shí)延

DolphinDB 的內(nèi)存數(shù)據(jù)庫可以支持?jǐn)?shù)據(jù)的快速寫入、查詢和計(jì)算，能夠以毫秒級(jí)延時(shí)迅速響應(yīng)設(shè)備的狀態(tài)信息。
隨著工業(yè)物聯(lián)網(wǎng)場(chǎng)景下，設(shè)備數(shù)量、成本的逐步提升，自動(dòng)化檢測(cè)分析技術(shù)也需要不斷提高。DolphinDB不僅擁有極佳的計(jì)算性能，還擁有高效的第三方插件，可以滿足設(shè)備數(shù)據(jù)存儲(chǔ)、計(jì)算分析到結(jié)果展示的全流程需求，從而預(yù)測(cè)機(jī)組設(shè)備健康狀態(tài)，助力用戶有效管理設(shè)備的全生命周期。

審核編輯 ：李倩