下载掌阅APP，畅读海量书库
立即打开
在工业互联网时代，随着传感器与智能感知技术的不断发展，运作系统通常通过传感器收集设备运行状态指标数据，通过分析传感器数据实现设备状态远程监测及故障诊断。设备状态指标指反映设备运行状态正常与否的性能参数，如电力设备运行温度、感应电流、油中溶解气体浓度等，这些指标随时间的变化特征为故障诊断方法提供了决策依据。设备维护人员通过传感器实时采集设备状态指标的在线监测结果，根据在线数据对设备健康状态进行动态评价，在故障发生前进行预防性维护。因此，基于传感器的远程实时设备状态监测为设备巡检和管理提供了重要的发展机遇。
不幸的是，传感器测量得到的设备运行状态数据可能是不可靠，甚至是不可用的。究其原因，主要有两方面：其一，传感器一般对设备运行状态参数进行转换，例如：气相色谱仪将混合气体各组分浓度转换为色谱柱，再转换成电信号（如电压、电流等），经放大后进行记录和显示，绘出色谱图，以检测不同气体的浓度；红外温度传感器通过红外辐射检测物体的温度。受环境噪声、传输转换误差和测量原理的差异等方面因素的影响，传感器采集到的设备运行数据通常具有一定的测量误差。其二，不同厂家生产的传感器因为制造工艺水平和测量原理的差异（如气相色谱仪的气体浓度型检测器包括热导检测器、电子捕获检测器等），其对同一设备状态参数的测量结果可能表现出不一致性。这两种因素叠加，可能导致传感器测量数据的不可靠，甚至不可用。因此，传感器测量数据的可用性与可靠性评估是工业互联网时代面临的重大基础性问题。
另外，为了减少数据误差对维护决策的影响，维护人员往往需要定期前往设备现场，通过人工测量的方式采集离线数据，了解设备真实运行状态，保证设备的运行安全。例如，变压器设备巡检实践中，为确保传感器数据的准确性，设备维护人员需要定期前往设备现场，利用物理手段采集设备油中溶解气体数据，通过两种数据相结合的方式对设备进行健康状态评价。设备在线数据具有动态、实时与采样成本低等优点，但准确性较低；离线数据的测量结果准确，但采样成本过高。因此，如何将同一台设备的在线监测数据与人工离线检测数据等多源数据进行相互融合，提高该设备状态监测结果的准确性和可靠性，是设备巡检策略设计的一个重要课题。