无人机空中检查-资产状况监测指南：关键方法和技术

发生另一起运营事故后，资产经理会问：哪里出了问题，为什么？这个问题很难回答，因为90% 的资产和设备故障都是由事件驱动的，而不是基于时间的。除非您拥有成熟的状态监测流程，否则挑战在于不知道哪个事件可能成为下一个不可逆转损害的“临界点”。

了解新兴技术如何帮助资产所有者了解资产绩效的后见之明和预见性，降低运营和维护 (O&M) 成本并提高运营效率。

什么是状态监测？

状态监测 (CM) 是观察资产和机器随时间变化的状态以检测早期性能异常的过程。振动、温度、壁厚或声发射等参数可能是重大故障的先兆——开裂、破损、腐蚀等。

最简单的状态监测系统有四个要素：

l放置在资产上的无线传感器

l网关设备用于收集、组织和传输数据

l用于数据处理和分析的云存储

l用于远程系统控制和警报的仪表板

状态监测传感器可以诊断振动、温度、压力、声音、湿度和其他参数。您还可以集成来自 SCADA、资产管理平台和工业无人机等来源的数据，以端到端查看资产。然后可以使用各种技术和软件工具分析汇总数据。

常见的监控资产类型

为什么要投资资产状况监测解决方案

收集故障前数据有助于了解资产的磨损和维修需求。没有它，您无法重现导致故障的事件，从而使您的运营面临更多风险。

历史条件数据有助于根本原因分析，并通过建模技术提高未来预见性。换句话说，条件监测有助于从被动维护转变为有计划的纠正性维护和预防性维护策略。

状态监测的好处

l减少停机时间。早期发现问题和更快的纠正性维护意味着更少的关键设备故障。定期状态监测可将各行业发生灾难性、意外机器故障的几率平均降低55% 。

l节省成本。停机时间和大规模维修的减少使企业拥有更好的现金流。例如，海上风电场运营商可以通过早期干预节省高达8%的运营和维护成本。

l优化资产性能。实时监控和数据分析有助于识别不同条件下机器校准和/或资产运营中的低效之处。实时动态调整操作参数以保持最 佳性能。

l延长设备使用寿命。及早发现磨损，并及时进行纠正性维护，可将资产使用寿命延长20% 至 40%。

l提高职业安全性。状态监测有助于降低人员风险和工业事故发生的可能性，从而提高合规性。

l提高生产力。借助自动诊断和更好的数据收集工具，您可以在更短的时间内进行更有效的评估。十分之七的大坝运营商认为，自动监测提高了他们在一年内执行更多检查项目的能力。

l数据驱动的决策。获得有关资产健康状况的端到端可见性和详细数据。在派工程师前往现场之前，向他们提供有关缺陷位置严重程度和位置的充足数据。避免资产过度维修，同时提前应对未来的维护需求。

主要状态监测方法

资产监控方法有很多种，每种方法都最适合特定类型的设备和数据采集。有些是手动的，有些则与自动数据收集兼容。

例如，76% 的资产所有者使用自动大坝监测方法，只有 24% 采用手动方法。在全球 50 大矿业公司中，94% 拥有强大的数据基础设施，90% 自动收集状态监测数据。

自动化程度的提高可以实时测量更多参数，并且精度更高。您可以减少实地考察次数，跟踪系统状态，并根据需要安排维护，以优化停机时间。

以下是针对不同类型工业资产最常用的状态监测方法的摘要。

状态监测方法

支持远程状态监测的关键技术

有效的资产状况监测管理取决于数据可用性和分析能力——新技术能够获得更深入的洞察。

由于无线核心传感器技术的改进（以及成本的大幅降低），资产所有者可以收集有关陀螺仪运动、压力变化、振动模式、温度和湿度的实时数据。反过来，工业无人机可以加快摄影测量、视觉测试和高空无损检测的速度。使用专门的无人机有效载荷进行热成像、超声波测试、干膜厚度测量、气体或辐射检测，可以覆盖更大的距离并更快地检查难以到达的资产。

您可以使用数据工程为资产创建自定义健康指标，以实现有效诊断和预测性监控。机器学习算法在异常检测方面表现出色。数据驱动的诊断还可以揭示影响资产状况的关键因素，并帮助实施主动维护。通过应用使用历史和实时数据的数据建模方法，您可以预测资产维护需求并模拟退化机制的影响。

总体而言，随着后四种技术的部署，状态监测能力将显著增强。

n工业物联网 (IIoT)

IIoT 是指具有无线连接和实时数据交换功能的传感器、边缘设备和自动化工业系统不断增长的组合。它们提供了一种将传统机械和非数字资产与现代技术连接起来进行数据分析的途径。

物联网网关支持从所有连接资产到基于云和本地资产状况监控解决方案的安全数据传输、处理和过滤。

通过整合来自多个来源（状态监测传感器、资产管理系统和维护应用程序）的数据，您可以获得资产组合的端到端可视性，并应用更深入的分析来优化其性能。

Eldorado Brasil是最 大的单线牛皮纸浆企业之一，该公司为其设施选择了Barker Huegs 状态监测系统。该系统识别出底部蒸煮器冷却增压泵电机轴承故障的早期迹象。该团队跟踪故障进展并减轻其影响，直到计划停机期间安排纠正性维护。Eldorado Brasil 避免了紧急维修和约 2,740 吨纸浆产量的损失，仅在一次事故中就节省了约 180 万美元。

除了先进的监控功能外，IIoT还带来了边缘计算功能。

机器数据被传输到云端进行分析，但控制决策可以在本地进行（例如，调整温度或转子速度）。系统控制器（如 PLC）和状态监测控制器可以共享实时传感。这为远程调整机器性能和可靠性提供了一个功能接口。

例如，您可以将无人机风力涡轮机检查的数据与基于传感器的见解相结合，以远程诊断转子不平衡或偏航系统问题。然后在派遣维护人员之前进行远程调整以降低风险。例如，Greenko Group已使用AWS 服务对 2,200 多台风力涡轮机的状态监控进行了数字化。该系统每分钟将遥测数据传输到监控仪表板。在后台，系统根据功率性能曲线、俯仰角与风速与功率输出、环境温度、机舱温度、发电机温度和散热器温度等参数自动对性能低下的风力涡轮机进行分类。

工程团队可以全天候获取实时信息，以便及时采取行动。工程团队可以采取远程纠正措施，如果此举失败，则可以发出现场检查工单。

n巡检无人机

与人工方法相比，无人机检查可以以极少的时间和成本收集大量有价值的数据。您无需派人员爬上火炬塔或深入竖井，而是可以派遣灵活的无人机绘制地形图、收集厚度测量值或检查是否有视觉损坏。

得益于专门的有效载荷，无人机可以为以下流程带来额外的效率：

l视觉结构健康监测

l工业摄影测量

l无损检测

l工业热成像

l泄漏检测

对于基础设施检查，无人机无需调试飞机、引入起重设备或搭建脚手架，从而大幅降低了成本。一家炼油厂选择使用 Voliro 无人机进行烟囱检查，节省了超过 15 万美元的起重机租赁和人工成本。

在英国，无人机桥梁检查为当地政府节省了约 100 万英镑的成本，并大大提高了数据质量。配备 RGB 摄像头和 LiDAR 传感器的无人机可以精 确拍摄难以到达的区域，从而提前发现腐蚀、开裂和电缆磨损等问题。

除了使检查变得不那么繁琐之外，无人机还为测量带来了额外的速度和准确性。例如，借助 Voliro 超声波传感器有效载荷，检查人员每小时可以收集多达 120 个厚度读数。

一次外部储罐检查大约需要 75 分钟，这意味着团队每天可以检查至少五个储罐。更快的检查时间意味着更少的停机时间和更高效的劳动力利用。此外，您可以安排更频繁的检查，以监控基础设施随时间的变化。

所有无人机收集的数据都可以传输到资产管理系统中，用于历史基准测试、实时评估，甚至预测决策。

n机器学习和深度学习

机器学习 (ML) 和深度学习 (DL) 方法为状态监测添加了“预测”甚至“规范”组件。

您不仅可以获得 48 小时的服务警报，还可以预测服务随时间推移的恶化情况，并模拟不同的场景以优化 TCO 并最 大限度地减少停机时间。例如，在采矿业中，许多拖缆都配有工作监视器，可使用疲劳模型和应变测量来预测吊杆上的焊接故障。传统上，这些模型都是统计模型。但最近，大多数预测性维护模型都由人工智能驱动。

例如， Razor Labs为采矿业构建了一个一体化的自动化预测性维护平台。它使用人工智能传感器融合——一种整合来自多个来源的机器状态监测数据并应用人工智能模型来产生更可靠见解的技术。该工具可以运行高级故障根本原因分析，准确预测采矿设备故障，并建议规范的维修措施。该公司声称，其系统每年可防止履带式输送机停机 1,000 多小时，并将堆场停机时间减少 25%。

卡特彼勒则开发了一种机器学习模型，用于快速检测可能导致发动机损坏的发动机油稀释。它可以在短短 2.4 小时内（从 10 天减少）检测出稀释情况，并为一位客户节省了超过 36 万美元的维护成本。

另一家公司的模型可以检测车轮打滑，打滑会导致刹车失灵，缩短轮胎和车轴组件的使用寿命。根据状态监测数据，该团队可以及时通知客户，从而节省约 50 万美元的停机成本。

除了早期问题检测之外，PdM 支持的计划还可以在不牺牲运营质量的情况下将人工检查减少50% 以上。通过远程状态监控，您无需一直派人员在现场，从而减少员工处于危险之中的时间。

n数字孪生

数字孪生是新一代预测性维护平台，提供 3D 资产可视化、实时监控和高级预测功能，用于建模不同的资产使用场景。

例如，太阳能发电场的数字孪生可以使用无人机和远程摄像机拍摄的镜头，以 3D 形式可视化所有设施组件（从面板到逆变器）。它允许工作人员放大最细微的细节，而无需进行多次实地检查，并使用来自传感器的数据持续分析资产的健康状况。

此外，他们还可以进一步处理数据，例如评估不同参数变化将如何影响电力输出。或者依靠人工智能算法提供的建议。在德国，弗劳恩霍夫太阳能系统研究所 (ISE) 的研究人员开发了一种数字孪生，可以全天自动定位太阳能电池板，为附近的计划提供足够的光照，同时还可以根据电网状况和电价优化产量。

丹麦Sund & Bælt Holding 公司则创建了用于维护大贝尔特桥的数字孪生系统。此前，该团队每六年必须目视检查超过 30 万平方米的混凝土。这需要耗费大量的劳动力。

与 IBM 合作开发的新数字孪生简化了持续监控和维护。它基于数据维护记录、设计文档和最近的无人机镜头中的数据来识别裂缝、生锈、腐蚀和持续应力，使团队能够更好地预测和预测维修工作。工程师可以模拟交通负荷如何影响最关键的区域并评估变化对桥梁的影响。

此外，通过获取最 新数据，Sund & Bælt Holding 可以加快工单管理。桥梁封堵的时间窗口非常狭窄，该模型允许工程团队在下到五英里长的隧道之前准备好大部分工作。

巨视安防

结论

状态监测可帮助运维团队更深入地了解资产的健康状况和性能。由于传感器成本降低以及对云的商品化访问，您可以从更广泛的系统汇总数据，从而将数字分析窗格无缝扩展到物理资产。

像Voliro这样的专业检查无人机也有助于提高空中资产检查的频率，而不会增加成本。我们的无人机专为高空无损检测而设计，配备六种不同的有效载荷，用于收集壁厚测量值、进行干膜厚度测量、照明保护系统测试和绝缘层下腐蚀检测。以更快的速度收集调节数据，具有更高的可预测性，并减少人员风险。

1