摘要:自动引导运输车(Automated Guided Vehicle,AGV)和移动机器人已逐步成为仓储物流和工业生产中的重要设备,因此企业对此类设备的监控和维护需求日益提升。 针对企业在设备运维中存在的问题,首先提出了基于 5G+工业互联网的 AGV/ 移动机器人智能运维系统设计方案,包括 5G 网络、智能运维平台和运维业务应用的搭建,以及基于迁移学习和联邦学习的故障模型训练与优化方法;最后,在企业生产环境中进行了相应的系统部署,并通过真实设备数据验证了所提系统设计方案的有效性。
关键词:自动引导运输车;移动机器人;智能运维系统;工业互联网
中图分类号:TP241;TP274+. 5 文献标志码:A
引用格式:夏鹏程,崔继轩,马川,等 . 基于 5G+工业互联网的 AGV/ 移动机器人智能运维系统设计与应用[J]. 信息通信技术与政策,2022,48(10):28-36.
DOI:10. 12267 / j. issn. 2096-5931. 2022. 10. 005
0 引言
随着中国“互联网+” 等战略的提出,大陆工业互联网和智能制造正处于加速发展的阶段。 其中在仓储、物流、生产制造等工业场景中,自动导引运输车(Automated Guided Vehicle,AGV)或其他非轮式的移动机器人能够解决传统人工物料运输方式中劳动强度大和环境危险的问题,已经逐步成为工业生产运输过程中的核心装备[1-2] 。 但是,随着此类设备数量和使用时间的不断上升,企业将会面临设备故障发生频率增加、设备停机、产线停产等问题[3-4] ,因此尽可能有效减少设备故障发生概率和高效解决设备故障是企业在生产过程中的迫切需求。
目前,已经有很多研究者提出了针对 AGV/ 移动机器人的各类故障诊断方法,如基于决策树长短期记忆网络进行设备故障分类[5]、基于小波分析和神经网络检测设备的旋转机械故障[6] 等。但是,上述事后维修的方法并不能避免设备出现问题,面对有大量AGV 设备的生产线环境, 企业亟需一套能够实现AGV/ 移动机器人实时监控和故障隐患提前分析预警的解决方案。 随着 5G 技术的不断发展,许多工业互联网服务商与生产制造企业都提出了“5G+工业互联网”设备运维解决方案。 三一集团利用 5G 园区专网接入 AGV 设备进行远程实时监控[7] ,上海电信利用5G 网络切片技术保障设备数据的可靠传输[8] 。
“5G+工业互联网”相关技术的引入,可以让大数据驱动的预测性维护方法发挥潜在的优势。 相比于传统的基于专家先验知识的预测性维护方法,大数据驱动的方法结合人工智能,利用实时采集监测的工业大数据进行数据分析与训练,能够充分挖掘数据的价值,发现更多设备故障发生前的隐患信息,从而更有效地避免或减少设备故障。
结合上述研究现状与调研分析,本文总结了企业的几个痛点问题:其一,AGV/ 移动机器人原有的 Wi-Fi 通信方式延迟高且稳定性差,但 5G 改造方法和网络部署方案不明确;其二,AGV/ 移动机器人设备类型较多,采集的设备运维数据特征较多,企业缺乏有效的大数据处理方法;其三,企业缺少能够进行模型部署推理与快速构建运维业务应用的软件环境。 针对上述问题,本文提出了基于 5G+工业互联网的 AGV/ 移动机器人智能运维系统设计方案,从网络、平台和应用 3 个层面给出了本系统的设计思路和建设方案,对系统中的智能运维模型优化方法进行了分析,并在某上市仓储设备制造企业中进行了系统的部署、测试与应用,实现了企业相关设备的实时状态监测和当前告警通知,并为企业提供预测性维护建议,减少了设备维修成本,提高了生产效率。
1 系统总体架构设计
针对企业目前建设 AGV/ 移动机器人运维系统存在的问题和需求,本文提出了一种基于 5G+工业互联网的智能运维系统架构(见图 1)。整个系统包含 4 个部分,其中设备层包括各类AGV 或移动机器人设备,如 AGV 小车、穿梭子母车、箱式穿梭车等;网络层、平台层和应用层为智能运维系统的核心部分。
网络层面,为各类 AGV 设备部署 5G工业芯片,搭建企业现场级 5G 室内网络,提供高可靠、低时延的数据传输网络环境;平台层面,搭建面向AGV/ 移动机器人的工业互联网智能运维平台,实现企业相关设备的数据采集、汇聚、存储和分析,并提供运维业务应用的开发、构建与运行环境;应用层面,利用迁移学习、联邦学习、深度学习等算法训练优化设备故障诊断/ 预测模型,开发设备状态监测、预测性维护、质量检测、告警管理等运维业务应用,实现设备运行状态的多维展示和监控,当前告警及时通知,设备效能统计分析以及设备故障提前发现。
2 系统关键模块设计
2. 1 5G 网络的设计与搭建
AGV/ 移动机器人设备原有的 Wi-Fi 通信方式抗干扰能力差、延时抖动大、网络连接稳定性不足,难以满足工业现场对网络传输质量的需求。 随着 5G 通信技术的成熟,企业考虑在生产现场引入 5G 网络,但是现有的 5G 网络大多为公网或混合网络的部署模式,无法保证重点生产作业区域的覆盖率和满足企业数据的安全隔离要求。 因此,本文采用 5G 基站的室内建设方案,从工业 5G 终端到 5G 核心网均在企业生产环境内部署搭建,满足企业对网络可靠性、隔离性和安全性的要求(见图 2)。
现场各类 AGV/ 移动机器人设备安装工业 5G 模组,其中芯片根据高性能的 5G 新空口通信协议需求、生产作业场景的低功耗要求和设备安装尺寸需求进行封装设计,终端模组的基带通信算法采用极化码 Polar和低密度奇偶校验码的信道编译码技术,可实现时延的精细控制。
针对企业生产环境的 5G 信号覆盖率与时延性需求,系统采用现场级室内 5G 基站方案,包括射频拉远单元(Pico Remote Radio Unit,pRRU)、5G 数据汇聚单元( 5G HUB)、 5G 基 带 处 理 单 元 池 ( Building BaseBand Unit,BBU)和 5G 核心网。 其中 5G HUB 扩展主要负责通用公共无线接口数据处理;BBU 资源池负责集中调配基带资源,进行信号调制处理;pRRU 主要负责射频信号处理,每个厂区的多个工作区域都会部署pRRU 以尽可能地覆盖 5G 信号。
上述 5G 网络的室内建设方案,可以为 AGV/ 移动机器人设备构建大带宽、广覆盖和高可靠低时延的网络通信环境,支持对设备的大规模实时调度控制,其实时采集的设备运行数据有助于智能运维系统对设备故障的快速诊断与预测分析。
2. 2 云边协同的工业互联网智能运维平台技术架构
设计
考虑到工业企业对各类AGV设备的运维大数据和运维业务应用缺少统一和高效的管理工具,并且同类企业间缺少可信的模型共享空间以进一步挖掘运维大数据的潜在价值,本文提出了一种云边协同的工业互联网智能运维平台技术架构,旨在帮助企业快速形成设备运维大数据的治理环境,并为运维业务应用软件的快速开发与构建提供支撑。
如图 3 所示,整个智能运维平台分为企业级工业边缘云管平台和行业级中心云公共服务平台。 企业级边缘云管平台部署在各企业的私有云服务器上,基础设施即服务(Infrastructure asa Service,IaaS)层主要基于云原生技术将边缘云基础设施的计算、存储和网络资源虚拟化,并通过资源监控和调度功能进行资源的管理和分配;平台即服务( Platform as a Service,PaaS)层提供针对设备运维数据与运维业务应用的相关服务,包括数据接入与汇聚、数据存储、数据分析与应用支撑。
其中,数据接入与汇聚服务采集设备的静态信息、运行状态数据和当前故障数据,通过边缘数据处理模块进行数据预处理和格式转换,并利用规则引擎转发数据至上层组件;数据存储服务可存储大量时序数据,通过工业私有区块链进行设备运维日志的可信存证与溯源审计,在故障专家库中不断存储并更新设备故障诊断与维护知识;数据分析服务提供数据的在线/离线分析环境,以及设备故障模型的训练和推理环境;应用支撑服务则提供应用的运行与管理功能。
行业级中心云公共服务平台部署在公有云服务器上,以工业联盟链为基础,为同类型企业构建可信的模型资源共享环境,利用联盟链进行模型的确权,通过联邦学习框架帮助多家企业在数据不出厂的条件下完成设备故障模型的高效聚合,并提供工业应用模型库以供各参与企业进行模型的共享。 平台的工业应用服务则提供运维业务应用的开发、测试、构建、分发和部署功能,方便企业相关应用的快速上线。
2. 3 设备智能运维业务应用的构建方案设计
设备智能运维业务应用主要包括设备质量检测和预测性维护,需要以人工智能模型为核心进行开发构建,利用训练好的设备故障模型对实时数据流进行分析,从而给出设备维护建议并通知企业运维人员。 因此,企业在设备智能运维业务应用的构建过程中,存在模型精度优化、模型实时推理、模型在线更新等需求。
篇幅有限，未完，关注公众号“智能制造趋势”，回复804获取全文
转自信息通信技术与政策，作者夏鹏程、崔继轩、马川、李骏，若有侵权联系删除