双江口，新余钢厂，首钢京唐混炼胶招标结果公告

*-*

招标公告

北方重工集团有限公司（以下简称北方重工）计划于****

年**月**日进行公开招标，欢迎具有生产能力、信誉良好、符合招标要求的企业参标。

*、招标项目

关于北方重工集团有限公司某项目在线监测智能诊断与健康管理系统采购招标。（招标编号：**********-******）

*、招标项目内容及要求

（*）详见（*-*-*）。

（*）中标单位按照北方重工要求制造并发货到指定地点。

*、招标时间及报名方式

（*）招标时间、地点。

*.招标时间：****年**月**日。

*.招标地点：北方重工*号楼*楼***会议室。

（*）报名方式：投标人请于****年**月*日前到*********报名，具体事宜请与招标联系人接洽。

（*）投标保证金。

*.投标人在开标前缴纳投标保证金*****元整，标书费***元整（标书费不予退还），否则视其投标无效。

*.投标保证金、标书费以电汇或现金方式缴纳到北方重工财务总公司。

账户名称：北方重工集团有限公司

开户行：交通银行沈阳北海支行

账号：请与招标负责人确认账号

*、交货日期

具体到货时间根据合同要求确定。

*、供应商资格要求

（*）投标人须为中华人民共和国境内依法注册的企业法人或其他组织（具备*般纳税人资格）。

（*）投标人须具备相应产品的生产、经营、运输和如期交货的能力。

（*）投标人具有良好的银行资信和商业信誉，未处于被责令停业或破产状态，且资产未被重组、接管和冻结。

*、标书（两份，*正*副）

响应招标的单位于****年**月*日前，将密封好的投标文件和投标报价单（报价单另打印密封）交于北方重工招标现场，对于迟交的投标文件不予接受。投标文件包括但不限于下列内容：

（*）投标函、资质承诺书。

（*）营业执照复印件（加盖公章）。

（*）法人代表资格证明书和身份证复印件（加盖公章）。

（*）委托投标的，提供委托代理人授权委托书和委托代理人身份证复印件（加盖公章）。

（*）在北方重工及其他单位的主要业绩。

（*）投标企业生产设备、技术力量、验收标准、产品技术、售后服务情况说明材料。

*、投标要求

（*）投标人根据收到的招标文件进行投标，在投标截止日前可书面或电话向招标人查询有关情况并要求解释。

（*）招标文件在发出后的*日内，招标人可以对招标文件进行修订或补充。

（*）投标人应按照标书的要求，认真、完整、真实的填写投标文件及投标人基本情况。

（*）投标文件不得涂改、增删，如必须修改时，必须由企业法定代表人签字或盖章方为有效。

（*）为确保招标工作的公正性和保密性，防止串标行为的发生，此次招标采用现场当场唱标，招标人多轮议价最终选定中标人的方式进行。

*、合同主要条款

（*）招标会现场约定。

（*）其他事项

*.除不可抗拒因素，投标人不得单方面终止合同及有关协议，遇有特殊情况必须提前*个月通知招标人，否则按违约处理。

*.投标人严格按招标人要求组织供货，经招标人验收、使用达不到质量要求，招标人有权退货，并由投标人承担因此发生的费用及损失。

*.招标人在交货期内有权安排具体交货时间、数量，并以书面形式通知投标人，投标人承诺服从招标人安排。

*.因投标人原因造成终止供货，合同履约保证金不予退回，并赔偿给招标人造成的经济损失。

*、付款方式

**%到货，**%质保金。

*、联系方式

招标组织单位：*********

地点：沈阳市经济技术开发区开发大路**号

招标联系电话：***********

招标联系人：杨涛

**、北方重工纪检、审计监察举报方式

举报电话：***********

：*-*-*.设备规格型号、数量

*-*-*.招标要求

*-*-*.投标函

*-*-*.资质承诺书

*-*-*.法定代表人资格证明书

*-*-*.授权委托书

*-*-*.报价单（投标单位专用）

北方重工集团有限公司

****年**月*日

*-*-*

设备规格型号、数量详见技术规范

在线监测、智能诊断与健康管理系统

技术协议

北方重工集团有限公司

**** 年**月* 日

北方重工集团有限公司（以下简称招标方）与和公司（以下简称投标方）就在线监测、智能诊断与健康管理系统有关事宜经双方充分协商后，共同达成如下技术协议：

*    总则

*.* 本文件适用于在线监测、智能诊断与健康管理系统的相关技术要求、供货及现场技术服务。

*.* 本文件所提出的是最低限度的技术要求，并未对*切技术细节作出规定，也未充分引述有关标准和规范的条文。投标方保证提供符合技术要求和现行中国或国际通用标准的优质产品。

*.* 投标方提供的设备和系统是全新的和先进的，并经过运行实践已证明是完全成熟可靠的产品。

*.* 在签订合同之后，到投标方开始投产之日的这段时间内，招标方有权提出软件功能变化而产生的*些补充修改要求，投标方应遵守这个要求，具体款项内容由双方共同商定，而投标方不能提出商务修改要求。

*.* 所有技术资料和文件中的单位采用国际单位制。

*.* 投标方在合同执行过程中的*切图纸、技术文件、商务信函等必须使用中文，如果投标方提供的文件中使用另*种文字，则需有中文译本，在这种情况下，解释以中文为准。

*.*本文件经双方签字以后可作为订货合同的，与合同正文同等效力。合同中同*参数和/或要求出现不*致时，将按照满足工程质量及有利于招标方要求的原则修改确定。

*.*投标方应当确保整个软、硬件系统的完整性、正确性和可靠性。如果出现问题，由投标方无条件提供或更换。

*.* 所有与本工程有关的技术资料仅用于投标方提供合同设备，未经招标方允许，投标方不得向第*方提供任何与本工程和本合同设备有关的资料或信息。

*   在线监测、智能诊断与健康管理系统总体要求

*.*设计依据

本系统以设备在线监测、智能诊断与健康管理为主线，以多元异构数据采集和管控平台建设为技术支撑，形成设备运营数据库，将该设备运行状态、关键部件健康监测信息进行关联建模、统计分析及挖掘应用，实现工厂级设备运行数字化和预测控制智能化的初步集成。

系统设计将按照安全、可靠、稳定、经济的原则，在各方面有系统的考虑和优化的设计。方案设计原则如下：

（*）整体规划、统*管理

系统是*个统*的资源管理平台，为保证系统平台的开发与建设具有针对性，必须遵循整体规划、统*管理的原则，将该系统建成*个资源共享、统*管理、分级权限、安全可靠的系统平台。

（*）先进性、成熟性和实用性

系统采用标准化、规范化的设计方案和设计标准，使本系统的体系结构、网络、数据库等更加有利于建设更高*级的信息管理网络，既能满足当前的需求，又能适应未来的发展，能与内部各个管理信息系统实现资源共享。

（*）可靠性

提供高效稳定的系统，对于安装的服务器、网络设备、数据采集系统，必须能适应严格的工作环境，以确保系统稳定。系统工作稳定、性能可靠、反应灵敏，并做到容错能力强，在操作不当的时候应有数据提示，并不影响系统的正常运行。

（*）可操作性

系统功能全面，对不同用户灵活配置权限，设计先进且易于使用的用户操作界面功能，提供信息共享与交流、信息资源查询与检索等有效工具。提供易于使用的数据库功能，让使用者能随时查询信息报告。

（*）安全性

为保障数据传输安全，在传输过程中对用户密码数据采用加密和解密技术，对用户查询事件进行完整记录，确保了系统使用的安全性与合法性。

系统具有数据库定时自动备份机制，可以按照计划将数据备份到不同位置，有效防止数据损坏和丢失。

（*）高效率性

注重各子功能模块间的信息共享，提高整个系统高效率的传输与运行能力。设备和终端满足反应快速，充分配合实时性的需求。

（*）可扩展性

系统采用面向对象的模块化开发设计，把各子系统有机结合起来，充分考虑将来需求的拓展空间，所提供的系统平台与技术将充分配合未来功能及扩充项目的需求，以避免将来重复的投资。标准化、结构化、模块化的设计思想贯彻始终，奠定了系统开放性、可扩展性、可维护性、可靠性和经济性的基础。

（*）智能应用

利用设备智能诊断模型实现设备异常预警，不断优化设备运维模式，全面提升效益。

智能健康运维是通过对试验设备状况实施周期性或持续监测，基于机器学习算法和模型来分析评估设备健康状况的*种方法，以便预测下*次故障发生的时间以及应当进行维护的具体时间。智能健康运维的诊断原则遵循从整体至局部，具备异常分析，征兆变化监控功能。通过对本试验系统的健康进行有效精确的诊断与预测，及时发现故障并做出相应的维护措施，最大程度上避免灾难性事故发生和减小经济损失。

智能健康运维是以试验设备的状态作为依据的维护，状态监测和故障诊断是基础，状态预测是重点，维修决策得出最终的维修活动要求。智能健康运维的目标是根据设备状态监视和数据分析给出设备故障维修建议和健康评估，以便维护人员准确及时地做出应对。

*.* 遵守的标准和准则

在线监测、智能诊断与健康管理系统遵守如下标准。

**/* *****-****     《智能服务预测性维护通用要求》

**/* *****-****     《智能服务预测性维护算法测评方法》

*   在线监测、智能诊断与健康管理系统技术要求

本系统通过采集到的设备数据，如位置数据、变形数据、重要受力构件数据、液压系统数据和转运系统数据等，并将实时在线监测的数据通过底层系统控制层和上层系统试验层相互交换，基于数据分析、工业人工智能技术，对数据进行分析和应用，并将监测的数据和数据分析的结果通过智能应用的形式向终端用户提供功能实现。系统架构图如下图*-*所示。

图*-*系统架构图

*.* 数据采集及在线监测要求

本系统需要采集的数据包含但不限于以下内容：主要检测元件清单详见表*.*-*，以下检测元件不在投标方供货范围。

表*.*-*  主要检测元件清单

*.*.*      加载框架位置数据采集

竖直加载框架位置检测

为了保证竖直加载框架系统* 轴的轴向始终与物理模型试样理想安装轴线的位置*致，保证竖直加载框架的位置精度。控制每次试验后任意方向偏移量（相对初始安装验收后坐标）：&**;±***。

竖直加载框架位置检测单元由* 组*、*向综合位置检测装置组成，布置于下横梁正下方。每个支撑点（下横梁* 个支座处）布置* 和* 方向位移传感器，* 个支撑点共设置* 个位移传感器。在设备工作周期内监测竖直加载框架系统的偏移误差满足要求。传感器为磁致位移伸缩传感器。

水平加载框架位置检测

为了保证水平加载框架系统*和*轴的交点位置始终与物理模型试样的中心点位置*致，保证水平加载框架的位置精度。水平加载框架系统在加载后，*个支撑点产生轻微滑动，要求卸载后，*个支撑点回到初始位置，不产生水平加载框架系统的偏移累积误差。控制每次试验后任意方向偏移量（相对初始安装验收后坐标）：&**;±***。

水平加载框架位置检测单元由* 组*向位置检测装置和* 组*向位置检测装置组成。每个支撑点（直线梁* 个底座处）布置* 和* 方向位移传感器，* 个支撑点共设置* 个位

移传感器。在设备工作周期内监测水平加载框架系统的偏移误差满足要求。传感器为磁致位移伸缩传感器。

*.*.*      加载框架变形测量

上横梁（拉杆）位移测量

立柱在承受试验载荷时，拉杆伸长，上横梁上移，导致上横梁上的作动器整体上移。为获得准确的作动器试验参数，必须对作动器进行补偿。

液压提升伺服作动器与上横梁刚性连接。因此，上横梁位移与液压提升伺服作动器位移*致。上横梁位移采用* 个液压提升伺服作动器分别内置磁致位移传感器。当拉杆伸长时，液压提升伺服作动器随上横梁同步向上移动，通过位移传感器可直接获得拉杆伸长量。将* 个位移传感器的位移值进行平均化处理，即为作动器补偿值。

挠度变形检测

本项目采用激光传感器测量，具有测量稳定性好、寿命长、精度高的特点。

激光*角反射位移传感器使用激光*极管来工作。该激光*极管在被测物体表面上投射出*个可见光斑，从光斑反射（漫反射）的光通过光接收系统在传感器内的感光片上成像。当传感器与被测物体之间的距离发生变化时，激光反射角度也会产生相应的变化，使传感器内感光元件上的成像位置变化。这时，传感器会重新对光斑和反射角进行测量。

******** 传感器，具有完全集成的控制器。可以在狭窄、密闭的空间内或机器人上进行简单的安装和布线。其高性能使得传感器能够以高测量速率获得精确的测量结果。

智能激光*角位移传感器******** 技术参数见表*.*-*。

表*.*-*  智能激光*角位移传感器********技术参数

水平加载框架外环为圆形，但内环为非圆形且加载作动器仅* 面布局，呈*边形加载，导致在试验时框架变形为非圆形，各点变形不同，但存在若干变形特征点，该特征点与作动器位移应该具有最大关联性。通过弹性力学及有限元模拟分析方法，找出水平加载框架变形特征点（在承载垫梁中心处）。

水平加载框架外圆面变形检测采用激光**智能传感器，如图*.*-* 所示。这个检测点可以对水平加载框架的外圆面的变形进行实时监测。

图*.*-*  水平加载框架外圆面变形检测

横梁在受到作动器反作用力时，横梁会产生挠曲。由于横梁结构及受力均为对称结构，因此变形也为以中心线对称，且中心点的挠度（相对变形）最大。以横梁* 米范围内的相对位移即可测出作动器刚体位移Δ, 该刚体位移Δ与竖直加载框架上下横梁在垂直方向的相对位移δ相加即可对作动器位移进行补偿。在横梁上设置激光位移传感器（该传感器设置在距离框架中心线*.**以外），精确测量横梁变形特征点的变形位移（重复精度小于*μ*）。

*.*.*      加载框架重要受力构件数据采集

拉杆（立柱）、上下横梁、水平加载框架的数据采集包括加载框架立柱、上下横梁的实时变形监测和应力应变监测。

为实时监测各主要受力部件构件（包括竖直加载框架：拉杆、立柱、上下横梁、水平加载框架：扇形梁、直线梁）受力状态，*般通过测量受力构件的应变，然后根据弹性力学计算出受力构件的应力。结构的应力应变测试是工程人员进行结构设计优化，了解结构

受力状态以及保证结构安全的*个很重要的环节。例如在重要设备的长期健康监测中，对关键构件的应力应变进行监测，为设备的工作状态安全状态判断提供依据，确保结构安全是重要设备安全诊断*个必不可少的环节。

应力应变测试方法

应力应变测试方法主要有：电阻式应变片测量、光纤光栅测量、数显千分表测量、振弦传感器测量、光弹性测量、*** 数字图像测量等。

本项目的测量系统，要求测量数据准确可靠、系统稳定、使用寿命长、可进行超长时检测（**** 小时）。根据以上要求，针对各种测量技术进行了认真研究和对比，本项目采用光纤光栅测量为最佳方案。

（*）光纤光栅测量系统

光纤光栅应变传感器原理见图*.*-*。光栅的***** 波长是由λ=***决定的。当光纤光栅所处环境发生变化时，如温度，应力，应变或其它物理量等，进而直接影响光纤光栅的波长漂移，从而使反射光的波长发生变化。通过光纤光栅解调仪监测光栅反射光的波长变化，并通过相应的程序对测试数据进行计算、分析和处理，就能获得光纤光栅传感器处的应变值。

图*.*-*  光纤光栅传感器工作原理

光纤光栅测试方法特点：

*）光纤光栅传感器以光纤作为信号载体，传感器体积小、重量轻，容易满足被测结构件对狭小空间的安装需求；从尺寸和重量上进行比较，几乎没有其他传感器可以与光纤光栅传感器进行媲美。

*）*般电磁辐射的频率比光波低许多，所以在光纤中传输的光信号不受电磁干扰的影

响，适合用于长距离信号传输，探测距离能达到****以上。

*）特别适合动态监测（实时测量）。系统采集频率能够达到*~******，多个传感器数据同步实时采集。

*）传输容量大：理论上，*根光纤上可以连续制作几*个传感器（被测对象变形越小，可以连续制作的传感器也越多），便于构成分布式传感系统。

*）可靠性高。全光测量，抗电磁干扰、绝缘性能好、本质防爆、耐腐蚀，能够在恶劣环境下工作。潜在故障点大大低于传统技术，可维护性强，使用寿命长，光纤光栅传感器*般使用寿命均在** 年以上。

*）测量精度高。以反射光的中心波长表征被测量，不受光源功率波动、光纤微弯效应及耦合损耗等因素的影响，精确的透射和反射特征使其更加准确的反映了物理量的变化。分辨率可以达到*με。测量精度可达到*.*%*.*.。

*）测量范围广：可测量温度、压强、应变、应力、流量、流速、电流、电压、液位、液体浓度、成分等。

*）多个不同类型的传感器可以在*条光纤上串接复用，构成传感器阵列，实现多参量的准分布。

*）耐腐蚀，化学性能稳定：由于制作光纤的材料——具有极高的，适宜于在较恶劣环境中使用。

增敏型光纤光栅应变传感器适用于长期监测，主要技术参数见如表*.*-* 所示。

图*.*-*  增敏型光纤光栅应变传感器

表*.*-*  增敏型光纤光栅应变传感器主要技术参数

数据采集仪（多通道光纤光栅解调仪）是同步采集型光纤光栅解调设备。适用于光纤光栅温度、应变、压力、振动、位移、载荷的高灵敏度、多路高速同步测量。光纤光栅分析仪可广泛应用于大型土木结构、工业测量、机电设备在线监测与故障诊断分析、科研院所的科学试验和教学。

以太网、系统支持无线传输等远程工作方式，性能稳定可靠，适用于工业测量领域长期动态在线监测。光纤光栅智能解调仪技术参数见表*.*-*。

表*.*-*  数据采集仪（光纤光栅智能解调仪）主要技术参数

加载框架重要受力构件应力应变数据采集

（*）竖直加载框架应变测量及计算

加载框架重要受力构件安全自诊断系统的重要组成器件为加载系统重要受力构件应力-应变测量系统。加载框架主要包括竖直加载框架应变测量及计算和水平加载框架应变测量及计算。

*）竖直加载框架应变测量及计算

为准确检测加载框架本体重要受力构件（包括拉杆、立柱、上下横梁）、水平加载框架（包括扇形梁、直线梁）应变需正确设置检测点。

立柱、拉杆的长度变化直接反映垂直框架的受力及框架变形。在理论上，直接测量立柱或拉杆均可直接或间接测量或及时出其应变、应力、伸长量。

由于在设备安装时需要对拉杆进行加热预紧。拉杆温度会加热到***—***℃。经过反复论证，在拉杆表面粘贴或焊接耐高温电阻应变片传感器进行拉杆应变测量可行。

竖直加载框架拉杆检测点布置如图*.*-* 所示。每根拉杆外表面设置上位、中位和下位*个测量位置，每个位置配置* 个耐高温电阻应变传感器（*用*备），围绕拉杆表面相隔***°分布，每根拉杆共配置* 个耐高温电阻应变传感器，* 根拉杆共设置** 个检测点，可以在过载时预警及保护。

图*.*-*  竖直加载框架拉杆检测点布置

立柱测量点布置，竖直加载框架立柱检测点布置如图*.*-* 所示。每根立柱上配有上位、中位和下位应变传感器，检测立柱的变形量，可以在过载时预警及保护。* 根立柱共设置** 个检测点。

图*.*-*  竖直加载框架立柱检测点布置

横梁受力属于空间框架，在*、* 方向均受弯矩影响。考虑到横梁的结构及受力对称性，在横梁左右* 侧设置纵横* 组检测点。* 块横梁子块均设置检测点。上下横梁分别设置** 个检测点，共计** 个检测点。竖直加载框架上下横梁检测点布置于结合面，在上横梁下表面、下横梁上表面开设布置光纤光栅应变传感器的安装槽。

上横梁检测点布置如图*.*-* 所示，采用*通道形式，具体为：编号*、*、*、*、*为*通道；编号* 为*通道；编号*、*、* 为*通道；编号**、**、** 为*通道。

下横梁检测点布置如图*.*-* 所示，为躲避轨道，采用*通道形式，具体为：编号*、*、*、** 为*通道；编号*、*、*、** 为*通道；编号*、*为*通道；编号*、** 为*通道。右半部分设置横向应变传感器，左半部分设置纵向应变传感器，分别测量*、* 方向应变。

图*.*-*  上横梁检测点布置

图*.*-*  下横梁检测点布置

测量应变与试验载荷标定：横梁应变与试验载荷关系很难通过理论计算获得。由于横梁受力为弹性范围，其试验载荷与横梁应变呈线性关系。*般可以通过现场试验标定和有

限元计算相结合获得试验载荷* 与横梁应变ε关系曲线，即对传感器读数曲线斜率* 进行标定，如图*.*-*。通过标定曲线即可获得加载过程中任意时刻的横梁受力状况。

图*.*-*  横梁应变与试验载荷标定关系图

*）水平加载框架应变测量及计算

水平加载框架由扇形梁、直线梁、承载梁、底座、钢丝缠绕层组成。底座承受整个水平加载框架的重力；扇形梁、直线梁承受钢丝缠绕的压力，其应力状态为切向压应力；钢丝缠绕层的钢丝承受缠绕及工作拉力，其应力状态为切向拉应力；承载梁承受试验工作压力，其压力状态为径向压应力。

根据框架受力状态，水平加载框架检测点布置方式如图*.*-* 所示。在每个扇形梁*上、下面各布置* 个应变传感器、在每个直线梁上、下面各布置* 个应变传感器，水平加载框架具有* 个扇形梁*、* 个直线梁。共计布置** 个应变传感器，上面的编号*-* 为*通道，下面的* 个为*通道。可以检测扇形梁、直线梁的压力变化情况，间接检测钢丝拉力变化情况。

图*.*-*  水平加载框架光纤光栅应变传感器布置

测量应变与试验载荷标定：水平加载框架应变与试验载荷关系很难通过理论计算获得。由于框架受力为弹性范围，其试验载荷与直线梁应变呈线性关系。*般可以通过现场试验标定和有限元计算相结合获得试验载荷* 与直线梁应变ε关系曲线，即对传感器读数曲线斜率* 进行标定。通过标定曲线即可获得加载过程中任意时刻的直线梁受力状况。

*.*.*      液压系统数据采集

液压系统的数据采集包括动力源数据采集、执行机构数据采集、控制阀数据采集。动力源数据采集：泵或蓄势器出口安装有压力传感器采集压力数据。

执行机构数据采集：液压缸上安装有位移传感器采集位移数据。

*.*.*      转运系统数据采集

通过布置不同部位的传感器来采集转运系统关键*部件运行过程中的位移、速度、电流等信号，收集多源传感器信息。试样转运系统主要检测元件如表*.*-* 所示。以下检测元件不在投标方供货范围。

表*.*-*  试样转运系统主要检测元件表

*.* 智能诊断与健康管理系统要求

本系统通过采集到的设备数据，基于数据建模分析，对数据进行对比和应用，并将监控数据和数据分析的结果通过智能应用的形式，向试验人员提供设备状态智能诊断和健康管理功能。逻辑图如下图*.*-* 所示。

图*.*-*  逻辑图

*.*.*      基于测点相关性的建模

*些测点与工况或者相邻测点存在相关关系，这种关系可以通过相关系数或相关性模型进行表示，当该数据点发生异常时，这种稳定的相关关系发生改变，导致相关系数发生偏差。相关性分析用于衡量两个变量之间的线性关系强度。它在故障检测、异常检测、预测建模等领域非常有用。具体来说，可以通过相关系数或相关性模型来衡量测点之间的关系。当数据点的相关性发生明显变化时，往往暗示着系统中可能存在异常。在本项目中，应用构建变量相关性的方法包括：

（*）******* 相关系数

******* 相关系数是最常用的相关性指标之*，专门用于衡量两个变量之间的线性相关性。它的值在-* 到* 之间。其中，* 表示完全正相关，-* 表示完全负相关。* 表示没有线性相关性。

（*）******** 秩相关系数

******** 秩相关系数适用于非线性关系。它通过比较数据的秩次（排名）来衡量变量之间的相关性，而不需要假设它们是线性相关的。适合于处理非线性关系和数据中的离群点。

（*）*******'* ***系数

*******'* *** 系数是*种用于衡量两个变量之间排序*致性的统计方法，它主要关注两个变量在排名上的相关性，是*种非参数统计方法。*******'* *** 系数特别适合用于度量两个变量之间的单调相关性，即当*个变量增大或减小时，另*个变量的增减方向是否*致。它不像*******相关系数那样依赖于变量之间的线性关系，而是关注变量排序的*致性。

在本项目中，利用加载框架位置、形变和应力的相关关系，构建基于测点相关性的异常检测模型。其具体应用包括：

通过各系统应力构建应力关联模型进行异常检测。通过形变与位移构建相关关系模型进行异常检测。

*.*.*      基于统计分布的建模

基于统计分布的建模主要涉及统计学和机器学习中的各种方法，通过分析测点在不同工况下的统计分布，确定正常范围，并通过监测测点的实时数据是否偏离历史分布来检测异常。该方法常用于工业监控、异常检测、质量控制等领域。

（*）统计分布

统计分布是指随机变量的所有可能取值及其对应概率的分布情况。测点数据的统计分布反映了其在不同工况下的取值规律，可以通过历史数据进行建模。常见的分布包括：

*）正态分布（高斯分布）：在许多自然现象中，测点值的分布会呈现出钟形曲线，称为正态分布。其特点是对称，均值处取值最多，标准差反映数据的离散程度。

*）指数分布：常用于描述等待时间或时间间隔，如设备的故障间隔时间。

*）泊松分布：用于描述在固定时间内发生某些事件的次数，如测点的错误计数。

*）均匀分布：各个数值出现的概率相同，适用于某些简单的测点模型。

通过历史测点数据构建对应的统计分布，确定数据的正常范围。当测点的实时数据偏离此范围时，可能表示异常。

（*）阈值计算

阈值用于将正常数据和异常数据分开。根据历史测点数据的分布，可以定义*个阈值，用于监控测点数值是否超出正常范围。阈值的设定主要有两种方式：

*）基于统计量的阈值

对于呈现正态分布的数据，可以通过均值和标准差σ来设定上下阈值。上下限阈值：通常设置为±*。，即如果测点值落在均值的*倍标准差以内，则视为正常，否则视为异常（*σ法则）。这种方法依赖于正态分布的假设，适用于测点值大致呈正态分布的场景。具体阈值根据具体应用场景的要求可以调整，例如±* 可能用于更严格的控制。

*）基于分位数的阈值

对于不满足正态分布的数据，可以使用分位数（********）来设定阈值。

**%  分位数阈值：例如，如果测点的值在**%的时间内落在某个范围内，可以将该范围的上限作为阈值。如果测点值超过了这个分位数，可能表明出现了异常。

***（*分位距）法：通过测量数据的第* 和第**分位数（**和**），计算*分位距*** = ** - **，然后设定阈值为*?*.*×*** 和*+*.*×***之间。***方法尤其适用于有离群点的非正态分布数据。

在加载框架系统中，其具体应用包括：

当拉杆处在工作状态时，位移传感器信号都有*定的变化范围δ,如在作动器载荷为*时，拉杆伸长为刚体位移Δ±δ/* 范围内为正常值。如果位移传感器检测的信号变化范围超出规定的范围，表明拉杆可能出现螺母松动现象。

通过检测横梁挠度或水平加载框架的径向位移变化量是否变化范围超出规定的范围来诊断横梁是否健康。如果出现位移传感器测得的位移信号超出规定范围，表明横梁拉杆或缠绕钢丝可能出现松动现象，系统会发出故障信号，提示故障信息和故障排除方法。

当某*受力构件（立柱、上下横梁、扇形梁、直线梁）在工作状态时，应变传感器都有*定的变化范围，如在作动器载荷为*时，该受力构件应变为ε±Δε范围内为正常值。如

果应变传感器检测的信号变化范围超出规定的范围，表明该构件可能出现松动或设备超载现象，系统会发出故障信号，提示故障信息和故障排除方法。

通过光纤光栅应变传感器测量的应变，确定拉杆（立柱）在试验状态下的拉力（压力），从而判断设备是否超载或欠载，当测量应变异常或超出某*阈值，则系统会发出报警信号。

*.*.*      基于概率密度的建模

通过估计测点数据的概率密度，来检测数据是否处于异常区域。

（*）核密度估计

核密度估计（***, ****** ******* **********）是*种非参数方法，可以用来估计数据的概率密度。通过计算数据点在不同区域的密度，*** 可以用来判断新数据点是否处于低概率区域（异常）。

（*）高斯混合模型

高斯混合模型（***, ******** ******* *****），假设数据是由多个高斯分布组合而成，通过训练*** 可以估计数据的概率密度，低概率的数据点被视为异常。*** 假设数据集中的每个数据点是由多个高斯分布（即正态分布）的某*个分量生成的，且这些分布的线性组合描述了整个数据的分布情况。它是*种软聚类模型，与*-***** 等硬聚类不同，***能够为每个数据点提供属于不同簇的概率。

在加载框架系统中，其具体应用包括：

通过载荷和工况，构建应力概率模型进行异常检测。

通过电机电流和工况，构建电机加速度和速度等数据进行异常检测。

*.*.*      基于多变量正常行为框架的建模

正常行为框架（****** ******** *****，***）是预测性维护和异常检测中的*种重要方法，用于建立系统正常状态下各变量之间的关系，从而对系统行为进行监控和预测。当系统偏离正常行为模式时，可以认为发生了故障或异常。

该框架通常通过多个测点的数据构建*个描述它们之间正常关系的预测模型。这种关系可以反映在变量间的相互依赖性或关联性，常用于设备的状态监控、故障诊断、预测性维护等领域。

模型构建的核心在于利用历史数据，构建*个能描述系统在正常运行状态下，多个测点之间函数关系的模型。常用的方法包括线性和非线性预测模型。

从多个测点中选择相关的特征来建模。特征可以是传感器数据、环境参数、操作参数等。选择的特征应当是具有*定相关性或功能依赖的变量，确保模型能充分描述设备的正常行为。

选择适合的预测模型来描述测点之间的关系。模型的选择取决于设备的复杂性和数据的特性。

常用的模型包括：

线性模型：适用于测点之间存在线性关系的场景。常见的有线性回归模型。

非线性模型：当测点之间的关系复杂时，使用非线性模型，如决策树、支持向量机、神经网络等。

时序模型：如果测点数据有时间依赖性，使用时间序列模型如*****、****  等来捕捉变量间的时间相关性。

物理建模：基于物理定律或经验知识，建立设备各部分之间的函数关系。

在项目实施过程中，将根据实际的数据选择最优的方式进行建模。当具备历史数据的条件下，通过历史正常数据对模型进行训练，使其能够学习设备在正常情况下的行为模式。训练的目标是让模型能准确预测多个测点的关系，并且当输入某些测点数据时，能够预测其他相关测点的正常值。

通过预测模型，得到预测值与实际值的差异（即残差）。正常情况下，残差应该接近*。当残差突然增大时，表明某个测点的行为与其他测点的正常函数关系发生了偏离，可能预示着异常或潜在故障。

在加载框架系统中，其具体应用包括：通过载荷和工况，构架应力预测模型，通过比较应力预测值与实际值预测异常。

*.*.*      基于趋势预测的建模

基于趋势的异常检测建模是*种利用时间序列数据的趋势变化来进行实时监控和异常检测的方法。它通过在线拟合数据的趋势，然后使用该趋势对未来的值进行预测，当实际数据偏离预测趋势时，触发异常报警。这种方法广泛应用于设备监控、金融市场分析、制造业等领域，用于检测逐步演变的异常现象或突发性故障。

在时间序列数据中，趋势指的是数据的整体方向或长期变化模式，而非短期波动。通过捕捉数据的趋势，可以发现系统或设备在长时间内的运行状态是否稳定，以及是否逐渐偏离正常范围。通常，趋势分为线性趋势、非线性趋势和周期性趋势。在液压系统的健康管理中，通常更关注非周期性趋势。

（*）趋势分解

趋势分解是*种用于分析时间序列数据的技术，旨在将数据分解为多个成分，以便更好地理解和建模其结构。通常，*个时间序列数据可以分解为*部分：趋势（*****）、季节性（***********）和残差（********/*****）。趋势分解技术广泛应用于异常检测、预测和数据分析，帮助揭示时间序列的内在模式。

时间序列数据可以表示为以下形式：*(*)= *(*)+*(*)+*(*)

其中：

*(*)代表趋势部分，描述时间序列中的长期变化趋势。*(*)代表季节性部分，描述数据中重复的周期性波动。*(*)代表残差部分，表示不可解释的噪声或随机波动

趋势反映时间序列的长期变化方向。它可以是线性、非线性的，或是逐渐上升或下降的长期变化。例如，某个传感器的数据随着设备的老化逐渐上升或下降。

*******-********滤波器（**滤波器）是*种常用于时间序列分析的工具，用于将时间序列数据分解为趋势成分和周期性或短期波动成分。

（*）预测模型

通过历史数据在线拟合数据的趋势，这意味着模型能够随着时间的推移不断更新，适应新的数据。趋势建模可以采用多种方法。

*）线性回归：对于简单的线性趋势，使用线性回归可以较好地拟合数据的变化。通过拟合历史数据的直线，可以得到趋势方程。

*）多项式回归：当数据呈现非线性变化时，可以使用多项式回归拟合趋势，如*次或*次多项式。

*）指数平滑：指数平滑是*种常用的时间序列趋势建模方法，适用于带有随机波动和趋势的时间序列。通过给最近的数据赋予更大的权重，捕捉数据的短期趋势。

*）移动平均：移动平均是*种简单的趋势提取方法，通过计算数据在*定窗口内的平均值，去除短期波动，提取长期趋势。

*）时间序列模型：对于复杂的趋势，可以使用时间序列模型如*****（自回归积分滑动平均模型）或****（长短期记忆网络）来预测趋势。这些模型能够处理带有时间依赖的趋势变化，并且适用于有明显趋势和季节性的复杂系统。

在液压系统中，其具体应用包括：通过检测液压系统压力（或压力差），判断液压系统压力是否有趋势性变化，例如液压系统存在泄漏，则其压力出现趋势性下降。

*.*.*      模型管理和任务管理

（*）模型管理

模型的开发和调优往往需要大量的迭代和调试，数据集、训练代码或参数的变化都可

能会影响模型的质量，如不能统*管理模型，可能会出现无法重现最优模型的现象。模型管理功能模块包含以下功能：

*）模型管理，模型与设备组态管理，可以为每个设备选择合适的模型及模型版本。

*）模型文件管理，包括模型的应用、更新、删除等功能。

（*）任务管理

训练好的模型需要通过关联设备的数据源、模型的参数配置将模型的运行程序和模型文件以任务的形式应用到具体的设备或设备组。每个设备上可能同时会允许多个任务，因

此需要对任务进行管理，以将正确的模型、参数应用到正确的设备和数据上。任务管理提供以下功能：

*）任务的调度，通过配置文件，任务可以以不同的策略在系统中运行。支持的策略包括，立即执行任务、定时重复执行任务、定时*次执行任务、事件触发任务。在定时任务中，包括任务的开始和结束时间的设定。

*）任务参数管理，通过参数配置文件形式，配置或修改任务的运行参数。

*.*系统页面功能要求

*.*.*      加载装置在线监测页面

加载装置在线监测页面，监视加载装置的设备状态数据以及报警事件列表，见参考示意图*.*-*。

图*.*-*  加载装置在线监测页面

*.*.*      转运系统在线监测页面

转运系统在线监测页面，监视加载系统的设备状态数据以及报警事件列表，见参考示意图*.*-*。

图*.*-*  转运系统在线监测页面

*.*.*      智能诊断显示页面

智能诊断显示界面，可对关键数据点进行实时监控、预测以及预警等功能，见参考示意图*.*-*。

图*.*-*  智能诊断显示界面

*.*.*      健康管理显示页面

在健康管理页面可以查看设备、设备*部件的设备型号、设备设计寿命、设备上线时间以及设备下次检修时间等设备维保信息，以下为参考示意图。可以按照时间查看设备的运行时间、系统健康度及趋势图、设备健康状态以及传感器状态信息等，见参考示意图*.*-*。

图*.*-*  健康管理显示页面

*.*.*      报警记录显示页面

在报警记录页面可以按照时间、设备名称等多维度查看所有设备的历史报警信息以及建议解决措施，见参考示意图*.*-*。

图*.*-*  健康管理显示页面

*.*.*      历史趋势记录显示页面

在历史趋势页面可以查看按照时间、设备状态数据等查看所有设备状态数据的历史趋势信息。见参考示意图*.*-*。

图*.*-*  历史趋势记录显示页面

*模型要求

*.*多维数据的自适应在线异常行为建模

在试验设备中，传感器采集的数据通常具有多维特性（如温度、压力、振动、流量等），这些数据反映了设备在不同工况下的状态。这些不同维度的变量之间往往具有复杂的非线性关系。通过利用不同维度的数据特性，将监测对象的物理特性与工艺和工况进行联合建模，以更准确的讲设备在数字世界进行反应。本项目中，通过结合自编码器、***、***等技术，构建*个多模型融合的自适应框架，能够应对工业数据的多模态、多维度特点。通过将工艺参数与设备传感器数据进行联合建模，能够提升异常检测的精准度。

（*）多测点协同异常检测：针对同*设备的多个测点数据，利用多变量相关性建模技术，如使用相关矩阵、协方差分析或构建多元回归模型，可以捕捉多个测点间的协同变化模式。当某个测点异常时，其相关测点的协同关系也可能发生变化，通过检测这种相关性变化来实现异常报警。

（*）非线性函数关系的建模：引入神经网络或支持向量回归（***）等非线性模型，对设备测点之间的复杂关系进行建模。当设备状态异常时，原本的非线性关系会发生偏离，可以通过检测函数关系的变化来识别异常。

（*）自编码器的多维异常检测：自编码器可以学习设备的正常运行模式，并通过重构误差进行异常检测。创新点在于通过变分自编码器（***）或稀疏自编码器，进*步提升模型在处理复杂多维数据时的鲁棒性和泛化能力。

（*）相关性矩阵与***降维分析：基于相关性矩阵分析多个测点之间的相互影响，利用***等降维技术减少维度，提升异常检测效率。

（*）多模态正常行为建模：针对复杂设备，单*的正常行为模型往往无法覆盖所有正常状态。通过*** 来捕捉多模态数据分布，使得模型能够应对多个工况下的正常行为。

（*）基于异常概率的自适应阈值：结合贝叶斯推理，在推导设备状态的同时，动态调整异常检测的阈值。例如在系统运行趋向异常的早期，通过降低检测阈值来提高灵敏度，提前预警潜在问题。

*.*多尺度趋势预测建模

趋势预测中，不同的场景下观测尺度影响到预测效果，但在实际场景中，很难定义*种或有限种观测尺度，对于不同类型的趋势需要通过技术来对不同尺度的趋势进行建模。在本项目中，通过多尺度窗口和多尺度趋势分解等技术，通过融合动态趋势建模结合异常检测和调度系统的调度实现对多尺度趋势的建模预测。具体而言，其中的关键技术和创新点如下，这些技术创新主要集中在模型的准确性、实时性、鲁棒性，以及应对复杂工况数据的能力上。

（*）动态趋势建模：通过如***或**滤波，动态调整趋势提取的窗口大小和滤波强度，可以使趋势提取适应不同时间段的特征变化。结合机器学习算法，可以自动选择最佳的参数设置。

（*）多尺度趋势分解：结合不同的时间窗口和时间尺度对趋势和波动进行多层次分解。通过*** 分解或小波变换，可同时处理短期和长期异常的检测。****/***的时间序列预测：基于长短期记忆网络（****）或门控循环单元（***）的时间序列预测模型，能

够捕捉复杂的时间依赖关系，并将其与趋势分解结果结合使用，提升趋势预测的准确性。该技术还可以通过不断学习新数据来实时调整趋势模型。

（*）趋势-波动异常检测框架：将时间序列分解后的趋势与波动部分分别建模，形成两级检测框架：先检测趋势的异常变化，再根据波动幅度和频率的变化来捕捉短期异常波动。该框架有助于减少误报和漏报率。

（*）端点效应的修正：** 滤波在序列的两端容易产生误差。可以引入改进型端点修正算法，如使用外推法对时间序列进行补全，或结合自回归模型预测未来趋势，从而减少端点效应带来的误报。

*交货及验收

*.* 工程地点：辽宁省沈阳市招标方指定地点。

*.* 所需*部件交货方式：投标方自选运输方式送至招标方指定地点，运输费和保险费由投标方承担。

*.*货物所有权自投标方将经招标方验收合格的货物交付招标方时起转移，招标方接收前损毁灭失的风险均由投标方承担。

*.*货到交货地点后，由招标方对货物组织验收。招标方经验收，认为货物的种类、规格、数量、生产厂家等与合同约定不符，经向投标方提出，投标方应该根据“质量保证”条款承担相关义务。

*.* 工程验收过程中及验收通过后，招标方仍可对货物质量提出异议。招标方*经对货物质量提出异议的，投标方应该在收到招标方通知后*日内向招标方申请复检。投标方未能在收到招标方通知后*日内申请复检的，视为投标方认可招标方检验结果。经招标方复检，双方仍对货物质量有异议的，双方应共同商定委托资质等级高于招标方检验机构的第*方检验机构进行检测，检测费用由投标方承担。第*方检验机构的结果为最终判定结果，未经双方共同商定的第*方检验机构进行检测的，货物的质量状况检验结论以招标方检验结论为准。

*     供货范围

*.**般要求

（*）本要求规定了系统的供货范围。投标方保证提供设备和系统为全新的、先进的、成熟的、完整的和安全可靠的，且技术经济性能符合技术规范的要求。

（*）对于属于整套系统运行所必需的部件，即使未列出和/或数量不足，投标方仍需在执行合同时补足，并不发生新的费用。

（*）投标方应提供所供设备中的外购件清单。

*.* 供货范围

投标方供货范围包括但不限于如下内容：服务器、显示器、网络部件、系统软件、编程组态软件、特殊线缆以及相关安装辅材及等。

*.*.* 设备分项清单

*质量检验要求

投标方有配合招标方监造的义务，及时向招标方提交相关的质检报告和质量保证书，并不由此发生任何费用。投标方保证提供的产品是全新的、未使用的，采用成熟的工艺，并在各个方面符合本合同规定的质量、规格和性能要求。在规定的质量保证期内，对由于制造和材料的缺陷而造成的任何缺陷和故障负责。

*.* 投标方应严格按照国家最新标准和本技术协议/图纸规定进行设计、制造和检验本合同产品。

*.* 投标方应向招标方提供与系统相关的随附单证资料，否则招标方有权拒收货物，因此产生的后果由投标方承担。

*.* 如因投标方原因引起的“合同产品”不足或故障或导致其他损失的，由投标方负责免费维修并赔偿相关损失（不包含自然灾害引起的非正常损坏）。

*.* 质保期：按国家有关法律法规及技术要求对所供货物负责，货物实行“*包”，货物质保期自上线运行后起* 年计算，以先到为准。质保期内出现质量问题,投标方应根据招标方的要求对货物进行维修、换货、退货处理，所发生费用由投标方承担，质保期自维修或更换之日起重新计算。

*     产品涂漆、包装

*.* 包装物不回收，按通用标准包装，包装物上必须注明货物名称、供货清单、发货和收货单位全称。

*.* 包装应保证包装件坚固、稳定，适合长途*运及多次转运，包装不破损、内装货物不丢失、不损伤、不生锈、不变质，直到发往招标方仓库或厂区指定地点安装使用。如因包装质量不合格而造成货物损失、缺陷，由投标方负责。

*技术服务

投标方免费提供此系统所有的技术服务工作，包括安装、调试、运行、维护等。

在项目现场安装和调试过程中，投标方应派熟练的服务人员到项目现场服务。省内的要求**小时之内到达，省外的要求*天之内到达，出现的任何问题，都不能影响整个项目的进度。

为保证所供设备和系统的正确安装、启动、安全运行和性能指标，以及相互的工作联系。在技术协议签订阶段即应将现场服务计划表按下表列出。如果该人员/人数不能满足实

际工程需要，投标方应无条件追加人员。投标方现场技术服务人员所发生的*切费用由投标方负责。

项目现场服务计划表

因投标方原因造成的质量问题投标方承担由此发生的全部费用。若货物不能修复或修复后仍存在质量问题，投标方应予以换货、退货处理。若投标方拒绝修复，招标方有权另行委托第*方维修，增加的费用由投标方承担。不合格品退货、换货所产生的相关费用由投标方承担。

**资料提交

**.*  投标方在中标后的设计研发阶段，随时配合招标方来完成供用户审阅的过程文件。

**.*  投标方在合同生效后，** 天内提供系统功能详细设计书，** 天提供系统与***

通讯数据表，自动化系统上线**天内提供系统测试报告，系统测试完成**天内提供智能诊断与健康管理模型。

**.*  投标方发货时提供以下资料：

（*）产品质量合格证、出厂试验报告：纸版* 份；

（*）装箱单：纸版* 份。

（*）系统使用说明书：纸版* 份。

**.* 投标方应向招标方提供与货物相关的随附单证资料，否则招标方有权拒收货物，因此产生的后果由投标方承担。投标方发货前必须提前告知招标方，并附带盖公章或合同专用章的送货清单，招标方需要货物合格证的，投标方须提供。

**.* 交货数量、时间按合同执行。

**.* 工程质量验收合格证明。

**产权及保密要求

**.* 招标方向投标方所提供的所有技术资料的知识产权归招标方所有，不得涂改，并不得用于非本合同约定的其他目的。

**.* 招标方所提供的图纸、资料、技术文件等均属保密性质,未经允许不得提供第*方,其知识产权归招标方所有。投标方在生产中应遵守国家有关的保密法律和法规,若造成丢失、泄密后果，投标方应承担相应的法律责任。

**其它

**.* 本协议*式*份，招标方执*份，投标方执两份，签字盖章后生效。

**.* 未经招标方书面允许，不得将本协议内容以任何形式提供给第*方。

**.* 其他未尽事宜，由双方友好协商解决。

（本页以下无正文）

*-*-*

投标函

北方重工集团有限公司：

（*）如中标人违约，招标人可从其他投标人中重新选定中标人签订合同，并且中标人同意以全部投标保证金作为对本次投标给招标人造成损失的赔偿。

（*）投标人中标，投标保证金将转为合同履约保证金，合同执行完方可退还。

投标单位（盖章）：委托代理人（签字）：

日期：年月日

*-*-*

资质承诺书

北方重工集团有限公司：

我公司在贵公司采购投标中提供的所有证件复印件与原件*致，真实有效，如有虚假不符，*切责任由我公司承担。

承诺人（法人盖章）：

委托代理人：

单位名称（盖章）：

日期：年月日

*-*-*

法定代表人资格证明书

日期：年月日

*-*-*

授权委托书

北方重工集团有限公司：

我单位现委托作为我单位合法委托代理人，授权其代表我单位前往北方重工集团有限公司办理采购投标、合同签订、账务结算等事宜，代表我单位全权负责处理涉及合同谈判、合同签订、办理交货、提货及验收、收取和支付货款等全部合同履行事项。我单位对委托代理人在北方重工集团有限公司采购投标中的*切业务行为及签署的文件、协议、合同内容负全部责任。在撤销授权的书面通知到达前，本授权书*直有效，被授权人在授权书有效期内签署的所有文件不因授权的撤销而撤销。

特此委托

授权委托期限：

委托代理人姓名：性别：

身份证号码：

联系电话：联系邮箱：

委托代理人签字（样本）：

委托单位：（公章合同章财务章）

法定代表人（签字或盖章）：

日期：年月日

附：*.委托代理人身份证复印件（加盖公章）

*.法定代表人身份证复印件（加盖公章）

*-*-*

报价单（投标单位专用）