矿用电机分布式远程智能在线监测系统设计.pdf

第 48 卷增 1煤炭学报Vol.48Supp.12023 年4 月JOUNAL OF CHINA COAL SOCIETYApril2023矿用电机分布式远程智能在线监测系统设计薛霜思，曹晖，贾立新，李欢，谭浚楷，石天卓(西安交通大学 电气工程学院，电力设备电气绝缘国家重点实验室，陕西 西安710049)摘要:矿用电机由于负载大、工作环境恶劣等原因，导致其故障频发，严重影响煤矿企业的稳定生产。电机故障又多为突发状况，导致电机故障往往难以及时发现。为帮助掌握电机运行状态，保障电机安全稳定运行，针对现有电机监测系统设计与功能的不足，以矿用电机为对象，设计了一套矿用电机远程智能在线监测系统。分析了电机分布式远程智能监测系统的需求，设计系统的整体方案，包含嵌入式电机在线监测系统、故障诊断系统以及数据可视化平台 3 部分。嵌入式电机在线监测系统采用基于嵌入式的电路实现电机电压、电流以及主要部位温度数据的检测，当系统运行数据超限时，及时启动保护，从而防止电机损坏。系统集成了显示屏、内部存储芯片和数据接口，以实现电机各类数据的显示、存储与发送。故障诊断系统通过结合电机故障特征的数据与支持向量机(SVM)法，建立电机匝间短路故障诊断模型。模型能通过电机运行数据诊断电机是否出现匝间短路故障，以便在电机彻底损坏前采取相应措施，减少因设备损坏与停机造成的损失。数据可视化平台采用 Web 应用的方式搭建在远程服务器上搭。平台通过互联网与嵌入式电机监测系统通信，在实现电机运行数据云备份的同时，实现电机状态的实时监测与故障诊断。关键词:矿用电机;状态监测;故障诊断;数据可视化中图分类号:TD88文献标志码:A文章编号:02539993(2023)S1036813移动阅读收稿日期:20221201修回日期:20230205责任编辑:郭晓炜DOI:1013225/jcnkijccs20221770基金项目:陕西省重点研发计划国际科技合作计划资助项目(2019KW010)作者简介:薛霜思(1992)，男，陕西渭南人，博士研究生。Email:xssxjtu stuxjtueducn引用格式:薛霜思，曹晖，贾立新，等 矿用电机分布式远程智能在线监测系统设计J 煤炭学报，2023，48(S1):368380XUE Shuangsi，CAO Hui，JIA Lixin Design of distributed remote intelligent online monitoring system for min-ing motorsJ Journal of China Coal Society，2023，48(S1):368380.Design of distributed remote intelligent online monitoring system formining motorsXUE Shuangsi，CAO Hui，JIA Lixin，LI Huan，TAN Junkai，SHI Tianzhuo(Xi an Jiaotong University，School of Electrical Engineering，The State Key Laboratory of Electrical Insulation and Power Equipment，Xi an710049，China)Abstract:Mining motors are subject to frequent failures due to large loads and harsh working environments，which se-riously affect the stable production of coal mining enterprises Motor failures are mostly sudden，making themdifficult to detect in time In order to help grasp the motor operating status and ensure the safe and stable operationof the motor，a remote intelligent online monitoring system for mining motors is designed for the need for the exist-ing motor monitoring system design and function The requirements of the distributed remote intelligent monitoring sys-tem for motors are analyzed，and the overall scheme of the system is designed，which contains three parts:the embed-ded motoronlinemonitoringsystem，thefaultdiagnosissystemandthedatavisualizationplatformTheembedded motor online monitoring system uses embedded-based circuitry to detect the main parts motor voltage，cur-rent and temperature data，and to start timely protection when the system operation data exceeds the limit，thus preven-ting motor damage The system integrates a display，an internal memory chip，and a data interface to display，store andsend all kinds of motor data The fault diagnosis system establishes a motor turn-to-turn short circuit fault diagno-增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计sis model by combining data on motor fault characteristics with the support vector machine(SVM)methodThe model can diagnose whether the motor has an inter-turn short-circuit fault by using the motor operation dataso that corresponding measures can be taken before the motor is completely damaged to reduce the loss caused by e-quipment damage and downtime The data visualization platform is built on a remote server using a Web applicationThe platform communicates with the embedded motor monitoring system through the Internet and realizes real-time mo-nitoring and fault diagnosis of motor status while realizing cloud backup of motor operation dataKey words:mining motor;status monitoring;fault diagnosis;data visualization煤炭工业是我国经济发展的重要保障，未来长时期内，煤炭依旧是我国能源结构的主体13。因此，确保煤炭开采的安全高效是实现国民经济可持续发展的重要基础。在机械化与自动化的现代煤矿作业中，从矿井掘进到煤炭的开采和运输，每个环节都离不开电机的参与，其稳定运行是保证煤矿安全高效生产的重要前提。矿用电机多为大功率电机，一旦发生故障，可能造成巨大的经济损失，甚至引起安全事故。因此，如何保障电机的安全稳定运行，实现矿用电机的分布式远程智能在线监测得到大量关注。随着传感器与通信等技术的日渐成熟，针对矿用设备的在线监测装置研究取得飞速发展47。针对煤矿井下设备群监测数据的低传输效率问题，曹现刚等8 通过数据集成网关有效消除传感器网络的异构性，但研究中没有为电机端设计控制系统。针对矿用电机，胡博等9 面向多种电机状态参数实时监测与分析，基于嵌入式系统设计开发了一套监测系统，但硬件部分模块化不够，可拓展性不够强。杨斌斌等10 基于分布式思想，设计了电机的温度智能监测系统，但系统本身没有嵌入数据识别算法，对数据的诊断能力有限。刘朝华等11 利用图形处理器并行计算的研究方法，建立了电机系统状态监测模型，系统依据参数变化实现对系统运行状态进行在线监测与预警，但系统本身对算力要求较高。针对矿用电机故障诊断算法，国内外学者进行了广泛的研究1214。目前主要的故障诊断方法有基于电机信号以及基于知识的诊断方法等。王煜等15 以改进的希尔伯特黄变换(HHT)为主，提出了电机故障分析与诊断方法。张雅晖等16 基于多源信息融合的思想，提出融合相关谱电机故障诊断方法。杨泽斌等17 提出了开关瞬态频率响应的方法对低压伺服电机早期匝绝缘劣化进行在线监测。此类基于模型的方法没有充分利用所采集数据的隐藏特征。因此，基于知识的诊断方法被引入故障诊断应用1718。但从整体上没有结合硬件数据采集与软件灵活设计的优势。数据是设备在线监测的核心要素，软件平台的系统架构和核心技术，其要旨之一是实现系统要素展现“可视化”19。针对煤矿智能运行各个环节的数据可视化，张鹏20 提出一种智能矿山大数据体系架构，将大数据分析决策平台分析结果进行多维度可视化展示。丁昊等21 提出一种多维数据融合可视化方法，对负荷数据进行优化。刘善军等22 提出天空地多平台多模式协同的模式，实现了监测信息的建模与多终端显示。张智韬等23 在研究中对矿井关键设施设备进行三维建模，直观地展示在前端界面。以上研究的应用范围有限，具有一定的封闭性，对第三方硬件的支持不够充足，跨平台兼容性较差。结合以上研究基础，笔者设计了一套矿用电机远程智能在线监测系统。系统包含嵌入式电机在线监测系统、故障诊断系统以及数据可视化平台 3 部分。首先介绍所设计嵌入式电机在线监测系统各个功能模块的硬件电路设计与程序流程;然后基于故障特征提取基本原理，结合电机故障特征数据与 SVM(Support Vector Machines)支持向量机方法，设计了电机故障诊断系统;最后通过采用 Web 应用的方式在远程服务器上搭建数据可视化云平台，平台通过互联网与嵌入式电机监测系统通信，实现电机运行数据的云备份与电机状态的实时监测，并验证了整体架构的有效性。1系统总体结构设计本套在线监测系统在传统的矿用电机基础上进行开发，系统基于电机运行特性，针对性地设计了嵌入式电机监测硬件模块，放入防爆盒中与电机一同深入井下工作，实现系统与电机的联合，从根本上解决兼容性问题。设计中具体考虑实现电机运行状态实时监测、电机运行数据记录、电机保护、远程监测以及电机智能故障诊断的功能。笔者将以上需求进行了分类与整合，将矿用电机分布式远程智能在线监测系统划分成嵌入式电机在线监测系统、智能故障诊断与数据可视化云平台 3 个部分，系统总体结构如图 1所示。963煤炭学报2023 年第 48 卷图 1电机监测系统结构Fig1Structure diagram of motor monitoring system系统中，嵌入式电机在线监测系统系统会实时采集电机的运行数据并存入内置存储芯片，用户随时可以通过监测系统查询电机运行数据、设置监测系统参数。监测系统可以根据用户设置的电机保护参数，在电机运行参数异常时触发保护机制，然后通过向变频器发送信号停止电机运行，避免电机损坏。笔者选择电机的电压、电流、温度作为监测信号，拟采用基于AM 芯片设计的嵌入式系统，实现对电机的监测与保护。智能故障诊断系统在电机出现异常时，根据电机当前的运行数据，运用故障诊断模型来判断电机故障种类。电机故障种类较多，由于绕组绝缘层本身是电机结构中的薄弱环节，因此匝间短路成为异步电动机最常见的故障之一。由此选择异步电机定子绕组匝间短路故障为主要研究对象，基于故障特征提取基本原理，结合电机故障特征数据与 SVM 方法，实现故障的综合诊断。嵌入式电机在线监测系统实现了运行数据监测、电机保护等功能。但由于本系统的监测对象为矿用电机，主要在矿井下工作，环境恶劣，不适合在现场监测电机运行状态。因此，仅仅实现在线监测是不够的，还需要能够实现电机运行数据的远程监测，运行数据的查询、下载等功能。综合考虑软件功能与设计方法，本系统开发了一套基于 Web 应用的数据可视化云平台。该平台包括数据可视化网站、数据库和通信程序 3 部分。数据可视化平台部署在云服务器，通过网络与监测系统连接获取电机运行数据，实现数据的展示、备份、查询与下载。2监测系统硬件设计方案2.1核心监测模块总体结构核心监测模块的主要功能是实时不间断的采集电机的运行数据，整体结构如图 2 所示。电机的主要运行参数有电压、电流、温度、转速、转矩和震动等信号。其中，电压、电流是最能反映电机工作状态的参数。电压主要反映电机的输入，电流除反映电机的负载情况，还能在电机出现过载、短路、轴承磨损等故障时，反映电机的温度异常情况。在带有变频器的电机中转速可以通过变频器读取，在不带有变频器的电机中转速相对稳定，因此电机监测系统无需测量转速。转矩的测量需要为电机增加额外设备，且震动信号容易受到周围设备的影响。综上所述，笔者选择电压、电流、温度作为监测信号。通过对这些数据的监测，就能够获得较为全面的电机监测数据，便于用户监测电机的运行状态。同时在带有变频器的电机中，监测系统预留 S485 数据总线可以与变频器相连，通过变频器读取电机运行数据。此外系统还能够通过网口将数据传送至互联网指定服务器端口，实现电机远程监测与功能扩展。在实际使用过程中，嵌入式电机监测系统会被放入设计好的防爆盒中，与电机一同深入井下工作。嵌入式电机监测系统以 AM 微处理器为核心，由图 3 所示的 STM32F429 核心、电源模块、数据采集模块、通信模块、存储模块、显示模块 6部分组成，共同实现电机的监测与保护。073增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计图 2嵌入式电机监测系统整体结构Fig2Overall structure of the embedded motor monitoring system图 3电机监测系统模块构成Fig3Module composition of motor monitoring system硬件电路采用模块化设计，将系统分成 2 块相互独立的电路板底板和核心板，2 块板之间采用预先定义好的接口进行连接。底板主要包含数据采集模块和电源模块，核心板包含系统核心、存储模块和通信模块，显示模块由一块独立的工业组态显示屏构成。这样的设计可以减小电路板面积，规避风险，方便不同模块的调试工作，也一定程度避免单个硬件损坏造成整个电路板报废。此外，模块化的设计让硬件的更新与扩展更容易，在部分硬件电路设计修改时，只需修改模块所在电路板，即可实现系统硬件升级。2.2电源模块设计电源模块负责给整个嵌入式监测系统供电，因此，设计了支持宽幅输入、抗干扰能力强、稳定可靠的电源模块，保证监测系统正常工作，其结构如图 4 所示。交流电源通过外部的交流变压器降压，经过整流保护电路输出直流，然后通过宽幅输入的 DC/DC 变换器输出稳定的直流。由于各个子系统供电需求不尽相同，电源模块需要产生 3 路直流输出，其中 12 V负责给显示模块供电，5 V 负责给温度调理电路和电能计量芯片供电，33 V 为核心和通信接口等芯片供电。图 4电源模块结构Fig4Power module structure2.3数据采集模块设计根据系统设计需求，设计数据采集模块的结构如图 5 所示。图 5数据采集模块结构Fig5Data acquisition module structure作为电机监测系统，电压、电流是反映电机运行状态最直观、最主要的数据。为了保证测量精度，同时兼顾高压隔离，保障系统安全稳定运行，本系统采用 2 级电压、电流互感器的方式进行测量，设计电压、电流采集系统结构如图 6 所示。在测量器件方面，本系统采用 ATT7026A 高精度三相电能专用计量芯片，适用于三相三线和三相四线应用。电能计量芯片能将系统核心从繁杂的数据采集中解放出来，提高主程序的执行速度与应对程序中断的能力。2.4显示模块设计为方便用户在现场就能实现与电机监测系统交互，本系统设计了信息交互模块。显示模块采用触摸显示屏，通过串口与系统核心连接。用户可通过显示屏查看当前电机运行状态、历史运行数据，配置电机监测系统参数，实现电机控制等诸多功能。串口屏集TFT 显示驱动、图片字库存储、GUI 操作、TC 显示及各种组态控件于一体的串口显示终端。最终根据系统功能，设计出实时运行数据显示、报警参数设置、系统参数设置、电机历史数据显示与数据下载 5 个界面。选取参数设置界面进行展示如图 7 所示。173煤炭学报2023 年第 48 卷图 6电压、电流采集结构Fig6Voltage and current acquisition structure图 7网络参数设置界面 UI 设计Fig7UI design of network parameter setting interface2.5硬件展示最终设计完成的电路板如图 8 所示。图 8 中橙色区域为电源模块，负责为电路板供电;白色区域为电压、电流测量模块，包含电压电流互感器、调理电路和电能计量芯片;红色部分为温度测量模块，主要包括恒流源电路、多路选择器、AD 转换芯片以及光耦隔离芯片;黄色区域为系统核心板，除了核心的 AM微处理器之外还包含存储器、通信接口等芯片，核心板与主电路板分离开来，采用模块化设计，方便系统维护与升级。显示模块为一块独立的触摸屏，通过串行通信接口与核心板连接。3系统关键技术研究3.1矿用电机故障诊断基本原理笔者建立在线监测系统的采样信号包括了电压、电流、温度和转矩等。对于煤矿常用的三相异步电机，通过电流信号能非侵入式地识别所有故障类型，因此选择电流信号作为故障诊断信号数据来源。故障诊断模型分 2 步设计。第 1 步，使用扩展 Park 矢量法提取电机定子匝间短路的故障特征;第 2 步，通图 8嵌入式电机监测系统电路板Fig8Embedded motor monitoring system board过机器学习中的 SVM 支持向量机搭建故障诊断模型，根据故障特征数据对模型进行训练和调参，使之具有分辨正常电机数据与匝间短路电机数据的能力，从而使用该模型对未知电机状态的数据判断，实现电273增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计机故障诊断功能。3.2矿用电机故障数据分析引入扩展 Park 矢量法(Extended Park s VectorApproach)对电机电流信号进行分析。该方法先用Park 变换对三相电流进行处理得到对应的电流 Park矢量模平方的时域频谱图。首先进行不同供电频率的匝间短路分析，通过电机运行试验测得电机正常和1%负载下，匝间短路时不同供电频率(30，45 Hz)的三相电流数据。对正常电机，实验测量了电机分别在0，50%，100%负载情况下的电机运行数据。由于电机电流数据在不同负载下所表现出的特征相似，为避免重复，笔者只列举电机空载运行的三相电流波形。其中 45 Hz 下电机电流波形如图 9 所示。图 9电机空载电流波形(45 Hz)Fig9Motor noload current waveform(45 Hz)图 9(a)为正常电机运行数据，三相电流对称性较好;图 9(b)为 A 相 1%匝间短路电机运行数据，可以明显看出三相电流出现不对称，其中 A 相由于匝间短路故障造成该相电流幅值稍大。首先对正常电机的电流波形使用 Park 变换并计算其 Park 矢量模平方，其波形如图 10(a)所示;再对该矢量模的平方进行 FFT(快速傅里叶变换)，其频谱分布如图 10(b)所示，频率为 0 的频谱为 Park 变换中的直流分量，幅值为真正直流分量幅值的 2 倍。对匝间短路电机电流数据采用同样的方法分析，波形如图 11 所示。通过对 Park 矢量模 FFT 的频谱分布对比可见，信号的直流分量与 1 倍频分量变化较图 10正常电机(45 Hz)Fig10Normal motor(45 Hz)图 11匝间短路电机(45 Hz)Fig11Turntoturn short circuit motor(45 Hz)373煤炭学报2023 年第 48 卷小，而故障电机的 2 倍频分量出现明显的增长，符合扩展 Park 矢量法的理论分析。在三相供电平衡但供电频率不同(30，45 Hz)的条件下，对正常电机分别在 0，50%，100%负载时以及 1%负载下匝间短路电机分别在 0%，40%负载时的电流数据，使用扩展 Park矢量法得到对应的电流矢量模平方的直流分量和 2倍频交流分量，如图 12 所示。图 12不同供电频率与负载下电流 Park 矢量模分布Fig12Current Park vector mode distribution under differentpower supply frequencies and loads作为对比，采用与不同供电频率时匝间短路数据分析相同的过程，将不同负载下正常电机与故障电机的 Park 矢量模平方中的直流分量与交流分量提取出来，其分布如图 13 所示。从图 13 可以看出，整体故障分类已不满足线性可分。图 13不同负载下电流 Park 矢量模平方分布Fig13Square distribution of current Park vectormodulo under different loads3.3基于 SVM 的故障诊断模型在电机匝间短路故障数据分析中当三相供电不平衡时，线性分类不能满足要求，为此笔者引入机器学习模型中对数据量和维度要求较低的 SVM 支持向量机搭建故障诊断模型。SVM(Support Vector Ma-chines)支持向量机是二分类模型，在解决线性问题和非线性问题方面效果优秀。其求解主要问题就是寻找最具鲁棒性的超平面对数据进行区分。样本空间中的分割超平面方程的形式为Tx+b=0(1)式中，为法向量，决定超平面的方向;b 为位移项，决定超平面距离圆点的距离，称该平面为(，b)超平面。样本中任意一点 x 到超平面(，b)的距离为r=Tx+b(2)寻找最佳超平面(，b)就要先找到具有最小距离的数据点，训练样本中距离超平面(，b)最近的点被称为支持向量(Support vector)，然后求取让最小距离最大化时的 和 b，即arg max，bminnTx+b(3)令所有支持向量到最佳超平面的距离为 1，即Tx+b=1(4)2 个异类支持向量点到超平面的距离之和为=2(5)非支持向量的数据点距离超平面的距离都大于1。就可以通过计算 1的最大值等价最小化2来求解最佳超平面。得到 SVM 的基本模型，即min，b122(6)styi(Tx+b)1，i=1，2，m在三相不平衡的电机实验中，得到的电流 Park矢量模无法用线性方法分离出电机故障与三相供电不平衡的特征，所以需要使用核函数来使数据变成线性可分的数据。常用的核函数有线性函数(Linear)、多项 式 函 数(Poly)、径 向 基 函 数(adial basisfunction，BF)和 S 函数(Sigmoid)。SVM 模型的参数有很多种，其中最主要的 2 个参数是惩罚因子 C和内核参数 。其中惩罚因子 C 是对 SVM 模型训练过程中出现的错误分类的惩罚系数，引入松弛变量公式(6)可表示为min，b，122+Cnii(7)式中，i为对第 i 个样本的分类损失，如果分类正确，则该项为 0。SVM 模型主要内容就是核函数及其参数的选择。每种核函数都有各自的优点和局限性，为选取最佳分类模型，用本系统运行得到的样本数据以 4 1的比例分配训练样本和测试样本，除惩罚因子 C 以外其他参数设置为默认值，通过 4 种核函数分别对样473增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计本进行交叉验证训练，其结果如图 14 所示。图 14不同核函数的 SVM 模型调参Fig14SVM model parameter tuning for differentkernel functions由图 14 可以看出，以多项式函数与径向基函数为核函数的 SVM 模型训练效果相比于线性函数和 S函数准确率较好，在惩罚参数 C 大于 2 000 时，效果达到一致。其中，基于多项式函数的方法需要增加原始样本特征的高次方幂，计算过程相比于径向基函数更为复杂。径向基函数只要设置 C 和 ，就能有效减少模型调参难度。因此，系统最终选择径向基函数作为设计 SVM 模型的核函数。径向基函数中的高斯版本公式为k(x，y)=expx z222()(8)其中，为用户定义的用于确定到达率或函数值跌落到 0 的速度参数。该参数有一种更为简单的等价形式=122，这是内核参数 的表达式。此时式(8)变为k(x，y)=exp(x z2)(9)选定核函数后，通过参数寻优得到径向基核函数在不同参数 C 和 下的训练精度，如图 15 所示。其中，C 的取值范围与之前相同，为 010 000，间隔为10。的取值为 0110，数据间隔 01。不同参数下的 SVM 模型如图 16 所示，由图 16可见，电机正常运行的数据(蓝色点)与电机匝间短路数据(黄色点)被一条超平面(红色)分割成 2 个部分，绿色圈起来的点是 SVM 模型的支持向量点。在参数 C 和 较低时，模型的判断效果较差，随着参数的提高，误判数据逐渐减少，最终到 100%的判断效果。为保证模型有较好的精确度，同时尽量避免过拟合与过训练出现，选取较为均衡的参数:C=5 000，=05。通过实验提取 100 组训练样本外的不同工作情况下的电机运行数据作为测试数据集，其中正常数图 15不同参数下 BF 核函数训练精确度Fig15Training accuracy of BF kernelfunction under different parameters图 16不同参数下 SVM 模型分类效果Fig16SVM classification effect under different parameters据与匝间短路数据各 50 组。将这些数据输入训练好的模型进行测试，训练结果见表 1。表 1故障诊断模型测试Table 1Fault diagnosis model test数据种类期望值数据量正确量准确率/%正常050501000匝间短路150501000从训练结果来看，得到的训练模型除对样本数据有极佳的精确度，对样本外的测试数据也有非常好的判断效果。需要指出，本设计模型旨在为矿用电机在线监测建立一套功能体系。笔者设计模型采用了电机运行中的基础可测数据，在系统整体投入使用后，结合实际采煤场景下不同的电机运行对数据的更新迭代，故障诊断的参数会不断优化，因此在实际应用中具备普573煤炭学报2023 年第 48 卷适性。同时，搭建的匝间短路故障诊断模型，本质上来源于对故障数据的分析与处理，因此对其他类型的电机故障类型具备可扩展性，在此不做进一步阐述。4系统数据可视化云平台设计远程数据监测的软件系统数据可视化云平台需要满足用户跨平台远程监测的需求。笔者采用 Web应用的方式，实现电机数据的远程监测。数据可视化云平台主要分为数据可视化网站、数据库和通信程序，其关系如图 17 所示。可视化网站为整个系统的主题内容，负责数据的展示、用户交互和远程控制等功能;数据库可为可视化网站提供显示数据，同时作为数据的云端备份，提高数据的可靠性;数据库通信服务程序为数据库提供通信服务，负责接收和解析监测系统上传的电机运行数据，同时还可以向监测系统发送指令。图 17数据可视化系统结构Fig17Data visualization system structure4.1数据可视化网站框架设计出于安全性与扩展性的考虑，本系统采用功能完整 Web 框架:Django。这是一种采用 Python 语言的高级动态语言框架，并且在 BSD 开放源代码协议许可下授权给开发者自由使用。利用 Django 可以快速设计和开发具有 MVC(ModelViewController)层次的 Web 应用。MVC 模式结构由模型、视图和控制 3个功能模块组成，如图 18 所示。图 18MVC 模式结构与功能Fig18MVC pattern structure and function4.2通信协议数据准确高效的传输离不开通信协议的支持。为保证通信可靠同时避免通信协议过于复杂，影响通信效率，本系统基于通用的通信协议制定了一套专用电机监测装置通信协议。协议数据与 OSI 模型第 7层上的应用层报文传输协议专用于电机监测装置与服务器交换数据，可在串口 S232，485 和以太网上使用。通信协议传输的内容包括电机运行状态数据和监测系统参数。电机运行状态数据包含时间、温度、电压、电流、功率和运行状态信息合计 50 个字节;监测系统参数包括报警阈值、温度矫正参数、电压矫正参数、电流矫正参数、电机保护模式设定、电机额定电压和额定电流等 68 个参数，合计 142 字节。通信协议中的数据帧结构见表 2，每个数据帧由 6 个部分组成。要实现嵌入式电机监测系统与数据库连接，需要一个数据库通信程序负责数据的收发与解析。通信程序采用 C/S 架构建立 TCP 服务器，提供一个外部网络可以访问的 IP 和端口号。同时，为使一个服务器同时与多台嵌入式监测设备通信，需要通过多线程的方法来实现。当客户端数量较多、应对大量并发连接需求时，可以通过采用线程池的方法解决。程序主体分为 2 个部分，其流程图如图 19 所示。表 2协议数据帧定义Table 2Protocol data frame definition长度功能2 字节标定数据起始位1 字节判断数据完整性4 字节识别设备1 字节传输指令功能N 字节传输指令内容2 字节判断数据准确性图19(a)为主程序部分的功能是建立 TCP/IP 通信，图 19(b)为数据处理子线程的主要功能是处理服务器与客户端之间的通信，4.3前端页面开发数据可视化网站采用扁平化的结构设计，取消传统网页复杂的页面嵌套，主要功能都可以一步到达，减少学习和使用成本。同时放弃一体式的页面设计，将页面分割成数个可复用的组件，避免页面切换时相同内容的重复加载，减少带宽消耗。数据可视化网站页面布局如图 20 所示，分为目录、标题栏和内容 3部分。673增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计图 19通信程序流程Fig19Communication program flow图 20页面布局Fig20Page layout为实现网页在不同终端都能正常显示，本系统采用 Bootstrap 前端框架。通过使用该框架对网站进行布局设置，网站在受访时会根据用户设备分辨率灵活调整布局，达到最佳显示效果。笔者选取核心功能页面中的电机页面进行功能说明，该页面内容由以下 4部分组成。第 1 部分为电机资料卡，如图 21 所示。资料卡用于显示电机的照片、ID 以及铭牌信息，方便用户查看电机参数，同时资料卡支持电机选择与铭牌信息修改;第 2 部分为电机当前运行数据(图 22)，由图 22 直观地显示电机的温度、电压和电流，每当有当前电机运行数据更新时，会跟随数据自动更新，始终保持显示最新的电机运行数据;第 3 部分为电机运行数据(图 23)，与首页中的数据表格相似，通过一个动态创建的表格显示最新 10 组运行数据，该表格只显示筛选后的当前电机数据;第 4 部分为电机运行数据的变化曲线(图 24)，根据电机运行历史数据绘制的数据曲线相比于柱状图和表格，更能反映出电机运行数据的变化趋势。773煤炭学报2023 年第 48 卷图 21电机资料卡Fig21Motor data card图 22电机当前运行数据Fig22Current running data of the motor图 23电机运行数据Fig23Motor Operation Data Sheet图 24电机运行数据变化曲线Fig24Change curve of motor running data4.4数据库设计数据库的设计需要根据系统功能开发。数据可视化网站的功能主要有用户管理、数据展示、用户设置、数据检索、数据异常报警和后台管理。本系统设计数据库结构如图 25 所示。整个数据库可以划分成3 个部分:用户系统、数据系统和网页系统。用户系统采用了 Django 自带的模型，创建一个用户扩展模型与之绑定，使其与 Django 自带的用户873增刊 1薛霜思等:矿用电机分布式远程智能在线监测系统设计图 25数据库结构Fig25Database structure diagram模型形成一一对应关系。用户系统既能保证监测系统的安全运行，实现较为丰富的监测功能，又能防止数据泄露以及防止超越权限的访问。数据系统包含电机信息和电机数据 2 张数据表格。电机信息用于存储电机的铭牌信息、安装位置、工作状态这些电机的信息;电机数据用于存储电机的运行状态数据。这 2 张数据表格是一个一对多的映射关系，即单个电机对应多条数据，单条数据只能对应单个电机。网页系统主要用于存储与监测系统本身相关的数据。网页设置保存用户相关设置，网页日志用于记录所有用户登陆的网页操作行为，仅供管理员访问，是重要的安全系统，一旦系统出现异常，可以通过查询日志定位问题源头。5结论(1)以 STM32F429 芯片为核心设计出一套嵌入式电机在线监测系统。系统与电机联合设计，在满足煤矿防爆要求的情况下可以采集电机运行时的三相电压、电流和主要部件的温度等重要数据，并能实现数据的存储、发送、展示以及电机保护的功能，有效地解决目前大型矿用电机缺乏在线监测与保护装置的问题。(2)为实现系统的匝间短路故障诊断功能并保证故障诊断系统的泛化能力，引入机器学习中的 SVM 支持向量机的方法，通过用实验中得到的电机故障数据对模型进行训练，建立了电机定子绕组匝间短路故障诊断模型。并且对故障诊断模型进行测试，验证了模型的有效性。(3)为满足用户跨平台远程监测电机运行状态的需求，通过对现有监测系统的分析，基于 Web 应用的数据可视化系统，在服务器上开发部署一套基于 Web 应用的数据可视化云平台，满足了跨平台、轻量化、大数据应用的需求，消除传统工业领域设备监测的时间与空间限制。参考文献(eferences):1方新秋，梁敏富，李爽，等 智能工作面多参量精准感知与安全决策关键技术 J 煤炭学报，2020，45(1):493508FANG Xinqiu，LIANG Minfu，LI Shuang，et al Key technologiesof multi-parameter accurate perception and security decision in intel-ligent working faceJ Journal of China Coal Societ