摘要：磨煤机是火电机组的重要设备，其健康的工作状态是保障发电厂正常运行的关键因素。为实现磨煤机的运行状态监测和故障诊断预警，在对磨煤机运行振动/声音分析的基础上选择最优的传感器参数和传感器布设位置，通过以太网技术实现数据的传输和收集。该系统是国内首套基于振动/声音声纹识别技术的磨煤机运行监测和故障诊断系统。
关键词：磨煤机；振动；声学指纹；状态监测；故障预警；云平台
0引言
原煤经磨煤机碾磨后，被热一次风携带，煤粉通过燃烧器喷入炉膛后燃烧。通常有多个磨煤机向炉内供应煤粉，总煤量由电负荷、锅炉蒸发量、燃煤的发热量等因素决定。某电厂采用的是MPS中速磨煤机，磨盘的转动速度为33r/min，变加载液压系统对三个磨辊实现压力控制，并实现粉煤的制备。磨煤机关键部件，如磨辊、电机、减速机和拉杆等，一旦出现异常或故障将会影响整个机组的安全运行，并造成巨大的经济损失[1-6]。因此，建立能准确快速反映磨煤机关键部件的监测系统，对保证火电厂的安全运行具有十分重要的意义。文献[7]实现了基于LabVIEW的磨煤机试验数据在线采集分析系统。针对磨煤机实际运行过程中故障类型难以确定及故障诊断时间滞后等问题，一种基于小波包-LSTM神经网络的磨煤机故障诊断方法具有一定作用[8]。孙同敏[9]基于磨煤机机理模型和状态空间预测控制器，在充分接近磨煤机的实际运行状态下，获得了大量的故障数据。朱朋成等[10]基于热力学机理与数据挖掘对磨煤机预警系统进行了研究。综上所述，现有研究多基于介质状态参数和设备运行电力参数等进行数据采集和分析。但是直接针对关键零部件的基于振动/声学的状态监测和预警诊断的研究成果鲜有公布。为满足磨煤机关键部件健康运行等实际要求，本文开发了适用于磨煤机振动/声音监测的智能振动/声音采集设备，设计了磨煤机振动/声音数据采集方案。在对磨煤机运行振动/声音分析的基础上选择最优的传感器参数和布设位置，通过以太网组网技术实现数据的传输和收集。为后续的磨煤机运行监测和故障诊断系统的设计奠定了基础。
1系统架构和技术路线
项目总体方案采用智能传感器以太网组网和本地部署私有云采集磨煤机运行时振动、声音和温度数据实现状态监测，并通过基于声学指纹的人工智能识别技术实现对磨煤机的故障诊断。系统架构如图1所示。
1.1可边缘计算的声振温一体式智能传感器
针对工业场景设备状态感知，开发了可边缘计算的声音、振动、温度一体的智能传感器，采用兼容性工业设计，可根据场景需要灵活选择设备供电方式、传输方式、安装方式和采样方式。图2为使用了华控智加的POE有线产品。本项目监测电厂中两个350MW燃煤超临界火力发电机组共10台磨煤机，每台磨煤机根据监测目标确定8个监测点位，每个点位安装一套声振温一体式智能传感器。图3展示了磨煤机现场安装实景图，其中左图为电机驱动端监测点位的传感器安装情况，右图为磨煤机外壳的其中一个拉杆位置的监测点位传感器安装情况。
1.2支持分布式高并发容错计算的工业互联网云平台
本方案的工业互联网云平台构架如图4所示，智加工业混合云方案分为厂区端平台和智加工业云两部分。厂区端平台部署于各厂区内，负责现场具体事务的处理，包括与硬件通信、完成数据接收与存储、支持智能计算、承载上层业务服务，能够保证数据完整性、一致性和可用性，提升计算的效率和用户体验。智加工业云部署于公司内部，负责数据治理、人工智能计算、工业设备管理研究、现地端平台运维方案实施等功能。同时设计并实施信息安全、数据迁移以及模型管理等方案，实现两者间的信息互通与统一管理。
1.3结合物理机制的多源数据融合的机器故障指纹智能识别引擎
针对数据总量大、单次计算数据量有限、使用数据可预判、计算时设备数据相对独立、计算频次高、单次计算时间短等场景特点，设计将部分计算在终端完成，根据设备将网络传输回的数据保存到确定的分片节点，与该设备相关的计算由该节点的计算、存储以及缓存模块配合完成，减少数据在节点间的移动。在单次计算中，将所有数据进行切分，根据模型需要和并行任务情况分配计算核心，并行高效地执行运算，如图5所示。物理机制的多源数据融合技术和机器声纹识别技术是本项目的核心技术。图6展示了结合物理机制的多源数据融合的机器故障指纹智能识别系统的整体设计。
1.4前端信息展示和可视化
为了向电厂不同层级人员充分展示本系统的检测和诊断结果，设计了丰富的前端信息展示和可视化功能，主要包括：设备台账信息和设备3D可视化的BIM显示、用于专家标注的数据处理和分析、智能引擎可视化、自动生成诊断报告等，如图7所示。
2结语
本文研究了国内首套基于振动/声音声纹识别技术的磨煤机运行监测和故障诊断系统。根据现场实验和系统实际运行情况确定了监测点位和数据采集参数，采用智能传感器有线组网和本地部署私有云采集磨煤机运行时振动、声音和温度数据，实现状态监测，并通过基于声学指纹的人工智能识别技术实现对磨煤机的故障诊断。为方便人工智能故障诊断模型的训练和更新，本方案预留了本地私有云服务器和实施方企业公有云之间的数据交换功能，具体包括训练数据的获取、模型更新后的推送。
