ИИ-диагностика тепловизором мостового крана: контроль 32 точек

Согласно требованиям ISO 4301 / FEM 1.001 — Ключевые положения проектирования кранов к контролю температуры электрооборудования и диагностике изоляции, мостовой кран, эксплуатируемый в режиме интенсивных нагрузок и непрерывной работы, подвержен перегреву электрической системы, температурному росту в узлах трения механизмов и старению изоляции — эти факторы являются основными причинами отказов оборудования. Инфракрасная термография позволяет бесконтактно измерять распределение температуры на поверхности оборудования и выявлять очаги перегрева на ранней стадии, а система автоматической диагностики на основе ИИ устраняет недостатки традиционного ручного анализа: зависимость от опыта специалиста, низкую эффективность и отсутствие единых критериев оценки.

В данной статье последовательно рассматривается полный цикл интеллектуального тепловизионного контроля мостового крана: от регламента полевой съёмки и построения библиотеки тепловизионных характеристик до развёртывания моделей глубокого обучения и автоматической генерации отчётов по результатам обследования.

Область применения тепловизионного контроля мостового крана и объекты диагностики

Область применения тепловизионного контроля мостового крана охватывает три основные категории: электрическую систему, механическую трансмиссию и конструктивные соединения. В электрической системе основными объектами диагностики являются нагрев IGBT-модулей преобразователя частоты, температурный рост обмоток статора двигателя, локальный перегрев клеммных колодок и кабельных соединений вследствие повышенного переходного сопротивления, а также аномальный нагрев автоматических выключателей, контакторов и реле в шкафу управления.

В механической трансмиссии особое внимание уделяется равномерности распределения температуры в зоне подшипников редуктора, температурному росту в зоне контакта фрикционной накладки и тормозного шкива, локальному перегреву, вызванному отклонением центровки валов муфты, а также рабочей температуре опорных подшипников барабана и подшипников ходовых колёс. В части конструктивных соединений контролируется аномальный нагрев в зоне болтовых соединений главной и концевой балок, рельсовых зажимов и кронштейнов троллейной линии — температурные аномалии в этих зонах, как правило, свидетельствуют об ослаблении конструкции или нарушении контакта.

Периодичность тепловизионного контроля мостового крана определяется классом оборудования и условиями его эксплуатации. Оборудование класса A (мостовые краны металлургического литья, ключевые краны основных производственных линий) подлежит полному термографическому сканированию ежемесячно; оборудование класса B (краны обычных рабочих зон) — ежеквартально; оборудование класса C (резервные краны или краны с низкой интенсивностью использования) — раз в полгода. После работы с максимальной нагрузкой, перед наступлением летнего сезона высоких температур, а также в течение 24 часов после возобновления работы после ремонта необходимо проводить внеплановую тепловизионную проверку.

Диагностика выполняется при работе крана под номинальной нагрузкой; рекомендуется выбирать режим с коэффициентом загрузки не менее 70%, чтобы обеспечить достаточное проявление тепловых характеристик.

Выбор параметров тепловизора и процедура съёмки на объекте

Инфракрасный осмотр мостовых кранов предъявляет чёткие требования к ключевым характеристикам тепловизора. Разрешение детектора должно быть не ниже 320×240 пикселей, рекомендуется использовать модели с разрешением 640×480 пикселей и выше для обеспечения точности обнаружения удалённых мелких объектов. Температурная чувствительность (NETD) должна быть лучше 0,05 °C, точность измерения — ±2 °C или ±2 % от показания. Диапазон измерения температуры должен охватывать от −20 °C до +350 °C, чтобы адаптироваться к широкому динамическому диапазону — от низкотемпературной окружающей среды до высокотемпературных точек отказа.

Выбор фокусного расстояния объектива зависит от дистанции съёмки: для контроля двигателя мостового крана и тормоза на расстоянии 3–5 метров достаточно стандартного объектива 24°; для контроля троллейного шинопровода и рельсового стыка на высоте более 10 метров рекомендуется использовать длиннофокусный объектив 12° или функцию лазерного измерения расстояния с автоматической фокусировкой. Тепловизор должен поддерживать ручную фокусировку, регулируемый коэффициент излучательной способности (0,1–1,0 с шагом 0,01), компенсацию температуры отражения окружающей среды и коррекцию пропускания атмосферы — эти параметры критически важны для точности обнаружения при осмотре кранов на объекте.

Съёмка на объекте должна выполняться по стандартизированной процедуре. Перед началом съёмки оператор должен ввести параметры окружающей среды: температуру окружающей среды, влажность, скорость ветра, температуру отражения (обычно измеряется методом алюминиевой фольги) и коэффициент излучательной способности контролируемой поверхности (для окрашенного металла — около 0,85–0,92, для неокрашенного металла — около 0,25–0,45). Дистанция съёмки должна находиться в пределах оптимального диапазона фокусировки тепловизора, как правило, не превышая 15 метров.

Для каждой контрольной точки необходимо сделать не менее двух термограмм: одну обзорную (с включением окружающих ориентиров для последующей локализации места неисправности) и одну детальную (объект должен занимать не менее 1/3 кадра). Термограммы должны сохраняться в формате исходных радиационных температурных данных (например, Radiometric JPEG от FLIR или TMG от GuidIR) для последующего AI-анализа и сравнения температурных трендов.

Компания Келуде Тяжёлая Промышленность на основе практики инфракрасного осмотра мостовых кранов разработала стандартную карту точек съёмки, охватывающую 32 ключевые контрольные точки на каждом кране: электрошкаф, двигатель, тормоз, редуктор, опорный подшипник барабана, колёсный блок, соединения троллейного шинопровода, болты главной балки и другие.

Построение библиотеки тепловых характеристик и обучение модели глубокого обучения AI

Основой интеллектуального анализа термограмм AI является создание библиотеки тепловых характеристик, охватывающей нормальные рабочие состояния и типичные неисправности всех компонентов мостового крана. Построение библиотеки включает три этапа. Первый этап — сбор базовой библиотеки: в течение не менее 30 дней непрерывного сбора инфракрасных термограмм при здоровом состоянии крана, охватывающих различные коэффициенты нагрузки, температуры окружающей среды и периоды эксплуатации, формируется эталонная кривая распределения температур для каждой контрольной точки.

Базовая библиотека должна содержать не менее 100 кадров эффективных термограмм для каждой контрольной точки. Оборудование должно охватывать пять основных категорий: преобразователь частоты, двигатель, тормоз, редуктор и электрические соединения, при этом каждая категория должна включать образцы не менее чем трёх различных брендов или моделей. Второй этап — расширение выборки неисправностей: путём имитации отказов или сбора исторических термограмм неисправностей для каждого типа отказа накапливается не менее 50 положительных образцов.

Для труднодоступных данных о реальных неисправностях можно использовать генеративно-состязательные сети (GAN) для синтеза термограмм неисправностей или применять CycleGAN для переноса стиля с нормальных термограмм на термограммы неисправностей с целью расширения набора данных.

Что касается выбора модели, система AI-диагностики термограмм мостовых кранов обычно использует двухэтапную архитектуру обнаружения.

На первом этапе применяется сеть обнаружения объектов (например, YOLOv8 или RT-DETR) для автоматического распознавания и выделения областей каждого контролируемого объекта на обзорной термограмме. На втором этапе используется сеть классификации (например, ResNet-50, EfficientNet-B4 или Vision Transformer) для анализа температурных паттернов каждой области и определения её состояния: норма, предупреждение или авария.

Для сценариев анализа временных трендов вводится временное измерение: модели ConvLSTM или TimesNet используются для прогнозирования кривой изменения температуры одной и той же контрольной точки по данным последовательных осмотров и оценки аномальности скорости нагрева. При обучении модели исходные радиационные температурные данные нормализуются и подаются на вход; каждое значение пикселя соответствует реальной температуре (разрешение 0,1 °C), а контекстное окно устанавливается на данные последних 3 осмотров данной контрольной точки.

В практическом развёртывании компании Келуде Тяжёлая Промышленность модель обнаружения YOLOv8m достигает скорости вывода 35 кадров/с на периферийном устройстве NVIDIA Jetson Orin NX, mAP@0.5 — 94,7 %, точность модели классификации EfficientNet-B4 — 96,3 %, а общее время от получения термограммы до вывода результата диагностики не превышает 2 секунд.

Архитектура системы ИИ-анализа термограмм и инженерная реализация автоматической диагностики

Система ИИ-анализа термограмм мостового крана использует гибридную архитектуру: обработка на периферийных устройствах (edge computing) + управление в облаке.

На периферийном уровне исходные данные теплового излучения, полученные тепловизором, передаются через интерфейсы USB 3.0 или GigE Vision на устройство граничных вычислений, развернутое непосредственно в цехе (NVIDIA Jetson Orin NX/AGX или промышленный AI Box PC). Периферийное устройство запускает модели обнаружения YOLOv8 и классификации EfficientNet, обеспечивая вывод результатов в реальном времени и мгновенную сигнализацию.

Для точек контроля, требующих анализа временных трендов, периферийное устройство передает вырезанные термографические данные целевой зоны и значения температурных характеристик в облачный центр обработки данных по протоколу MQTT. В облаке развернуты прогностическая модель ConvLSTM для анализа трендов и масштабная библиотека термографических признаков. Облако также выполняет функции управления обновлением моделей, генерации отчетов по осмотрам и сводного анализа данных с нескольких предприятий.

Связь в системе защищена с помощью шифрования TLS. Передача и хранение термографических данных осуществляются в соответствии с требованиями второго уровня многоуровневой защиты информационной безопасности (аналог ГОСТ/ISO).

Результаты автоматической диагностики ИИ выводятся по трехуровневой стратегии. Зеленый уровень — нормальное состояние: система автоматически архивирует термографические данные и обновляет базовую температурную кривую для данной точки контроля. Желтый уровень — состояние требует внимания: разница температур превышает предупредительный порог, но остается ниже порога аварийной сигнализации. Система отмечает эту точку контроля в отчете об осмотре и рекомендует провести повторное детальное измерение при следующем осмотре.

Красный уровень — аварийное состояние: разница температур превышает аварийный порог или скорость изменения температуры аномальна. Система немедленно отправляет уведомления через SMS, WeChat и WeChat Work, а также формирует в отчете об осмотре подробный анализ неисправности, включающий термограмму, сравнительное изображение в видимом свете, кривые температурных данных, исторические данные по аналогичным случаям и рекомендации по ремонту.

В ходе внедрения на нескольких предприятиях Келуде Тяжёлая Промышленность система ИИ-анализа термограмм сократила время анализа термограмм оператором с 45 минут до 8 минут на один мостовой кран. Доля пропущенных сигналов не превышает 0,5%, доля ложных срабатываний — 3%. В двух типовых сценариях — перегрев электрических соединений и ранняя стадия износа подшипников — обеспечено предупреждение за 7–14 дней до возникновения критической ситуации.

Автоматизация отчетов по осмотрам и платформа управления данными

Автоматическая генерация отчетов по осмотрам — ключевой этап реализации ценности системы ИИ-анализа термограмм.

После каждого завершенного осмотра система автоматически формирует структурированный отчет в двух форматах — PDF и HTML. Отчет включает: базовую информацию об осмотре (идентификационный номер оборудования, дату осмотра, параметры окружающей среды, данные оператора), сводную таблицу температурных данных по ключевым точкам контроля (с цветовой индикацией состояния: красный, желтый, зеленый), подробный термографический анализ аномальных точек (термограмма, гистограмма распределения температур, кривая исторического тренда для данной точки, заключение ИИ-диагностики и рекомендации по обслуживанию), а также общий обзор оценки технического состояния оборудования.

Оценка технического состояния оборудования основана на взвешенной модели: температурное состояние 32 точек контроля рассчитывается с учетом весовых коэффициентов. Электрическая система имеет вес 40% (из них: IGBT преобразователя частоты — 15%, обмотки двигателя — 10%, клеммные колодки — 8%, аппаратура управления — 7%). Механическая трансмиссия — 35% (подшипник редуктора — 12%, поверхность трения тормоза — 10%, опорный подшипник барабана — 7%, колёсный блок — 6%). Конструктивные соединения — 25% (болты соединения главной балки — 10%, рельсовый зажим — 8%, интерфейсы троллейного шинопровода — 7%).

Результат оценки выражается по 100-балльной шкале: 90 и выше — отлично, 75–89 — хорошо, 60–74 — требует внимания, ниже 60 — требуется ремонт.

Платформа управления данными поддерживает многомерный анализ: анализ исторических температурных трендов для отдельного мостового крана (прослеживаемость всех данных осмотров за 12 месяцев), сравнительный анализ однотипного оборудования (оценка согласованности и различий между аналогичными моделями), анализ сезонных температурных закономерностей (для оптимизации периодичности осмотров и порогов предупреждения), а также прогнозирование деградации оборудования (прогноз остаточного ресурса ключевых компонентов на основе моделей временных рядов).

Платформа также предоставляет стандартный API-интерфейс для интеграции с корпоративными системами EAM (управление активами предприятия) или CMMS (компьютеризированная система управления техническим обслуживанием), что обеспечивает автоматическую передачу данных осмотра в рабочие задания. Келуде Тяжёлая Промышленность интегрировала данное решение на основе инфракрасной термографии и ИИ в систему управления полным жизненным циклом мостовых кранов, сформировав замкнутый цикл: обнаружение → диагностика → ремонт → повторный осмотр.

Ключевые аспекты внедрения интеллектуального ИК-осмотра мостовых кранов

При практической реализации проекта по внедрению системы ИИ-анализа термограмм для мостовых кранов необходимо уделить особое внимание следующим аспектам.

Во-первых, согласование выбора тепловизора и устройства граничных вычислений. Аппаратные параметры должны определяться комплексно, с учетом фактического расстояния до объекта контроля, размеров цели, температуры окружающей среды и класса вибрации. Это позволяет избежать инженерных проблем, таких как невозможность разрешить мелкие объекты из-за недостаточного фокусного расстояния или невозможность идентифицировать малые перепады температур из-за чрезмерного значения NETD.

Во-вторых, специализированное обучение ИИ-модели для мостовых кранов имеет решающее значение. Эффективность универсальных предварительно обученных моделей при распознавании специфических компонентов крана (например, шеститранзисторный корпус IGBT преобразователя частоты, дугообразная контактная поверхность фрикционной накладки тормоза) часто недостаточна. Для достижения требуемой точности обнаружения необходима дообучение (fine-tuning) на реальных термографических данных, собранных на объекте.

В-третьих, планирование маршрута осмотра и стандартизация точек съемки являются основой обеспечения согласованности данных. Рекомендуется нанести на пол цеха маркеры для обозначения каждой позиции съемки, а на самом кране использовать высокоотражающие мишени для фиксации угла съемки. Это гарантирует идентичность угла и расстояния съемки при каждом осмотре, обеспечивая тем самым надежность сравнения температурных трендов.

Келуде Тяжёлая Промышленность предоставляет полный комплекс инженерных услуг — от обследования объекта, выбора оборудования и обучения моделей до развертывания системы, помогая предприятиям создать стандартизированную систему интеллектуального ИК-осмотра мостовых кранов.

Часто задаваемые вопросы

Система тепловизионного ИИ-осмотра мостовых кранов — этоТиповой пример модернизации традиционных методов диагностики оборудования в сторону цифровизации и интеллектуализации. Стандартизированная процедура съёмки, профессиональная библиотека тепловизионных признаков, высокоточные модели глубокого обучения и автоматизированная платформа формирования отчётов позволяют перевести контроль состояния крана от эмпирической качественной оценки к количественной оценке на основе данных. Для получения подробной технической документации и услуги обследования объекта обращайтесь в команду Келуде Тяжёлая Промышленность. Компания обладает обширным практическим опытом в области интеллектуального обслуживания кранов и предоставляет полный спектр технической поддержки — от проектирования схемы контроля до системной интеграции и сервисного обслуживания.