基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法

雷 宇

(長江職業(yè)學(xué)院 湖北 武漢 430074)

0 引言

為了提高工業(yè)智能化生產(chǎn)的質(zhì)量[1-3],在生產(chǎn)的過程中往往需要進(jìn)行可視化管理,因此會產(chǎn)生較多的可視化流程數(shù)據(jù)。在進(jìn)行工業(yè)大數(shù)據(jù)智能化采集的過程中,往往需要使用先進(jìn)的互聯(lián)共享平臺,優(yōu)化數(shù)據(jù)采集步驟,劃分不同的工業(yè)生產(chǎn)環(huán)節(jié)[4-6],針對工業(yè)大數(shù)據(jù)智能采集特點(diǎn)設(shè)計(jì)了建模智能化大數(shù)據(jù)采集方法和工業(yè)大數(shù)據(jù)智能化采集方法。但上述兩種采集方法的采集效果較差,采集簇頭的平均能耗較高[7],不符合目前的工業(yè)大數(shù)據(jù)智能化采集需求,因此本文基于邊緣計(jì)算設(shè)計(jì)了一種全新的工業(yè)大數(shù)據(jù)智能采集方法。

1 基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法設(shè)計(jì)

1.1 基于邊緣計(jì)算構(gòu)建工業(yè)大數(shù)據(jù)邊緣采集體系架構(gòu)

為了解決Windows工控組態(tài)軟件處理采集到的數(shù)據(jù)時,受設(shè)備實(shí)時驅(qū)動作用影響導(dǎo)致的采集簇頭的能耗過高問題,本文基于邊緣計(jì)算技術(shù)[8],構(gòu)建了工業(yè)大數(shù)據(jù)邊緣采集體系架構(gòu),邊緣計(jì)算是一種分散式運(yùn)算法,因此,設(shè)計(jì)的架構(gòu)主要以網(wǎng)絡(luò)中心節(jié)點(diǎn)為基礎(chǔ),將應(yīng)用程序、服務(wù)看作邊緣節(jié)點(diǎn)進(jìn)行處理,提高工業(yè)大數(shù)據(jù)的采集速度,使其與用戶終端更擬合[9]。

構(gòu)建的工業(yè)大數(shù)據(jù)邊緣采集體系架構(gòu)配置了邊緣網(wǎng)關(guān),能有效地解析各種設(shè)備采集的數(shù)據(jù),進(jìn)行實(shí)時分析,生成有價值的數(shù)據(jù)集合推送給邊緣云[10]。經(jīng)過邊緣處理后,工業(yè)大數(shù)據(jù)產(chǎn)生了巨大的價值,能進(jìn)行合理的預(yù)測維護(hù),降低工業(yè)大數(shù)據(jù)采集能耗。將上述邊緣網(wǎng)關(guān)接收至邊緣云中,可以有效地與云計(jì)算服務(wù)聯(lián)合,為工業(yè)大數(shù)據(jù)采集提供虛擬化空間,提高采集架構(gòu)的數(shù)據(jù)采集綜合能力。使用上述的智能采集邊緣體系架構(gòu)可以有效獲取工業(yè)過程數(shù)據(jù)、環(huán)境數(shù)據(jù)、現(xiàn)場狀態(tài)數(shù)據(jù),實(shí)現(xiàn)高效分布式工業(yè)大數(shù)據(jù)智能采集。

1.2 接入數(shù)據(jù)采集邊緣云服務(wù)

結(jié)合構(gòu)建的工業(yè)大數(shù)據(jù)智能采集邊緣體系架構(gòu)可知,工業(yè)大數(shù)據(jù)智能采集邊緣側(cè)服務(wù)主要通過邊緣服務(wù)器執(zhí)行。常見的大數(shù)據(jù)智能采集邊緣服務(wù)包括消息隊(duì)列遙測傳輸協(xié)議(message queuing telemetry transport,MQTT)消息代理、數(shù)據(jù)接收、數(shù)據(jù)存儲驗(yàn)證及可視化等。結(jié)合上述數(shù)據(jù)采集邊緣服務(wù)類型,本文設(shè)計(jì)的工業(yè)大數(shù)據(jù)智能采集方法優(yōu)化了MQTT代理協(xié)議,配置了智能化擴(kuò)展消息開源庫,使用上述的MQTT數(shù)據(jù)采集消息代理類別功能屬性表可以有效接入數(shù)據(jù)采集邊緣云服務(wù),提高工業(yè)大數(shù)據(jù)智能采集的真實(shí)性。

1.3 構(gòu)建工業(yè)大數(shù)據(jù)采集分類去噪模型

在工業(yè)大數(shù)據(jù)智能采集的過程中,經(jīng)常會受噪聲干擾導(dǎo)致采集簇頭的采集能耗較高,因此,針對上述問題,本文利用神經(jīng)網(wǎng)絡(luò)構(gòu)建了工業(yè)大數(shù)據(jù)采集分類去噪模型。首先可以將工業(yè)大數(shù)據(jù)智能采集目標(biāo)看作目標(biāo)函數(shù),該函數(shù)的交叉熵值C如式(1)所示。

(1)

式(1)中,n為采集損失偏離度,y為大數(shù)據(jù)采集真實(shí)值,a為網(wǎng)絡(luò)真實(shí)輸出。結(jié)合上述的交叉熵值可以對噪聲損失進(jìn)行處理,此時的均方誤差MSE(y,y′)如式(2)所示。

(2)

(3)

式(3)中,l為輸出層節(jié)點(diǎn)數(shù)量,根據(jù)上述參數(shù)及設(shè)計(jì)的損失函數(shù),可以構(gòu)建工業(yè)大數(shù)據(jù)采集分類去噪模型g(i),如式(4)所示。

(4)

式(4)中,f為激活函數(shù),axyz為輸入的工業(yè)大數(shù)據(jù)簇頭節(jié)點(diǎn),w為去噪矩陣,b為分類采集常數(shù),使用上述的工業(yè)大數(shù)據(jù)采集分類去噪模型可以快速剔除大數(shù)據(jù)噪聲,保證最終的采集有效性。

2 實(shí)驗(yàn)

為了驗(yàn)證設(shè)計(jì)的基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法的采集效果,本文搭建了有效的實(shí)驗(yàn)平臺,將其與第一種和第二種兩種常規(guī)的工業(yè)大數(shù)據(jù)智能采集方法對比,進(jìn)行了實(shí)驗(yàn),如下。

2.1 實(shí)驗(yàn)準(zhǔn)備

結(jié)合工業(yè)大數(shù)據(jù)智能采集實(shí)驗(yàn)需求,本文將搭建的實(shí)驗(yàn)平臺劃分成三個組成部分,即SPI實(shí)驗(yàn)通信部分、實(shí)驗(yàn)數(shù)據(jù)采集處理部分,以及組態(tài)控制部分,實(shí)驗(yàn)平臺的運(yùn)行框如圖1所示。

圖1 實(shí)驗(yàn)平臺運(yùn)行框示意圖

由圖1可知,上述實(shí)驗(yàn)平臺由通信中心、單片機(jī)轉(zhuǎn)換中心、信號調(diào)理中心組成,由于工業(yè)大數(shù)據(jù)的來源復(fù)雜,包括電壓、溫度等各種類型,因此要想獲取準(zhǔn)確的實(shí)驗(yàn)信息,必須通過主控制器傳輸實(shí)驗(yàn)數(shù)據(jù)。本實(shí)驗(yàn)利用調(diào)理電路處理了實(shí)驗(yàn)信號,進(jìn)行安全參數(shù)索引(security parameter index,SPI)傳輸轉(zhuǎn)換,此時生成的實(shí)驗(yàn)數(shù)據(jù)采集模塊如圖2所示。

圖2 實(shí)驗(yàn)數(shù)據(jù)采集模塊

由圖2可知,上述實(shí)驗(yàn)數(shù)據(jù)采集模塊主要使用A/D轉(zhuǎn)換器作為實(shí)驗(yàn)數(shù)據(jù)模擬采集器,其采集精度較高,含有8路輸入通道,在實(shí)驗(yàn)過程中,采集到的實(shí)驗(yàn)信號可以統(tǒng)一進(jìn)行處理,轉(zhuǎn)移到指定的實(shí)驗(yàn)中心。待實(shí)驗(yàn)?zāi)M量輸入后,端口的采樣開關(guān)和模數(shù)轉(zhuǎn)換定時器會立即進(jìn)行初始化,待模擬量傳輸至第一通道后啟動AD轉(zhuǎn)換,再將得到的實(shí)驗(yàn)數(shù)據(jù)存儲到寄存器中。為了降低實(shí)驗(yàn)的控制信號損耗,需要與實(shí)驗(yàn)現(xiàn)場進(jìn)行集成反饋,生成初始化實(shí)驗(yàn)工業(yè)大數(shù)據(jù)采集函數(shù)。

在實(shí)驗(yàn)過程中,需要不斷測定采集簇頭的平均能耗及總能耗,因此,在該過程要進(jìn)行多元數(shù)據(jù)傳輸,本實(shí)驗(yàn)在SPI總線的基礎(chǔ)上設(shè)置了SDISDOSCKCS四種實(shí)驗(yàn)信號,經(jīng)歷時鐘改變到達(dá)實(shí)驗(yàn)接口。實(shí)驗(yàn)使用的采集模塊的各個組成部分相互獨(dú)立,利用嵌入式主控制器進(jìn)行集中控制,建立實(shí)驗(yàn)連接,發(fā)送接收實(shí)驗(yàn)信號。SPI通信過程中,內(nèi)部的數(shù)據(jù)始終需要進(jìn)行串行發(fā)送,根據(jù)主時鐘的控制由字節(jié)高位傳輸至字節(jié)低位,此時的SPI傳輸數(shù)據(jù)圖如圖3所示。

圖3 SPI傳輸數(shù)據(jù)圖

由圖3可知,在實(shí)驗(yàn)數(shù)據(jù)傳輸前,需要預(yù)先進(jìn)行端口和寄存器初始化處理,有效設(shè)置時鐘的SPI頻率保證傳輸?shù)挠行浴?/p>

組態(tài)控制部分主要對實(shí)驗(yàn)需求進(jìn)行綜合分析,調(diào)整實(shí)驗(yàn)參數(shù),確保實(shí)驗(yàn)?zāi)苡行н\(yùn)行。本實(shí)驗(yàn)的組態(tài)控制中心主要由人機(jī)交互模塊、數(shù)據(jù)庫、數(shù)學(xué)運(yùn)算模塊、功能組件共同組成,在實(shí)驗(yàn)開始后,組態(tài)模塊可以立即傳輸實(shí)驗(yàn)數(shù)據(jù),存儲實(shí)驗(yàn)信號,有效地完成實(shí)驗(yàn)反饋。結(jié)合上述搭建的實(shí)驗(yàn)平臺及各個實(shí)驗(yàn)組成部分,可以設(shè)置實(shí)驗(yàn)參數(shù),如表1所示。

表1 實(shí)驗(yàn)參數(shù)

由表1可知,在實(shí)驗(yàn)過程中,可以將上述實(shí)驗(yàn)參數(shù)進(jìn)行任意組合,從而生成不同的簇頭采集輪數(shù),并以此為基礎(chǔ),進(jìn)行后續(xù)的工業(yè)大數(shù)據(jù)智能采集實(shí)驗(yàn)。

2.2 實(shí)驗(yàn)結(jié)果與討論

結(jié)合上述的實(shí)驗(yàn)準(zhǔn)備,可以進(jìn)行工業(yè)大數(shù)據(jù)智能采集實(shí)驗(yàn),即分別使用本文設(shè)計(jì)的基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法。第一種建模智能化大數(shù)據(jù)采集方法,以及第二種的基于工業(yè)軟件平臺的工業(yè)大數(shù)據(jù)智能化采集方法完成不同輪數(shù)的工業(yè)大數(shù)據(jù)智能采集,將實(shí)驗(yàn)采集分為簇頭平均能耗部分和總能耗部分,三種方法采集簇頭的平均能耗實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 簇頭采集平均能耗實(shí)驗(yàn)結(jié)果

由圖4可知,在基礎(chǔ)采集條件相同的情況下,本文設(shè)計(jì)的基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法在不同輪數(shù)下的采集簇頭平均能耗均較低,第一種的建模智能化大數(shù)據(jù)采集方法及第二種的基于工業(yè)軟件平臺的工業(yè)大數(shù)據(jù)智能化采集方法的采集簇頭平均能耗均較高,此時三種方法的簇頭采集總能耗實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 簇頭采集總能耗實(shí)驗(yàn)結(jié)果

由圖5可知,本文設(shè)計(jì)的基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法在不同輪數(shù)下的采集簇頭總能耗低于第一種的建模智能化大數(shù)據(jù)采集方法及第二種的基于工業(yè)軟件平臺的工業(yè)大數(shù)據(jù)智能化采集方法。

結(jié)合上述實(shí)驗(yàn)結(jié)果可知,本文設(shè)計(jì)的基于邊緣計(jì)算的工業(yè)大數(shù)據(jù)智能采集方法的簇頭采集平均能耗及總能耗最低,證明設(shè)計(jì)的智能采集方法的采集效果較好,具有可靠性,有一定的應(yīng)用價值。

3 結(jié)語

綜上所述,在經(jīng)濟(jì)發(fā)展背景下,我國的工業(yè)生產(chǎn)實(shí)力越來越強(qiáng),研發(fā)引進(jìn)了大量的智能化、數(shù)字化技術(shù),與此同時,我國的工業(yè)生產(chǎn)管理模式也由原來的人力管理逐漸轉(zhuǎn)化為智能化可視化管理,提高工業(yè)化生產(chǎn)管理水準(zhǔn)的同時也出現(xiàn)了大數(shù)據(jù)采集問題。研究表明,工業(yè)大數(shù)據(jù)的生產(chǎn)來源不同,數(shù)據(jù)格式也存在較大差異,難以進(jìn)行有效采集,因此,本文基于邊緣計(jì)算設(shè)計(jì)了一種全新的工業(yè)大數(shù)據(jù)智能采集方法。實(shí)驗(yàn)結(jié)果表明,設(shè)計(jì)的工業(yè)大數(shù)據(jù)智能采集方法的采集能耗較低,采集效果較好,具有可靠性,有一定的應(yīng)用價值。