摘要：在铝电解生产技术不断发展背景下，铝制品全面推广应用于日常生活的不同领域，但因为纯铝制备的工况环境较为复杂，导致铝生产厂中设备稳定运行面临巨大挑战，为此需要从电解铝相关设备管理层面入手，加强设备检修维护。文章先阐述了铝电解厂相关机械设备特征和大数据技术，随后介绍了基于大数据下的铝电解厂机械设备管理，如剩余寿命预测、多维数据融合以及机械退化预测。

　　关键词：铝电解厂；机械设备；大数据

　　铝电解厂是通过电解法生产原铝，整个生产过程较为复杂，是当下现代铝金属企业主要生产方法，但在实际铝生产中，相关机械设备需要面临腐蚀性气体、高温以及高电磁等方面的威胁，从而为生产设备稳定运行提供更高要求，企业尚未形成创新管理机制，导致设备缺少更高效的检修和维护，从而增加了铝电解厂机械设备故障几率，降低企业生产效率，阻碍企业正常生产。

　　1铝电解厂机械设备分析

　　我国铝电解主要采用预焙阳极电解槽生产，在电解生产流程中主要配置有大型电解多功能机组、槽控机、阳极提升框架、出铝抬包、铝抬包运输车、残极冷却装置、应急短路装置等主要设备，其中电解多功能机组主要完成打壳下料、换极、出铝等功能。槽控机采用数理统计和数据挖掘的方法，提供电解槽阶段管控策略。阳极提升框架主要用于支撑阳极、调整电解槽上阳极母线行程。出铝抬包是将铝水从电解槽中抽出存储以便运输至铸造工序或其他车间。阳极组装工序包括残极压脱机、电解质清理机以及钢爪矫直机、铝导杆矫直机、中频感应炉、堆垛天车等设备。

　　铝电解厂的生产产品主要是高温铝水以及重熔铝锭。相关铸造设备包括混合炉、连续铸造机，涵盖自动堆垛、打捆等功能，在实际生产操作中具有较高可靠性。此外还有承担转运氧化铝原料的输送皮带、斗提等设备。通过分析发现铝电解厂机械设备存在多样性特征。铝电解槽具有连续性生产特征，一旦添加原材料开始冶炼生产后，无法停止生产过程，其配套的工序设备也要保持高负荷状态配合主流程生产。针对该种状况，一旦发生设备故障，便会可能导致产线的正常运转从而影响到铝电解生产过程，导致原材料浪费、提高生产成本、降低企业利润，严重情况下还会造成安全事故。铝电解厂现在各个工序进行自动化智能化改造，如果因为故障导致暂停，容易引发连锁反应，严重损坏机械设备，影响设备寿命，威胁企业正常生产。

　　2铝电解机械设备管理需求分析

　　铝电解厂因其自身生产需求，相关机械设备通常都是保持高负荷运行状态，但整体产量提升幅度较小，设备满负荷运行使得机械设备磨损老化问题加速，提高生产故障几率。此外，在生产实践中一旦遇到设备故障而停止生产过程容易造成严重的材料浪费，因为设备维修费用高昂，导致企业所承受经济损失加大，为此需要合理创建完善管理系统，保障机械设备的稳定运行，激发出机械设备功能。结合机械设备相关生产指标参数，做好回馈信息对比，机械设备生产实践中，相关设备在实际运转期间会形成相应机械指标参数，通过对比分析各种指标以及标准指标，能够帮助判断设备实际生产状况，有效预测故障发生部位，采取针对性防控措施，降低故障影响，改善生产安全性。

　　3大数据环境和采集

　　3.1数据采集

　　大数据采集以物联网技术为基础，通过传感器以及被监测目标中目标电讯号，并将其传输至服务器内实施统一分析处理，所采集电讯号包括设备运行压力、温度等数字信息和模拟量信息，通过被检测设备和传感器感知形成。在机械设备相关数据采集过程中，数据采集应用，应该和感知目标以及感知对象进行全面匹配，为此需要结合铝电解行业特征创建特色数据采集系统。设备层在整个数据采集活动中属于基础性内容，只有实时、准确感知底层设备实际运行状况，才能进一步为后续操作提供基础数据支持，机械设备相关数据采集进一步融合各类终端感知硬件，联合多样的泛在感知技术实时、全面感知机械设备，随后在云端中全面汇总各类感知数据，进行统一储存。因为机械设备类型多样，数据采集相关协议总线分布混乱，使得机械设备对应采集数据拥有突出的个性化特征，结合不同状况设备应该设计差异化采集模式，结合数据采集中不同机械设备软硬件状况，划分成不具备上位机以及具备上位机两类系统形式。

　　通常情况下，携带上位机系统设备通常拥有更高自动化和信息化水平，可以基于上位机系统实施设备层的数据存储和采集，为此针对该类设备可以通过和上位机系统连接实现数据采集目标。针对不具备上位机系统可以联系通信接口差异，分成是否具有通信接口两类。针对具备通信协议的设备，应该按照通信协议设计个性化的数据采集方案，基于通信协议以及差异化网关技术支持系统交互，有效采集设备信息。

　　4大数据下铝电解厂机械设备管理

　　4.1剩余寿命预测

　　铝电解厂机械设备层次多样、结构繁杂、种类众多，在具体生产实践中容易受到各种因素的影响，设备失效机理十分复杂，因为无法有效构建物理失效模型，不能通过失效机理对机械设备的实际剩余寿命进行准确预测。设备传感器能够帮助大幅度扩大实际监测数据，如果依然按照常规数据驱动措施进行数据监控，对设备剩余寿命进行预测，会进一步扩大剩余寿命预测计算量以及实际计算时间，比起监测变量，融合设备退化指标可以更好通过整体视角体现设备退化状况，结合参考样本和机械设备运行样本相关退化轨迹相似度创建预测模型，帮助缩减剩余寿命整体计算量，提升综合预测效率。

　　基于相似性实施铝电解厂机械设备寿命预测需要同类设备在整个运行周期内拥有较高的性能变化规律相似度，本质是对参考样本和预测样本两者相似度进行计算，随后结合参考样本特定状态中的剩余寿命对样本剩余寿命进行预测，相似性为基础的剩余寿命预测。运行初期阶段，相关退化指标维持恒定，开始性能退化期后，相关退化指标按照恒定速度不断变化，到退化指标彻底失效。但现实状况是设备运行中，相关退化问题被运行初期的设备性能、运行中的环境状况、工作条件、外部环境以及运行荷载等因素限制，退化细节存在某种差异。结合相同种类设备的横向信息实施以相似性为基础的剩余寿命预测中，需要深入同类设备退化轨迹搜寻和待预测对象具有较高相似度的多个或一个参考样本。

　　铝电解厂相关机械设备所监测数据信息呈现出退化特性条件下，需要借助数据融合技术，全面融合多维监测信号，最大化创造多维监测数据表征涵盖退化信息的指标，随后联系退化指标把同类设备全寿命数据进一步转换成一维数据对应退化轨迹，随后将参考样本以及服役样本全寿命周期相关退化轨迹实施比较分析，明确剩余寿命值。

　　结合剩余寿命相关预测机理，总结以相似机械设备为基础的剩余寿命预测流程。首先，针对监测多维数据实施系统分析，进一步筛选得到能够准确描述机械设备退化的数据参数，因为监测数据拥有不同物理意义，对应量纲存在较大差异，同时含有噪声，为此需要实施数据预处理。其次，结合退化性能评估针对所筛选多维监测数据从数据层实施全面整合，融合提取多维监测数据内的退化数据，并获得最大化多维监测数据表征中所含退化信息对应退化指标。再次，结合整合退化指标来反映参考样本整个寿命周期内数据波动，针对参考样本创建退化指标波动轨迹集合，结合同样融合过程获得运行样本对应退化指标，获得退化轨迹。最后，结合相似度相关计算规则对参考样本以及运行样本对应退化指标运动轨迹相似度实施科学度量，同时确定各个参考指标对应剩余寿命，将具体数值当成初始寿命，联系相似度差异，选择恰当参考样本剩余寿命实施充分加权融合便能够收获实际运行样本的剩余寿命预测结果。

　　4.2多维数据融合指标确定

　　铝电解厂相关机械设备在剩余寿命预测中通过分析反馈设备性能下降和运行状况参数，创建分析模型，准确预测特征参数实际变化趋势，把设备零件进入失效状态中的所需时间当成剩余寿命预测数值。选择恰当特征参数表达设备退化状况是进行设备寿命预测的基础前提，特征参数主要来源于特定状态下传感器监测数据，比如铝电解厂相关槽控机内所设置传感器采集的运行数据。或利用先进技术手段提取传感器检测到的特征值，包括设备温度变化、反应速度、电流信号等参数幅值，经过数学算法，针对测量参数实施全面数据融合，获得退化指标。实际应用状态监控传感器，构建历史数据库，形成退化指标反应设备退化状况过程集，也是性能退化评估活动。

　　退化指标作为剩余寿命预测以及传感监测数据衔接桥梁，能够保留丰富数据，准确传递退化状态表征健康指标，是结合传感数据实施寿命精准预测的基础。在铝电解厂相关机械设备运行监测中应用传感器能够帮助提升设备性能变化的感知水平，大量传感器在处理相关数据中容易扩大综合数据量，延长计算时间，提升模型过拟合几率，削弱模型准确性，为此在针对剩余寿命预测创建基础退化指标中，应该对状态监测数据进行合理选择，及时剔除各种无用监测数据。

　　铝电解厂中槽控机为例进行分析，利用仿真软件输入特定参数模拟运行工况，在不同工况下采集子数据集，分别是FD001-FD004，各个子数据集中涵盖测试集以及训练集两部分，其中训练集记录下数个机械设备从投入运行到最终失效的全寿命数据，训练集内记录下设备从正式投运至特定循环阶段数据，实际内容是所采集多维传感数据。

　　结合相关相似度计算预测机械设备的剩余寿命，率先把FD001训练集内设备装置划分成参考样本和服役样本，把前80个装置当成参考样本集，随后从后20个全寿命数据中截选相应程度当成待测服役运行样本，并结合时间动态规整算法对各个设备服役样本和对应参考样本实际相似度进行准确计算，从整体中选择相似度最低的10个参考样本充当局部相速度测算候选参考样本集，随后将局部参与相速度计算对应窗口长度设置成50，候选参考样本集以及服役样本对应10个参考样本实施局部平移相似度计算，挑选局部相似度最低的五个设备充当最终参考样本实施加权融合，获得剩余寿命预测参数。

　　4.3机械退化预测

　　基于相似性预测铝电解厂相关机械设备剩余寿命主要针对同类设备实施横向性能对比，分析横向设备变化同质性，结合高相似度参考样本对应状态中的剩余价值，对目标对象剩余寿命进行精准预测，首先，做好同类设备全寿命周期监测数据，结合各个设备全寿命周期相关退化指标设计同类设备参考样本库。其次，针对所采集目标对象非寿命周期中的多维数据实施有效处理，应用融合退化指标参考实施相似度匹配。最后，结合相似度大小筛选参考样本，通过参考样本处于不同状态下的剩余寿命对目标对象剩余寿命进行系统研究。

　　通过分析相关数据集可以发现不同类型参数在数值量级层面存在较大差距，在相关传感器检测数据内，存在稳定不变状况，证明此参数对机械设备状态变化的敏感度不足，甚至没有任何影响。除此之外，因为相关传感器所监控机械设备各个部件状态信息，槽控机部件相关功能和结构存在某种耦合，为此监测状态数据存在较高关联性，去除部分关联性较强数据，可以节约硬件成本，缩减计算资源消耗，帮助降低后期寿命预测过拟合几率，提升预测精度和预测速度。为准确反映出机械设备从初期运行至最终停运退役所呈现出的关联趋势以及单调性监测数据，为此需要细致观察相关监测数据，分析实际变化，发现各类传感器在各个机械设备运行中呈现出相同变化趋势，部分传感数据在某一设备中的服役时间发展中呈现出上升趋势，部分呈现出下降趋势，部分传感数据针对服役时间转移保持恒定，没有发现趋势性变化。

　　单一模态下不同传感数据针对各个设备性能变化表现出一致形式，并不缺少一般性，挑选FD001数据集内341运行周期的92号设备，展示21种传感器监测数据怎样呈现设备性能变化，基于单调性和趋势性针对21种传感数据实施初期筛选，及时剔除那些在性能变化方面并非十分敏感数据。能够发现不同传感数据尽管存在量级差异，但在单调性以及变化趋势等方面所体现出来的传感数据拥有较高相似性。为预防后期剩余寿命模型由于数据维度过高导致拟合，降低预测精度，应该率先将设备性能表征中的无用数据及时剔除。此次研究中为准确评估铝电解厂相关机械设备运行状况和应用寿命，针对某一铝电解厂开展实例分析，做好设备生命周期评价，针对铝电解厂相关电解设备实施全面统计，相关数据来源于企业统计数据以及各种文献资料，结合铝企数据报表得到电解铝机械设备在实际生产中的折损数据和运行损耗。

　　通过查阅相关资料发现，铝电解厂年产量突破40万吨，电解铝相关机械设备、控制部件等超过2000台。为了对铝电解厂相关机械设备运行开展综合性生命周期分析评价，首先，结合铝电解厂案例，筛选得到铝电解厂机械设备核心影响因子。其次，结合上述创建的生命周期评价，得到评价模型边界条件以及生命周期清单。最后，把所采集数据融入生命周期评价内，针对铝电解厂相关机械设备运行环境主要影响开展系统评价分析。在对采集数据进行评价模拟结果基础上，可以了解到此次对铝电解厂相关机械设备评价结果符合电解铝产业设备实际发展规律，生命周期中所得评价结果不存在过大误差，相关评价模型预测结果相对准确，可以准确预测铝电解厂机械设备的剩余寿命和发展趋势。

　　5结语

　　综上所述，铝电解厂相关机械设备管理不断发展成熟，生产企业对此项工作关注度也相继提升，基于不断努力下，进一步降低企业中的设备故障问题，形成一种规范化管理趋势，通过针对企业中各种机械设备实施规范管理，能够保障企业实现安全生产，这也是新时期铝电解厂发展基础。