多溫冷藏車導(dǎo)風(fēng)槽故障的智能識別*

□ 許世諾,鄒毅峰,劉廣海,曹文怡,李洪躍

(廣州大學(xué) 管理學(xué)院，廣東 廣州 510006)

1 引言

多溫冷藏車作為一種冷鏈運(yùn)輸工具，更適合短途分配性運(yùn)輸，與傳統(tǒng)的單溫冷藏車相比，可以提高冷藏車的利用效率，更好地保證食品的品質(zhì)和安全[1-2]。多溫冷藏車與單溫冷藏車之間的不同之處在于多溫冷藏車是在單溫車的基礎(chǔ)上使用隔板將車廂內(nèi)空間分隔為冷凍區(qū)和冷藏區(qū)，而導(dǎo)風(fēng)槽是這兩個溫區(qū)的唯一冷風(fēng)通道。但在實際運(yùn)行過程中，導(dǎo)風(fēng)槽可能會因為風(fēng)機(jī)故障或裝載原因而不能向冷藏區(qū)供冷或只能部分供冷，從而使冷藏區(qū)無法持續(xù)維持恒定低溫。因此，為了保障生鮮食品品質(zhì)，必須對導(dǎo)風(fēng)槽的工作狀態(tài)進(jìn)行準(zhǔn)確監(jiān)控。

目前，多溫冷藏車廂內(nèi)一般布局2個無線溫度傳感器，分別監(jiān)測冷藏區(qū)和冷凍區(qū)的環(huán)境溫度，另外還有1個監(jiān)測外界氣溫的傳感器。但是這些傳感器并不能直接檢測出導(dǎo)風(fēng)槽的故障，而且在冷藏車運(yùn)行過程中也很難進(jìn)行人工檢查。智能故障識別具備傳統(tǒng)識別方法無可比擬的優(yōu)越性，可處理傳統(tǒng)故障識別方法不能解決的問題[3]。導(dǎo)風(fēng)槽故障與溫度傳感器數(shù)據(jù)間存在相關(guān)性，因此理論上可以通過冷藏車運(yùn)行過程中的溫度數(shù)據(jù)，借助智能識別技術(shù)和方法，對溫度數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，識別導(dǎo)風(fēng)槽故障。當(dāng)前冷鏈物流溫度數(shù)據(jù)收集技術(shù)已經(jīng)較為成熟，為本研究的數(shù)據(jù)采集試驗設(shè)計提供了理論基礎(chǔ)，不過針對冷藏車制冷系統(tǒng)故障的研究更多聚焦于故障原因分析，對故障采用機(jī)械和人工識別方法[4-5]，尚未見運(yùn)用人工神經(jīng)網(wǎng)絡(luò)對多溫冷藏車故障進(jìn)行智能識別。

本文采用MATLAB軟件對試驗數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，構(gòu)建導(dǎo)風(fēng)槽故障智能識別模型，提出構(gòu)建導(dǎo)風(fēng)槽故障識別系統(tǒng)的建議，在盡量不增加傳感器的條件下，通過實時的溫度數(shù)據(jù)監(jiān)控導(dǎo)風(fēng)槽的工作狀態(tài)。

2 數(shù)據(jù)采集試驗

為了獲取訓(xùn)練數(shù)據(jù)，設(shè)計多溫冷藏車滿載配送實驗。采用自主設(shè)計的機(jī)械制冷和蓄冷雙模式的多溫冷藏車(圖1)，冷藏車尺寸參數(shù)：5m*2.04m*2m；實驗開始前，用內(nèi)隔板把冷藏車廂分隔為冷凍區(qū)和冷藏區(qū)，空間比例為1∶1。目前，我國冷藏車基本采用機(jī)械制冷系統(tǒng)，因此本試驗也采用機(jī)械制冷系統(tǒng)，制冷機(jī)出風(fēng)速度設(shè)置為6m/s。傳感器采用32個RC-5型溫濕度傳感器，精度為±0.2。在實驗開始前，對溫度傳感器進(jìn)行了校準(zhǔn)和時滯測試，數(shù)據(jù)采集間隔時間為10s。車廂內(nèi)環(huán)境溫度傳感器布局如圖2所示，將冷藏車均分為6個截面，每一截面布置5個溫度傳感器，傳感器距離廂體10cm左右。

圖1 多溫冷藏車結(jié)構(gòu)圖

圖2 車廂內(nèi)溫度傳感器的布局

多溫冷藏車裝載情況如圖3所示，其中，冷凍區(qū)裝載4個托盤，每個托盤放入玉米粒(瓦楞紙紙箱裝，適宜儲存溫度：-18℃)；冷藏區(qū)也裝載4個托盤，每個托盤放入4層柑橘、一層6箱，一個托盤共24箱柑橘(瓦楞紙紙箱裝，適宜儲存溫度：3℃-8℃)。

圖3 多溫冷藏車裝載圖

在試驗開始前，開啟冷藏車溫控風(fēng)機(jī)和導(dǎo)風(fēng)槽，進(jìn)行車廂預(yù)冷，冷凍室預(yù)冷溫度為-18℃，冷藏室為5℃，然后模擬多溫冷藏車滿載運(yùn)輸條件，采集導(dǎo)風(fēng)槽三種故障模式(回風(fēng)槽堵塞、送風(fēng)槽堵塞、導(dǎo)風(fēng)槽風(fēng)機(jī)關(guān)閉)下的溫度數(shù)據(jù)。首先是導(dǎo)風(fēng)槽正常工作時的試驗，持續(xù)15h；導(dǎo)風(fēng)槽正常狀態(tài)下的試驗結(jié)束后，進(jìn)行回風(fēng)槽50%堵塞的導(dǎo)風(fēng)槽故障試驗，持續(xù)5h；回風(fēng)槽堵塞狀態(tài)下的試驗結(jié)束后，先進(jìn)行了20分鐘左右的正常制冷操作，使廂內(nèi)溫度回歸導(dǎo)風(fēng)槽正常狀態(tài)下的溫度，再進(jìn)行送風(fēng)槽50%堵塞的導(dǎo)風(fēng)槽故障試驗，持續(xù)5h；送風(fēng)槽堵塞狀態(tài)下的試驗結(jié)束后，先進(jìn)行了60分鐘左右的正常制冷操作，廂內(nèi)溫度回歸正常狀態(tài)，再進(jìn)行風(fēng)機(jī)故障試驗，持續(xù)5h。最后對試驗所采集的溫度數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、異常數(shù)據(jù)剔除，整個試驗過程中，每個傳感器采集了11524條有效溫度記錄，把溫度數(shù)據(jù)按照時間序列進(jìn)行整理排列，并根據(jù)試驗操作給數(shù)據(jù)進(jìn)行分類標(biāo)簽。標(biāo)簽“1”代表冷藏車導(dǎo)風(fēng)槽正常運(yùn)行、標(biāo)簽“2”代表導(dǎo)風(fēng)槽的回風(fēng)槽堵塞、標(biāo)簽“3”代表導(dǎo)風(fēng)槽的送風(fēng)槽堵塞；標(biāo)簽“4”代表導(dǎo)風(fēng)槽的風(fēng)機(jī)停止工作。

3 學(xué)習(xí)算法選擇

機(jī)器學(xué)習(xí)是一類算法的總稱，而這些算法能從大量歷史數(shù)據(jù)中挖掘其中隱含的規(guī)則，從而對新的數(shù)據(jù)做決策[6]。本次研究運(yùn)用的是監(jiān)督學(xué)習(xí)算法，監(jiān)督學(xué)習(xí)主要有四個流程：選擇合適的模型、提供訓(xùn)練數(shù)據(jù)、訓(xùn)練出方法論、在新數(shù)據(jù)上使用方法論。而監(jiān)督主要體現(xiàn)在了提供訓(xùn)練數(shù)據(jù)這一流程，即直接提供已經(jīng)分類好的數(shù)據(jù)。進(jìn)行監(jiān)督學(xué)習(xí)的步驟有：①構(gòu)建問題，選擇模型；②收集已知數(shù)據(jù)，這時候會把數(shù)據(jù)分為訓(xùn)練集和測試集，一部分用來訓(xùn)練，另一部分用來測試和驗證；③訓(xùn)練出理想模型；④對新樣本進(jìn)行預(yù)測或是分類[7～8]。

在對所采集到的溫度數(shù)據(jù)進(jìn)行處理時，使用的是MATLAB工具箱中的Classification Learner。機(jī)器學(xué)習(xí)也存在著許多不同的算法模型，本研究首先使用常用的決策樹、貝葉斯和K鄰近算法模型對試驗數(shù)據(jù)進(jìn)行訓(xùn)練，然后選擇具有分類準(zhǔn)確度最高的算法作為學(xué)習(xí)算法。表1是采用冷藏區(qū)中1個環(huán)境溫度傳感器(A1)數(shù)據(jù)得到的識別準(zhǔn)確度。

表1 不同模型對試驗數(shù)據(jù)訓(xùn)練記錄

從表1可以看出，在采用1個溫度傳感器數(shù)據(jù)作為輸入時，精細(xì)樹算法的分類準(zhǔn)確度是高的，達(dá)到69.20%，在普通筆記本電腦中也僅耗時1.55秒。因此，我們最終選用精細(xì)樹算法進(jìn)行分類訓(xùn)練。

決策樹是一種簡單但廣泛使用的分類器，它通過訓(xùn)練數(shù)據(jù)構(gòu)建決策樹，對未知的數(shù)據(jù)進(jìn)行分類[9]。該樹的每個分支對應(yīng)一個判斷條件，用決策樹分類，從樹的根節(jié)點出發(fā)，通過一層又一層的分支進(jìn)行判斷，最終行進(jìn)到葉子節(jié)點，該葉子節(jié)點對應(yīng)分類結(jié)果，具體可見圖4。

圖4 決策樹分類原理圖

4 數(shù)據(jù)分析

分別用1個、2個廂內(nèi)溫度傳感器的數(shù)據(jù)進(jìn)行訓(xùn)練，得到分類準(zhǔn)確度如圖5和圖6所示。由圖5可知，當(dāng)只輸入單個溫度點數(shù)據(jù)時，數(shù)據(jù)標(biāo)簽被識別的準(zhǔn)確率最高是B3列的69.6%，相當(dāng)于現(xiàn)實生活中如果冷藏車的導(dǎo)風(fēng)槽發(fā)生故障，在只有一個溫度傳感器存在的情況下，故障被準(zhǔn)確識別的概率只有69.6%，而且這一個溫度傳感器只有在B3的位置(即冷藏區(qū)中間截面的左下方)上所采集的溫度數(shù)據(jù)才能帶來較高的準(zhǔn)確率。因此，僅用1個廂內(nèi)溫度傳感器，即使借助機(jī)器學(xué)習(xí)也不能對導(dǎo)風(fēng)槽故障進(jìn)行準(zhǔn)確識別。

圖5 單個溫度點數(shù)據(jù)輸入的訓(xùn)練準(zhǔn)確度

圖6 兩個溫度點組合的訓(xùn)練準(zhǔn)確度

由圖6可知，當(dāng)輸入兩個溫度點數(shù)據(jù)時，數(shù)據(jù)標(biāo)簽被識別的準(zhǔn)確率最高達(dá)到了92.2%，也就是說，假如冷藏區(qū)中配備了兩個溫度傳感器，導(dǎo)風(fēng)槽不同類型的故障能有92.2%的概率通過精細(xì)樹算法被識別出來，但也只有當(dāng)兩個溫度傳感器的位置在B2(冷藏區(qū)中間截面的右上方)和C4(內(nèi)隔板右下方)所在的位置上才能達(dá)到該準(zhǔn)確率。

另外，這只是所有數(shù)據(jù)標(biāo)簽?zāi)鼙蛔R別的平均準(zhǔn)確度。由圖7混淆矩陣可以看出，在平均準(zhǔn)確率已經(jīng)達(dá)到了92.2%時，標(biāo)簽“2”(回風(fēng)槽故障)被識別的準(zhǔn)確度只有79.2%，誤判率偏高。為了提高不同標(biāo)簽類的識別準(zhǔn)確率，我們進(jìn)行了以下改進(jìn)。

圖7 兩個溫度點組合訓(xùn)練后的混淆矩陣

4.1 考慮時延因素

這里的時延因素主要是考慮到在滿載條件下，車廂內(nèi)除了制冷系統(tǒng)提供冷源之外，預(yù)冷后的貨物也具有一定的冷量，而且冷氣循環(huán)本身也需要時間。因此，當(dāng)導(dǎo)風(fēng)槽發(fā)生故障時，車內(nèi)各點溫度并不會立刻跟隨變化，可能存在一定的時間延遲。通過對比圖8和圖7，可以明顯地看到數(shù)據(jù)在進(jìn)行30min時延處理后，三種故障模式識別準(zhǔn)確度都達(dá)到了90%以上，整體平均準(zhǔn)確度更是達(dá)到了97.9%。

圖8 考慮時延后的混淆矩陣(30min)

4.2 考慮外界溫度

當(dāng)外界溫度變化大時，會在一定程度上會影響車廂內(nèi)的溫度場。而且，冷藏車一般都配置監(jiān)測外界溫度的傳感器，故障識別融合外界溫度并不增加傳感器的配備。分析表明，考慮外界環(huán)境溫度是必要的。由圖9可以看出，加入外界環(huán)境溫度數(shù)據(jù)一起訓(xùn)練后的數(shù)據(jù)識別率都有一定的提高，整體準(zhǔn)確率已經(jīng)達(dá)到了99.9%，其中對于導(dǎo)風(fēng)槽故障狀態(tài)和正常運(yùn)作狀態(tài)已經(jīng)可以達(dá)到100%的智能識別，而且對于其他導(dǎo)風(fēng)槽故障類型也有較高的識別準(zhǔn)確度。

圖9 兩個溫度點加入外界溫度后的混淆矩陣

5 結(jié)論

本文以多溫蓄冷車為研究對象，在車廂滿載的條件下設(shè)計導(dǎo)風(fēng)槽故障實驗方案并收集實驗相關(guān)數(shù)據(jù)，采用精細(xì)樹算法對多溫冷藏車廂內(nèi)部溫度數(shù)據(jù)進(jìn)行模型訓(xùn)練，得到較好的導(dǎo)風(fēng)槽故障類型識別模型、最佳的溫度傳感器布點和具有較高的識別準(zhǔn)確度。主要結(jié)論如下：

①進(jìn)行導(dǎo)風(fēng)槽故障智能識別，溫度傳感器布局方案為：在冷藏區(qū)布置2個溫度傳感器，其中一個布置在內(nèi)隔板右上方，另一個在冷藏區(qū)中間截面的左上方，如圖10所示。另外，還要將外界溫度數(shù)據(jù)與廂內(nèi)溫度數(shù)據(jù)融合，此時總體識別準(zhǔn)確率最高可以達(dá)到99%，回風(fēng)槽堵塞、送風(fēng)槽堵塞和風(fēng)機(jī)關(guān)閉的識別準(zhǔn)確率分別為99.6%、99.7%、100%。

圖10 導(dǎo)風(fēng)槽故障識別最佳的溫度傳感器布局

②考慮時延因素能夠顯著提高導(dǎo)風(fēng)槽故障識別準(zhǔn)確率，本研究提高了5%以上。

③溫度數(shù)據(jù)和機(jī)器學(xué)習(xí)相結(jié)合，可以在盡量利用冷藏車現(xiàn)有溫度傳感器的基礎(chǔ)上，借助云平臺和大數(shù)據(jù)分析技術(shù)，構(gòu)建一個導(dǎo)風(fēng)槽故障識別系統(tǒng)，有效監(jiān)控多溫冷藏車運(yùn)行過程中導(dǎo)風(fēng)槽的工作狀態(tài)，保障食品品質(zhì)和安全。