Диагностика мостового крана: ИК-дрон, вибрация и масло
Платформа сверхгибридной диагностики мостового крана объединяет три подсистемы — инфракрасную термографию, высотный осмотр с помощью дрона и комбинированную диагностику по вибрации, акустике и маслу — в единую систему мониторинга. Благодаря совместному анализу многоканальных сигналов обеспечивается раннее предупреждение и точное определение местоположения неисправностей оборудования.
В соответствии с требованиями ISO 4301 (ранее ISO 4301 / FEM 1.001) «Нормы проектирования кранов» и GB/T 28264-2017 «Система мониторинга и управления безопасностью грузоподъёмных машин» к системе управления техническим состоянием оборудования, отказы ключевых узлов мостового крана многообразны и взаимосвязаны: износ зубчатых колёс редуктора вызывает аномальную вибрацию и появление металлических частиц в масле, старение обмоток двигателя приводит к локальному повышению температуры, а трещины в главной балке трудно обнаружить визуально на высоте. Ни один отдельный метод контроля не способен охватить все типы неисправностей. Платформа сверхгибридной диагностики мостового крана KL-DIAG-4000, разработанная компанией Келуде Тяжёлая Промышленность, объединяет три подсистемы — инфракрасную термографию, многосенсорный осмотр с помощью дрона и комбинированную диагностику по вибрации, акустике и маслу — на единой платформе данных, обеспечивая пространственно-временную синхронизацию многоканальных сигналов и совместное предупреждение, что значительно повышает точность и полноту диагностики.
Общая архитектура гибридной системы
Система KL-DIAG-4000 имеет трёхуровневую архитектуру: сенсорный уровень состоит из инфракрасной камеры (разрешение 640×480, NETD<30mK), многосенсорной подвески для дрона (4K видимый свет + тепловизор 640×512 + лидар LiDAR), вибрационных акселерометров (тип IEPE, частотный диапазон 0.5 Гц ~ 10 кГц) и онлайн-датчиков состояния масла (тройной датчик: счётчик частиц + влагомер + вискозиметр); уровень слияния данных развёрнут на шлюзе периферийных вычислений (NXP i.MX 8M Plus, 4 ядра Cortex-A53 + 2 ядра Cortex-M7), где выполняются алгоритмы синхронизации по единой временной шкале и слияния признаков; прикладной уровень передаёт данные в облачную платформу через 4G/5G, обеспечивая отображение на панелях управления, отправку предупреждений и анализ тенденций.
Данные от каждой подсистемы собираются с различной частотой дискретизации от 10 Гц до 1 кГц. Периферийный шлюз использует протокол точного времени IEEE 1588v2 (PTP) для синхронизации с субмикросекундной точностью, гарантируя согласованность временных меток вибрации и инфракрасных изображений. Все данные единообразно сохраняются в временной базе данных InfluxDB. Каждый мостовой кран генерирует около 2,8 ГБ исходных данных в день, которые после сжатия на периферии уменьшаются до 120 МБ в день.
После извлечения признаков на периферийном уровне в облако передаются только векторы признаков и события тревог, что значительно снижает нагрузку на промышленную сеть цеха. Например, на одном металлургическом заводе, где 12 мостовых кранов в плавильном пролёте подключены к платформе KL-DIAG-4000, общий объём данных, передаваемых периферийными шлюзами в день, составляет около 1,4 ГБ (исходные данные — около 33,6 ГБ/день). Каждый шлюз потребляет всего 12 Вт (пассивное охлаждение, без вентилятора), размещён в корпусе с классом защиты IP65 и адаптирован к резким перепадам температур и вибрационным нагрузкам в среде крана. Платформа поддерживает три промышленных протокола: Modbus TCP, OPC UA и MQTT, совместима с основными брендами ПЛК (Siemens S7-1200/1500, Rockwell ControlLogix, Mitsubishi FX5U) и легко интегрируется с существующими MES и SCADA системами.
Модуль 1: Диагностика нагрева с помощью инфракрасной термографии
Модуль инфракрасной термографии состоит из стационарной тепловизионной камеры (установлена над кабиной оператора, угол обзора 67°×52°) и портативной тепловизионной камеры для осмотра. Каждые 4 часа система автоматически сканирует основные электрические устройства и механические компоненты крана. Система использует модель семантической сегментации на основе ИИ (архитектура U-Net) для автоматического выделения 38 ключевых областей измерения температуры (ROI), включая соединительную коробку двигателя, радиатор преобразователя частоты, фрикционные накладки тормоза, кабельные соединения и другие. Температурные пороги для каждой области автоматически сопоставляются с технической спецификацией оборудования.
Когда скорость повышения температуры в какой-либо ROI превышает 5°C/час или абсолютная температура превышает пороговое значение (например, для обмотки двигателя ≥130°C, согласно пределу изоляции класса F по GB/T 755-2019), система автоматически генерирует предупреждение и сохраняет видеозапись термографического изображения за этот период. Практические данные эксплуатации показывают, что данный модуль обеспечивает предварительное предупреждение о перегреве подшипника двигателя за 48–72 часа до отказа. Данные инфракрасной термографии также участвуют в совместном анализе, перекрёстно проверяясь с вибрационными характеристиками, что снижает частоту ложных срабатываний.
Тепловизионная камера оснащена объективом с электроприводом и фокусным расстоянием 25 мм (поле зрения 24°×18°). На рабочем расстоянии 15 м пространственное разрешение одного пикселя составляет около 0,6 мм, что достаточно для различения перегретых клемм проводов и локальных тепловых пятен на наружном кольце подшипника. Каждый осмотр создаёт термографические изображения, которые автоматически архивируются в карточку оборудования и поддерживают сравнение исторических тенденций: оператор может на панели платформы вызвать температурные кривые для одной и той же ROI за последние 30, 90 или 180 дней, наложить корректирующую линию температуры окружающей среды (на основе данных датчика температуры окружающей среды в цехе) и выявить аномальный нагрев, вызванный неисправностью, а не сезонными колебаниями. Встроенный алгоритм сигнализации о разнице температур основан на двух пороговых уровнях, рекомендованных ISO 18434-1: Δt≥5°C (по сравнению с симметричной точкой) и Δt≥8°C (по сравнению с историческим базовым уровнем).
Мультисенсорный осмотр крана с помощью дрона
Мультисенсорная подвеска, установленная на квадрокоптере (DJI Matrice 350 RTK), включает камеру видимого диапазона 4K, тепловизионную камеру 640×512 и лидар Livox Mid-360. Дрон выполняет автоматический обход по заранее заданной трехмерной траектории, охватывая верхний поясной лист главной балки, зоны соединения концевых балок, подтележечный рельс, троллейный шинопровод и канат стальной. Навигация осуществляется автономно по заранее созданной BIM-модели с использованием RTK-дифференциальной GPS (Точность Позиционирования сантиметрового уровня) — без участия оператора.
Визуальные изображения обрабатываются в реальном времени моделью YOLOv8 для идентификации дефектов: площадь отслоения покрытия, ослабление болтов (обнаружение угловых отклонений головки болта методом преобразования Хафа), обрывы проволок каната (выявление аномалий текстуры поверхности методом линейного сканирования). Данные облака точек LiDAR используются для контроля отклонений Прямолинейность рельса (норматив ≤2 мм/м, согласно ГОСТ 33172-2014) и изменения строительного подъёма главной балки. По итогам каждого осмотра формируется структурированный отчет с указанием типа дефекта, координат местоположения (относительно системы координат крана) и класса риска. Типовая периодичность осмотра — один раз в месяц, продолжительность осмотра одного мостового крана — около 15 минут.
Отчеты по результатам осмотра автоматически сопоставляются с историческими данными для отслеживания динамики выявленных и новых дефектов. Для оценки площади отслоения покрытия применяется алгоритм сегментации изображений (DeepLabV3+), который автоматически вычисляет процент отслоившейся площади и формирует кривую тренда: при увеличении площади отслоения более чем на 20% по результатам двух последовательных измерений фиксируется ускоренное разрушение покрытия, и рекомендуется заблаговременно провести Антикоррозийная обработка. Кривая изменения строительного подъёма главной балки также является важным входным параметром для Прогнозируемое Техобслуживание: согласно ГОСТ 33172-2014, строительный подъём в середине Пролёт должен составлять 0,9/1000–1,4/1000 от величины Пролёт. При снижении фактического строительного подъёма по данным LiDAR ниже 0,5/1000 или при скорости снижения более 0,1/1000 в год формируется предупреждение. Платформа KL-DIAG-4000 интегрирует эти показатели состояния конструкции с данными вибрации и инфракрасного контроля в единую панель мониторинга состояния оборудования.
Комплексная диагностика по вибрации, маслу и акустике
Комплексная диагностика по вибрации, маслу и акустике является ядром системы. На корпусе Подшипник редуктора, Двигатель и Опорный подшипник барабана установлены IEPE Датчик ускорения (PCB 352C33, Диапазон Измерений ±50g) для сбора вибрационных сигналов. В нижней части редуктора установлен онлайн датчик масла (Parker Kittiwake KS10) для непрерывного контроля концентрации металлических частиц, вязкости и содержания воды в масле. Вибрационный анализ выполняется по четырехуровневой шкале вибрационной интенсивности согласно ISO 10816-3:2009 (≤1,8 / 1,8–4,5 / 4,5–11,2 / ≥11,2 мм/с для оборудования класса I), с дополнительным выделением частотных признаков (энергетическая доля боковых полос первой и второй гармоник в спектре БПФ) и временных признаков (коэффициент эксцесса, импульсный коэффициент).
При превышении вибрационной интенсивности желтого порога (4,5 мм/с) и одновременном обнаружении концентрации ферромагнитных частиц в масле >2000 частиц/мл система классифицирует состояние как ранний Износ Шестерня (а не отказ Подшипник), с показателем уверенности ≥0,85. Благодаря этому механизму перекрестной проверки «вибрация-масло» частота ложных срабатываний снижается с ~18% при одномерной диагностике до ~4% при комплексной. Модуль «вибрация-масло-акустика» автоматически выполняет полный анализ каждые 12 часов; продолжительность одного цикла анализа — около 8 минут (включая сбор вибрационных импульсов, отбор проб масла и выводы ИИ).
Многоуровневое предупреждение и оценка эффективности
Совместное предупреждение платформы «четыре в одном» реализовано на основе многоуровневого алгоритма слияния доказательств. Каждый подмодуль независимо вычисляет показатель вероятности отказа (0–1), после чего выполняется их слияние на уровне решений с использованием взвешенной теории Демпстера–Шафера (Dempster-Shafer Theory). Весовые Коэффициент динамически корректируются в зависимости от диагностической уверенности каждого подмодуля для конкретного типа отказа. Например, для Износ Шестерня: вес вибрации — 0,45, масла — 0,40, инфракрасного контроля — 0,10, дрона — 0,05.
В ходе пилотного внедрения на шести мостовых кранах грузоподъемностью 32 т литейного производства на одном из сталелитейных заводов система сгенерировала 42 предупреждения за 6 месяцев эксплуатации. Из них 35 были подтверждены при остановке как реальные признаки неисправности (точность 83,3%), 7 оказались ложными (в основном из-за инфракрасных ошибок, вызванных резкими изменениями Температура Окружающей Среды). По сравнению с традиционной одномерной диагностикой, среднее время упреждающего предупреждения при комплексной диагностике увеличилось с 7,2 дней (только вибрация) до 12,5 дней (улучшение на 73,6%). На основе диагностических данных платформы Келуде Тяжёлая Промышленность непрерывно совершенствует алгоритмические модели и ежеквартально предоставляет заказчикам пакеты Модернизация платформы.
| Диагностикасценарий | одномерныйДиагностикаточность | слияниеДиагностикаточность | время упреждающего предупреждения |
|---|---|---|---|
| Зубчатое колесо редуктораИзнос | 71.3% | 89.7% | 14~21сутки |
| подшипник двигателяпредварительный нагрев | 65.8% | 86.2% | 48~72час |
| Канат стальнойобрыв проволоки | 78.4% | 91.5% | немедленный |
| РельсПрямолинейностьвыход за допуск | 82.1% | 94.3% | немедленный(Осмотр) |
| Главная балкаТрещина | 58.6% | 82.9% | 7~14сутки |
| средний | 71.2% | 88.9% | — |
Часто задаваемые вопросы
В: В чем преимущество платформы диагностики «4-в-1» перед покупкой трех отдельных систем?
О: Ключевое преимущество — синергия данных. Три отдельные системы имеют собственные датчики, каналы передачи и интерфейсы управления, что исключает синхронизацию по времени и корреляцию признаков между системами: когда датчик вибрации фиксирует аномалию, дрон для осмотра может еще находиться на зарядке. Благодаря единой временной базе KL-DIAG-4000, при обнаружении ударного импульса датчиком вибрации система автоматически запрашивает синхронные кадры тепловизора и данные датчика масла, формируя полную цепочку доказательств неисправности. Кроме того, стоимость развертывания единой платформы примерно на 35% ниже, чем трех отдельных систем (общее оборудование: граничный шлюз, электропитание и канал связи).
В: Как обеспечивается надежность и безопасность полетов дрона в условиях высокой запыленности и высоких температур в цехе мостового крана?
О: Используется промышленный дрон DJI Matrice 350 RTK со степенью защиты IP55 и рабочим диапазоном температур от −20 до +50°C. Перед полетом автоматически проверяются условия окружающей среды: при скорости ветра >8 м/с, концентрации пыли >5 мг/м³ или выходе температуры за рабочий диапазон запуск блокируется. В полете постоянно активны передний и задний радары обхода препятствий (горизонтальный диапазон 0,5–20 м, вертикальный 0,5–15 м), при приближении к стальной конструкции мостового крана на расстояние <2 м дрон автоматически замедляется. При потере сигнала RTK или обрыве канала связи более чем на 5 секунд дрон автоматически возвращается в исходную точку (функция RTH). В ходе реальных развертываний на металлургических заводах выполнено более 1 200 вылетов без единого инцидента.
В: Требуют ли датчики масла для комбинированной диагностики регулярной калибровки и обслуживания?
О: Заводской интервал калибровки онлайн-датчика масла Parker Kittiwake KS10 составляет 12 месяцев. Датчик оснащен встроенной функцией самодиагностики, выполняющей проверку чувствительности ежедневно. Подсчет металлических частиц основан на принципе лазерной засветки; каждые 3 месяца требуется калибровка точности с использованием стандартной дисперсии частиц (в комплекте калибровочного набора — стандартные образцы с концентрацией 1 000 частиц/мл и 5 000 частиц/мл). Измерение вязкости основано на принципе кварцевого микровесов; калибровка требуется каждые 6 месяцев. При нормальном состоянии масла (класс ≤8 по стандарту NAS 1638) датчик демонстрирует высокую надежность: средняя наработка на отказ (MTBF) ≥18 000 часов.
В: Какая модернизация существующего мостового крана требуется для развертывания платформы «4-в-1»?
О: Основные работы по модернизации включают: установку граничного вычислительного шлюза и модуля связи 4G/5G в электрошкафу мостового крана (занимает 2U стоечного пространства); монтаж IEPE-датчиков вибрации на корпусе подшипника двигателя, на входном/выходном валах редуктора и на опорном подшипнике барабана (сверление и нарезание резьбы; стандартная комплектация — 8–12 точек измерения); установку контура циркуляции масла с онлайн-датчиком на сливном отверстии редуктора; монтаж кронштейна и кабелей питания/связи для тепловизора над кабиной оператора. Загрузка маршрута дрона не требует доработки крана. Все работы выполняются в рамках штатного планово-предупредительного ремонта (≈2 дня); время простоя крана не превышает 4 часов (подключение электрической системы управления).
