一、概述
结构健康监测（Structural Health Monitoring，SHM）是利用安装在结构中的传感器，通过对结构的物理力学性能进行无损检测，在线实时地获取与结构健康状况相关的结构信息（应力、温度、振动特性等），结合信号处理和损伤识别，对结构的安全状况做出评估，提出使用和维护意见。
作为健康监测的实现载体，它涉及多个交叉领域，包括现代检测技术、计算机技术、网络技术、通信技术、信号分析技术和人工智能技术等，随着这些技术的迅速发展，结构健康监测系统正向自动化、实时化、网络化的趋势发展。目前，测试上具有快速大容量的信息采集与通信能力，力求用各种可能的传感器对结构行为进行实时监控和结构状态的智能化评估的结构健康监测系统已经成为监测技术发展的前沿结构健康监测系统。
二、云计算相关理论及技术
“云计算”（Cloud Computing）是分布式处理（Distributed Computing）、并行处理（Parallel Computing）和网格计算（Grid Computing）的发展，或者说是这些计算机科学概念的商业实现。
1.云计算的特点
云计算的特点如下：
1）超大规模。
2）虚拟化。
3）高可靠性。
4）通用性。
5）高可扩展性。
6）按需服务。
7）极其廉价。
2.云的分类
从部署类型或者说从“云”的归属来看，云计算主要分为私有云、公有云和混合云三种形态。
1）公有云。在此种模式下，应用程序、资源、存储和其他服务都由云服务供应商来提供给用户，这些服务多半都是免费的，也有部分按需按使用量来付费，这种模式只能使用互联网来访问和使用。同时，这种模式在私人信息和数据保护方面也比较有保证。这种部署模型通常都可以提供可扩展的云服务并能高效设置。公有云环境如图1所示。
图1 公有云环境
2）私有云。这种云基础设施专门为某一个企业服务，不管是自己管理还是第三方管理，自己负责还是第三方托管，都没有关系。只要使用的方式没有问题，就能为企业带来很显著的帮助。不过这种模式所要面临的是，纠正、检查等安全问题则需企业自己负责，否则出了问题也只能自己承担后果，此外，整套系统也需要自己出钱购买、建设和管理。这种云计算模式可非常广泛地产生正面效益，从模式的名称也可看出，它可以为所有者提供具备充分优势和功能的服务。私有云环境如图2所示。
图2 私有云环境
3）混合云。混合云融合了公有云和私有云，是近年来云计算的主要模式和发展方向。我们已经知道私有云主要是面向企业用户，出于安全考虑，企业更愿意将数据存放在私有云中，但是同时又希望可以获得公有云的计算资源，在这种情况下混合云被越来越多地采用，它将公有云和私有云进行混合和匹配，以获得最佳的效果，这种个性化的解决方案达到了既省钱又安全的目的。混合云环境如图3所示。
图3 混合云环境
3.云计算的关键技术
1）虚拟化技术
虚拟化技术是指计算元件在虚拟的基础上而不是真实的基础上运行，它可以扩大硬件的容量，简化软件的重新配置过程，减少软件虚拟机相关开销和支持更多的操作系统。通过虚拟化技术可实现软件应用与底层硬件相隔离，它包括将单个资源划分成多个虚拟资源的分裂模式，也包括将多个资源整合成一个虚拟资源的聚合模式。
2）分布式海量数据存储技术
云计算系统由大量服务器组成，同时为大量用户服务，因此云计算系统采用分布式存储的方式存储数据，用冗余存储的方式（集群计算、数据冗余和分布式存储）保证数据的可靠性。冗余的方式通过任务分解和集群，用低配机器替代超级计算机的性能来保证低成本，这种方式保证了分布式数据的高可用、高可靠和经济性，即为同一份数据存储多个副本。
3）海量数据管理技术
云计算需要对分布的、海量的数据进行处理、分析，因此，数据管理技术必需能够高效地管理大量的数据。云计算系统中的数据管理技术主要是Google的BT（BigTable）数据管理技术和Hadoop团队开发的开源数据管理模块HBase。
4）MapReduce编程方式
云计算提供了分布式的计算模式，客观上要求必须有分布式的编程模式。云计算采用了一种思想简洁的分布式并行编程模型MapReduce。MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念Map（映射）和Reduce（归约）是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce （归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。
5）云计算平台管理技术
云计算资源规模庞大，服务器数量众多并分布在不同的地点，同时运行着数百种应用，如何有效地管理这些服务器，保证整个系统提供不间断的服务是巨大的挑战。云计算系统的平台管理技术能够使大量的服务器协同工作，方便地进行业务部署和开通，快速发现和恢复系统故障，通过自动化、智能化的手段实现大规模系统的可靠运营。
4.云计算架构的服务模式
一般来说，目前大家比较公认的云架构是划分为基础设施层、平台层和软件服务层三个层次的，对应名称为IaaS、PaaS和SaaS，如图4所示。
图4 云架构的三层服务模式
三、起重装备健康监测一体化系统
健康监测系统集智能传感元件、数据无线采集和实时处理、结构损伤识别、健康诊断与可靠性预测以及远程通信与数据管理等硬软件系统于一体，是工程理论发展与实际综合的象征、高新技术开发与集成的标志，同时也是现代化健康监测系统未来发展的一种主流模式。
1.系统总体设计
起重机健康监测硬件系统包括传感模块、数据集成、数据传输、数据中心以及云平台。传感模块采用多种传感器来测量相关信息，在起重机上根据分析结果确定传感器的布设位置，多种传感器信息通过各自的解调仪器进行分别采集，最终汇总至监控室内的工控机。处理器收到数据后进行统计分析并以不同形式显示出来，然后数据通过GPRS模块传输到数据中心。数据中心实时接收并存储GPRS模块传输过来的数据，用户可以通过云平台提供的服务访问经过处理后的诊断结果。
图5 系统总体架构图
2.数据采集与数据集成
数据采集，是指从传感器和其他待测设备等模拟和数字被测单元中按照设定的频率和约定规则进行采集信息的过程。这里数据采集的目的是测量电压、电流、温度、压力或振动等物理量。基于PC的数据采集，通过模块化硬件、应用软件和计算机的结合，进行测量。数据采集系统整合了信号、传感器、激励器、信号调理、数据采集设备和应用软件。这里的一体化系统中的通信电路主要采用常用的以太网接口与上位机相连，同时也将232接口作为备用，这样可以通过网络形式来对多种设备进行同时数据采集。
数据集成是最基本的集成，主要方法包括数据的整理和加工、规则的描述和数据格式的定义。数据集成的目的是将不同的数据源统一到一致的视图中，将不同数据库中的内容进行统筹规划。网络集成是其硬基础，而作为信息资源载体的数据是软基础，也是该系统的首要任务。数据集成能够为监测系统集成搭建平台基础，没有数据集成，监测系统集成就不会合理地存在，其内部一定是杂乱无章的，是信息孤岛，这时监测系统集成就没有办法为企业管理者提供科学有效的数据信息，达到健康监测的目的。所以数据集成之前一定要对数据结构进行分析。
一般来说，数据结构可以分成结构化数据和非结构化数据。结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。与结构化数据相对的是不适于由数据库二维表来表现的非结构化数据，包括所有格式的办公文档、XML、HTML、各类报表、图片和音频、视频信息等。
针对起重装备服役健康监测云平台中的实时采集的应力、振动以及视频图像等多源异构数据，需要基于结构化（数字、文本）和非结构化（图像、视频）数据进行数据建模方法和数据存储技术研究，利用关系型数据库和实时数据库联合解决结构化数据存储问题，而非结构化数据的数据库采用多值字段、子字段和变长字段机制进行数据项的创建和管理，也可以通过事前处理将非结构化数据转换成便于存储和查询的结构化数据。
3.数据传输技术
针对健康监测系统搭建，无线传输方式相对于传统的有线传输方式具有以下显著优点：
1）组建监测系统的成本更低。有线传输必须通过各种方式铺置电缆，不仅需要大量的企业资源而且浪费大量自然资源；而无线数据传输方式只需要在每个无线终端配置相关无线模块接入无线网络就可以，且安装周期短，相比之下节约了投资、提高了系统安装效率。
2）环境适应性好。传统的有线传输受客观应用环境的限制太多，在起重机上的应用极其不便，布线工程不易实施，而无线数据传输方式则可以适用。
3）更易于监测系统将来可能的扩展。在用户安装好一个监测系统之后，会因新监测点的布置或者新功能需要而增加新的监测设备。如果采用有线传输，需要重新设计网络、布线，加大了工程难度，而且还可能影响旧的监测设施；若使用无线方式，只需将新增监测点进行相关配置添加入原有无线网络即可，更新系统简单易行。
4）更容易实现多点式监测系统的维护。采用有线传输方式的系统一旦出现故障必须逐段筛查，而无线通信方式下设备较少，易于高效检测，系统维护效率较高。
5）更适于组成多点式监测系统。有线传输布线繁多，不适合组建多点式系统，而采用无线传输方式简洁方便，可以很容易实现大范围的多点式监测，也便于实现缺陷定位，提高监测效率。
无线监测系统是监测技术和无线传输技术的结合，它可以将不同地点的现场监测信息实时通过无线传输手段传送到无线监测中心，然后由各个监测客户端同时读取数据，这大大加快了工业自动化的脚步，所以工业领域的数据通信、数据传输逐步向无线方向发展。这里的起重机健康监测系统是通过融入无线传输技术提高系统性能。
无线广域网络是移动电话及数据服务所使用的通信网络，覆盖范围可以达到十几千米乃至上百千米，无线广域网主要有2G、2.5G及3G等，主要采用GSM、GPRS、CDMA等技术。GPRS无线网络技术是2.5代移动网络技术，它具有以下优点：安装方便；成本低；监控不受距离、地域、时间的限制；运行可靠；数据采集实时性强；漏码、误码极少；硬件模块体积小、功耗低等。综合考虑各种应用条件，这里选择基于GPRS技术的无线传输手段。
同步数据在异构数据库之间的数据分发策略需要依据用户对数据传输量、传输稳定性和传输安全性等方面的要求进行设计。Web Service是基于应用层HTTP的应用程序通信方式，具有跨平台的优势，而且成熟框架较多易于开发，但是相比位于传输层之上的Socket、Web Service的传输方式在高负载和高并发的情况下容易出现消息阻塞和丢失的现象。这里采用性能较稳定、传输数据量较大的Socket通信方式进行更新数据在客户端和服务器端之间的传输。
异构数据库之间传送的数据包按照＜数据包头＞+＜数据包体＞+＜数据包尾＞的格式进行封装。数据包体为JSON格式的更新数据，数据包头的开始标识与包尾的结束标识用于判断数据包的合法性。
XML和JSON都能形成标准的数据格式，但是XML相比于JSON比较冗长而且不易生成与解析，因此这里采用JSON格式表示传输数据。同步程序服务器端从哈希影子表中读取到增量数据变化，将其转化成JSON格式的字符串，然后将序列化的数据转化为字节数组进行封包传输，到达客户端后程序执行解包操作并将数据还原成JSON字符串，再通过反序列化获得更新数据。
4.系统软件设计
起重机健康监测系统现场应用软件将分成五大功能模块，即初始化设置模块、传感器设置模块、数据显示模块、数据采集与存储模块和数据处理与传输模块，各个功能模块下面又分别有不同的子功能模块，如图6所示。
图6 健康监测系统软件功能模块
1）初始化设置模块：该模块由采集方式设置与数据库存储设置组成。采集方式设置用于设定采集的采集控制方式与采集频率。数据库存储设置包括本地存储及服务器的相关参数设置。
2）传感器设置模块：主要是查看、添加、删除和修改传感器的相关信息，包括传感器基本参数、安装位置、测量类型，以及计算相应物理量所需系数。
3）数据显示模块：用于监测数据的不同形式的展示，主要是界面设计和图像绘制。
4）数据采集与存储模块：该模块实现数据的采集和保存，主要工作是建立线程进行后台操作。
5）数据处理与传输模块：对监测数据进行预处理，并制定相应数据传输格式，最后将数据发送到服务器。
四、基于健康监测的起重装备云平台
1.云平台基础架构设计
通过对起重机各种数据源和起重机健康管理特性分析，需要对起重机特征工程数据、视频数据、天气数据、实时业务监测数据和其他应用数据进行采集和分析处理。利用大数据采集、存储、分析、挖掘技术，从起重机采集到的海量数据中挖掘、提炼关键信息，建立安全、故障信息关联分析监测模型，及时洞察和响应起重机运行状态，实现起重机安全、健康和故障预测。经过以上分析，满足分布式计算、实时流计算、非结构化数据处理的大数据平台可以分为四层，分别是应用层、接口层、分析层和存储层，它们的关键技术和技术特征如图7所示。
图7 基于健康监测的起重装备云平台整体架构图
2.云平台功能模块划分
根据系统需求分析，该系统平台可以分成六大子系统，具体功能划分如图8所示。
图8 平台功能划分
1）综合管理系统
综合管理系统主要实现对资源、角色及用户的分配与管理，系统能够根据实际需要动态调整用户的角色及权限。为保障起重机系统平台的安全运行，对不同管理者提供不同的权限，对用户身份进行验证，所提供的功能有查看、检索、修改、增加和删除等不同操作。
系统管理员进入系统之后，可以查看所有起重机分布情况及监控设备的实时状态，为企业设备管理人员对设备维护提供了科学的数据基础，便于综合管理。
2）安全监控系统
起重机安全监控系统由硬件和软件组成，其单元构成应包括信息采集单元、信息处理单元、控制输出单元、信息存储单元、信息显示单元、信息导出接口单元等，并根据远程控制要求预留远程传输单元。本系统主要实现对安全监控系统的升级改造和远程数据的传输、接收和显示等远程管理功能。
3）健康监测系统
本系统提供对起重机的电动机、减速机、制动器及支撑机构四个关键部位进行监测，各个监测技术已经在前面章节做了详细介绍，采集和集成技术在上一节也有了相关说明，平台上面的健康监测系统这里考虑监测数据的呈现方式。
综合各个监测系统的特点，这里主要采用矢量图的方式进行数据呈现。矢量图又称电图，是把要显示的模拟量按照时间的顺序显示在屏幕上。矢量图是基于X-Y模式显示，X（水平）轴表示数据出现的实际顺序，Y（垂直）轴表示被显示数值，刻度将根据实测值进行自动调整，每个物理量在屏幕上形成一个点，这些点分布在屏幕上组成一幅幅变化的图形，这些图形就是物理量的变化轨迹。
4）状态诊断系统
根据起重机电动机的结构特点，采用振动加速度传感器，对其机座、轴承的垂直径向、水平径向和轴向三个方向进行振动监测。同时针对电动机转轴安装相应的转速传感器，为振动信号的分析提供基频参考信息。通过实时监测采集电动机机座、轴承的振动信号以及转轴的转速信号，做时域、频谱等相关分析并提取振动信号的时频域故障特征参数，能够准确判断电动机的振动故障发生。
减速机轴承的振动信号以及高速轴转速中含有丰富的减速机运行状态信息，监测其轴承的振动加速度信号是提取减速箱内部运行状态信息最常用而有效的方法，而其高速轴的转速可为振动信号的分析提供基频参考信息。采用有效的方式对轴承的振动信号以及高速轴转速进行监测，并对数据进行放大、滤波整形、检波处理，最后采用包络分析、倒谱分析，从而预报减速机早期的故障状态。
通过分析制动器位移监测数据的时间变化曲线，应用特征处理方法，拟合制动器的制动曲线，进而可以判断制动器的制动性能，为设备管理人员提供设备维修的技术支持。
5）故障预测系统
故障预测系统主要是利用现有的机电设备故障/失效预测的方法预测是否在未来时间发生故障，本系统主要采用时间序列模型与灰色模型综合以后进行故障预测。因为两种模型在数列预测中各有所长：灰色模型适用于描述具有确定性指示函数规律的过程，而时间序列模型适用于分析平稳的随机性信号。采用组合模型发挥二者的优势，会有效提高数据的预测精度与速度。
6）预知维修系统
通过对在役起重机故障模式进行归纳整理，并对故障的产生原因、检测方式进行系统的分析。通过综合整理起重机的故障模式、故障原因及其故障影响，采用风险优先数（RPN）分析方法，考虑故障模式的发生度、检测度以及故障影响的严酷度，确定故障模式危害度。针对起重机重要功能产品，依据规范化的逻辑决断方法，确定其故障的预防性维修对策，并通过现场的故障统计、专家评估以及定量化建模等手段，在保证安全性和完好性的前提下，以维修停机损失最小为目标，优化系统的维修策略，为起重机的维护保养及设备管理提供决策依据。
3.业务流程分析与数据库设计
1）业务流程分析
总体业务流程是为达到特定的价值目标而由不同的人分别共同完成的一系列活动。活动之间不仅有严格的先后顺序限定，而且活动的内容、方式、责任等也都必须有明确的安排和界定，以使不同活动在不同岗位角色之间进行转手交接成为可能。在本系统中，根据系统用户角色活动定义画出系统总体业务图，如图9所示。
图9 系统总体业务图
从图9可知起重装备安全健康管理云平台的参与者分别是超级管理员、特检机构管理员、特检机构普通用户、厂家管理员、厂家用户一类/二类。五种参与者的具体功能如下：
a.超级管理员在本系统中进行厂家设备管理、特检机构管理、用户管理以及对主页设备相关信息进行查看。
b.特检机构管理员在本系统中负责对项目参与人和项目下的文件进行管理。
c.特检机构普通用户在本系统中负责对主页设备相关信息进行查看。
d.厂家管理员在本系统中负责对主页设备相关信息进行查看和对厂家用户进行管理。
e.厂家用户在本系统中负责对主页设备相关信息进行查看，根据类别不同定制不同的责任范围。
2)数据库设计
将需求分析得到的用户需求抽象为信息结构的过程就是概念结构设计，概念结构设计阶段的目标是通过对用户需求进行综合、归纳与抽象，形成一个独立于具体DBMS的概念模型。
起重装备健康管理云平台系统包含厂家信息、设备信息、钢数据参数、传动系统参数、制动系统参数、电控系统参数、仪器、传感器、特检机构、环境数据、安全运行数据。这些实体之间的联系如下：
a.一个厂家对应多个设备，一个设备对应一个厂家。
b.一个设备对应多条钢数据参数，一条钢数据参数对应一个设备。
c.一个设备对应多条制动系统参数，一条制动系统参数对应一个设备。
d.一个设备对应多条传动系统参数，一条传动系统参数对应一个设备。
e.一个设备对应多条电控系统参数，一条电控系统参数对应一个设备。
f.一个设备对应一个起重机，一个起重机对应一个设备。
g.一个设备对应多个仪器，一个仪器对应一个设备。
h.一个仪器对应多个传感器，一个传感器对应一个仪器。
l.一个设备对应一条环境数据，一条环境数据对应一个设备。
m.一个设备对应一条安全运行数据，一条安全运行数据对应一个设备。
按照上述的设计划分出来的实体有厂家实体、起重机实体、监测系统实体、传感器实体和无线传输模块实体等。实体间关系的E-R图如图10所示。
本系统使用的是PostgreSQL数据库， PostgreSQL是一种几乎可以运行在各种平台上的免费的开放源码的对象关系数据库管理系统，拥有与企业级数据库相媲美的特性，如完善的SQL标准支持、多版本并发控制、时间点恢复、表空间机制、异步复制、嵌套事务、在线/热备份、一个复杂的查询优化器、预写日志容错技术。它支持国际字符集、多字节字符编码、Unicode，并且对格式化、排序、大小写敏感提供本地化支持。PostgreSQL在管理大数据量方面有良好的可扩展性，对并发用户管理具有自适应性。现在已经出现具有管理超过40 000亿字节数据能力的实用版本产品。
图10系统实体关系图
长按二维码识别关注我们