一种选矿设备运行状态监控系统及方法与流程

本发明属于设备监控技术领域，具体涉及一种选矿设备运行状态监控系统及方法。

背景技术：

流程工业是我国国民经济的重要支柱产业之一，其发展状况直接影响国家的经济基础。选矿生产过程是典型的流程工业，随着市场竞争的加剧，企业要想在激烈的竞争中胜出，必需提高生产效率节约成本。设备是一个企业的固定资产，也象征着企业的实力，维护设备是一笔巨大的开支，提高设备利用率和降低企业设备的维护成本是降低生产成本的有效途径。设备是企业生产的主要物质基础，保障企业的生产效率、产品质量、生产成本都与设备的技术水平息息相关。随着制造行业的发展和制造执行系统(MES)在制造企业的应用，企业对设备管理提出了更高的要求。因此，保证设备的正常运转，提高设备的运行效率，及时发现设备的运行故障，合理的设备检修计划就显得十分重要。

选矿生产过程连续，主体生产设备主要通过皮带或管道连接，生产路径固定。选矿的主体生产设备每台价格昂贵，设备类型固定，其在选矿企业可持续发展战略中起着越来越重要的作用，正确地评估设备运行的综合绩效，对于提高产品质量、降低生产成本、建立企业的竞争优势至关重要。因此，加强对设备运行状态的监控，一方面对提高选矿厂的设备运行效率和减少设备故障时间显得十分重要，另一方面也是保证选矿企业生产安全进行的重要手段。

目前选矿行业的应用现状是生产制造执行层中对设备管理侧重于设备基础信息的管理，实现设备基础信息、设备维修记录、设备点检跟踪、设备检修计划、设备运行管理等功能，对设备的运行状况主要实现的是记录和统计功能，不能使用该设备及时地根据设备当前运行状态做出控制动作，即没有对设备运行状态实现监控。设备运行监控主要在选矿过程控制系统(PCS)层实现，侧重于对设备机械故障的在线监测和关键参数变化趋势，发出警报，对设备状况监测的实时数据较少进行综合分析处理，不能实现对设备运行工况的诊断。综上所述可见，目前针对选矿设备运行状态的监控缺乏对设备的异常工矿进行诊断，缺乏对表征设备运行状况的数据进行分析、计算与处理，这样就难以将生产中设备运行状况及时反馈给计划层，导致难以对选矿生产作业计划进行快速响应和调整，从而影响整个选矿企业生产效率。

技术实现要素：

针对现有技术的不足，本发明提出一种选矿设备运行状态监控系统及方法。

本发明的技术方案是：

一种选矿设备运行状态监控系统，包括本地服务器、多个数据采集传感器和视频采集模块；

所述多个数据采集传感器输入端均连接采矿厂监测的各个设备，所述多个数据采集传感器的输出端连接所述本地服务器，所述视频采集模块的输出端连接所述本地服务器；

所述数据采集传感器，用于实时采集监测的设备的运行状态数据和设备指标数据，并发送至本地服务器；所述监测的设备包括：球磨机、竖炉、过滤机、强磁选机、高梯度磁选机、高频细筛和柱塞泵；所述监测设备的运行状态数据包括：各个设备的运行时间、停歇时间、日历工作时间、实际加工周期和合格品数量，所述停歇时间包括：外部因素停机时间、调整初始化时间和故障停歇时间；

所述视频采集模块，用于实时采集各个设备的工作视频，并发送至本地服务器；

所述本地服务器搭建有设备台账单元、设备运行状态监视单元、设备运行统计单元、设备运行分析单元、设备运行状况对比分析单元、设备视频监控单元；

所述设备台账单元，用于记录并存储采矿厂监测的各个设备基础信息；

所述设备运行状态监视单元，用于显示监测的各个设备的运行状态数据和设备指标数据；通过设定各设备指标数据的上限阈值与下限阈值，当监测的各个设备的设备指标数据超出其对应的上限阈值或者下限阈值时，进行预警，并显示预警设备的全部已知故障原因；

所述设备运行统计单元，用于根据监测的各个设备的运行状态数据统计各个设备的运行时间和各个设备的停歇时间，统计各个设备运行维护记录、各个设备维修记录和故障检修知识库，并显示；

所述设备运行分析单元，用于设定各个设备的计划停机时间、理论加工周期和加工数量，根据各个设备的运行时间和各个设备的故障停歇时间计算对应设备的设备故障率；根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE分析值；根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态；

所述设备运行维护单元，用于记录用户提供的设备运行维护记录、设备维修记录和故障检修知识库；

所述设备运行状况对比分析单元，用于显示单个设备的运行时间在一定时间内的对比图、整个设备类型的设备的运行时间在一定时间内的对比图、单个设备的停歇时间在一定时间内的对比图、整个设备类型的设备的停歇时间在一定时间内的对比图；

所述视频监视单元，用于显示监测的设备运行的实时工作视频和历史工作视频。

所述根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE分析值的公式为：

设备的OEE分析值＝时间开动率×性能开动率×合格品率×100％；

其中，时间开动率＝开动时间/负荷时间；

负荷时间＝日历工作时间-计划停机时间-外部因素停机时间；

开动时间＝负荷时间-故障停歇时间-调整初始化时间；

性能开动率＝净开动率×速度开动率；

净开动率＝加工数量×实际加工周期/开动时间；

净开动率＝加工数量×实际加工周期/开动时间；

速度开动率＝理论加工周期/实际加工周期；

合格品率＝合格品数量/加工数量。

采用选矿设备运行状态监控系统进行选矿设备运行状态监控的方法，包括以下步骤：

通过数据采集传感器实时采集监测的设备的运行状态数据和设备指标数据，并发送至本地服务器；

通过视频采集模块实时采集各个设备的工作视频，并发送至本地服务器；

通过本地服务器记录并存储采矿厂监测的各个设备基础信息；

通过本地服务器显示监测的各个设备的运行状态数据和设备指标数据；

通过本地服务器设定各设备指标数据的上限阈值与下限阈值，当监测的各个设备的设备指标数据超出其对应的上限阈值或者下限阈值时，进行预警，并显示预警设备的全部已知故障原因；

通过本地服务器记录用户提供的设备运行维护记录、设备维修记录和故障检修知识库；

通过本地服务器根据监测的各个设备的运行状态数据统计各个设备的运行时间和各个设备的停歇时间，统计各个设备运行维护记录、各个设备维修记录和故障检修知识库，并显示；

通过本地服务器设定各个设备的计划停机时间、理论加工周期和加工数量；

通过本地服务器根据各个设备的运行时间和各个设备的故障停歇时间计算对应设备的设备故障率；

通过本地服务器根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE分析值；

通过本地服务器根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态；

通过本地服务器显示单个设备的运行时间在一定时间内的对比图、整个设备类型的设备的运行时间在一定时间内的对比图、单个设备的停歇时间在一定时间内的对比图、整个设备类型的设备的停歇时间在一定时间内的对比图；

通过本地服务器显示监测的设备运行的实时工作视频和历史工作视频。

所述通过本地服务器根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态的具体过程包括以下步骤：

S1：获取采集的某一设备的运行状态数据的历史数据；

S2：将运行状态数据的N组历史数据进行预处理，将设备同一性能指标的运行状态数据的历史数据进行统一；

S3：选取预处理后的运行状态数据中M组历史正常数据作为训练集数据，选取核函数，对训练集数据进行核映射，得到核矩阵，并对该核矩阵进行中心化处理，建立该设备的统计KPCA模型；

S4：根据设备的统计KPCA模型计算训练集数据的T²统计量控制限和SPE统计量控制限；

S5：将运行状态数据的历史数据中的K组历史正常数据和历史故障数据作为测试集数据，根据设备的统计KPCA模型计算测试集数据的T²统计量和SPE统计量；

S6：对设备的统计KPCA模型进行验证：若历史正常数据的T²统计量和SPE统计量超出其对应的控制限的数量在设定的模型准确率的范围内，并且历史故障数据的T²统计量和SPE统计量在其对应控制限范围内的数量在设定的模型准确率的范围内，则执行S7，否则执行S8；

S7：将当前设备的统计KPCA模型作为诊断模型，执行S9；

S8：重新获取采集的该设备的运行状态数据的历史数据或者更换核函数，返回步骤S2；

S9：对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断：若实时采集的运行状态数据根据设备的诊断模型计算的T²统计量和SPE统计量均在其控制限内，则该设备为正常状态，否则，该设备为故障状态。

本发明的有益效果：

本发明提出一种选矿设备运行状态监控系统及方法，本发明可以实现选矿生产制造执行层对设备运行状态的实时监控，对数据进行综合分析处理，实现对设备运行工况的诊断；进行设备故障率分析，分析对设备停机损失的贡献量最大的损失，给现场控制室的操作人员以参考，促使其采取相应的措施，进行改进。

附图说明

图1为本发明具体实施方式中选矿设备运行状态监控系统结构框图；

图2为本发明具体实施方式中选矿设备运行状态监控的方法的流程图；

图3为本发明具体实施方式中通过建立设备的统计KPCA模型对实时采集的监测的各个设备的运行状态数据进行在线诊断的流程图。

具体实施方式

下面结合附图对本发明具体实施方式加以详细的说明。

一种选矿设备运行状态监控系统，如图1所示，包括本地服务器、多个数据采集传感器和视频采集模块。

所述多个数据采集传感器输入端均连接采矿厂监测的各个设备，所述多个数据采集传感器的输出端连接所述本地服务器，所述视频采集模块的输出端连接所述本地服务器。

本实施方式中，数据采集传感器选用中科博微WirelessHart模块M1100以及WirelessHart智能网关G1100。

视频采集模块选用海康威视网络摄像机(型号为：DS-2CD2725F-1)。

所述数据采集传感器，用于实时采集监测的设备的运行状态数据和设备指标数据，并发送至本地服务器；所述监测设备的运行状态数据包括：各个设备的运行时间、停歇时间、日历工作时间、实际加工周期和合格品数量，所述停歇时间包括：外部因素停机时间、调整初始化时间和故障停歇时间。

本实施方式中，监测的设备包括：球磨机、竖炉、过滤机、强磁选机、高梯度磁选机、高频细筛和柱塞泵。

所述视频采集模块，用于实时采集各个设备的工作视频，并发送至本地服务器。

所述本地服务器搭建有设备台账单元、设备运行状态监视单元、设备运行统计单元、设备运行分析单元、设备运行维护单元、设备运行状况对比分析单元、设备视频监控单元。

所述设备台账单元，用于记录并存储采矿厂监测的各个设备基础信息。

本实施方式中，记录并存储采矿厂监测的各个设备基础信息，实现选矿厂各个设备的基础信息的管理，设备基础信息包括设备所在选矿厂中的结构位置、设备档案、设备类型和设备状态。

其中，设备所在选矿厂中的结构位置：为设备根据工厂层次结构、位置体系、对设备按照工序和作业区的不同进行分区的位置；

设备档案：为设备的规格型号、使用年限、出厂日期以及附属设备等基本信息，能够对具体某一个设备的设备名称、设备编码、设备别称、设备的规格型号、性能参数、生产厂商等这些基础信息的记录、修改和查询功能，与现场实际设备一一对应；

设备类型：为设备的不同归类类别，便于对设备统计分析的处理；

设备状态：标记设备是否正常启用，可以对某一设备设置为停用状态。

所述设备运行状态监视单元，用于显示监测的各个设备的运行状态数据和设备指标数据。通过设定各设备指标数据的上限阈值与下限阈值，当监测的各个设备的设备指标数据超出其对应的上限阈值或者下限阈值时，进行预警，并显示预警设备的全部已知故障原因。

所述设备运行统计单元，用于根据监测的各个设备的运行状态数据统计各个设备的运行时间和各个设备的停歇时间，统计各个设备运行维护记录、各个设备维修记录和故障检修知识库，并显示。

本实施方式中，设备运行统计单元统计各个设备的运行时间、各个设备的停歇时间、设备运行维护记录、设备维修记录和故障检修知识库，并且实现了查看任意时间段内各个设备的运行记录，设备运行记录包括设备的停歇记录和运行记录；各个设备的停歇时间、停歇原因类型、停歇原因描述和确认标识；可以根据输入的起始时间、终止时间和设备名称，进行查看任意时间段内和任意各个设备的运行记录；实现对底层采集的设备运行记录进行处理，可以实现对运行记录的添加、修改、删除和确认的操作。

对于首次采集的设备运行记录，需要对设备停歇记录的停歇原因类型和停歇原因描述进行完善，若设备运行记录的设备启停时间、启停标记、停歇原因都确定正确，则对该条设备运行记录进行确认标记。如果修改一条已经确认过的记录，则该条记录设备启停时间之后的该设备的所有运行记录的确认标记自动标识为“没有确认”，需要重新确认。

各个设备的运行时间统计：对每个主体设备基于已确认的设备运行记录以天为单位进行设备运行统计，设备运时统计一次只能统计一天的运时，并可以计算出该天的设备作业率，支持用户自定义班制设置，可以根据具体选矿厂生产情况设置班制。

各个设备的停歇时间统计：实现对选矿厂主体设备按照停歇原因进行停歇时间的统计；设备停歇年统计是指对每个设备类型的一年内每个月的按停歇原因的不同进行统计，是在设备停歇月统计的结果上进行统计。

所述设备运行分析单元，用于设定各个设备的计划停机时间、理论加工周期和加工数量，根据各个设备的运行时间和各个设备的故障停歇时间计算对应设备的设备故障率；根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE(Overall Equipment Effectiveness，设备综合效率)分析值；根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态。

本实施方式中，根据各个设备的运行时间和各个设备的故障停歇时间计算对应设备的设备故障率。设备故障率：指根据设备的故障停歇时间和设备的运行时间，计算设备的故障率。设备故障率＝故障停歇时间/(运行时间+故障停歇时间)。

本实施方式中，所述根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE分析值的公式为：

设备的OEE分析值＝时间开动率×性能开动率×合格品率×100％。

其中，时间开动率＝开动时间/负荷时间。

负荷时间＝日历工作时间-计划停机时间-外部因素停机时间。

开动时间＝负荷时间-故障停歇时间-调整初始化时间。

性能开动率＝净开动率×速度开动率。性能开动率反映了实际加工产品所用时间与开动时间的比例，它的高低反映了生产中的设备空转，无法统计的小停机损失。

净开动率＝加工数量×实际加工周期/开动时间。

速度开动率＝理论加工周期/实际加工周期。

合格品率＝合格品数量/加工数量。

所述设备运行维护单元，用于记录用户提供的设备运行维护记录、设备维修记录和故障检修知识库；

本实施方式中，设备运行维护记录：实现对设备的维修进行记录，并把设备的维修记录，通过分析处理整理成设备的故障检修知识库；

设备维修记录：指维护人员对设备故障的工作记录，主要记录设备故障类型，出现故障的设备名，维修日期，故障的描述，解除故障的处理方式；

故障检修知识库：指维护人员通过对现场设备故障的维修经验，在出现典型故障或难处理故障时，记录下来典型故障或难处理故障的表现形式、故障产生原因和处理方式，生成故障检修知识库，以供今后处理设备故障作参考。

本实施方式中，记录用户提供的设备运行维护记录、设备维修记录和故障检修知识库，有利于减少设备故障时间。由于在全厂级的设备管理系统中，没有进行维修经验的积累，维修仍是主要依靠于个人技能和经验，缺乏标准化和专业化的维修经验支持，效率不高。这种现象在钢铁行业普遍存在，为了提高选矿厂的设备运行效率和减少设备故障时间，因此在选矿设备运行状况监控平台中需要实现设备运行维修记录，并根据故障类型和停歇时间为标记，形成设备维修经验库，为选矿厂的维修提供专业化的维修经验支持。

所述设备运行状况对比分析单元，用于显示单个设备的运行时间在一定时间内的对比图、整个设备类型的设备的运行时间在一定时间内的对比图、单个设备的停歇时间在一定时间内的对比图、整个设备类型的设备的停歇时间在一定时间内的对比图。

本实施方式中，显示单个设备的运行时间在两个月内的对比图、整个设备类型的设备的运行时间在两个月内的对比图、单个设备的停歇时间在两个月内的对比图、整个设备类型的设备的停歇时间在两个月内的对比图。

所述视频监视单元，用于显示监测的设备运行的实时工作视频和历史工作视频。

本实施方式中，显示监测的设备运行的实时工作视频和历史工作视频，使工作人员能够随时了解现场设备的工作运行情况，实现设备图像移动监控的目的，结合设备运行状态参数监控，为后续基于图像与运行参数的智能诊断与监控提供基础。

采用选矿设备运行状态监控系统进行选矿设备运行状态监控的方法，如图2所示，包括以下步骤：

101、通过数据采集传感器实时采集监测的设备的运行状态数据和设备指标数据，并发送至本地服务器。

102、通过视频采集模块实时采集各个设备的工作视频，并发送至本地服务器。

103、通过本地服务器记录并存储采矿厂监测的各个设备基础信息。

104、通过本地服务器显示监测的各个设备的运行状态数据和设备指标数据。

105、通过本地服务器设定各设备指标数据的上限阈值与下限阈值，当监测的各个设备的设备指标数据超出其对应的上限阈值或者下限阈值时，进行预警，并显示预警设备的全部已知故障原因。

106、通过本地服务器记录用户提供的设备运行维护记录、设备维修记录和故障检修知识库；

107、通过本地服务器根据监测的各个设备的运行状态数据统计各个设备的运行时间和各个设备的停歇时间，统计各个设备运行维护记录、各个设备维修记录和故障检修知识库，并显示。

108、通过本地服务器设定各个设备的计划停机时间、理论加工周期和加工数量。

109、通过本地服务器根据各个设备的运行时间和各个设备的故障停歇时间计算对应设备的设备故障率。

110、通过本地服务器根据设备的日历工作时间、计划停机时间、外部因素停机时间、调整初始化时间、加工数量、实际加工周期、理论加工周期、合格品数量、故障停歇时间计算对应设备的OEE分析值。

111、通过本地服务器根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态。

112、通过本地服务器显示单个设备的运行时间在一定时间内的对比图、整个设备类型的设备的运行时间在一定时间内的对比图、单个设备的停歇时间在一定时间内的对比图、整个设备类型的设备的停歇时间在一定时间内的对比图。

113、通过本地服务器显示监测的设备运行的实时工作视频和历史工作视频。

本实施方式中，通过本地服务器根据各个设备的运行状态数据的历史故障数据和历史正常数据建立对应设备的统计KPCA模型，并对设备的统计KPCA模型进行验证，得到设备的诊断模型，对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断，判断该监测设备的运行状态的具体过程，如图3所示，包括以下步骤：

S1：获取采集的某一设备的运行状态数据的历史数据。

本实施方式中，监测的设备包括：球磨机、竖炉、过滤机、强磁选机、高梯度磁选机、高频细筛和柱塞泵。选用N＝30组球磨机3-1的部分运行状态数据作为历史数据如表1所示。

表1球磨机3-1的部分运行状态数据作为历史数据

S2：将运行状态数据的N组历史数据进行预处理，将设备同一性能指标的运行状态数据的历史数据进行统一。

本实施方式中，将N组历史数据进行预处理的方法为：将每个变量减去其均值后除以其标准差，以消除历史数据变量之间的量纲影响。

S3：选取预处理后的运行状态数据中M组历史正常数据作为训练集数据，选取核函数，对训练集数据进行核映射，得到核矩阵，并对该核矩阵进行中心化处理，建立该设备的统计KPCA(Kernel Principal Component Analysis，核主成分分析)模型。

本实施方式中，选取处理以后的运行状态数据中M＝20组历史正常数据作为训练集数据如表2所示。

表2训练集数据

本实施方式中，训练集数据x_i(i＝1，2.....M)，函数为高斯径向基函数(RBF)如式(1)所示：

其中，σ为训练集数据的标准差。

对训练集数据进行核映射，得到核矩阵如式(2)所示：

其中，1_im＝1_nj＝1，m＝1，2......M，J＝1，2......M，n＝1，2......M，k_ij＝Φ(x_i)·Φ(x_j)，Φ(x_i)为行特征空间样本点，Φ(x_j)为列特征空间样本点。

S4：根据设备的统计KPCA模型计算训练集数据的T²统计量控制限和SPE统计量控制限。

本实施方式中，得到的设备的统计KPCA模型计算训练集数据的T²统计量控制限为31.847，SPE统计量控制限为6.951*10^-4。

S5：将运行状态数据的历史数据中的K组历史正常数据和历史故障数据作为测试集数据，根据设备的统计KPCA模型计算测试集数据的T²统计量和SPE统计量。

本实施方式中，选取的K＝8组测试集数据如表3所示。

表3 K＝8组测试集数据

S6：对设备的统计KPCA模型进行验证：若历史正常数据的T²统计量和SPE统计量超出其对应的控制限的数量在设定的模型准确率的范围内，并且历史故障数据的T²统计量和SPE统计量在其对应控制限范围内的数量在设定的模型准确率的范围内，则执行S7，否则执行S8。

本实施方式中，模型准确率为95％。

S7：将当前设备的统计KPCA模型作为诊断模型，执行S9。

S8：重新获取采集的该设备的运行状态数据的历史数据或者更换核函数，返回步骤S2。

S9：对实时采集的监测的各个设备的运行状态数据采用其对应设备的诊断模型进行在线诊断：若实时采集的运行状态数据根据设备的诊断模型计算的T²统计量和SPE统计量均在其控制限内，则该设备为正常状态，否则，该设备为故障状态。

本实施方式，诊断的组球磨机3-1的部分运行状态数据的诊断结果如表4所示。

表4诊断的组球磨机3-1的部分运行状态数据的诊断结果