當(dāng)工業(yè)設(shè)備發(fā)生故障時(shí)，導(dǎo)致的問(wèn)題往往不是更換設(shè)備的費(fèi)用，而是被迫停機(jī)。一條生產(chǎn)線靜止不動(dòng)可能意味著每分鐘損失數(shù)千美元。定期維護(hù)可以幫助避免計(jì)劃外停機(jī)，但不能保證設(shè)備不會(huì)發(fā)生故障。

如果機(jī)器能顯示出某個(gè)部件何時(shí)會(huì)發(fā)生故障呢？

甚至如果機(jī)器能告訴您哪個(gè)部件需要更換呢？

這樣一來(lái)，計(jì)劃外停機(jī)時(shí)間將大大減少。計(jì)劃的維護(hù)只在必要時(shí)進(jìn)行，而不是以固定的時(shí)間間隔進(jìn)行。這便是預(yù)測(cè)性維護(hù)的目標(biāo)：

通過(guò)使用傳感器數(shù)據(jù)預(yù)測(cè)何時(shí)需要維護(hù)，以此來(lái)避免停機(jī)。

在任何預(yù)測(cè)性維護(hù)算法的開發(fā)過(guò)程中，核心都是傳感器數(shù)據(jù)，傳感器數(shù)據(jù)可以用來(lái)訓(xùn)練故障檢測(cè)的分類算法。在預(yù)處理步驟中，將從這些數(shù)據(jù)中提取出有意義的特征，并使用這些特征訓(xùn)練用于預(yù)測(cè)性維護(hù)的機(jī)器學(xué)習(xí)算法。將該算法導(dǎo)出到 Simulink 等模擬軟件中進(jìn)行驗(yàn)證，然后將代碼部署到機(jī)器的控制單元中。

在典型的故障條件下，不可能總是從現(xiàn)場(chǎng)物理設(shè)備中獲取數(shù)據(jù)。讓現(xiàn)場(chǎng)發(fā)生故障可能會(huì)導(dǎo)致災(zāi)難性的后果，并致使設(shè)備損壞。在可控情況下故意制造故障可能會(huì)帶來(lái)費(fèi)時(shí)而昂貴的后果，甚至難以實(shí)現(xiàn)。

解決這一難題的方法是創(chuàng)建設(shè)備的數(shù)字孿生體，并通過(guò)模擬為各種故障情況生成傳感器數(shù)據(jù)。這種方法使工程師能夠生成預(yù)測(cè)性維護(hù)工作流所需的所有傳感器數(shù)據(jù)，包括針對(duì)所有可能的故障組合和不同嚴(yán)重程度故障的測(cè)量數(shù)據(jù)。

本文將討論如何使用 MATLAB、Simulink 和 Simscape 設(shè)計(jì)三缸泵的預(yù)測(cè)性維護(hù)算法（圖1）。

我們將在 Simscape 中創(chuàng)建實(shí)際泵體的一個(gè)數(shù)字孿生體，對(duì)其進(jìn)行調(diào)優(yōu)以匹配測(cè)量數(shù)據(jù)，然后使用機(jī)器學(xué)習(xí)創(chuàng)建預(yù)測(cè)性維護(hù)算法。該算法只需要出口泵壓就能識(shí)別出哪些部件或部件組合可能會(huì)出現(xiàn)故障。

圖1.預(yù)測(cè)性維護(hù)工作流

構(gòu)建數(shù)字孿生體

三缸泵有曲軸驅(qū)動(dòng)三個(gè)柱塞（圖 2）。與單活塞泵相比，柱塞的一個(gè)氣室始終處于排氣狀態(tài)，使流動(dòng)更平穩(wěn)并減少壓力變化，從而降低材料應(yīng)變。這種泵的典型故障情況是曲軸軸承磨損、柱塞密封泄漏和進(jìn)氣口堵塞。

圖2.三缸泵原理圖和容積流率圖

泵的 CAD 模型通?？蓮闹圃焐烫帿@得，可以導(dǎo)入 Simulink 中，用于建立泵的力學(xué)模型，進(jìn)行三維多體仿真。為了模擬系統(tǒng)的動(dòng)態(tài)行為，現(xiàn)在需要用液壓和電動(dòng)元件來(lái)補(bǔ)充泵。

在制造商的數(shù)據(jù)表中可以找到創(chuàng)建數(shù)字孿生體所需的一些參數(shù)，如鏜孔、沖程和軸徑，但是其他參數(shù)可能會(huì)丟失，或者僅在范圍內(nèi)說(shuō)明。

在本例中，我們需要讓三個(gè)供給出口的止回閥在高壓和低壓下分別打開和關(guān)閉。我們沒有這些壓力的確切值，因?yàn)樗鼈內(nèi)Q于所輸送流體的溫度。

圖 3 中的圖顯示，用粗略估計(jì)（藍(lán)色線）模擬的泵與現(xiàn)場(chǎng)數(shù)據(jù)（黑色線）不完全匹配。藍(lán)線在一定程度上與實(shí)測(cè)曲線相似，但差異明顯。

圖3.使用實(shí)測(cè)數(shù)據(jù)預(yù)估參數(shù)

我們使用 Simulink Design Optimization 自動(dòng)調(diào)優(yōu)參數(shù)值，以便模型生成與實(shí)測(cè)數(shù)據(jù)匹配的結(jié)果。所選優(yōu)化參數(shù)見 Simscape 中的止回閥出口模塊（圖 4）。Simulink Design Optimization 選擇參數(shù)值進(jìn)行仿真，計(jì)算仿真曲線與實(shí)測(cè)曲線的差值。

基于此結(jié)果，選擇新的參數(shù)值進(jìn)行新的仿真。計(jì)算參數(shù)值的梯度，確定參數(shù)應(yīng)調(diào)整的方向。在本例中，由于只調(diào)優(yōu)了兩個(gè)參數(shù)，所以收斂速度很快。對(duì)于具有更多參數(shù)的更復(fù)雜場(chǎng)景，使用能夠加速調(diào)優(yōu)過(guò)程的功能非常重要。

圖4.在 Simscape 中調(diào)優(yōu)參數(shù)值

創(chuàng)建預(yù)測(cè)模型

現(xiàn)在，我們擁有了一個(gè)泵的數(shù)字孿生體，下一步是將故障組件的行為添加到模型中。

有多種方法可以添加錯(cuò)誤行為。許多 Simulink 模塊具有下拉菜單，用于短路或開路等典型故障。改變參數(shù)值即可模擬摩擦或褪色等影響。

在本例中，將考慮三種故障類型：軸承磨損導(dǎo)致摩擦增加、入口堵塞導(dǎo)致通道面積減少以及柱塞的密封泄漏。前兩個(gè)故障需要調(diào)整模塊參數(shù)。為了模擬泄漏，我們需要在液壓系統(tǒng)中添加一條路徑。

如圖 5 所示，可以從用戶界面或 MATLAB 命令行切換所選的故障條件。在本文給出的模型中，所有的故障條件都使用 MATLAB 命令進(jìn)行切換。通過(guò)這種方式，整個(gè)過(guò)程可以使用腳本實(shí)現(xiàn)自動(dòng)化。

圖5.模擬三缸泵的泄漏。

可以使用泵模塊對(duì)話框（頂部）或命令行（底部）修改參數(shù)。

在圖 6 頂部所示泵的仿真中，啟用了兩個(gè)故障：一個(gè)是入口阻塞，另一個(gè)是柱塞 3 處的密封泄漏。這些故障用紅色圓圈表示。圖 6 中的圖顯示了出口壓力的仿真結(jié)果，包括連續(xù)線（藍(lán)色）和噪聲采樣（黃色）。仿真生成的數(shù)據(jù)必須包含量化效應(yīng)噪聲，因?yàn)槲覀冃枰帽M可能真實(shí)的數(shù)據(jù)來(lái)訓(xùn)練我們的故障檢測(cè)算法。

圖6. 頂部：泵示意圖，顯示堵塞的入口和密封泄漏

底部：出口壓力仿真圖（藍(lán)線）和噪聲采樣圖（黃線）

圖 6 中的綠色框表示出口壓力的正常值范圍。有明顯偏離正常范圍的峰值表明存在一些故障。工程師或操作人員僅憑此圖即可確定泵發(fā)生故障，但仍無(wú)法準(zhǔn)確判斷具體故障。

我們使用這個(gè)仿真來(lái)生成泵在所有可能故障情況下的壓力數(shù)據(jù)。為數(shù)字孿生體創(chuàng)建了約 200 個(gè)場(chǎng)景。必須對(duì)每個(gè)場(chǎng)景進(jìn)行多次仿真，以說(shuō)明傳感器中的量化效應(yīng)。由于此方法需要數(shù)千次仿真，我們希望能夠加快數(shù)據(jù)生成過(guò)程。

一種典型方法是將仿真分布在多核機(jī)器上可用的線程上，或者分布在若干機(jī)器或計(jì)算機(jī)集群上。取決于問(wèn)題的復(fù)雜性、時(shí)間限制和資源，Parallel Computing Toolbox 和 MATLAB Parallel Server 支持這種方法。

另一種方法是使用 Simulink 中的快速重啟功能，它利用了許多系統(tǒng)需要一定的建立時(shí)間才能達(dá)到穩(wěn)定狀態(tài)這一事實(shí)。隨著快速重啟，測(cè)試的這一部分只需要模擬一次。所有后續(xù)的仿真都將從系統(tǒng)達(dá)到穩(wěn)態(tài)的點(diǎn)開始。

在當(dāng)前的例子中，建立時(shí)間約占單次測(cè)試所需模擬時(shí)間的 70% （圖 7），因此，使用快速重啟可以節(jié)省大約三分之二的仿真時(shí)間。由于可以從 MATLAB 命令行和腳本配置快速重啟，因此它非常適合實(shí)現(xiàn)自動(dòng)化訓(xùn)練過(guò)程。

圖7.在Simulink中使用快速重啟功能減少仿真時(shí)間。

下一步是利用仿真結(jié)果提取訓(xùn)練數(shù)據(jù)用于機(jī)器學(xué)習(xí)算法。Predictive Maintenance Toolbox 提供了提取訓(xùn)練數(shù)據(jù)的各種選項(xiàng)。因?yàn)槲覀冊(cè)谶@里看到的信號(hào)具有周期性，所以 FFT 似乎最有希望。如圖 8 所示，結(jié)果是單個(gè)故障以及故障組合的少量明顯分離的不同大小的峰值。這是一種機(jī)器學(xué)習(xí)算法能夠很好地處理的數(shù)據(jù)。

圖8.使用快速傅立葉變換提取訓(xùn)練數(shù)據(jù)

每個(gè)故障場(chǎng)景的 FFT 結(jié)果會(huì)提取到一個(gè)包含插入故障和觀察到的信號(hào)頻率和幅度的表中。因此，要考慮的參數(shù)數(shù)量相對(duì)較少。

現(xiàn)在，訓(xùn)練故障檢測(cè)算法所需的所有數(shù)據(jù)都可用了，可以將其導(dǎo)入到 Statistics and Machine Learning Toolbox 中。我們將使用生成的數(shù)據(jù)的一個(gè)子集來(lái)驗(yàn)證訓(xùn)練過(guò)的算法。

我們?cè)?Statistics and Machine Learning Toolbox 中可視化訓(xùn)練過(guò)程的結(jié)果。這些可視化使我們能夠比較不同算法的優(yōu)缺點(diǎn)，并確定是否需要額外的訓(xùn)練數(shù)據(jù)。我們從實(shí)測(cè)數(shù)據(jù)中選取在確定泵的故障時(shí)精度最高的訓(xùn)練算法。我們將該算法導(dǎo)入到數(shù)字孿生體中，使用為此保存的七個(gè)測(cè)試用例進(jìn)行驗(yàn)證（圖 9）。最后的結(jié)果表明，該分類算法能夠可靠地檢測(cè)出所有七種場(chǎng)景?，F(xiàn)在可以在控制單元上進(jìn)行部署。

圖9.導(dǎo)出最精確的模型進(jìn)行驗(yàn)證

這一工作流程的實(shí)際應(yīng)用是工業(yè)設(shè)備，這些設(shè)備將在世界各地千差萬(wàn)別的環(huán)境條件下廣泛使用。此類設(shè)備可能會(huì)發(fā)生變化：可能會(huì)選擇新的密封或閥門供應(yīng)商，泵可能使用各種流體運(yùn)行，并在具有不同日常溫度范圍的新環(huán)境中使用。所有這些因素都會(huì)影響傳感器所測(cè)得的壓力，可能使故障檢測(cè)算法變得不可靠，甚至無(wú)用。快速更新算法以適應(yīng)新情況的能力對(duì)于在新市場(chǎng)中使用該設(shè)備至關(guān)重要。

所述工作流可以使用 MATLAB 中的腳本進(jìn)行自動(dòng)化，并且大部分工作可以重用。唯一需要重復(fù)的步驟是在相當(dāng)于泵在現(xiàn)場(chǎng)所面臨的條件下進(jìn)行數(shù)據(jù)采集。

借助智能互聯(lián)技術(shù)的最新發(fā)展成果，機(jī)器制造商甚至可以通過(guò)臨時(shí)設(shè)置向客戶交付設(shè)備，在現(xiàn)場(chǎng)實(shí)際條件下遠(yuǎn)程收集數(shù)據(jù)，訓(xùn)練故障檢測(cè)算法，然后遠(yuǎn)程將其重新部署到機(jī)器上。這將為客戶提供新的支持機(jī)會(huì)，包括對(duì)已在現(xiàn)場(chǎng)特定條件下使用了一段時(shí)間的設(shè)備進(jìn)行故障檢測(cè)的再訓(xùn)練。在眾多機(jī)器上收集的見解將使客戶和制造商都受益。

預(yù)測(cè)性維護(hù)有助于工程師準(zhǔn)確確定設(shè)備何時(shí)需要維護(hù)。它可以根據(jù)實(shí)際需要而不是預(yù)定的時(shí)間安排維護(hù)，從而減少停機(jī)時(shí)間并防止設(shè)備故障。通常，在實(shí)際機(jī)器上訓(xùn)練預(yù)測(cè)性維護(hù)算法所需的故障條件過(guò)于昂貴，甚至無(wú)法實(shí)現(xiàn)。

解決這一難題的方法是使用全工作機(jī)器的現(xiàn)場(chǎng)數(shù)據(jù)來(lái)調(diào)優(yōu)物理三維模型并創(chuàng)建數(shù)字孿生體。然后，使用數(shù)字孿生體來(lái)設(shè)計(jì)預(yù)測(cè)性維護(hù)檢測(cè)算法，以部署到實(shí)際設(shè)備的控制器中。該過(guò)程可實(shí)現(xiàn)自動(dòng)化，能夠快速調(diào)整各種條件、所處理的材料和設(shè)備配置。