客运索道相对落后，缺乏相应的标准规范及科学的技术手段

客运索道因其地形适应性强、环境破坏性小、建设成本低等优点成为了山岳型风景区、滑雪场不可或缺的交通方式。运输乘客的运载工具往往吊挂在很高的半空中，因此安全性要求极高。这也要求索道设备具有很高的安全性及可靠性。

国内山高坡陡、知名度较大且客运索道速度快、运量大的旅游景区主要采购国外索道产品，设备陈旧、安全性差、舒适性低的设备仍在景区内广泛使用，超过1/3的索道已运行十几年。此外，多数索道的运营管理及设备管理相对落后，缺乏相应的标准规范及科学的技术手段。

在“中国智造2025”与“两化融合”的大背景下，工业物联网技术的应用为企业设备健康管理提供了新的技术支持。建设客运索道设备健康管理系统，保证索道运行设备的安全可靠，将成为客运索道行业发展的必经之路。

客运索道设备健康管理系统

客运索道设备健康管理系统利用互联网、物联网、大数据分析、人工智能等技术解决客运索道设备状态监测、故障诊断、故障预测及维护保养等问题，提高设备运行安全性、可靠性，降低设备运维成本及异常停机损失。保障索道运行安全的同时，帮助索道管理者提供更高的运营效益。

系统介绍

客运索道设备健康管理系统由感知层、传输层、数据处理层及应用层组成。感知层数据来源包括索道设备PLC控制器上传的控制参数、监测数据、系统自诊断故障以及外接传感器、RFID等传感技术获取设备的运行参数及状态信息，为保证故障诊断及故障预测的准确性，须保证数据的精度、实时性及有效性；传输层通过以太网、4G等通讯方式实现数据从设备现场到云存储的传输，须满足数据传输速度及通信的可靠性；数据处理层进行数据的云端存储及计算，利用机器学习、大数据分析及人工智能技术实现设备故障诊断及故障预测等任务，应保证诊断及预测的及时性及准确性；应用层基于设备管理系统（EAM）体系架构，以设备点检管理、保养管理、维修管理、备件管理为设备管理的业务驱动，以智能的设备运行状态监测、故障诊断、故障预测结果为设备维护的决策依据。

索道设备感知技术

客运索道属于典型机电一体化系统，主要设备包括钢丝绳、驱动系统、驱动轮、迂回轮、液压站、制动系统、张紧装置、支架、托压索轮、运载工具、抱索器、自动控制系统、安全保护回路等。涉及的设备类型繁杂，需用多种感知技术实现状态监测。目前，索道的PLC控制器已经实现了如运转速度、液压油压力、拖挂抱索器抱索力及如脱索检测U型针、制动闸限位开关等执行机构的开关量检测，但仍存在关键部件状态监测不足问题。下面针对索道系统中未进行状态监测的关键部件的感知技术进行介绍。

钢丝绳的状态监测

钢丝绳作为承载与牵引运载工具的关键部件，其健康状态直接影响乘客的生命安全。系统采用弱磁探伤与视觉识别技术，对钢丝绳的损伤及缺陷进行检测。利用弱磁检测技术可以获取钢丝绳局部缺陷LF(LocalizedFault)和截面积损耗LMA(Lossof metallicArea)，对两种指标进行综合分析可实现钢丝绳的断丝、磨损、锈蚀等内部故障诊断；通过CCD摄像头获取钢丝绳外观图像，利用视觉识别技术可实现钢丝绳的扭曲、挤压、松丝、松股等外部故障诊断。

电机类设备的状态监测

客运索道系统主要涉及驱动装置电机、液压泵电机、工作闸电机等几类电机；电机的故障直接影响设备的正产运转，严重时危害人身安全。系统针对电机类设备采用电压、电流互感器监测其电气信号，基于电机电气信号的时域及频域分析获取电机的负载情况、运行效率等运行参数并且实现电机绕组短路、绕组接地、绕组断条、缺相运转等电气故障的故障诊断；采用振动传感器监测电机转子轴承的振动信号，基于轴承振动信号的时域及频率分析，实现包括转子不平衡、转子偏心、基座松动、轴承故障、润滑不良在内的机械故障的故障诊断。

齿轮及轴承旋转类机械的状态监测

轴承在索道减速器、驱动轮及回转轮的旋转运动中起到主要的支作用，其状态的好坏直接影响着旋转设备的工作性能及可靠性；此外，齿轮作为减速器的核心部件不仅传递运动还需传递负载力矩，其状态好坏直接影响系统正常运转。旋转机械其运行状态更多的反应在振动信号上，系统采用振动传感器监测各轴的振动信号并进行时域及频域分析，可实现轴承的内圈、外圈、滚动体、保持架等故障诊断，以及齿轮的轮面磨损、齿面点蚀、齿面疲劳、齿面断裂等故障诊断。

液压站液压油的状态监测

液压站的作用是为紧急闸及张紧装置提供所需的压力。液压站主要包括油箱、液压泵、过滤器、供油管路、电磁阀、溢流阀、压力开关等元器件。主要故障有液压油污染、泄露、液压泵故障、电磁阀卡滞等。据资料统计，由于固体颗粒污染物引起的液压系统故障占液压系统故障的60%~70%，固体颗粒污染物可加速液压元件的磨损、堵塞元件的间隙和孔口，使控制元件动作失灵而引起系统故障。系统采用在线颗粒计数器进行清洁度检测，实现液压油的清洁度实时监测，并报告液压油污染等级。

设备的故障诊断及故障预测

前面介绍的索道(PLC)控制器可上传系统自诊断故障。为了补充索道系统的运行状态监及故障诊断范围，本系统针对关键部件设置外接传感器并配备具有数据处理及初步故障诊断能力的物联网终端，提高索道设备状态监测及故障诊断能力。

本系统将设备故障诊断分为边缘故障诊断和云端故障诊断两部分。

边缘故障诊断如下图所示，通过对传感器采集的原始数据进行初步计算和分析完成状态监测及预警，诊断主要依据设计指标及成熟的“专家”经验设定的阈值与条件，其中“专家”经验包括工程经验与终端的在线自学习产生的可靠诊断经验。

云端故障诊断如下图所示，通过对由物联网终端及DCS、PLC数据组成的云端数据中心进行特征挖掘、模型训练、深度学习等人工智能分析实现故障诊断、故障定位并不断发现新的诊断知识。

设备故障预测如下图所示，主要包括设备故障预测、剩余寿命预测及健康状态评估。预测分析数据源同样来自于由物联网终端及DCS、PLC数据组成的云端数据中心。在云端对历史数据进行挖掘，挖掘出对故障及寿命有影响的关键特征，根据特征分布情况，选取接近的分布模型（如威布尔分布、正太分布、帕累托分布等）进行拟合，对设备的故障及生命周期内的健康状态进行分类，基于分布结果进行神经网络的训练学习，进而获取准确的预测分析模型；利用预测分析模型实现机组的故障预测、剩余寿命预测及健康状态评估。

设备健康管理业务

设备健康管理业务主要包括设备点检管理、保养管理、维修管理、备件管理。

1）点检管理实现设备点检计划、路线、工单、执行情况的管理，点检历史的记录及工单逾期报警等功能。

2）保养管理实现设备润滑、易损件更换、防锈处理、设备紧固处理等保养活动的计划、工单、执行的管理、保养历史的记录及工单逾期报警等功能。其中，保养工单分为由根据故障诊断及故障预测结果自动生成的工单及人工自建工单。

3)维修管理用来管理设备故障信息及维修工单，设备故障信息包括故障原因、分析报告、处理措施等信息，维修工单的来源包括日常点检报修、紧急故障报修及依据故障诊断及故障预测结果自动生成的工单。

4)备件管理实现备件的出入库管理、备件紧缺报警及库存优化功能。通过对备件的周转率及使用频率进行统计分析，不断优化备件库存结构及采购计划，实现满足检维修需求的库存。

系统价值

客运索道健康管理系统可提高索道设备运维管理效率10%~20%、降低安全风险70%~80%、降低意外停机损失近20%~35%、降低设备运维成本30%~40%，为客户创造可观的安全保障与经济收益。

山东力久特种电机股份有限公司，专注于电机系统的研发、制造和销售，定位服务于中、高端装备制造业客户，为客户创造具有特色的高品质电机系统产品与服务。