探讨机电一体化在作业动态异常状态监管中的应用

吕祥明

摘要：机电一体化技术是一门综合性较强的学科,其涉及机械技术内容面广,是一门独立性的学科。本文从机电一体化在作业动态异常状态监管中的应用入手，分析了目前的作业动态异常状态监管技术应用状况，并对机电一体化在作业动态异常状态监管中的发展前景进行了展望。

关键词：机电一体化；作业动态；异常状态监管

引言

随着机电一体化技术的不断发展，各个行业中都开始利用机电一体化技术来提高生产效率和生产质量，而在工业生产过程中也能够通过使用机电一体化技术来对生产过程中存在的问题进行实时监控。以实现对现场生产情况进行实时监控，并在故障发生后第一时间发现并及时解决问题，提高整个生产过程中的效率。

一、作业动态异常状态监管系统的构建

1.1 作业动态异常状态监管系统的基本原理

（1）实时监控现场设备运行状态，及时发现生产过程中的异常情况，并实时报警。

（2）对生产过程中的各种危险状态进行监控、识别和报警，当出现危险状态时及时提醒。

（3）实时统计分析设备运行、操作、维护等各种信息，并生成相关报表。

（4）系统后台自动汇总和分析各种数据，判断生产过程中出现的问题并发出预警信息。

（5）对存在问题的设备进行处理和纠正，并将处理结果及时反馈给现场操作人员。

（6）根据现场反馈情况，对生产过程进行调整和控制，使生产过程符合安全要求和作业标准，使操作人员始终处于受控状态。

1.2 作业动态异常状态监管系统的关键技术

（1）视频图像分析技术：采用了基于视频图像处理的人脸识别、目标跟踪、物体检测等技术，对作业人员、设备状态进行实时分析判断，判断现场作业环境是否存在危险源。

（2）无线通信技术：采用基于GSM/GPRS/CDMA网络的无线通信方式，利用 GSM/GPRS网络的高稳定性，实现远程无线视频监控；利用 GSM/GPRS网络的高实时性和安全性，实现现场视频图像的实时传输。

（3）数据库管理系统：采用 Oracle数据库、 SQLSERVER数据库进行数据管理，数据存储结构采用多层嵌套方式，存储容量大、查询速度快。

1.2.1 传感器技术

在传统的机电一体化作业过程中，作业人员的手持终端与监控中心的监控视频进行连接，在监控视频中显示现场情况，并对现场情况进行远程监控。作业人员通过手持终端操作与监控中心进行连接，对现场情况进行远程实时的监控。

作业人员通过手持终端上的摄像头，可以清晰地看到现场情况。当作业人员发生违规操作时，会有警报提示，并立即停止该行为。如果在执行违规行为后没有得到有效制止，系统会自动报警提醒监管人员。

1.2.2 数据采集与处理技术

数据采集与处理技术主要包括对传感器的处理、对采集信号的处理、对数据的转换和传输以及数据的存储和管理等方面。

（1）传感器数据处理技术：主要是利用传感器获取相关信息，并对这些信息进行处理，以获取系统运行所需的信息。

（2）数据采集与传输技术：主要是指传感器把系统运行中产生的各种信息通过相应的方式从采集装置送到处理器中，并对这些数据进行处理。

（3）数据存储和管理技术：主要是指系统在运行过程中所产生的大量信息，为了更好地利用这些信息，必须对这些信息进行有效地管理。

1.2.3 异常状态诊断方法

为实时掌握作业现场设备的运行状态，实现对设备异常状态的动态监测与故障预警，研发了基于机电一体化的设备异常状态监管系统，该系统通过对现场的视频监控、环境监测、红外扫描等技术手段，实时获取作业现场各类数据并进行分析处理，实现对作业现场设备运行状态的动态监控。该系统具有实时监测、远程控制、预警报警等功能，可以对现场的各类设备运行状态进行分析和预警。

机电一体化在作业现场监管系统中的应用，可以有效减少人员进入作业现场后对设备运行状态进行巡视、检测等工作，为实现实时监控、远程控制和预警报警等功能提供了重要保障。

1.3 作业动态异常状态监管系统的架构设计

本文所述的系统以机电一体化技术为基础，基于电力系统中广泛应用的智能传感器技术，对现场的作业过程进行实时监控，并利用智能传感技术对现场的运行状态进行远程诊断。

系统主要包括现场监管端、应用服务端和数据分析服务端，其中应用服务端通过智能传感器采集现场设备的运行状态和故障信息，并利用先进的通信网络技术将采集到的数据传输到应用服务端。应用服务端利用云计算、大数据等先进技术对数据进行处理，并将处理结果通过数据分析服务端呈现给用户。

二、异常状态诊断方法的研究

2.1 异常状态诊断方法的分类与选择

随着电力系统的日益发展，传统的安全监管手段已无法满足当前电网安全稳定运行的要求，在生产现场，电气设备及监控系统大量采用了无线通讯技术、传感器技术、数据采集技术、计算机技术等，实现了生产现场电气设备及监控系统的远程监视和控制，对作业现场的电气设备进行实时状态监测和异常状态识别，并将监测数据及时传送到集控中心或调度端。

近年来，基于无线通信的智能监控技术和信息化技术在电力生产中得到了广泛应用，通过利用这些先进技术，可实现对电力生产运行过程中电气设备的异常状态进行远程监测和故障诊断，进而为电力生产运行提供有效的决策支持。

2.2 基于机器学习的异常状态诊断方法

通过采集设备运行状态数据，构建基于机器学习的异常状态诊断模型，在数据处理阶段，使用机器学习算法进行特征提取与筛选，获得数据的分布规律，并以此作为输入条件，利用设备的历史运行状态数据进行训练学习，将当前设备的运行状态作为输出条件。针对作业过程中动态异常状态的诊断，首先需要获取设备的当前运行状态数据；然后通过采集作业过程中设备的运行状态数据，建立异常状态样本集；最后基于机器学习算法对样本进行训练学习，获取对应的机器学习模型参数。在模型建立阶段，首先需要使用前向-反向算法对机器学习模型进行训练学习，提取对应的模型参数。

2.3 异常状态诊断方法的性能评估

首先，从本质上来讲，异常状态诊断方法的性能评估指标可以分为两大类：一类是基于统计或机器学习的评估指标，另一类是基于经验或专家的评估指标。前者主要用于对方法的总体性能进行定量化描述，后者主要用于对方法的具体性能进行定性描述。在本文中，我们使用了基于经验或专家的评估指标作为异常状态诊断方法性能评估的指标。

三、异常状态诊断方法在作业动态异常状态监管系统中的应用

基于机电一体化技术，可以有效地对设备异常状态进行实时监控，从而使现场作业人员在危险区域内的作业过程中能够及时发现并处理安全隐患，实现危险区域内的作业动态异常状态监管，从而有效地保障现场安全。当设备处于正常工作状态时，设备的工作状况是相对稳定的。由于生产过程中各种原因，设备可能会处于一种异常状态，或者说是一种“故障”状态。这种状态不一定与生产过程有关，也可能与设备本身无关，可能与人、机、料、法、环有关。

结论

通过对设备状态的监测，结合计算机控制系统，可以实现对现场设备作业过程的实时监控，从而及时发现安全隐患并消除安全隐患，将现场作业动态异常状态监管的管理模式从传统的事后监管转变为事前、事中监控管理，有效提升了现场作业安全水平。

参考文献

[3]郝一旭,张许泽.机电一体化技术在现代工程机械中的发展运用[J].通信电源技术.2018,(4).

[4]刘尚林.机电一体化技术在现代工程机械中的应用[J].现代制造技术与装备.2016,(9).