摘要：港口设备智能管控系统是一种能够对港口设备进行实时在线智能管控的系统。设备管理人员可以通过计算机客户端或者手机等终端及时了解起重机当前的状态，生产计划人员可以根据设备的最新设备状态来安排生产计划。同时系统通过数据分析，对起重机关键部件的状态、剩余寿命以及起重机健康状态进行准确的评估及预测：通过对外接口，能够对起重机的维修保养计划提出科学的建议，对备品备件的品种和数量做出合理规划。这种预测性的维修模式，能够减少集装箱岸桥的计划外停机次数和时间，提高维修效率，降低维修成本。
　　关键词：智能管控；评估；预测；规划
　　1智能管控系统体系结构
　　港口设备智能管控系统采用七层体系结构，从下往上依次是数据源层、数据采集层、数据存储层、数据挖掘层、应用层和表示层。系统的体系结构符合CBM（Condition-Based Maintenance，基于状态维护）开放系统体系结构标准OSACBM七层结构。其中数据采集层实现数据源层多源异构数据采集和融合；数据存储层实现多源异构数据混合分布式存储和高速检索；数据挖掘层利用存储的数据经特征提取、统计分析和机器学习等方法提炼有用的信息；应用层在源信息和提炼信息基础上提供信息管理、状态监测、智能维护和辅助决策等应用；表示层实现应用的可视化展示和用户交互。
　　2数据采集层
　　数据采集层包括两大部分：一部分为设备监测数据、运行数据和元数据采集；另一部分则是已有第三方系统数据融合。设备数据采集通过专用嵌入式设备（黑匣子）实现，数据采集黑匣子支持工业以太网、Modbus和RS-232等通用采集协议，满足多类型传感器和PLC数据采集。数据采集黑匣子通过光纤以太网，将采集数据传输到私有云的OPC服务器。为了保证网络异常情况下数据的完整性，黑匣子具备缓存3个月设备数据的存储量，以在网络恢复正常后补发缺失的数据。第三方系统数据的融合则由公/私有云直接访问数据库或者数据库接口来实现，通过关系型数据库ETL连接件抽取、转换后存储到公/私有云中的数据库。私有云和公有云间的数据传输采用OPC UA协议，私有云OPC服务器经IOT HUB管理設备接入公有云，实现数据高并发传输和加密安全传输。
　　3数据存储层
　　系统存储数据包括结构化（监测数据、用户数据等）、半结构化（文档、文本等）和非结构化数据（图片、视频等），因此采用微软AZURE云大数据存储、时序数据库和关系型数据库混合框架。
　　4数据挖掘层
　　数据挖掘层旨在从海量设备数据中提炼出有价值的信息，为后续设备状态监测、智能维保、安全管理和资产管理等应用提供支撑。结合设备数据类型和应用服务分析，系统所应用数据挖掘方法主要包括三大类型：信号处理、统计分析和模式识别。信号处理主要针对振动、温度、压力等设备监测信号进行时域，频域和时频分析，以提取蕴含于原始信号中的有效特征。统计分析针对能耗、经济指标、台账和成本指标量，进行指定时间段内次数、总量和分布情况进行统计。模式识别利用原始信号及提取的信号特征，实现故障诊断、危险源辨识和操作异常等识别。系统模式识别采用机器学习方法并通过采集的大量样本数据和监督学习方法训练机器学习模型。
　　5应用层和表示层
　　应用层利用系统存储数据和挖掘分析结果，提供智能管控系统多样化应用服务。应用层主要包含信息管理、状态监测、智能维保和智能辅助决策四大模块。
　　信息管理指设备信息和安全相关信息管理应用，包括维保规范、危险辨识规范、隐患排查规范、特种设备安全技术档案、技术手册和物资、备件台账等信息管理，利用列表和图示等可视化技术展示结果和交互界面。设备状态监测应用包括设备GIS、设备分布、运行状态监测、环境监测和能耗监控等，利用三维模型、地图、曲线图、列表和预警图等可视化技术展示结果和交互界面。
　　智能维保包括设备钢结构、机构和电气系统故障诊断、保养管理、检查管理、维修管理、检验检测管理、应急管理、隐患排查管理等，利用流程图、雷达图和柱状图等可视化技术展示结果和用户交互界面。辅助决策指分析和评价等辅助人工决策相关应用，包括设备全寿期成本分析、经济指标分析、司机评价、设备后评价和监测校核等，利用概率图、曲线图和表盘图等可视化技术展示结果和用户交互界面。
　　6结束语
　　在工业信息化的背景下，从大型港口设备维保成本和安全的角度考虑，智能管控系统的研究和应用势在必行，是提升港口自动化、信息化和安全水平的必由之路。