混凝土搅拌运输车预测性维护的建模架构.pdf

54 建筑机械SURVEYING专题论述混凝土搅拌运输车预测性维护的建模架构邓志国，梁谷羿，朱 宏，何 琪（湖南汽车制造有限责任公司长沙分公司，湖南 长沙 410000）摘要本文研究分析了混凝土搅拌运输车（简称搅拌车）领域对预测性维护研究的现状，根据其研发预测模型存在的研发难、成本高、效果差等特点，提出了一种适用于搅拌车预测性维护研发的建模架构。该系统包含一套工业化的预测性维护模型研发和实施的系统方案，一条完整且明确的数据链路，一种适用于搅拌车各零部件和多维度的建模方式的架构。本文中的预测性维护系统和建模架构已经开发完成，并已建立预测模型对实际运营的搅拌车车辆实施监控预测，在提升预测性维护模型的研发效率、参数调优、准确性评价一致性等方面效果良好，为企业预测性维护技术的研发奠定基础，具有一定的推广 价值。关键词混凝土搅拌运输车；预测性维护；预测故障；建模架构中图分类号TU646 文献标识码A 文章编号1001-554X（2024）01-0054-05Modeling architecture for predictive maintenance of concrete mixing transport vehiclesDENG Zhi-guo，LIANG Gu-yi，ZHU Hong，HE Qi一般来说，搅拌车的维护维修分为事后维护、预防性维护和预测性维护。事后维护是指当故障发生后，由技术人员紧急赶往现场进行维修恢复，即售后维修。预防性维护是指通过了解部件或模块的平均使用寿命，从时间和运行里程等方面静态的预测该部件即将出现故障，开展的一系列固定性的维护，即保养计划。随着时代的发展和客户的需求，对于维护维修工作精确性、及时性、低成本的期望也变得越来越高，希望能够在对设备和系统无故障的前提下，通过一系列的分析决策来实现维护。这种维护工作需要根据车辆状态信息经过云端模型的逻辑运算，作出需要维护的决策判断，即预测性维护。搅拌车预测性维护技术的研发正在探索阶段，研发过程会更多的参考比如乘用车、工程机械等行业来开展，同时也要求我们要站在巨人的肩膀上，探索更高效的研发方案。1 搅拌车预测性维护研究现状随着传感器和通信技术的发展，搅拌车各类场景的智能化应用也开始普及，使用数据采集、统计分析、大数据模型、数字孪生等技术，为设备建立模型，对设备状态进行监控和生命周期管理，研发人员可以更好的模拟和测试物理环境中的多个场景，达到更加精细的数据分析和参数优化1。其中，预测性维护是提高服务效率、降低服务成本和提升客户满意度永恒的话题。目前，预测性维护大多是基于状态的维护，利用零部件研发人员的经验和该行业的知识建成一个数字化模型，对故障进行预测，这只能针对部分有规律可循且已被研究的故障开展模型建立，更多的利用大数据模型和统计学等理论来扩充预测性维护建模的方式2。提升预测模型的准确性、适用性，是我们重点研发的 方向。2 预测性维护研究存在的普遍问题基于企业多年的预测性维护研究工作的开展，我们团队总结现在预测性维护研究存在如下的普遍问题：（1）研究方向限制。一般预测性维护主要围绕已有的维修经验或者 DOI:10.14189/ki.cm1981.2024.01.003收稿日期2023-08-23通讯地址邓志国，湖南省长沙市长沙县星沙街道三一智联重卡零部件和工程机械产业园CONSTRUCTION MACHINERY 552024/01总第575期零部件研发工程师的研发数据进行研究，其研究方向的确定不是按照车辆故障的发生频率以及故障的影响大小排序，即不能自主的决定研究零部件的预测模型。（2）重复研究。每个零部件的预测性维护研究可能交给不同的团队，研究过程和成果没有积累沉淀。比如数据采集-数据上传-数据存储这一套协议标准，应该定义好数据的种类、采集周期、上传周期、上报条件、存储时效、可扩充字段等。有需要新增加采集的数据，按照该协议标准增加即可，但目前的研究大多是通过增加新的协议来实现。（3）用户体验差。在没有系统定义用户触达方式并和故障等级匹配的情况下，最终呈现给用户的系统、频率和方式不一致，用户不知道怎么了解到车辆将会发生的故障，这让预测性维护研究失去了最终的意义。3 搅拌车预测性维护系统方案对于搅拌车预测性维护研究工作的开展，我们建立了一套工业化的预测性维护模型研发和实施系统，其系统方案如图1所示。车机大屏（司机使用：弹窗提醒）用户APP（车主司机使用：列表汇总）后台管理系统（车联网运维人员：数据统计，短信下发，参数配置）车联网后台服务器（数据算法处理和转发）TD数据平台（数据存储和分析）TBox（数据采集和上传）PCan零部件1零部件2零部件n训练优化训练优化图1 预测性维护系统架构图（1）数据源。零部件发出运行数据至车辆CAN线。该类设备可以是车辆前装的零部件，由企业研发人员定义数据协议，供应商配合开发和测试；也可以是后装的设备，能符合国家道路安全法律法规要求和数据安全要求并与车辆配合开发的后装设备，满足系统的要求即可。（2）数据采集。T-Box进行数据采集和上传。基于搅拌车的法规要求，车载终端具备数据采集、存储、处理、备份、上传等功能。针对采集频率小于1Hz的非高频数据，T-Box不需要对其进行处理，采集后按周期上传或按事件触发上传；针对采集频率大于1Hz的高频数据，T-Box需要使用其具有的边缘计算能力对数据进行初步处理，将预处理后的有效数据上传至平台3。（3）数据存储。大数据平台进行数据解析和存储。平台具有数据解析和存储功能，并能被其他系统通过特定的方式调用数据。调用平台的数据需进行身份鉴权、网关控制等，保证数据的安全使用。（4）数据分析。模型黑盒进行数据分析得出预测结果。对于一般可被感知或者在行业已有经验基础上的预测性维护模型，采用简单的后台服务建模方式基于机理模型建模；对于混乱的且无规律可循的预测性维护模型，采用大数据建模方式基于数理统计模型建模。建模之后需根据实际的车辆运行数据进行训练和测试，当模型准确度高于对应故障的可接受值时，最终结果可通过以下方式呈现给用户。（5）结果输出。在车机大屏和用户使用的APP上进行展示和提醒。对于实时性要求高且被预测的故障影响大的情况，在车辆运行或车辆启动时，采用车机大屏弹窗的方式进行提醒；对于实时性要求低且故障影响不大的类型，可通过用户使用的APP进行展示。4 搅拌车预测性维护的建模架构基于预测性维护的系统方案，模型部分的建模架构是核心部分，预测性维护建模架构由以下部分组成（见图2）：（1）数据端。建模系统数据的来源为实际营运车辆的运行56 建筑机械SURVEYING专题论述数据，由车载终端T-Box采集数据上传至数据平台，并对数据进行预处理和存储，经处理后的有效数据通过接口的方式输入到模型黑盒中进行训练或验证。手动输入预测性维护建模系统TD数据平台T-Box数据上传车辆运行数据（高频周期），车辆故障数据（时间触发）数据预处理、存储前端展示APP应用展示车机大屏展示结论白盒正常基于机理模型建模基于数理统计模型建模数据和数据的关系数据生成结果值的逻辑结果值判断故障的逻辑异常模型黑盒故障和零部件关联关系故障和车辆运行数据关联关系车辆故障阈值车辆属性数据和阈值的关联关系车辆和模型的关联关系图2 预测性维护建模架构图（2）人工运维端。对于模型的关联关系，需要相关零部件的研发工程师在系统中输入，主要需输入故障和零部件的关联关系、故障和车辆运行数据的关联关系、车辆故障阈值、车辆属性数据和阈值的关联关系、车辆和模型的关联关系等。（3）建模过程。建模过程分为基于机理模型建模和基于数理统计模型建模。基于机理模型建模是基于车辆和系统本身的运行状态来实施的，依靠对相关零部件领域知识的理解和经验的积累，初步获得模型关联的数据、参数和逻辑；基于数理统计模型建模，是采用大数据模型分析包含车辆运行的各类状态数据、工作场景等数据和实际发生的故障，找到模型关联的数据、参数和逻辑。（4）建模系统。建模系统包含建模输入、模型黑盒、结论白盒等，并形成训练和实施两套互不影响的进程。在系统中可以对模型进行历史数据的训练，也可对当前运行车辆进行实时实施。5 建模应用案例本文提出的预测性维护建模架构已初步建成并开始应用于三一搅拌车的故障预测，目前对车辆电子电气系统和排放处理装置的部分故障进行了模型建设。5.1 电子电气系统电子电气系统包含29路电气件的电流值和40路电子电气件保险通断的监控，主要以数字孪生技术加上基于机理模型建模的方法来实现预测性维护。主要监控电流项如表1所示，主要监控保险项如表2所示。基于以上的电流值和保险通断的监测，在预测性维护系统里面建立其孪生模型（见图3），实时监控车辆异常状态。基于机理模型的建模，可以提前预测电流的异常值，指导客户和服务工程师开展维护工作。表1 电子电气系统电流项序号电流值名称序号电流值名称序号电流值名称1左远光电流11底盘小灯电流21尿素加热电源电流2右远光电流12示廓灯电流22冰箱电源电流3左近光电流13前位置灯电流23独立暖风电源电流4右近光电流14电喇叭电流24压缩机电源电流5室内灯电流15气喇叭电流25空调鼓风机电源电流6后雾灯电流16轮间差速电流26燃油水寒宝电源电流7左雾灯电流17轴间差速电流27雨刮保险电流8右雾灯电流18燃油切换阀电流28通风加热座椅电源电流9后工作灯电流19中控屏ACC电流29空气干燥器电源电流10驾驶室小灯电流20点烟器电源电流CONSTRUCTION MACHINERY 572024/01总第575期表2 电子电气系统保险项序号保险名称序号保险名称序号保险名称1发动机ECM15尿素液位传感器29燃油切换开关2仪表16域控制器ACC电源30中控屏3VCU ON档17空气干燥器31制动开关4EBS/ABS+ESC 开关18域控制器32语音报警器5域控制器电源119TBOX ACC电源33VCU6大灯开关背光20ADAS34雨刮继电器7空调控制器21尿素加热丝35点火锁8域控制器电源222空调鼓风机36发动机ECM ON档9变速箱TCU ON档23缓速器控制器37行驶记录仪10点烟器24变速箱TCU电源138仪表 ON档11域控制器电源325燃油水寒宝39TBOX12EBS/ABS+ESC ON档26发电机40诊断接口13驾驶室翻转开关27变速箱TCU电源214挂车ABS/EBS28空调机械压缩机图3 电子电气系统数字孪生模型5.2 车辆排放处理装置车辆排放处理装置部分包含SCR效率低、压差信号不合理、DPF移除、DPF堵塞、DPF二级过载、上/下游NOx值过高、尿素泵压力过高、尿素泵压力过高/低、尿素浓度低等故障的预测模型，模型内容示例如图4所示。模型建立后，根据车辆历史运行数据和故障数据进行训练，调整参数，让故障提前5小时预测达到80%的准确率，现在已经开始针对市场运营车辆进行实施预测。6 结束语目前，搅拌车行业预测性维护的研究正在蓬勃发展，预测性维护技术一直都是各企业核心的技术储备。相对乘用车、工程机械等行业，搅拌车想要在预测性维护技术上有大的进步和突破，需要借助大数据和数字孪生等技术实现弯道超车，走出自58 建筑机械SURVEYING专题论述节奏，节约施工工期。5 结束语以济南C-3-1项目装配式钢结构住宅钢构件吊装为背景，采用BIM模拟推演和现场实际试验安装等方法，对不同钢结构吊装施工工艺的优缺点进行研究，主要结论如下：（1）钢结构深化设计时，需统筹考虑各类钢结构构件的几何尺寸，合理进行构件分节分段设计，最大限度节约钢材。（2）钢结构安装施工流水节拍需与楼面板安装流水节拍相互协调，钢柱深化长度不应超过四层一节，钢梁安装节奏宜按两层一个循环进行，使得钢结构安装与楼面板施工整体形成“小步快跑”的流水节奏，避免各班组之间相互窝工，节约工期。（3）钢结构错位跃层法吊装通过不同层、不同长度钢柱之间的相互锁定作用能有效保证钢结构安装竖直度和轴线偏位控制精度，同时下一节钢柱安装时可采用缆风绳与上一节钢柱临时固定，确保钢结构安装施工安全。（4）钢柱柱心混凝土分层错位灌注，同时钢柱焊接焊缝不同层之间相互错位，提高了钢结构整体承载力和稳定性，可有效减小钢结构整体变形。参考文献1住房城乡建设部印发“十四五”建筑业发展规划N.中国建筑业产业报，2022，01.2 蔡小平，等.高层装配式钢结构住宅施工技术J.结构施工，2021，43（12）：2490-2498.3陈耀钢.高层钢结构住宅装配节点施工技术J.施工技术，2018，47（15）：70-72.4曹启光.某装配式钢结构住宅项目施工技术J.施工技术，2017，46（18）：8-10.5晏金洲.100m装配式高层钢结构住宅关键施工技术J.施工技术，2017，46（12）：102-106.6郁银泉，等.（JGJ 99-2015）高层民用建筑钢结构技术规程S.北京：中国建筑工业出版社，2015.7侯兆新，等.（GB 50205-2020）钢结构工程施工质量验收标准S.北京：中国计划出版社，2020.图4 排放处理装置模型己的研发道路。本文提出的预测性维护建模架构现在已用于实际应用场景并取得初步成效，后续会持续研究并优化，在研发过程中进行适用范围扩充和功能提炼，着重将基于数理统计模型的建模方式运用的更加成熟，让搅拌车维修领域搭上大数据快速发展的道路。参考文献1 国家工业信息安全发展研究中心，山东大学.工业设备数字孪生白皮书R.北京：2022.2李洋.基于设备建模的设备预测性维护方法J.中国设备工程，2022（12）：86-88.3郭占东，李宏杰，钱瑾，等.边缘计算在预测性维护中的应用J.电子技术，2022，51（08）：55-57.（上接第53页）