夏霜

（湖北新冶钢有限公司，湖北黄石，435000）

选矿是整个矿产品生产中较为重要的环节，设备繁多且工序复杂。利用监控加强对选矿设备的管理能够提高设备运行效率，但传统监控系统操作复杂且过程诊断技术难，无法建立精准的数学模型。为改善此类问题，本文设计与开发了基于物联网和工业云的选矿设备状态监控系统。利用物联网技术对设备运行过程中产生的数据进行的采集和传输，微服务框架将工业云与监控设备结合，完成系统的服务化过程。利用多种技术的结合，使系统具备在线诊断、精准定位故障部位、推送报警、移动监控等功能。增加了设备的利用率，减少了人力需求，为将来企业智能化发展提供了支持。

1 选矿设备状态监控系统整体架构

■1.1 选矿设备状态监控系统整体架构

该系统整体结构分为五层：

第一层为选矿设备层，主要通过选矿设备的指标参数及视频图像采集节点，获取选矿过程中多元数据。

第二层是物联网感知层，该层主要架构是数据采集平台、视频监控及MES设备管理系统形成的选矿设备物联网闭环。数据采集平台是由部署在生产设备参数采集点的传感器构建而成，视频监控则是通过部署在视频采集点的摄像头采集得到。

第三层为数据传输层，将第二层采集的数据实时上传到工业云计算中心的实时数据收集集群中，且将数据存储至云端数据库，同时将经过现场工作站处理的数据放入数据库。若网络出现中断，则将本地缓存的历史数据上传至工业云的非实时数据收集群，保证了数据的完整性。

第四层为云平台层，该层主要通过在云计算设施基础上建立的数据收集和数据处理集群对数据进行分析处理，并发布与之对应的基于微服务架构的应用服务。

第五层为应用服务层，通过在工业云上部署MES设备管理系统实现该系统的服务化。根据用户的不同需求提供如实时状态检测、在线故障诊断及实时视频检测及其他应用服务，能够有效降低企业使用本系统的门槛和成本。整体架构如图1所示。

图1 选矿设备状态监控系统整体架构图

图2 选矿设备状态监控系统软件架构图

■1.2 选矿设备状态监控系统软件架构

该系统软件是采用的问服务于软件构架设计模式。该模式特点在于通过微服务将资源用REST Web API形式对外公开，每一个独立的微服务都能实现一个不同特性的应用，且服务间相互独立，都有自己的操作系统进程，适用于基于工业云的分布式应用系统。软件构架如图2所示。

2 选矿设备状态监控功能设计

为得到更为完善的系统，该系统功能设计主要分为7个单元，分别是基础设备信息管理单元、设备运行状况实时监控单元、设备运行维护单元、设备运行统计单元、设备运行分析单元、设备视频监控单元以及设备故障诊断单元。分别针对设备的基础信息的管理、设备实时运行状态的监控、设备维修情况的记录、设备运行状况的统计、设备故障率及设备综合效率的分析、设备故障的诊断等信息进行统计，完善设备的功能，为用户的使用提供便捷。选矿设备状态监控功能结构图如图3所示。

图3 选矿设备状态监控功能结构图

3 选矿设备监控系统技术选择

本系统主要涉及5种技术的应用，分别是物联网采集技术、数据传输技术、系统报警推送技术、故障诊断技术及视频数据与过程参数融合技术。为满足流程工业对实时工厂应用的需求，物联网数据采集平台的无线传感器采用的是WirelessHART无线通信协议，建立可靠稳定安全的无线通信。有线传感器采用的是用于过程控制的对象与嵌入工业标准。

数据传输技术为建立选矿设备智能监控的SaaS平台，给不同选矿厂提供服务，故须将现场采集到的数据实时传输到工业云计算中心的数据库中。本系统是利用云服务器中的RabbitMQ集群收集非实时数据，Kafka集群收集实时数据，在网络中断的情况下，也能保证数据的完整性。在数据传输的同时安装分布式系统数据服务，使集群服务器间形成高可用服务，避免服务器故障造成的数据流失。

警报推送技术与传统报警功能区别在于对设备运行状态的建模，在设别运行状态下结合视频监控进行异常诊断，通过移动网络将报警信息进行推动。为提高监控的便捷性，该系统采用分布式消息队列中间件技术，推送的报警信息首先上传到分布式消息中间件，中间件根据报警信息的类型和等级进行推送报警，管理者和操作者能够及时准确的获得报警信息予以处理。

设备故障诊断技术是在传统的在线检测基础上对运行状态下的设备进行诊断和预测，通过监测视频快速定位产生故障的部位及原因，同时对预测可能发生故障的部位进行维护维修，避免因设备故障造成的停产现象。为对设备进行准确的故障诊断，需建立设备诊断的体系框架，本系统建立的设备诊断体系框架如图4所示。

为确保设备诊断的准确性，本系统提供如主成分分析、模成分分析、支持向量机、偏最小二乘法等建模方式。将收集到的设备运行数据与上述建模方式进行建模和仿真评估，从而得到最适合该设备的建模模型，实现对运行设备的诊断。同时系统会一直采集运行数据对该模型预测和诊断的精度进行评估，据评估结果跟新模型，以确保设备故障诊断的准确性。

图4 设备故障诊断体系框架

数据视频与过程参数的融合技术是通过设备管理与视频监控相结合，使过程变量和视频信息融合。利用计算机视觉和视频监控分析方法对视频监控中的图像进行分类分析，提取关键的信息，自动判断该监控区域中异常的现象。发现异常后与设备实时参数进行对比分析。从而快速找到发生事故的部位，并进行报警。实现在移动终端对选矿设备的实时监控。

4 系统的实现及验证

基于物联网和工业云的选矿设备状态监控系统是利用物联网数据采集技术、数据传输技术、微服务构架对选矿设备状态监控系统设计开发而成。为验证该系统的应用服务化以及对选矿厂的支持效用，将本系统部署在南京大学工业云计算中心。结合某450万吨选矿厂应用选矿设备状态监控系统云服务定制的APP完成对本文构建的选矿设备状态监控系统的初步应用验证。

验证过程分别从设备状态、运行统计、报警信息、故障诊断及移动巡检方面进行验证。设备状态对运行状态和实时状态进行监测；运行统计主对主要设备的运行时间、停歇时间及停歇原因按照年度、季度、月度进行统计，形成报表；报警信息统计报警推送，报警历史记录；故障诊断是利用一段时间内正常运行的历史状态数据作为训练集数据，调用合适的建模方法构建模型，对比实时运行状态数据进行在线诊断，判断该设备的运行状态。移动巡检是指工作人员在现场巡检时可通过移动APP扫描带有设备编码信息的二维码快速了解该设备当前运行的状态。

通过系统的验证可看出，基于物联网和工业云的选矿设备状态监控系统对选矿厂有支持作用，对企业门槛要求较低，具有较高的实用意义。

5 结语

本文通过物联网数据采集技术、数据传输技术、微服务构架对选矿设备状态监控系统进行设计和开发，构建出基于物联网和工业云的选矿设备状态监控系统。工业云与微服务构架完成了系统的服务化，满足不同选矿厂需求。物联网采集技术对设备运行时的实时数据进行采集说输送；非实时数据集群RabbitMQ和实时数据集群Kafka，保证了数据的完整性；系统报警推送技术将警报信息分类推送；故障诊断技术通过各种建模方式与设备运行数据的匹配，构建出适合的模型，对可能出现故障的部位进行预测；视频数据与过程参数融合技术直接运用计算机分析处理采集到的数据，从而准确的推算出故障部位，实现设备视频移动监控。通过与云服务定制的APP结合验证，证实了该系统对选矿厂的支持效用。