设备在线监测与维护管理系统设计技术方案Word文档下载推荐.docx

1、f.站台、风雨棚g.消防通道h.办公区i.人员装备2.2按类别分类a.安检设备类 大型安检仪 便携式安检仪 金属测器 安全门b.售、检票类 自动售票机 进出站闸机c.导向、广播、查询、监控类 导向及 PDP 屏 摄像头 自助查询机d.电梯类 直梯 扶梯e.空调类中央空调多联机 机房专用空调f.电脑类服务器 个人电脑g.通讯类 对讲机h.桌椅家具类办公桌座椅i.静态标志j.厕卫类 洗手池 面镜 便器 干手机2.3按业务分类 按照车站不同的业务范畴，车站设备分为客运设备、机电设备、 行车设备、消防设备、站房设备等，其中行车设备不在监测范围内， 其总体分类如下图 1 所示。2.4用电设ftr电梯照明

2、安全门便器而镜洗手池PF机图1车站设备分类2.5按设备等级分类a.安全一级设备空调服务器UPS电源b.二级设备广播导向视频监控自动售票机自动取票机闸机制票机查询机c.三级设备面镜干手机3.系统总体需求（ 1） 实现设备的基础信息维护对全站设备的基础数据进行维护， 对设备的状态值进行统一划分， 如在用、停用、维修、借入、借出、调入、报废等；灵活配置设备的 类别，并用树状结构展示；设备的属性值可以自主设置，如个、张、 排、支、台、套等；可以自主添加和删除设备的基础项目和字段。（ 2） 实现设备的运行状态监控 通过制定统一的设备接口规范，自动获取各设备（电梯、 照明设 备、空调设备等）的在线运行状态

3、情况。（3） 实现设备故障报警 对监测出有故障的设备可以用红色报警灯提示。（4） 实现关键设备的预防维修 对一些关键设备如电梯、 照明、空调等设备故障用不同的报警提 示，如故障：红色，异常：黄色。（ 5） 实现设备的故障闭环管理 对设备故障进行闭环跟踪，保证设备故障能及时销号。（6） 实现设备的故障诊断 对一些机电设备如电梯、空调等故障进行分析和诊断。（ 7） 实现设备的质量评估 根据一定时间段内设备的故障进行统计， 从而评估出设备的质量， 质量等级分为：优、中、差。（ 8） 实现设备的查询与统计报表 对设备按各种形式进行查看、查询、生成各种统计报表等。4.系统架构4.1系统逻辑结构 车站设备

4、在线监测与维护管理系统分基础设施、 数据共享与交换、 应用中间件、系统应用 4 层。基础设施层：网络和硬件设备、操作系统及相关系统软件。 数据共享与交换层： 集中数据库、 本地相关信息化系统和自动 化设备数据接口、 外部相关信息系统的数据接口， 以及提供信息共享和交换的处理机制。应用中间件层：提供支持上层应用的领域框架、工作流引擎、 基础类库、通用模版等。系统应用层： 提供与业务管理相关的应用功能、 以及辅助应用 系统配置与管理的相关功能。车站设备在线监测与维护管理系统的逻辑结构如下图 2 所示：基础设施层硬件设备（服务器、传感器、参数检测仪等）网络设施图2车站设备在线监测与维护管理系统的逻辑

5、结构4.2系统物理结构本设备在线监测系统在结构上采用分散式测量和总线式监控分 析相结合的结构，主要由现场监测单元和工控机两部分组成。其中， 现场监测单元主要包括：PT（电压互感）信号变换器、光纤流传感器, 系统结构框图如图所示。现场监测单元在机房机柜光 纤 通 信 线光纤通信线信号变换器为纯阻性.产生的电压信号作为监测信号的相位基准 参考值。运用精密的光纤传感器测量容性设备的泄漏电流。并通过参 数测试仪对所有监测量进行就地数字信号处理。将最终测量结果通过 光纤传到后台监控计算机进行分析、 诊断、显示。监控计算机通过网 络连接到前台客户端上。5.关键技术5.1关键设备智能预警技术在车站，如果某个

6、设备已经存在严重故障，不但造成设备报废的 损失，而且对乘客的生命安全及车站的正常运行造成巨大的威胁和隐 患。将预警技术应用在设备在线监控系统中， 能从根本上提高设备故 障监测的灵敏度，从而实现准确的故障早期预警，防止因设备故障影 响车站的正常运营。应用智能预警技术，能够在强大的、实现面向车站设备的在线状 态分析与预报，即通过设备状态的信息获取、特征提取及在线分析， 实现设备故障的多层次预报，在监控历史数据库基础上，构造监控及 运营管理专家系统，从而提高运营管理水平，减少工作人员的人工维 护，减少设备故障率，提高设备的运营效率，改善车站人员的工作环 境，降低运营成本。在尽量不改变或少改变现有设备

7、的基础上，通过 局部的嵌入式技术应用，实现对车站监控设备的智能化改造；对既有 不同设备进行信息整合，通过信息和智能技术，提升设备监控系统的 性能。数据融合技术涉及信号处理、特征提取、推理决策三大环节，本 研究所采用的多传感器系统数据融合同样也由这三大部分组成， 其过程如图4所示。由于被测对象多为具有不同特征的非电量， 所以首先 将它们通过传感器转换成为电信号，经过A/D转换将现场参数变为 可由微处理器处理的数字量。数字化后的电信号经过预处理，可以滤 除数据采集过程中现场环境下的干扰和噪声； 对处理后的目标信号做特征提取,根据所提取的特征信号进行数据融合，最终输出结果。图4多传感器系统数据融合过

8、程在设备故障特征识别中，采用经典的自适应加权融合估计算法进 行数据融合，其模型如图4所示。这种数据融合方法不要求知道传感 器测量数据的任何知识，只是靠传感器所提供的测量数据， 通过自动 计算和调整，就可得出均方误差最小的数据融合值。图5自适应加权融合估计算法模型算法先对各传感器在某一时刻的测量值进行估计， 当估计真值为 常量时，就可根据各个传感器历史数据的均值来进行估计。因为不同的传感器都有相应的加权数，在总均方误差最小这一最 优条件下，根据各个传感器所得到的测量值，以自适应的方式寻找其 对应的权数，可使图5融合后的x达到最优。5.2故障诊断技术故障诊断就是根据从系统运行过程中得到的信息， 进

9、行分析和判 断，确定系统是否存在故障及存在何种故障的过程。 这个过程实际上 是对系统运行的模式进行分类，因此故障诊断也是模式识别问题。选 择合适的故障特征是故障诊断的关键问题。故障诊断主要由五个部分组成，如下图所示。 （1）图6故障诊断组成故障诊断流程如下:1） 数据获取根据需要通过传感器测取有关参量，来自传感器的信号要用计算 机可以运算的符号来表示。通常输入对象的信息有一维波形 （如机械振动和噪声）、二维图像（如光弹图像、文字、图片等）、物理参量和逻 辑值（如压力、温度，或对状态的描述，如关或开可用逻辑值即。或 1 表示）等。通过测量、采样、量化、编码、数据形式的转换和校准，使信 号变成可以

10、计算的数据，其数据可以用向量或矩阵表示一维波形或二 维图像，这就是数据获取的过程。2） 预处理预处理的目的是提高信号的信噪比，如剔除奇异项，去掉电平 漂移，必要时零均值化，消除趋势项和平滑滤波等，以便突出有用的 信息，并对输入测量仪器或其他原因所造成的退化现象进行复原。3） 特征提取与选择特征可以分为三类，即物理方面的、结构方面的和数学方面的 特征。人们通常习惯于从物理和结构方面的特征去识别对象， 因为这 些特征容易被感觉器官所发现， 也便于认识和理解。 但是只有对相应 的工业设备或系统工作机理有了深入的了解， 才有可能从物理和结构 上的合适特征去识别系统的故障。 数学方面的特征主要是指运用数

11、理 统计方法等得到的特征，如均值、方差、协方差函数及线性预测模型 的参数等等。4）故障模式分类如果每一个模式有 n 个特征数据，则它对应于 n 维模式空间的一 个矢量或一个点。模式分类的问题就是把这些模式空间中的矢量 （或点）确定为一个适当的模式类中。模式空间事先被划分成互不相交的 区域，每个区域与一个类别的模式相对应。对于故障诊断，就是在已 知各种故障类别及已知一些故障样本点的条件下， 去判别被观测的样 本届于哪一种故障。 在进行故障诊断以前， 这些已知的信息是通过上 述的学习过程输入到计算机中去的。5） 分析决策 这里通过对某发动机的故障诊断来说明用模式识别方法进行故 障诊断的过程。 根据

12、所测试发动机运行时的各部分的温度和压力， 经 特征提取压缩数据后形成两维矢量， 如图所示， 横坐标为温度，纵坐 标为压力。 每一次测量形成一个矢量，矢量的始端为原点，末端标志 为平面上的一个点， 这就代表一个运行模式。 经过对发动机运行状态 的一系列测试后， 得到的测点分为两类，一类为良好工作状态点， 如 图所示 S1 类；另一类为较差或故障工作状态点如图所示 S2 类。对 发动机的某一运行状态，得到测点Z,人们可以通过判断它属于Si类 还是 S2 类来识别它的工作良好程度。很明显， z 点属于 S1 类。6.系统功能结构铁路客运站设备在线监测与维护管理系统主要包括基础数据维 护、在线监测、关

13、键设备预防维修、故障事故管理、故障诊断、设备 质量评估、系统管理、统计报表等。见下图 8所示。眾路暮迄翠迂备冲线监刃刼轴泵统图8设备在线监测与维护管理系统7.功能说明7.1 基础数据维护用于建立设备的静态履历台账，即设备的基本属性信息，包括设 备名称、设备类别（售、检票类、电梯类、安检类、空调类等） 、设 备品牌、设备型号、设备串码、投入使用时间、使用区域、安装位置、 使用状态（在用、停用、维修、借入、借出、调入、报废）、维修记 录（最后一次维修时间）、借调用记录（最后一次借调用时间）、计量 单位、数量、备注等。可以灵活配置设备的类别， 并能按各种类别形式用树状结构展示； 可以自主添加和删除设备的基础项目和字段； 可以自动生成设备的借、调用记录表。7.2在线监测能实时监测关键设备的状态， 如广播、引导屏、闸机、视频状态， 并用三种报警灯正常、注意、异常来表示。7.3关键设备的预防维修能预测未来一段时间内关键