基于態(tài)勢感知的發(fā)射機故障隱患智能預警系統(tǒng)應用研究

于海泉 吳金友 梁秀文

（作者單位：1.哈爾濱廣播器材有限責任公司；2.四川省廣播電視局520臺；3.四川省廣播電視新聞與傳播研究所）

隨著數(shù)字化、網(wǎng)絡化的快速發(fā)展，廣播電視行業(yè)正經(jīng)歷著變革。廣播電視發(fā)射機作為廣播電視信號傳輸?shù)暮诵脑O備，安全穩(wěn)定運行對于保障廣播電視信號的質量至關重要。然而，發(fā)射機設備由于電路線路老化、電子元器件性能衰減、供電、外部環(huán)境等因素的變化，故障隱患時有發(fā)生，對發(fā)射臺安全播出產生了嚴重影響。因此，研究如何利用先進的技術手段，實現(xiàn)發(fā)射機故障的態(tài)勢感知、故障隱患預警具有現(xiàn)實意義。

1 系統(tǒng)概述

運行態(tài)勢感知的發(fā)射機故障隱患智能預警系統(tǒng)是基于物聯(lián)網(wǎng)技術，將發(fā)射機設備與運行態(tài)勢傳感器相連，通過采集發(fā)射設備實時運行數(shù)據(jù)，對發(fā)射機設備實時態(tài)勢數(shù)據(jù)同預設故障參數(shù)閾值進行故障隱患關聯(lián)分析，實現(xiàn)對發(fā)射設備運行狀態(tài)的實時運行態(tài)勢感知；建立故障診斷模型和知識圖譜，通過故障數(shù)據(jù)多維多層分析技術，實現(xiàn)對故障點、故障類型和故障隱患原因的準確分析診斷和故障隱患預警提示。

2 系統(tǒng)功能

實時運行態(tài)勢感知和故障隱患診斷系統(tǒng)，是對發(fā)射機設備態(tài)勢數(shù)據(jù)的實時數(shù)據(jù)與預設故障參數(shù)閾值數(shù)據(jù)進行對比分析，分析判斷發(fā)射機設備是否存在故障隱患，若存在故障隱患，則邏輯推測出故障隱患源的位置、故障隱患出現(xiàn)的原因，多維度呈現(xiàn)當前數(shù)據(jù)分析情況。通過實時態(tài)勢感知和故障隱患關聯(lián)結果分析，能及時發(fā)現(xiàn)發(fā)射機設備的異常和故障隱患，掌握發(fā)射機設備的當前狀態(tài)，發(fā)現(xiàn)潛在故障隱患，進而采取相應的措施來保障系統(tǒng)的正常運行和故障隱患排查。同時，對數(shù)據(jù)進行分析和隱患排查，有助于對系統(tǒng)性能和運行狀態(tài)進行深入理解，為系統(tǒng)優(yōu)化和改進提供參考依據(jù)。

2.1 可視化呈現(xiàn)

將實時監(jiān)測數(shù)據(jù)和故障檢測結果以圖表、儀表盤、曲線圖等形式進行可視化展示，直觀地顯示系統(tǒng)的運行狀態(tài)和故障信息。通過可視化展示，可以快速觀察到異常數(shù)據(jù)和故障情況，并進行及時的反應和處理。

2.2 多維故障隱患分析

對實時監(jiān)測數(shù)據(jù)進行統(tǒng)計分析，計算各種統(tǒng)計指標，如均值、方差、最大值、最小值等。通過對數(shù)據(jù)的統(tǒng)計分析，可了解故障隱患數(shù)據(jù)的分布和異常趨勢，判斷發(fā)射機設備運行狀態(tài)數(shù)據(jù)是否偏離正常范圍。

2.3 異常趨勢分析

通過對實時數(shù)據(jù)進行趨勢分析，可以分析數(shù)據(jù)的變化和周期性趨勢。趨勢分析可以幫助技術人員發(fā)現(xiàn)發(fā)射機設備潛在的故障隱患或異常趨勢，例如逐漸增加或遞減的趨勢、數(shù)據(jù)突然變化點的位置等。利用異常檢測算法，對實時監(jiān)測數(shù)據(jù)進行異常檢測。通過檢測隱患數(shù)據(jù)中的異常值或異常模式，發(fā)現(xiàn)潛在的故障隱患。

2.4 故障隱患診斷

根據(jù)故障隱患分析結果和異常知識特征，使用故障診斷算法進行故障識別和原因分析。故障診斷算法可以根據(jù)已知的故障模式和歷史故障數(shù)據(jù)，對實時監(jiān)測數(shù)據(jù)進行匹配和推理，確定故障類型和故障原因。根據(jù)實時監(jiān)測數(shù)據(jù)和故障檢測結果，設置報警規(guī)則和閾值，當數(shù)據(jù)超出設定的范圍或故障被檢測到時，觸發(fā)預警告警（見圖1）。

圖1 發(fā)射機態(tài)勢感知預警界面①

3 系統(tǒng)實現(xiàn)目標

發(fā)射機智能運行態(tài)勢感知和故障預警系統(tǒng)是整合分散系統(tǒng)，實現(xiàn)數(shù)據(jù)共聯(lián)共享和價值最大化，改變數(shù)據(jù)孤島現(xiàn)象。

3.1 統(tǒng)一信息界面

建立一個統(tǒng)一的發(fā)射機設備運行態(tài)勢信息界面，將運行態(tài)勢數(shù)據(jù)匯聚。多維度呈現(xiàn)數(shù)據(jù)分析結果，包括實時數(shù)據(jù)、歷史數(shù)據(jù)、故障數(shù)據(jù)等，以便運維技術人員全面了解當前的數(shù)據(jù)分析處理情況。

3.2 匯聚與傳輸

將分散的運行狀態(tài)態(tài)勢感知采集傳感器連接起來，通過標準化的數(shù)據(jù)傳輸協(xié)議接口，確保運行狀態(tài)數(shù)據(jù)能夠在系統(tǒng)之間安全傳輸和數(shù)據(jù)共享。

3.3 存儲與管理

建立數(shù)據(jù)存儲和管理系統(tǒng)，用于集中存儲和管理監(jiān)控數(shù)據(jù)。構建數(shù)據(jù)湖（Data Lake）和數(shù)據(jù)倉庫（Data Warehouse），用于存儲原始數(shù)據(jù)和處理后的信息數(shù)據(jù)，以便后續(xù)進行數(shù)據(jù)分析和二次數(shù)據(jù)的挖掘利用。運用故障分析技術對故障隱患數(shù)據(jù)進行分析，挖掘數(shù)據(jù)中有價值的信息，包括利用機器學習算法進行故障預測、異常檢測、數(shù)據(jù)關聯(lián)等。

3.4 故障隱患可視預警

將分析處理后的數(shù)據(jù)通過可視化工具呈現(xiàn)在信息管理平臺上，以便值班人員直觀理解和辨識監(jiān)控數(shù)據(jù)。

4 態(tài)勢感知系統(tǒng)架構

4.1 態(tài)勢感知采集模塊

系統(tǒng)通過態(tài)勢感知傳感器，收集發(fā)射機設備運行狀態(tài)的各種數(shù)據(jù)。

4.1.1 發(fā)射機運行態(tài)勢感知采集

通過態(tài)勢感知傳感器直接獲取發(fā)射機的運行態(tài)勢數(shù)據(jù)，實時采集發(fā)射機運行狀態(tài)信息，包括入射功率、功放電壓、功放電流、激勵電壓、前級推動電壓等運行參數(shù)。

4.1.2 發(fā)射機運行指標測量

采用音頻特征分析技術，準確計算音頻之間的時延差，完成精確音頻信號的同步，通過對輸出信號和射頻耦合信號的計算得出信噪比、音頻頻率響應、諧波失真、載波跌落、正負調幅度不對稱度和頻率容限，用于在線測量發(fā)射機的關鍵運行指標，實時獲取發(fā)射機的運行指標信息。

基于音頻特征分析，判別假同步，降低測量誤差，提高同步的精確度?；跁r/頻分析，快速提取系統(tǒng)幅度頻率效應，隨時間變化曲線和信噪比變化曲線，完成發(fā)射機測試。

4.1.3 中波天線網(wǎng)絡阻抗匹配測量

采用定向耦合技術獲得入射和反射數(shù)據(jù)，將采集后的數(shù)據(jù)做快速傅里葉變換，獲得電壓波和電流波，通過計算得到歸一化的阻抗，進而計算獲得反射系數(shù)。

4.1.4 天調匹配網(wǎng)絡狀態(tài)測量

對天調匹配網(wǎng)絡進行數(shù)據(jù)采集分析，主要是對天線的阻抗的虛部、實部進行測試，測試結果以史密斯圓圖和表格形式進行呈現(xiàn)，實時監(jiān)測和測量天調匹配網(wǎng)絡的運行狀態(tài)。

4.1.5 電力運行數(shù)據(jù)采集

通過電力態(tài)勢傳感器，實時獲取電力輸入的狀態(tài)數(shù)據(jù)，采集廣播電視發(fā)射機所連接的電力系統(tǒng)的運行狀態(tài)信息，如電壓、電流、功率因數(shù)等。

4.1.6 調幅度采集

用于采集廣播電視發(fā)射機所連接的信號源的狀態(tài)信息，通過信號源監(jiān)測設備或信號源控制接口，實時監(jiān)測和采集信號源的狀態(tài)數(shù)據(jù)。

4.2 數(shù)據(jù)傳輸層

4.2.1 網(wǎng)絡通信

物聯(lián)網(wǎng)系統(tǒng)通過通信協(xié)議將采集到的數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理和存儲層。

4.2.2 網(wǎng)關設備

為了連接不同類型的發(fā)射機設備和運行態(tài)勢傳感器，可以使用網(wǎng)關設備來進行數(shù)據(jù)轉換和傳輸，將數(shù)據(jù)發(fā)送到云平臺或數(shù)據(jù)處理節(jié)點。

4.3 數(shù)據(jù)處理和存儲層

4.3.1 數(shù)據(jù)預處理

感知采集發(fā)射機的運行數(shù)據(jù)，包括播出指標如信號調幅度、運行狀態(tài)參數(shù)（如溫度、電壓、功率等）以及實時預警告警狀態(tài)（如故障信息、異常事件等）。對采集的數(shù)據(jù)進行預處理，包括數(shù)據(jù)清洗、去噪、參數(shù)缺失處理。

4.3.2 特征提取與選擇

從預處理的分析數(shù)據(jù)中提取關鍵特征信息，這些特征應能夠反映發(fā)射機的運行狀態(tài)和趨勢。可以使用特征工程技術，如統(tǒng)計特征、頻域特征、時域特征等，然后通過特征選擇算法選擇提取合適的特征數(shù)據(jù)。

云平臺存儲：物聯(lián)網(wǎng)數(shù)據(jù)可以存儲在云平臺上，以便進行實時或離線的數(shù)據(jù)處理和分析。云平臺具備可用性高、可擴展性和安全性強等特征，可處理大規(guī)模的數(shù)據(jù)流和存儲大量的物聯(lián)網(wǎng)數(shù)據(jù)。

數(shù)據(jù)庫存儲：物聯(lián)網(wǎng)數(shù)據(jù)可以存儲在分布式數(shù)據(jù)庫中，如NoSQL 數(shù)據(jù)庫（如MongoDB、Cassandra）或關系型數(shù)據(jù)庫（如MySQL、PostgreSQL）等。

4.4 應用與可視化層

4.4.1 應用開發(fā)與集成

根據(jù)具體需求，開發(fā)和集成各類應用程序和服務，如故障診斷應用、可視化監(jiān)控界面、數(shù)據(jù)報表和分析工具等。

4.4.2 用戶界面與控制

提供用戶友好的界面，讓用戶能夠實時監(jiān)控物聯(lián)網(wǎng)數(shù)據(jù)、查看分析結果，并進行相關的操作和控制。

5 功能關鍵技術

5.1 傳感技術

傳感技術是物聯(lián)網(wǎng)的基礎，通過各種傳感器（如溫度傳感器、濕度傳感器、光線傳感器等）獲取物理世界的信息。傳感技術包括傳感器的選擇、部署和數(shù)據(jù)采集等。

5.2 通信技術

物聯(lián)網(wǎng)設備之間需要進行數(shù)據(jù)交換和通信，常用的通信技術包括無線通信技術和有線通信技術，選擇適合的通信技術能夠實現(xiàn)設備之間的可靠連接和數(shù)據(jù)傳輸。

5.3 網(wǎng)絡技術

物聯(lián)網(wǎng)需要構建一個穩(wěn)定可靠的網(wǎng)絡基礎設施，用于連接物聯(lián)網(wǎng)設備和傳輸數(shù)據(jù)。網(wǎng)絡技術的選擇和配置能夠確保物聯(lián)網(wǎng)系統(tǒng)穩(wěn)定性和可擴展性。

5.4 數(shù)據(jù)存儲和處理技術

物聯(lián)網(wǎng)產生大量的數(shù)據(jù)，包括傳感器數(shù)據(jù)、設備狀態(tài)數(shù)據(jù)等。有效的數(shù)據(jù)存儲和處理技術可以高效地存儲和管理這些數(shù)據(jù)，例如云存儲、數(shù)據(jù)庫管理系統(tǒng)和大數(shù)據(jù)處理平臺等。

5.5 數(shù)據(jù)安全和隱私保護

物聯(lián)網(wǎng)涉及大量的數(shù)據(jù)傳輸和存儲，數(shù)據(jù)安全和隱私保護是至關重要的?？刹捎眉用芗夹g、身份認證、訪問控制等方法，保護物聯(lián)網(wǎng)系統(tǒng)的數(shù)據(jù)安全和用戶隱私。

5.6 故障排除策略的制定與實施

制定和實施故障排除策略是確保廣播電視發(fā)射機故障得到及時解決的關鍵步驟。

5.6.1 故障識別與分類

建立故障識別與分類系統(tǒng)，通過監(jiān)控和分析發(fā)射機運行狀態(tài)和參數(shù)來檢測故障。使用數(shù)據(jù)傳感器、監(jiān)控系統(tǒng)和自動化工具來實時采集并傳輸數(shù)據(jù)，利用大數(shù)據(jù)分析技術和機器學習技術對故障進行分類和故障等級分析。

5.6.2 故障優(yōu)先級評估

對檢測到的故障進行優(yōu)先級評估，根據(jù)故障的影響程度和緊急程度進行排序。幫助技術人員確定哪些故障需要立即解決，哪些可以稍后處理。

5.6.3 制定故障排除流程

根據(jù)發(fā)射機的特點和故障類型，制定故障排除流程。該流程包括故障原因診斷、故障點定位、實際故障排除方案選擇和實際實施等環(huán)節(jié)。流程應盡可能具體明確，便于運行維護人員按照標準化流程進行故障排除。

5.6.4 建立故障知識庫

將排除過程中的故障現(xiàn)象、診斷過程和解決方案記錄下來，形成一個故障知識庫。該知識庫包括故障案例、解決方案、維修歷史等信息，用于快速查詢和信息參考。

5.6.5 實施故障排除

按照制定的故障排除流程進行故障診斷、定位和實施排除方案。在整個過程中，需要記錄故障排除的每一步驟和結果，以便后續(xù)分析和知識積累。

5.6.6 監(jiān)控和評估

故障排除后進行發(fā)射機的狀態(tài)評估，確保故障已經(jīng)解決，并留心觀察是否存在其他潛在的故障隱患。

6 功能實現(xiàn)方法

6.1 故障感知與診斷算法

6.1.1 數(shù)據(jù)清洗與預處理

對接收到的監(jiān)控數(shù)據(jù)進行清洗和預處理，以確保數(shù)據(jù)的準確性和一致性。過程包括重復數(shù)據(jù)去除、數(shù)據(jù)值缺失處理、異常值處理等，以提高數(shù)據(jù)的可用性和故障檢測的準確性，降低誤報率，加快故障診斷的速度。

6.1.2 特征選擇與提取

通過對故障數(shù)據(jù)進行特征選擇與提取，選擇最具代表性的特征來描述故障模式。可以使用特征選擇算法（如相關性分析、方差選擇、信息增益等）來選擇最相關的特征，或者使用特征提取方法（如主成分分析、獨立成分分析等）來提取具有較高區(qū)分度的特征。

6.2 故障分類算法

針對不同類型的故障，選擇適合的分類算法進行優(yōu)化。常見的分類算法包括決策樹、支持向量機、樸素貝葉斯、神經(jīng)網(wǎng)絡等?？梢酝ㄟ^調整算法參數(shù)、改進特征選擇、引入集成學習等方法來提高分類算法的性能。

6.3 異常檢測算法改進

針對故障感知中的異常檢測任務，可以改進異常檢測算法來降低誤報率。例如，引入基于統(tǒng)計模型的異常檢測方法（如基于高斯混合模型、孤立森林等）或基于機器學習的異常檢測方法來提高檢測的準確性。

6.4 故障診斷模型優(yōu)化

對于故障診斷模型，可以使用大規(guī)模的故障數(shù)據(jù)進行模型的訓練和優(yōu)化。通過深度學習、遷移學習等技術，提高模型故障隱患診斷的準確性?？梢越Y合廣播電視領域的新知識和專家運行維護經(jīng)驗，引入規(guī)則推理方法來增強診斷模型的故障數(shù)據(jù)分析能力。

7 結語

本文通過對運行態(tài)勢感知的發(fā)射機故障隱患智能預警系統(tǒng)應用的研究，希望能夠助推廣播電視發(fā)射臺實現(xiàn)對發(fā)射機設備故障的實時態(tài)勢感知和故障隱患的預警和告警，提高播出設備設施故障隱患診斷的準確性和排除效率。同時，通過對故障知識的整理和分享，積累、傳承維護經(jīng)驗，提高廣播電視發(fā)射臺故障隱患排查能力，為保障廣播電視發(fā)射設備的安全正常運行提供技術支撐。