第1章 绪论

随着新一代信息技术的快速发展，世界正在进入以信息产业为主导的经济发展期，围绕大数据的数字化、网络化、智能化产业变革受到各国的热切关注，并相继制定、出台了大数据发展的战略性指导文件。美国政府于2012年斥资2亿美元启动“大数据研究和发展计划”，认为数据是“未来的新石油”，将大数据上升到国家战略层面；德国于2015年启动“智慧数据——来自数据的创新”项目，明确指出智慧数据对工业、交通、能源、医疗等领域意义重大，鼓励开发利用有吸引力的、安全的大数据；我国于2015年印发了《促进大数据发展行动纲要》，其中明确指出数据是国家的基础性战略资源，并引导和鼓励各个领域在大数据分析方法及关键应用技术等方面开展探索性研究。

新一代信息技术革命的浪潮同样“席卷”了机械领域。随着“德国工业4.0”、“美国工业互联网”等规划的相继提出，信息化与工业化的深度交叉融合促使航空发动机、工业机器人、风电装备、高速列车等机械装备向智能化、高可靠、长寿命的方向发展。这些机械装备一旦发生故障，将会造成巨大的经济损失甚至人员伤亡。因此，亟需研发机械装备智能运维的核心技术，为机械装备的安全可靠运行保驾护航。

近年来，得益于工业互联网、物联网等技术的蓬勃发展，机械装备智能运维逐渐呈现以下特点：覆盖装备的规模大，每台装备的测点多，数据采样的频率高，连续监测的历时长，这使获取的监测数据迅速累积，数据规模呈现井喷式增长，推动机械装备智能运维进入大数据时代。例如，法国空中客车公司与美国Oracle公司共建了大数据处理系统，该系统通过客机上的传感器，每天可收集超过2万亿字节的数据，被监测参数达60万个，这些数据可用于客机的实时自适应控制及其零部件的故障预测等[1]；宝马集团建立了能够监测全球范围内宝马汽车的大数据平台，据统计，平均一辆宝马汽车具有75个控制器、15GB的车内数据、约12 000个车载诊断项目，该平台每天进行多达6万次的监测诊断[2]；美国通用公司未来15年将在全球工业系统中增加2 000个联合循环电厂，装机容量达到638GW，而一个联合循环电厂有燃气涡轮机、蒸汽涡轮发电机等约105个旋转装备需要监测，监测装备数量极大[3]；我国三一重工股份有限公司的工业大数据平台使用智能器件与专用传感器对混凝土泵车、挖掘机、起重机等132类工程机械进行在线管控，实现了全球20多万台工程机械的数据接入，实时采集工程机械的装备位置、油温、油位、压力等6 143种运行状态信息，目前已经积累了1 000多亿条工业数据[4]；中国华电集团有限公司的新能源远程诊断平台监测浙江、蒙东、黑龙江、山东等国内15个省份，包含舟山长白、库伦、七台河、虎头崖等110个风场的7 100多台风机，每台风机布置有308个测点，测点分布于风电机组的电气系统、控制系统和机舱等，可获取包括电动机转速、有功功率、振动等数据，每日共存储数据量约120GB。可见，机械装备智能运维已经进入了大数据时代。

机械监测大数据是故障信息与诊断知识的载体，其中蕴含着能够反映机械装备健康状态的海量信息，从大数据中总结经验、发现规律，可以协助诊断专家更加全面和深入地认识、了解机械装备健康状态的变化规律，并诊断潜在故障、预测退化趋势、辅助决策维护等，实现新一代信息技术与工业自动化领域的深度融合与交叉创新，这是大数据时代为机械装备智能运维带来的机遇。然而，如何充分挖掘海量监测数据中蕴含的故障信息，将大数据这种“新石油”提炼成可用的“汽油”“柴油”，则是大数据时代下机械装备智能运维面临的巨大挑战。需要以机械监测大数据分析为基础，实时掌握机械装备的健康状态信息，保障机械装备的安全高效服役，延长机械装备的使用寿命，这也成为促进中国制造快速发展的重要研究方向。

本章首先概述了机械装备监测大数据的形成因素与领域特点，然后阐述了机械装备智能运维的有关概念，分析了国内外的研究现状，最后总结了大数据背景下智能运维面临的机遇与挑战。