论文部分内容阅读
现有制造车间的大型设备复杂度高,越来越依赖监控系统对其进行实时性管理。而伴随着车间智能终端设备的迅速增加,目前依靠云计算的设备监控系统所需传输的数据量越来越大,车间需要紧急响应的告警信息容易出现延迟,导致设备不能正常运行,严重会造成设备停机等问题,进而影响车间生产线的生产效率。因此,加入边缘计算模型的云边协同数据处理方式逐渐得到重视。当前基于云计算的智能车间设备监控通常把监控数据全部传输到云端进行分析处理,由于长距离的网络传输导致监控告警的响应会产生时延。但同时云计算的特点决定了其对车间海量数据分析的重要性。因此,本文针对聚氯乙烯(Polyvinyl Chloride,PVC)压延车间案例,提出了一种边缘云协同的车间设备监控系统,可以减少告警的响应时间,并保障设备的健康运作,实现对设备状态的实时监控、告警和预测。论文的主要工作包括:第一,本文针对传统的车间设备监控系统的缺点进行了分析,提出了利用边缘计算处理监控系统中的告警事件以减少告警的响应时间。由监控人员自定义设定灵活的告警策略,并针对不同数据量设定内置阈值告警规则,将告警信息生成和处理模块下放置边缘端,提出一种采用时间滑动窗口的阈值告警规则和基于Simhash算法的告警去重模型,使其达到不同的去重效果,有效减少告警频繁带来的运维困难。第二,本文结合现在设备故障预测技术和针对本案例车间设备制造工艺的重复性,提出了基于改进的FP-growth算法的时序故障预测方法,通过设置先序遍历FP树减少算法的计算时间,并设定合理的时序关联规则挖掘方法,得到关联规则模型,并建立关联规则库进行预测。本文设计的监控系统利用云端的计算能力使其通过上传的历史告警信息来预测设备的时序故障的关联发生趋势,使监控与设备健康管理相结合。第三,结合PVC车间案例对边缘云协同的监控系统进行架构设计,主要分为五个层,包括设备层、接口转换层、边缘层、消息中间件层和云层。接口转换层负责统一标准各异的现场总线,使设备数据进行汇聚到边缘层进行处理。在边缘层设计了一种Json格式的通用通信协议,用于异构数据的统一化,方便后续的数据分析。再针对边缘层和云层的双向通信加入了Kafka作为消息中间件层,提供一种多边缘与云的数据共享机制。最后在云层实现系统的远程监控,在WEB端实现设备的实时运行状态界面和告警规则定义界面。本文目标实现一套高可用的边缘云监控系统,系统性能测试表明,边缘云协同的设备监控系统具有一定的工程应用价值。