基于云平臺(tái)的蒸滲儀遠(yuǎn)程故障診斷方法研究

(長安大學(xué) 電子與控制工程學(xué)院, 西安 710064)

0 引言

水是生命之源，是人類生存和繁衍的基石。我國是農(nóng)業(yè)大國，農(nóng)業(yè)用水量一直居高不下，而占農(nóng)業(yè)用水90%的灌溉用水，利用率僅54.2%左右[1-2]，水資源被嚴(yán)重浪費(fèi)。研究農(nóng)田區(qū)域水平衡規(guī)律，提高水利用率，是緩解我國農(nóng)業(yè)用水緊張的關(guān)鍵。蒸發(fā)滲漏量是反映土壤及農(nóng)作物蒸騰蒸發(fā)、耗水規(guī)律、地下水與土壤水轉(zhuǎn)化、土壤植物大氣連續(xù)體(Soil-Plant-Atmosphere Continuum，SPAC)中水分運(yùn)移規(guī)律等的重要指標(biāo)[3-4]，研究土壤水分蒸發(fā)滲漏量的變化規(guī)律對節(jié)約農(nóng)田用水、指導(dǎo)節(jié)水灌溉具有重要意義。

蒸滲儀[5-6]作為監(jiān)測土壤蒸發(fā)、滲漏量的主要設(shè)備，通常部署在試驗(yàn)田、林間、草原等地，安裝環(huán)境復(fù)雜且較為分散，設(shè)備一旦出現(xiàn)故障，維護(hù)人員無法及時(shí)察覺并趕赴現(xiàn)場開展維修工作，導(dǎo)致大量的無效甚至錯(cuò)誤數(shù)據(jù)產(chǎn)生，嚴(yán)重影響了研究工作的開展。因此，如何及時(shí)發(fā)現(xiàn)設(shè)備故障并準(zhǔn)確診斷故障類型，從而為維修人員提供決策支持，是保證農(nóng)田區(qū)域水平衡規(guī)律研究順利進(jìn)行的關(guān)鍵。

傳統(tǒng)的故障診斷手段通常是在發(fā)現(xiàn)故障之后，通過專家或?qū)I(yè)的維護(hù)人員到現(xiàn)場去排查問題，確定故障緣由[7]。這種形式的診斷方法不但延長了故障發(fā)現(xiàn)的時(shí)間，而且極大浪費(fèi)了人力和財(cái)力。隨著技術(shù)的發(fā)展，遠(yuǎn)程故障診斷逐漸興起，為了解決傳統(tǒng)故障診斷方法中過度依賴人工判斷和自動(dòng)化程度低的問題，S.P.Zhou等[8]設(shè)計(jì)了一種基于紅外圖像的遠(yuǎn)程故障檢測系統(tǒng)，該系統(tǒng)通過對現(xiàn)場采集的紅外圖像分析得出診斷結(jié)果，并通過網(wǎng)絡(luò)傳輸?shù)绞謾C(jī)，實(shí)現(xiàn)絕緣子的遠(yuǎn)程監(jiān)控；黃琦蘭等[9]將專家系統(tǒng)應(yīng)用在醫(yī)用制氧裝備的遠(yuǎn)程故障診斷上，優(yōu)化了以往僅僅依靠程序?qū)Ρ榷贸龅脑\斷結(jié)果；針對光伏發(fā)電系統(tǒng)， K.H.Chao等[10]在獲得不同故障類型的特性后，基于可拓展理論設(shè)計(jì)了一款故障診斷儀，該儀器結(jié)合通信網(wǎng)絡(luò)，僅需要少量數(shù)據(jù)便可以快速實(shí)現(xiàn)故障診斷；此外，徐娟等[11]以聯(lián)合各診斷資源為目標(biāo)設(shè)計(jì)了基于網(wǎng)格的設(shè)備遠(yuǎn)程故障診斷系統(tǒng)，該系統(tǒng)較好地實(shí)現(xiàn)了廣域范圍內(nèi)的診斷協(xié)同，提高了診斷效率的同時(shí)節(jié)省了資源。但是，由于蒸滲儀普遍存在監(jiān)測地點(diǎn)分散、受環(huán)境影響大、體積大、結(jié)構(gòu)復(fù)雜、故障關(guān)聯(lián)性強(qiáng)等特點(diǎn)，因此上述方法并不完全適用于蒸滲儀的故障檢測。

有鑒于此，本文結(jié)合計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通信技術(shù)和故障診斷技術(shù)，建立一套全自動(dòng)的蒸滲儀遠(yuǎn)程故障診斷系統(tǒng)。該系統(tǒng)首先通過分析遠(yuǎn)程監(jiān)測現(xiàn)場采集的數(shù)據(jù)篩選出異常數(shù)據(jù)并提煉出異常特征，其次，經(jīng)過故障診斷算法推理出設(shè)備的故障原因，可為現(xiàn)場維護(hù)人員提供故障診斷支持和決策建議。

1 基于云平臺(tái)的蒸滲儀遠(yuǎn)程故障診斷系統(tǒng)總體設(shè)計(jì)

蒸滲儀遠(yuǎn)程故障診斷系統(tǒng)部署在云平臺(tái)上，由數(shù)據(jù)存儲(chǔ)模塊、異常數(shù)據(jù)檢測模塊、故障診斷模塊組成?？傮w結(jié)構(gòu)及各模塊的功能如圖1所示。

圖1 遠(yuǎn)程故障診斷系統(tǒng)框架

部署在監(jiān)測現(xiàn)場的蒸滲儀采集到監(jiān)測信息后通過4G DTU無線通信模塊發(fā)送給透傳云服務(wù)器，再通過透傳云服務(wù)器的數(shù)據(jù)透傳將數(shù)據(jù)傳送給云平臺(tái)。故障診斷系統(tǒng)分為數(shù)據(jù)異常檢測模塊和故障診斷模塊兩部分。

1)數(shù)據(jù)異常檢測模塊將采集的監(jiān)測數(shù)據(jù)通過異常檢測算法進(jìn)行篩查，經(jīng)篩查后正常的數(shù)據(jù)會(huì)直接存庫并實(shí)時(shí)顯示，而異常數(shù)據(jù)集會(huì)發(fā)送給故障診斷模塊進(jìn)行故障診斷。

2)故障診斷模塊在獲得異常數(shù)據(jù)集之后，首先按照特定的規(guī)則進(jìn)行異常數(shù)據(jù)的特征提取，繼而通過數(shù)據(jù)異常特征和故障診斷算法推理出故障發(fā)生的原因，最后將故障信息發(fā)布到云平臺(tái)，提醒工作人員進(jìn)行設(shè)備故障的確認(rèn)與維護(hù)。

2 基于卡爾曼濾波的數(shù)據(jù)異常檢測

云平臺(tái)采集來自全國各地多個(gè)監(jiān)測點(diǎn)的蒸滲儀，測量數(shù)據(jù)，數(shù)據(jù)量龐大，若將所有的數(shù)據(jù)都作為故障檢測數(shù)據(jù)源勢必會(huì)導(dǎo)致系統(tǒng)的故障檢測效率大大降低。由于設(shè)備故障往往伴隨著異常數(shù)據(jù)的產(chǎn)生，利用數(shù)據(jù)異常檢測算法對上傳數(shù)據(jù)進(jìn)行篩選，可有效避免故障診斷模塊處理大批量的正常數(shù)據(jù)，提升故障診斷效率。

鑒于蒸滲儀的監(jiān)測數(shù)據(jù)具有連續(xù)性、線性的特點(diǎn)，通常不會(huì)出現(xiàn)突變，在此采用卡爾曼濾波算法[12-13]結(jié)合閾值檢測機(jī)制對各路數(shù)據(jù)進(jìn)行數(shù)據(jù)異常檢測。

首先，通過k-1時(shí)刻系統(tǒng)誤差協(xié)方差矩陣和噪聲協(xié)方差預(yù)測k時(shí)刻的先驗(yàn)估計(jì)協(xié)方差矩陣。設(shè)A為狀態(tài)轉(zhuǎn)移矩陣，Q為過程激勵(lì)噪聲協(xié)方差矩陣，Pk-1為k-1時(shí)刻后驗(yàn)估計(jì)協(xié)方差矩陣，則k時(shí)刻的先驗(yàn)估計(jì)協(xié)方差矩陣的預(yù)測值為：

(1)

其次，通過式(1)求得的Pk-，更新k時(shí)刻的卡爾曼增益Kk：

(2)

其中:H為轉(zhuǎn)換矩陣。若傳感器的檢測值為蒸滲儀的測量值，該矩陣取單位矩陣。

再者，通過更新過后的卡爾曼增益Kk和測量值zk求得k時(shí)刻的系統(tǒng)狀態(tài)估計(jì)值：

(3)

最后，為下一個(gè)時(shí)刻求系統(tǒng)狀態(tài)估計(jì)值更新后驗(yàn)估計(jì)協(xié)方差矩陣：

Pk= (I-KkH)Pk-

(4)

(5)

則在該時(shí)刻，數(shù)據(jù)異常檢測模塊計(jì)算的預(yù)測值與實(shí)際值的差值：

(6)

式(6)中，D-value為預(yù)測值與實(shí)際值的差值。設(shè)Δk為閾值參數(shù)，是估計(jì)值的正常波動(dòng)范圍。如果D-value>Δk，則數(shù)據(jù)異常檢測模塊會(huì)認(rèn)為該數(shù)據(jù)存在異常，隨后將該數(shù)據(jù)傳入故障檢測單元進(jìn)行故障診斷；若D-value<Δk則認(rèn)為數(shù)據(jù)正常。

圖2 數(shù)據(jù)傳輸圖

其中，S1、S1……Sn為數(shù)據(jù)傳輸模塊S的數(shù)據(jù)監(jiān)測節(jié)點(diǎn)，數(shù)據(jù)異常檢測模塊會(huì)保存最新兩個(gè)時(shí)間點(diǎn)k時(shí)刻與k-1時(shí)刻的數(shù)據(jù)，在異常數(shù)據(jù)檢測過程中通過這兩個(gè)時(shí)刻的數(shù)據(jù)求取k+1時(shí)刻的Δk+1。

3 基于貝葉斯網(wǎng)絡(luò)的蒸滲儀故障診斷方法

隨著蒸滲儀的發(fā)展，其結(jié)構(gòu)越來復(fù)雜、故障關(guān)聯(lián)性越來越強(qiáng)，又因?yàn)樵O(shè)備部署環(huán)境復(fù)雜，導(dǎo)致故障具有不確定性。鑒于貝葉斯網(wǎng)絡(luò)可以有效處理不確定因素方面的問題，在此采用貝葉斯網(wǎng)絡(luò)作為蒸滲儀的故障診斷方法。

蒸滲儀的故障檢測主要分為兩個(gè)步驟。第一步，通過蒸滲儀的歷史故障庫和專家經(jīng)驗(yàn)確定貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)；第二步，通過提取的異常數(shù)據(jù)特征，經(jīng)過貝葉斯網(wǎng)絡(luò)推理獲得蒸滲儀各個(gè)故障原因的概率分布，推斷出故障原因。此外，新的故障信息會(huì)完善故障庫，使貝葉斯網(wǎng)絡(luò)診斷模型獲得實(shí)時(shí)更新。

3.1 蒸滲儀故障分析

蒸滲儀的末端數(shù)據(jù)監(jiān)測設(shè)備主要為懸掛式蒸滲儀，該蒸滲儀是一種大型稱重式蒸滲儀，整個(gè)儀器分為測量模塊和數(shù)據(jù)傳輸模塊兩部分。測量模塊由土壤、箱體、稱重系統(tǒng)、位移傳感器等部分組成；數(shù)據(jù)傳輸模塊由數(shù)據(jù)轉(zhuǎn)換模塊和數(shù)據(jù)發(fā)送模塊組成。

表1 懸掛式蒸滲儀故障表

稱重系統(tǒng)是蒸滲儀的核心部分。系統(tǒng)中，設(shè)備的鋼絲繩的中間由兩塊方鋼夾住，方鋼的兩端分別由一塊斜鐵連接平衡臂?；鶞?zhǔn)情況下，由鋼絲繩垂直錯(cuò)位產(chǎn)生的力與平衡臂的重力平衡，此時(shí)平衡臂呈水平狀態(tài)。當(dāng)箱體內(nèi)土體重量發(fā)生改變時(shí)，由于鋼絲繩拉力的變化導(dǎo)致平衡臂上下擺動(dòng)，此時(shí)，固定在方鋼中間的連桿將角位移轉(zhuǎn)換為水平上的線位移，通過高精準(zhǔn)的位移傳感器測得位移變化量后計(jì)算得到箱體的土壤重量的變化。除此之外，箱體內(nèi)還設(shè)有大量傳感器，用于測量土壤溫度、濕度、電導(dǎo)率、水分、水勢等信息。

結(jié)合歷史故障信息對該蒸滲儀的結(jié)構(gòu)以及工作原理深入研究后，總結(jié)出蒸滲儀常見的故障原因及對應(yīng)的異常數(shù)據(jù)特征如表1所示。

3.2 基于貝葉斯網(wǎng)絡(luò)的故障診斷模型

在保證算法具有一定的正確診斷率的前提下，以提高故障推理的速度和降低貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度為落腳點(diǎn)，結(jié)合表1和專家知識(shí)構(gòu)建了用于蒸滲儀故障診斷的貝葉斯網(wǎng)絡(luò),如圖3所示。

圖3 用于蒸滲儀故障推理的貝葉斯網(wǎng)絡(luò)

圖3中，F(xiàn)1～F13表示故障類型，O1～O16表示異常數(shù)據(jù)特征。蒸滲儀故障類型節(jié)點(diǎn)的具體定義為：F1為平衡臂與方鋼連接處斷裂；F2為鋼絲松動(dòng)；F3為位移傳感器移位；F4為土體超重；F5為阻尼系統(tǒng)機(jī)油凝固；F6為箱體搖擺；F7為異物進(jìn)入箱體；F8為5TE傳感器故障；F9為5TE傳感器被陽光直射；F10為滲漏傳感器故障；F11為位移傳感器通訊鏈路損壞；F12為DTU故障；F13為設(shè)備斷電。異常數(shù)據(jù)特征節(jié)點(diǎn)的具體定義為：O1為蒸發(fā)量突然減?。籓2為蒸發(fā)量突然升高；O3為蒸發(fā)量跳變后穩(wěn)定；O4為蒸發(fā)量偏大；O5為蒸發(fā)量不變；O6為蒸發(fā)量波動(dòng)；O7為溫度無數(shù)據(jù)；O8為蒸發(fā)量無數(shù)值；O9為水分無數(shù)據(jù)；O10為電導(dǎo)率無數(shù)據(jù)；O11為溫度數(shù)值過高；O12為電導(dǎo)率很低；O13為水分很低；O14為滲漏量無數(shù)據(jù)；O15為無任何數(shù)據(jù)；O16為缺少某設(shè)備數(shù)據(jù)。從圖中可以看出，一種異常數(shù)據(jù)特征可能由一個(gè)或者多個(gè)不同的故障原因?qū)е隆?/p>

將每種故障設(shè)為發(fā)生(T)或不發(fā)生(F)兩種狀態(tài)，根據(jù)以往大量的歷史故障記錄，結(jié)合蒸滲儀領(lǐng)域設(shè)備故障方面的專家知識(shí)，對蒸滲儀各種故障原因出現(xiàn)的概率加以統(tǒng)計(jì)，計(jì)算得到各個(gè)故障原因的先驗(yàn)概率如表2所示。

老婆餅以豬油酥作皮，酥軟而松；餅餡主要有芝麻、糖冬瓜、糖冰肉等，以綠豆茸和黑豆茸最佳。餅形有點(diǎn)像蘇式月餅，色澤金黃，讓人吃后，感覺餅皮酥軟，餡心香滑，十分可口。

表2 蒸滲儀各故障原因的先驗(yàn)概率

以貝葉斯網(wǎng)絡(luò)中F2節(jié)點(diǎn)為例，當(dāng)稱重系統(tǒng)出現(xiàn)鋼絲松動(dòng)的故障時(shí)，出現(xiàn)相關(guān)異常數(shù)據(jù)特征的條件概率P(Oi|F2)如表3所示，對于其他根節(jié)點(diǎn)的條件概率表，可以用相同的方法得到。

表3 節(jié)點(diǎn)F2的條件概率

3.3 基于貝葉斯網(wǎng)絡(luò)的故障診斷推理

由于以蒸滲儀的故障類型和異常數(shù)據(jù)征兆建立的貝葉斯網(wǎng)絡(luò)其結(jié)構(gòu)中節(jié)點(diǎn)數(shù)量較少，本文選用精確推理算法中的聯(lián)合樹算法[14-15]。蒸滲儀故障推理算法如表4所示。

表4 蒸滲儀故障推理算法

圖6 異常數(shù)據(jù)信息

4 應(yīng)用實(shí)例驗(yàn)證

依托西安新匯澤測控技術(shù)有限公司的農(nóng)業(yè)大數(shù)據(jù)監(jiān)測云平臺(tái)，本遠(yuǎn)程故障診斷系統(tǒng)現(xiàn)在已經(jīng)應(yīng)用于國內(nèi)多處科研機(jī)構(gòu)蒸滲儀的故障檢測。以甘肅省旱地研究所為例，該所在定西市布設(shè)有2臺(tái)大型蒸滲儀。設(shè)備的現(xiàn)場布置圖如圖4和圖5所示。

圖4 蒸滲儀設(shè)備地表圖

圖5 蒸滲儀地下室稱體部分

現(xiàn)場的監(jiān)測設(shè)備將采集到的監(jiān)測數(shù)據(jù)通過4G DTU無線模塊發(fā)送到遠(yuǎn)程云服務(wù)器。數(shù)據(jù)到達(dá)云服務(wù)器后，首先經(jīng)過數(shù)據(jù)異常檢測模塊的篩選，若數(shù)據(jù)正常則存儲(chǔ)至數(shù)據(jù)庫，否則會(huì)發(fā)送給故障診斷模塊，在故障診斷模塊做出處理之后通過Web界面反饋給工作人員。

圖6顯示了經(jīng)過異常檢測模塊篩選的異常數(shù)據(jù)，工作人員可以通過Web頁面遠(yuǎn)程查看與異常數(shù)據(jù)相關(guān)的設(shè)備編號(hào)、采集時(shí)間、異常數(shù)據(jù)類型、異常數(shù)據(jù)值等信息，從而獲得有關(guān)異常數(shù)據(jù)的及時(shí)提醒。

故障監(jiān)測系統(tǒng)在當(dāng)前檢測到數(shù)據(jù)異常后，會(huì)分析該時(shí)間點(diǎn)之前的各路數(shù)據(jù)，通過數(shù)據(jù)挖掘提取相關(guān)的異常數(shù)據(jù)特征后輸送到故障診斷模型。在建立好貝葉斯診斷網(wǎng)絡(luò)之后，采用聯(lián)結(jié)樹算法對蒸滲儀故障診斷模型進(jìn)行推理，從而給出設(shè)備故障信息。

圖7所示界面列出了所有設(shè)備的故障信息，包括設(shè)備編號(hào)、設(shè)備名稱、故障時(shí)間、故障原因等?，F(xiàn)場的研究人員可以參考系統(tǒng)診斷的故障信息進(jìn)行設(shè)備維護(hù)，有效提高了研究人員的維修效率。研究人員在維修完畢后可以點(diǎn)擊操作中的“已解決”按鈕，隨后該條故障信息就會(huì)作為正確診斷信息更新蒸滲儀故障庫，而更新的故障庫使得用于故障診斷的貝葉斯網(wǎng)絡(luò)模型參數(shù)獲得及時(shí)優(yōu)化更新，逐漸提高故障診斷系統(tǒng)的診斷正確率。

圖7 設(shè)備故障詳情

圖8展示了該故障診斷系統(tǒng)從2018年12月到2019年5月的故障診斷情況。從中可以看出，該故障診斷系統(tǒng)在上線應(yīng)用后能較好地通過檢測數(shù)據(jù)對蒸滲儀自動(dòng)進(jìn)行遠(yuǎn)程故障診斷，且診斷率、覆蓋率良好。此外，隨著系統(tǒng)的使用，故障庫不斷更新優(yōu)化，正確診斷率和覆蓋率也在逐漸提高，基本滿足了設(shè)備故障診斷需求。由于故障得到及時(shí)的診斷和維護(hù)，蒸滲儀的異常數(shù)據(jù)大大減少。

圖8 半年故障診斷效果圖

5 結(jié)論

本文針對蒸滲儀部署分散，環(huán)境復(fù)雜帶來的故障發(fā)現(xiàn)不及時(shí)、排查費(fèi)時(shí)費(fèi)力的問題，研究了一種蒸滲儀遠(yuǎn)程故障診斷系統(tǒng)。該系統(tǒng)通過遠(yuǎn)程無線通信接收到來自各地監(jiān)測站點(diǎn)的采集數(shù)據(jù)后，首先對數(shù)據(jù)進(jìn)行異常檢測以篩選故障數(shù)據(jù)信息，其次對故障數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘提取異常數(shù)據(jù)特征，最后將異常數(shù)據(jù)特征輸入到故障診斷模型中獲得故障診斷的結(jié)果，提供決策建議。本系統(tǒng)自投入使用以來，能夠有效地檢測出設(shè)備異常信息，較好地減少了異常數(shù)據(jù)的發(fā)生，提高了研究人員進(jìn)行數(shù)據(jù)分析的正確性，取得了良好的經(jīng)濟(jì)效益。