中车永济段志强: 基于人工智能物联网的发电机故障诊断系统

2019年10月21-24日，2019北京国际风能大会暨展览会（CWP2019）在北京隆重召开，大会主题“风电助力‘十四五’能源高质量发展：绿色、低碳、可持续”。自2008年首次在北京举办以来，已连续举办11届，成为北京金秋十月国内外风电行业争相参与的年度盛会。

10月23日上午，举办了“智慧运维论坛——大数据应用，智能预测及故障诊断”。

中车永济电机有限公司副总工程师/首席技术专家（风电）段志强发表了题为《基于人工智能物联网的发电机故障诊断系统》的主旨演讲。

以下为发言内容：

段志强：谢谢大家，我今天讲的题目是基于人工智能物联网的发电故障诊断系统，前端时间召开互联网大会，李彦宏也专门提到智能经济的概念，大家知道现在整个国外的工业4.0包括中国制造2025都提出了产品智能化，是智能产品的开发，我们不光做轨道交通，一直在做技术上的开拓，去年我做了一个发电机的PHM的系统，今年基于人工智能，等于在过去的基础上做了算法和算力的提升，今天和大家做个分享。

我今天介绍属于四个部分，一个公司介绍，第二个在风电运维方面做的案例，第三个介绍一下我们目前的故障诊断方法和传统故障诊断方法，第四个是案例介绍。

永济公司1969年就成立了，今年做了50周年厂庆，现在属于中车旗下合资子公司，整个业务覆盖轨道交通和能源领域，现在整个风电产品主要覆盖了目前所有风电领域，双馈、永磁直驱，还有半直驱的产品，整个应用环境也是高温、高海拔、海上，现在整个产品的功率等等级覆盖从600千瓦到9兆瓦，目前正在研究10兆瓦的产品，现在累计销量到33000台，遍布国内外1500多个风场，在国内算是比较多的，这是我们永济公司大概的介绍。

这个是我们之前做的主要领域，我们从1998年一直开始进入风电领域，到功率等级，包括各个冷却方式、技术路线，全部都是有的。接下来是几个产品和技术路线，从1998年开始到国内首台的600千瓦，到后来国内的1.5兆瓦包括后来2兆瓦、3兆瓦，到2018年做的亚洲最大的半直流区，包括今年年底出来9兆瓦，我们目前的产品有这么几个平台，1.5兆瓦的，还有2兆瓦的，还有一个3兆瓦的，还有5兆瓦以上的。这个是永济在国内的布局图，有七八个基地在做不同的产品，这是目前一些主要的客户，国内国际上的都有。

我接下来简单说一下我们机改的案例，永济不光是做新产品的开发，包括后市场的运维、机改都一直在做的，分几步，一个是以前非绝缘端盖改造为绝缘端盖，这是专门针对之前电池做的改造，第二个就是发电机转子绕组的更换，提升转子绕组的可靠性。第三个就是滑环的改造。第五个冷却系统的改造，第六个发电机更换润滑脂，解决轴承温升的案例，还有更换电刷，降低运维成本，这是在后服务市场做的一些工作。这个下来就是一些图片的案例，这些是我们做的发电机、润滑脂。

下面给大家介绍一下基于人工智能故障诊断的方法，现在主机厂都有CMS，我们为什么做这个，作为一个部件厂，好多数据都是从主机厂获得的，我们是专业做发电机，我们从发电机的角度做了整个运行状态的监测和发生故障以后，怎么从专业角度给主机厂、业主做一些支撑，出于这样的目的才做的故障诊断方法，这个方法是基于人工智能，就是在算法上、算力上做了一些优化和改进。这个故障诊断系统是可以在现有机型上做一些加装，包括振动传感器、电压、电流的传感器都是有限的，我们现在开发了一款无线的传感器，可以在现有机型上安装，和整个总装系统联系起来，这是目前我们做的比较多的一点。

接下来重点说一下故障诊断的方法和传统故障的不同点，传统的故障需要对信号进行处理，比如现在有一个CMS检测数据，可能是根据时域的信号，要找出故障的点和原因，需要对整个时域信号进行频域的分析，毕竟你还要建立一个复杂的诊断模型，和它进行对照，需要大量的知识和人工的介入，这是现在的状态。第二个是现在方法是针对特定种类的故障建立模型，比如转子不平稳、轴承内圈剥离等，有时候故障比较单一，比如内圈外圈同时损坏，故障负荷了以后，以后就不好再做了，更清楚的判断。再一个外界的环境比较复杂，干扰因素比较多，有故障模型的匹配度也是比较难。第三个需要针对每个故障建立数据模型，辨识起来比较难，在复杂环境下的适应性会差一些。还有现在基于机器学习的故障诊断方法，和我们稍微有一些差距，这个也是可以对已知的信号，也就是通过特征参数的选举，包括信息的比对，包括分类，在库里面找到已知故障进行辨识，还有位置故障的学习，在库里对照，这是整个故障识别的过程。

下面介绍一下基于人工智能算法的故障诊断方法，不需要一个专家知识实现建模，可以减少人工的介入，软件开发需要在深入研究物理模型基础上，针对性的开发定制化的解决方案，我们这个项目采用数据驱动的人工智能算法，现在在无人驾驶、AI音箱整个智能化的产品，在算法和算力上做了提升，无需专家支持，只需要提供数据和数据标签就可以，不需要做一些深刻道理的分析，说白了就是不用知道太多的道理。完全由计算机自动提取故障数特征，建立数据映射关系，消除极具挑战性和异变性特征工程处理阶段，相较于传统故障识别，我们人工介入会少一些，节约开发成本，现在故障我了解，如果真的有故障，需要把数据拷出来，找专家进行分析，有的国内专家不支持，我们拿到国外去，整个成本特别高，需要专家介入。而这个只是我学习完以后贴上标签，大家只要通过标签来识别就可以，而不需要太多的机理去做。下来就是算法的准确性比较强，不受设备和场景变化的影响，当场景发生变化的时候，相关数据特征也会改变，比如现在发电机上的轴承，可能有6330和6332，不同的轴承需要阈值不同的特征值，我们这个是不需要输入的，一类产品都可以用，2兆瓦、3兆瓦都可以做，不是针每个电机再去输入数据。

第二个是算法可以拓展性强，有时候可以识别一些未知的故障，在现有的故障，在一些搭建检验模型，只能是识别恶劣行为，这个算法是基于计算及自动提取故障特征，对已有的故障进行对比，从而确认之前未分类检测的故障，可以说是突破了一个无法识别故障的难点。

总的来说我们这个故障诊断方法有几个优点，可以通过物联网，把这个东西装到发动机上，现在我们已经做完了，下个月产品会下线，就是三个大的东西装在设备上就可以，传输可以通过4G网络或者无线网络都可以，和主机厂类似，我们现在也是租了一个阿里云，通过他的云平台，在我们内部有个数据库，在手机上输入账号就可以实现整个电机的监控，这是和以前的对比。这个是我们当时做的原理，这个是实验室的一个仪器。

接下来简单说一下整个架构，有一个感知层，可以结合有线和无线的做法，把我们数据进行传输，感知到硬件，包括发电机、传感器、电压电流，包括振动的都有。这个是个传输层，通过4G、5G网，都可以传输到我们的平台上，这是传输硬件的结构。信息性的处理，我们跟阿里云也在合作，在做整个的运算，这是整个应用层的结构。我们现在风机少，规模小一些，随着规模加大以后，更多的服务器和平台都在做。总的来说，包括工业现场，还有通过云平台、地面中心，就在我们公司那儿，这个数据我完全可以和业主、主机厂共享。这个东西它的好处是可以节省我们的经济成本，现在如果做专家的分析或者是做故障机的分析，费用比较高一些，现在整个安全性也比以前做了提升，无线的包括有线的技术，在现在改造起来肯定更简单一些。由于时间的关系我就介绍到这里，如果大家感兴趣我们下面可以再交流，谢谢大家。

（根据演讲速记整理，未经演讲人审核）