下载掌阅APP，畅读海量书库
立即打开
数智巡检是运作系统设备巡检工作的数字化与智能化。在运作系统设备巡检领域中，这是工业互联网广泛应用背景下出现的一种新型生产服务模式。相对于传统的人工设备巡检，数智巡检主要依靠设备工作状态（包括工作环境）的传感器动态持续地自动测量设备的状态数据（即设备巡检的数字化），必要时辅助以人工巡查方式获取设备状态数据。对于获取的设备状态数据，数智巡检主要运用人工智能技术并结合设备的专业维修知识进行分析，给出对设备状态的诊断与设备维修建议（即设备巡检的智能化）。数字化是巡检智能化的基础与来源；智能化是巡检数字化发展的方向，是提高巡检质量和效率，及时、准确、全面地了解运作系统中设备的状态，将设备可靠性管理从当前与事后的故障处理改变为故障的事先预警和预防，从而制定出最佳的保养和维修方案的重要手段。
作为现代服务业（尤其是生产性服务业）发展的主要方向和目标之一，数智巡检相对于传统的设备巡检工作，可以实现运作系统设备巡检服务的如下四个方面的转变：
第一，从粗放转变为精准服务。传统的巡检服务往往在固定的时间间隔上对系统所有设备及其工作状况进行全面巡查；数智巡检可以针对可能发生故障且需要重点关注的设备开展有针对性的巡查与故障分析。
第二，从专业服务转变为个性化集成服务。设备巡检的一般功能是发现设备的异常状态；数智巡检可以实现设备故障的定时定位和原因分析，并将故障发现、设备维修保养、维修备件供应，乃至设备能力决策等集成起来进行决策与协调优化。
第三，从静态服务转变为动态持续性服务。静态服务是指根据当下的设备参数对设备是否处于故障状态或短期内是否即将进入故障状态进行判断；动态持续性服务是指持续监测设备的参数与状态，在对设备状态变化历史规律把握的基础上，对设备是否出现故障进行个性化决策或者未来何时将出现何种故障进行预判，还可以就避免未来可能发生的故障采取的针对性干预措施提出建议。
第四，从时空受限服务转变为跨时空服务。传统的巡检服务往往需要巡检人员亲临设备现场，因而是时空受限的服务；数智巡检基于传感器、控制器和工业互联网，可以实现针对设备状态的远程数据采集与监控，因而是跨时空服务。另外，历史的设备维修维护知识和其他运作系统的类似经验可以在数智巡检中得到适当应用，也是数智巡检跨时空服务的重要特征。
设备巡检智能化的研究与应用多年来已经有较多的探索。在电网输电线路及输电配电设备巡检方面，有关智能巡检的研究与实践比较丰富（李庆，2017；孟悦，2018）。输电线路是电力系统的重要组成部分，其定期巡检是保证系统安全运行的重要基础工作。输电线路通常的巡检方式包括人工巡检和航测法（李庆，2017）。其中，人工巡检是指人借助望远镜等设备进行观测。此方式费时费力，输电线路分布广泛，有的经过高山河流，不能轻易到达，而且还存在安全隐患，同时受气候条件、环境因素、人员素质和责任心等多方面因素的制约，巡检质量和到位率无法保证。航测法指借助直升机或无人机对架空高压输电线进行巡检，其巡检速度快。但为了保持飞机与导线、杆塔的安全距离，不能对线塔进行较近距离察看，且大雾、风雪等恶劣天气条件下无法进行巡检。直升机巡检需要作业人员取得相关飞行员驾驶证，且作业程序烦琐，导致运行成本高而难以推广。无人机巡检以高度智能化的无人微型直升机为载体，利用其自身携带的图像采集和热成像巡线设备沿电力线自主飞行进行巡检，可以实现自主导航。但无人机载荷有限，续航时间短，且一般不能观测线路下方损伤情况。
智能巡检装置（或机器人）的研究及其在输电线路定期巡检中的应用已经取得很多进展（李庆，2017）。这方面的研究主要侧重巡检装置的性能改善方面，如体积较大、结构复杂、行走笨重等问题，特别是大多数机器人装置为双臂结构，跨障时，两臂交替进行，因而装置对输电线的寻找与定位比较困难，而且单臂抓在导线上难以稳定，容易脱线。巡线机器人研究的重点在于设计新型巡检机器人，以提高电力设施巡检的效率和质量，实现设备巡检电子化、信息化和智能化，保证设施的安全和电力系统稳定。这方面的探索与实践包括：武汉大学吴功平教授团队联合广州理邦经济发展有限公司于2014年推出的高压巡线机器人，其具备垂直攀爬功能，重量不超过50千克，是日本和加拿大同类型机器人的一半，并集成了巡检设备；山东电力研究院消化LineScout的关键技术并于2014年与加拿大魁北克水电公司联合研制出的具备感应取电和异物清除功能的输电线路带电维护机器人，其已完成山东青岛500千伏崂阳线上2000米的巡视，巡检速度为0.5米/秒，能够跨越部分线路障碍（李庆，2017）。杨志淳等（2020）提出了物联网概念下面向巡检周期及路径综合优化的配电设备巡检策略，以实现巡检耗时最短和减少巡检工作量的目标。
除了电网系统的线路与设备之外，智能巡检在机械设备、化工设备和交通运输设备的巡检方面也有不少应用。在机械设备巡检方面，姚雪梅（2018）以轴承和齿轮为研究对象，采用振动信号的接触式测量和通过麦克风的非接触式测量收集声学信号的多源数据融合技术，对机械设备的故障状态进行诊断。化工设备巡检是为了维持生产设备的正常运行，使设备的隐患和缺陷能够得到及时发现，做到早预防和早处理。化工生产环境具有高温、高压、腐蚀性强、易燃、易爆和易中毒等特点。传统的人工设备巡检模式采用手工纸介质记录的工作方式，存在着人为因素多、管理成本高、容易造成遗漏、信息反馈不及时和无法监督巡检人员工作状态等缺陷。孙悦（2013）设计并实现了一个基于RFID（radio frequency identification，无线射频识别）技术的化工设备巡检系统，以适应化工生产环境的特殊性和较短的巡检周期要求，避免传统巡检模式的缺陷。
与上述智能巡检相比，本书侧重在运作系统设备检测数据获取基础上的设备巡检策略研究与应用方面，包括：①设备状态传感器数据的可靠性评价及其与其他来源的设备状态监测数据的融合策略；②基于非均衡小样本故障数据的智能自学习故障诊断策略；③基于时频域特征分析的非平稳故障识别策略等。
因此，本书内容相对于已有智能巡检研究的特点表现在：①本书侧重基于大数据的设备故障决策，而非设备监测技术、工具（如机器人）本身；②本书的方法可以应用于一般设备系统，而不仅仅针对专业设备、部件；③本书侧重动态系统决策与巡检策略，而非静态、局部决策；④本书侧重设备故障发生规律的个性化建模，而非一般大样本统计建模方面。
本书以智能电网系统的设备巡检为应用背景，通过应用上述智能巡检策略，说明这些策略的有效性。事实上，这些策略与方法可以拓展应用于机械设备、化工设备和交通运输设备的巡检管理，还可以推广应用到基于医疗设备监测数据的疾病诊断与预防。