基于邊緣計(jì)算的電機(jī)故障智能監(jiān)測(cè)系統(tǒng)＊

潘顯斌，孫 康，徐 震

(上海工程技術(shù)大學(xué)，上海 200000)

0 引言

近年來(lái)，隨著新能源領(lǐng)域擴(kuò)張，電機(jī)的運(yùn)用越來(lái)越重要，隨之而來(lái)的故障問(wèn)題也日益突出，其中旋轉(zhuǎn)機(jī)械故障最為明顯，因此對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行狀態(tài)監(jiān)測(cè)和故障預(yù)測(cè)就顯得十分重要。Kabir 等人指出新能源風(fēng)機(jī)的維護(hù)成本占整體全年收入的20%～25%，可見(jiàn)電機(jī)故障帶來(lái)的損失不僅僅是設(shè)備上的成本，更是額外停工造成的大量經(jīng)濟(jì)損失。Wang 等指出云計(jì)算的效率和延遲問(wèn)題，因此通過(guò)融合邊緣計(jì)算和DL 來(lái)完成邊緣數(shù)據(jù)資源的部署，構(gòu)建智能邊緣。Dong 等提出了一種基于DRL 的車(chē)載邊緣計(jì)算網(wǎng)絡(luò)中任務(wù)調(diào)度的節(jié)能方法，以最大限度地減少M(fèi)EC 服務(wù)器的總能耗。He 等指出隨著物聯(lián)網(wǎng)（IoT）設(shè)備數(shù)量得到不斷增長(zhǎng)，云計(jì)算難以滿足用戶需求。因此，提出了分布式和去中心化的計(jì)算架構(gòu)勢(shì)。WANG 等通過(guò)時(shí)分多址協(xié)議將計(jì)算任務(wù)分布到邊緣服務(wù)器，基于時(shí)間約束，不斷優(yōu)化終端設(shè)備能耗。李興等指出電力設(shè)備檢修普遍地利用了邊緣計(jì)算低時(shí)延的特點(diǎn)，提高了診斷預(yù)警的響應(yīng)速度。Guo 等研究了物聯(lián)網(wǎng)邊緣云計(jì)算系統(tǒng)中的節(jié)能和延遲保證的工作負(fù)載分配問(wèn)題。開(kāi)發(fā)了一個(gè)系統(tǒng)框架，以實(shí)現(xiàn)降低系統(tǒng)能耗的目標(biāo)。Zhou等概述了深度學(xué)習(xí)模型在網(wǎng)絡(luò)邊緣進(jìn)行訓(xùn)練和推理的總體架構(gòu)、框架和新興關(guān)鍵技術(shù)，認(rèn)為邊緣計(jì)算是支持資源受限環(huán)境中計(jì)算密集型AI 應(yīng)用程序的有前途的解決方案。Niu 等提出了一種基于邊緣計(jì)算的電力物聯(lián)網(wǎng)中面向最小服務(wù)延遲的工作負(fù)載分配機(jī)制，以滿足電力物聯(lián)網(wǎng)場(chǎng)景下多業(yè)務(wù)的時(shí)延需求。Wang等針對(duì)移動(dòng)到MEC 場(chǎng)景提出了一種在線無(wú)人機(jī)掛載移動(dòng)邊緣服務(wù)器調(diào)度方案，仿真表明，無(wú)論是單獨(dú)移動(dòng)調(diào)度還是混合調(diào)度方案都優(yōu)于固定部署。Cao 等開(kāi)發(fā)了一種兩階段方法來(lái)放置和分配異構(gòu)邊緣服務(wù)器，以優(yōu)化移動(dòng)邊緣云計(jì)算系統(tǒng)中的響應(yīng)時(shí)間，大大提高了整個(gè)系統(tǒng)和單個(gè)基站的預(yù)期響應(yīng)時(shí)間。

本文對(duì)ES 的數(shù)量以及邊緣數(shù)據(jù)點(diǎn)的分布對(duì)時(shí)延和能耗問(wèn)題進(jìn)行研究。第一部分對(duì)邊緣計(jì)算進(jìn)行相關(guān)介紹并提出了邊端協(xié)同的電機(jī)故障分析系統(tǒng)。第二部分分析并建立了任務(wù)數(shù)據(jù)的時(shí)延和能耗模型。第三部分基于真實(shí)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行仿真。第四部分做出總結(jié)并展望未來(lái)。

1 邊端協(xié)同的電機(jī)故障分析系統(tǒng)

1.1 邊緣計(jì)算介紹

邊緣計(jì)算是指在靠近設(shè)備現(xiàn)場(chǎng)或數(shù)據(jù)源頭的一端進(jìn)行服務(wù)，允許在更靠近邊緣設(shè)備的地方分析和過(guò)濾數(shù)據(jù)，只傳輸少量數(shù)據(jù)到云端，以大幅降低網(wǎng)絡(luò)帶寬成本和云數(shù)據(jù)存儲(chǔ)成本?，F(xiàn)如今，諸多工業(yè)領(lǐng)域物聯(lián)網(wǎng)對(duì)延遲的要求越來(lái)越高，部分工業(yè)產(chǎn)品需要亞秒級(jí)（即1GHz/1.2 秒）響應(yīng)時(shí)間才能實(shí)現(xiàn)安全且精確的操作。例如，無(wú)人駕駛汽車(chē)。其次，安全與隱私也是邊緣計(jì)算的另一大優(yōu)勢(shì)，它可以允許用戶數(shù)據(jù)在多個(gè)物理節(jié)點(diǎn)上處理，從而能夠讓用戶擁有安全高效的邊緣設(shè)備數(shù)據(jù)分析能力。邊緣計(jì)算的系統(tǒng)組成圖如圖1所示。

圖1 邊緣計(jì)算系統(tǒng)組成圖

1.2 邊緣計(jì)算在電機(jī)故障中的應(yīng)用

電機(jī)故障診斷技術(shù)在工業(yè)生產(chǎn)領(lǐng)域早已存在，最早用于機(jī)械設(shè)備故障診斷，因?yàn)殡姍C(jī)技術(shù)的不斷發(fā)展而將故障診斷融入其中，但早期過(guò)度依賴(lài)人工經(jīng)驗(yàn)來(lái)判斷電機(jī)故障。隨著傳感器技術(shù)、檢測(cè)技術(shù)的發(fā)展，電機(jī)故障診斷技術(shù)才得到大的提升，吸引諸多學(xué)者對(duì)在線監(jiān)測(cè)故障診斷技術(shù)的研究。一般針對(duì)電機(jī)故障常采用電流分析法、振動(dòng)分析法、溫度診斷法等。近些年隨著物聯(lián)網(wǎng)的快速發(fā)展，針對(duì)一些較為復(fù)雜的電機(jī)故障診斷方法逐漸向智能化方向發(fā)展，其主要包括專(zhuān)家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)等。

電機(jī)的故障類(lèi)型是復(fù)雜多樣的，其能產(chǎn)生大量的故障數(shù)據(jù)。傳統(tǒng)的云計(jì)算無(wú)法應(yīng)對(duì)海量的故障數(shù)據(jù)，因此，基于邊緣計(jì)算的故障診斷在電機(jī)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)中的作用十分重要，其中邊緣測(cè)設(shè)備數(shù)據(jù)交互過(guò)程如圖2所示。

圖2 邊緣設(shè)備數(shù)據(jù)交互過(guò)程圖

遠(yuǎn)程監(jiān)測(cè)平臺(tái)與邊緣設(shè)備主要交互過(guò)程如下：①數(shù)據(jù)集上傳：邊緣服務(wù)器將一維電機(jī)數(shù)據(jù)上發(fā)至云平臺(tái)；②訓(xùn)練模型：通過(guò)云計(jì)算將一維數(shù)據(jù)進(jìn)行特征提取，結(jié)合人工智能，建立實(shí)時(shí)故障分析模型，進(jìn)行訓(xùn)練并不斷優(yōu)化，最終將故障預(yù)測(cè)模型下發(fā)至邊緣設(shè)備；③電機(jī)遠(yuǎn)程監(jiān)測(cè)：決策者可以直接訪問(wèn)緣端設(shè)備的運(yùn)行情況，必要時(shí)可做出增值決策對(duì)邊緣設(shè)備進(jìn)行管理；④邊緣服務(wù)器：判讀一維電機(jī)數(shù)據(jù)是否需要上傳云端，若已有預(yù)測(cè)模型，數(shù)據(jù)采集可直接用于分析、計(jì)算及本地存儲(chǔ)，對(duì)于邊緣終端設(shè)備突發(fā)情況，通過(guò)默認(rèn)設(shè)置的命令可執(zhí)行賦值決策。

2 邊緣任務(wù)執(zhí)行建模

2.1 邊緣策略執(zhí)行建模

為了降低任務(wù)處理延時(shí)，提高故障的檢測(cè)效率，本文構(gòu)建了一個(gè)基于端邊協(xié)調(diào)的并行任務(wù)處理框架，首先給出任務(wù)總體耗時(shí)的計(jì)算方法，并對(duì)邊端設(shè)備的一些量進(jìn)行定義和說(shuō)明。

其中，G表示原始任務(wù)的數(shù)量，它是根據(jù)邊緣設(shè)備采集到的數(shù)據(jù)包得到的。g表示邊緣服務(wù)器的處理速率。

同理，原始數(shù)據(jù)直接在云端（Cloud services，CS）處理的整體時(shí)耗也可由三個(gè)部分組成，其計(jì)算公式為：

2.2 邊緣能耗模型

邊緣能耗是指待處理的任務(wù)數(shù)據(jù)，在邊緣端或者云端計(jì)算產(chǎn)生的能耗，假設(shè)任務(wù)數(shù)據(jù)集在邊緣服務(wù)器執(zhí)行（本地執(zhí)行），則產(chǎn)生的能耗主要與邊緣服務(wù)器的CPU有關(guān)，其能耗模型計(jì)算公式如下：

其中，P為邊緣服務(wù)器的CPU的運(yùn)轉(zhuǎn)功率。

在云服務(wù)器計(jì)算產(chǎn)生的能耗主要與云服務(wù)器的CPU有關(guān)，其能耗模型計(jì)算公式如下：

其中，P為云計(jì)算服務(wù)器的CPU的運(yùn)轉(zhuǎn)功率。

3 實(shí)驗(yàn)和結(jié)果分析

仿真實(shí)驗(yàn)運(yùn)行于MATLAB 2016環(huán)境中，硬件參數(shù)為IntelCore i5-6200 2.40 GHz CPU，12GB RAM。邊緣端采用USB2.0傳輸數(shù)據(jù)，其傳輸速率在34.64MB/s。云端傳輸采用4G 網(wǎng)絡(luò)，其下載速率3.85 MB/s、上載速率2.31 MB/s，假設(shè)數(shù)據(jù)包大小在[0,100]MB 之間。邊緣服務(wù)器的運(yùn)轉(zhuǎn)功率為250W，CPU 最大酷睿2.8GHz，CPU 運(yùn)轉(zhuǎn)最高功率54W，云服務(wù)器的運(yùn)轉(zhuǎn)功率為1600W，CPU 最大酷睿3.9GHz，CPU 運(yùn)轉(zhuǎn)最高功率150W。對(duì)比在不同數(shù)量的邊緣服務(wù)器與任務(wù)數(shù)量條件下，邊緣計(jì)算與云計(jì)算在時(shí)耗與能耗的表現(xiàn)情況，仿真結(jié)果如圖3所示。

圖3 邊緣時(shí)延仿真圖

圖3 中點(diǎn)劃線曲線表示邊緣計(jì)算的任務(wù)時(shí)延，連續(xù)曲線表示云計(jì)算的任務(wù)時(shí)延，從圖3可以看出：隨著邊緣任務(wù)數(shù)量的增加，基于云計(jì)算的平均時(shí)延逐漸高于基于邊緣計(jì)算的平均時(shí)延。且任務(wù)數(shù)據(jù)量越大，平均時(shí)延的差距越明顯。所以，結(jié)合邊緣計(jì)算可以極大程度上降低邊緣任務(wù)被處理的時(shí)耗。

邊緣服務(wù)器與云計(jì)算能耗對(duì)比分析如圖4 所示。網(wǎng)格線表示云服務(wù)器計(jì)算時(shí)產(chǎn)生的能耗，其他則是邊緣服務(wù)器產(chǎn)生的能耗，從圖4中可以看出，在任務(wù)處理初始階段，邊緣端能耗水平總體低于云端能耗水平，隨著邊緣服務(wù)器數(shù)量的增多，邊緣端能耗水平與云端能耗水平逐漸持平，當(dāng)邊緣端服務(wù)器的數(shù)量超過(guò)一定數(shù)量，云端能耗水平才略低于邊緣端能耗水平。

圖4 邊緣服務(wù)器與云計(jì)算能耗對(duì)比

實(shí)驗(yàn)假設(shè)網(wǎng)絡(luò)通訊無(wú)中斷、無(wú)明顯波動(dòng)，且考慮采集數(shù)據(jù)的實(shí)時(shí)傳輸情況。在時(shí)延方面，無(wú)論是邊緣服務(wù)器數(shù)量增加還是任務(wù)數(shù)量增多，基于邊緣計(jì)算的并行處理框架總時(shí)耗與基于傳統(tǒng)云計(jì)算總時(shí)耗差異越來(lái)越明顯，云計(jì)算的平均時(shí)延總體高于邊緣計(jì)算的平均時(shí)延。在能耗方面，隨著邊緣服務(wù)器增多，邊緣側(cè)的能耗逐漸超過(guò)云計(jì)算。這表明在保證最低時(shí)延和能耗問(wèn)題上，存在最優(yōu)解。

在實(shí)際的情況中，基于云計(jì)算的方式，采集的數(shù)據(jù)并不能實(shí)時(shí)傳輸?shù)?，存在傳輸波?dòng)，這就造成部分計(jì)算無(wú)法完成的情況，且云計(jì)算的成本比較高，那么對(duì)于相同的檢測(cè)結(jié)果，邊緣計(jì)算更能保證數(shù)據(jù)的完整性與實(shí)時(shí)性，且其成本遠(yuǎn)低于云計(jì)算，這對(duì)需要執(zhí)行大量計(jì)算任務(wù)的整個(gè)系統(tǒng)來(lái)說(shuō)是至關(guān)重要的。

4 總結(jié)與展望

本文提出一種基于邊緣計(jì)算架構(gòu)下的電機(jī)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)，可服務(wù)于電機(jī)設(shè)備制造商或系統(tǒng)集成商，邊緣計(jì)算聚焦萬(wàn)物互聯(lián)思想，實(shí)現(xiàn)電機(jī)系統(tǒng)智能管理、移動(dòng)運(yùn)維，降低電機(jī)管理成本、云存儲(chǔ)成本，同時(shí)降低用戶電機(jī)停機(jī)次數(shù)、減少維修時(shí)間，極大提高生產(chǎn)效率。本文所提出的方法能夠接入分布式計(jì)算網(wǎng)關(guān)，通過(guò)數(shù)據(jù)決策邊緣算力部署，能為云平臺(tái)下發(fā)的預(yù)測(cè)模型提供有效邊緣算力，降低一維數(shù)據(jù)冗余并為管理者提供賦值策略。同時(shí)，在無(wú)網(wǎng)絡(luò)狀態(tài)下，分析數(shù)據(jù)可保存至邊緣設(shè)備，待通訊恢復(fù)上傳云端。最終能實(shí)現(xiàn)電機(jī)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)在邊緣端智能連接、數(shù)據(jù)驅(qū)動(dòng)決策、安全與隱私保護(hù)等方面的需求，這些是電機(jī)遠(yuǎn)程運(yùn)維行業(yè)向數(shù)字化轉(zhuǎn)型必不可少的關(guān)鍵環(huán)節(jié)。