基于人工智能和大數(shù)據(jù)技術(shù)的新型自動(dòng)故障檢測(cè)器設(shè)計(jì)

摘要：經(jīng)過(guò)系統(tǒng)化分析，人工智能技術(shù)和大數(shù)據(jù)技術(shù)的應(yīng)用，可以促進(jìn)建筑行業(yè)能源消耗量的降低。為了達(dá)到降低能耗的目標(biāo)，核心在于通過(guò)分析、檢測(cè)能源應(yīng)用情況，借助智能化算法模型對(duì)數(shù)據(jù)進(jìn)行分析，從而識(shí)別存在的異常情況并做出有針對(duì)性的處理。以樓宇管理系統(tǒng)（building management system，BMS）為基礎(chǔ)，發(fā)揮神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)技術(shù)功能優(yōu)勢(shì)，提出一種故障檢測(cè)器設(shè)計(jì)方案，并通過(guò)試驗(yàn)分析，確定該檢測(cè)器具備實(shí)用性和準(zhǔn)確性，可以高效識(shí)別分析故障。

關(guān)鍵詞：人工智能；大數(shù)據(jù)技術(shù)；自動(dòng)故障檢測(cè)器；設(shè)計(jì)方案

中圖分類(lèi)號(hào)：TN806；TP277；TU201.4 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著科技的發(fā)展，人工智能技術(shù)和大數(shù)據(jù)技術(shù)日益成熟，其在我國(guó)多領(lǐng)域發(fā)揮重要作用。對(duì)于建筑行業(yè)而言，智能化成為主要發(fā)展方向，依托自動(dòng)化技術(shù)實(shí)現(xiàn)數(shù)據(jù)信息采集和分析，以實(shí)現(xiàn)處理效率的提升和更為精準(zhǔn)的故障識(shí)別。本文以人工智能技術(shù)和大數(shù)據(jù)技術(shù)為基礎(chǔ)，提出一種新型自動(dòng)故障檢測(cè)器設(shè)計(jì)方案，旨在為我國(guó)建筑領(lǐng)域智能化發(fā)展提供更多參考。

1 研究背景

隨著新技術(shù)的發(fā)展，人工智能技術(shù)、大數(shù)據(jù)技術(shù)等得到進(jìn)一步應(yīng)用，其為自動(dòng)化、智能化建設(shè)提供更多支持。對(duì)于建筑行業(yè)而言，基于節(jié)能、環(huán)保等理念，如何降低能耗成為關(guān)鍵任務(wù)。

目前，人工智能技術(shù)和大數(shù)據(jù)技術(shù)聯(lián)系更為緊密。人工智能作為一種新興技術(shù)，其可以在經(jīng)驗(yàn)中學(xué)習(xí)，掌握更多知識(shí)點(diǎn)。目前，自動(dòng)駕駛汽車(chē)等技術(shù)與人工智能存在不可分割的聯(lián)系，在技術(shù)應(yīng)用過(guò)程中，可以通過(guò)大量信息智能化處理，從而識(shí)別信息模式并且訓(xùn)練其掌握的基本規(guī)律，進(jìn)而依據(jù)該基本規(guī)律執(zhí)行任務(wù)。大數(shù)據(jù)技術(shù)的應(yīng)用為人工智能應(yīng)用提供多元化數(shù)據(jù)，可以助力其在更短時(shí)間內(nèi)掌握需要的信息數(shù)據(jù)并完成智能化分析[1]。

基于人工智能技術(shù)發(fā)展， 人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）作為一種機(jī)器學(xué)習(xí)技術(shù)，已在多領(lǐng)域得到應(yīng)用，該技術(shù)可以降低誤差帶來(lái)的干擾。該技術(shù)由輸入層、隱藏層和輸出層3 個(gè)部分組成，3 個(gè)層級(jí)之間聯(lián)系緊密、不可分離。以建筑工程故障檢測(cè)為基礎(chǔ)進(jìn)行分析，當(dāng)前樓宇管理系統(tǒng)（building management system，BMS）應(yīng)用較為廣泛，其是現(xiàn)代化商業(yè)樓宇實(shí)現(xiàn)智能化管控的關(guān)鍵。該系統(tǒng)的科學(xué)應(yīng)用不僅可以保證樓宇各個(gè)部分按照預(yù)設(shè)標(biāo)準(zhǔn)運(yùn)行，達(dá)到預(yù)期設(shè)定目標(biāo)，還可以降低人工勞動(dòng)強(qiáng)度，提升管理效率。該系統(tǒng)的應(yīng)用在降低安全風(fēng)險(xiǎn)、提升客戶(hù)滿(mǎn)意度等方面具有重要意義。

基于此，本文提出了一種新型自動(dòng)故障檢測(cè)器設(shè)計(jì)方案，該檢測(cè)器以人工智能技術(shù)和大數(shù)據(jù)技術(shù)為基礎(chǔ)。

2 基于人工智能和大數(shù)據(jù)技術(shù)的新型自動(dòng)故障檢測(cè)器設(shè)計(jì)方案分析

2.1 設(shè)計(jì)思路

當(dāng)前多數(shù)建筑以電力為主要能源，但在實(shí)際應(yīng)用過(guò)程中，會(huì)由于BMS 出現(xiàn)設(shè)備故障和錯(cuò)誤配置等問(wèn)題，導(dǎo)致整體運(yùn)行無(wú)法達(dá)到預(yù)期，造成能源損失。例如，錯(cuò)誤配置的設(shè)定值會(huì)導(dǎo)致傳感器和執(zhí)行器無(wú)法正常發(fā)揮作用，其獲取的實(shí)際信息與預(yù)測(cè)值之間存在差異，使故障檢測(cè)器失去作用。

基于這些問(wèn)題，BMS 的應(yīng)用可以為建筑智能化管控提供支持，但該技術(shù)對(duì)硬件、軟件提出高要求。因此，本文基于成本、性能和可靠性3 個(gè)方面內(nèi)容，以BMS 為基礎(chǔ)，結(jié)合人工智能技術(shù)和大數(shù)據(jù)技術(shù)對(duì)其進(jìn)行改進(jìn)，提出更為完善的方案。

2.2 設(shè)計(jì)原理

本文以BMS 為例，發(fā)揮大數(shù)據(jù)技術(shù)和人工智能技術(shù)優(yōu)勢(shì)，提出故障檢測(cè)器設(shè)計(jì)方案。該檢測(cè)器可以發(fā)揮人工智能和大數(shù)據(jù)功能，實(shí)現(xiàn)數(shù)據(jù)信息自動(dòng)化集成，并通過(guò)人工智能分析，自動(dòng)檢測(cè)和診斷故障[2]。以BMS 為核心，其中大數(shù)據(jù)平臺(tái)發(fā)揮存儲(chǔ)和處理功能，對(duì)新收集及歷史BMS 數(shù)據(jù)進(jìn)行智能化檢測(cè)，判定是否存在故障，基于大數(shù)據(jù)技術(shù)的BMS 架構(gòu)如圖1 所示。

基于系統(tǒng)設(shè)計(jì)思路，本文提出一款基于大數(shù)據(jù)分析技術(shù)的檢測(cè)器設(shè)計(jì)方案，該檢測(cè)器本質(zhì)是一款新型故障監(jiān)測(cè)工具（fault detection tool，F(xiàn)DT），以BMS 為基礎(chǔ)，在日常檢測(cè)過(guò)程中，發(fā)揮大數(shù)據(jù)技術(shù)優(yōu)勢(shì)，實(shí)現(xiàn)異常能耗智能化檢測(cè)和自動(dòng)化識(shí)別。該軟件在應(yīng)用過(guò)程中，大數(shù)據(jù)技術(shù)發(fā)揮效用，輔助BMS 采集數(shù)據(jù)，如建筑溫度、電力運(yùn)行參數(shù)等，然后通過(guò)整合分析收集的數(shù)據(jù)，對(duì)照預(yù)設(shè)模型，判斷數(shù)據(jù)是否存在異常。但是，由于獲取的數(shù)據(jù)集合具備時(shí)間序列特征，因此，需要利用時(shí)態(tài)數(shù)據(jù)庫(kù)模型完成數(shù)據(jù)分析和模型構(gòu)建。FDT 軟件基本架構(gòu)如圖2 所示。

2.3 神經(jīng)網(wǎng)絡(luò)故障檢測(cè)

為了提升系統(tǒng)自動(dòng)化檢測(cè)功能優(yōu)勢(shì)，除了發(fā)揮大數(shù)據(jù)功能外，還需要確保系統(tǒng)具備基于歷史數(shù)據(jù)和實(shí)時(shí)采集數(shù)據(jù)分析能力，以實(shí)現(xiàn)自動(dòng)化故障檢測(cè)。本文以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，并結(jié)合FDT 軟件基本架構(gòu)、BMS 和大數(shù)據(jù)平臺(tái)架構(gòu)特點(diǎn)，提出一種更為智能的自動(dòng)故障檢測(cè)器設(shè)計(jì)方案。

第一，保證FDT 具備實(shí)時(shí)性。想要達(dá)成該目標(biāo)需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，在此過(guò)程中，以采集的數(shù)據(jù)信息為基礎(chǔ)，判斷信息數(shù)據(jù)是否完整，并且對(duì)于存在缺失的數(shù)據(jù)需要進(jìn)行替換；對(duì)于不完整數(shù)據(jù)信息需要標(biāo)注，并將其剔除出應(yīng)用數(shù)據(jù)類(lèi)別；對(duì)于極端數(shù)值需要舍去。同時(shí)，還需要基于實(shí)際需求，對(duì)采集的數(shù)據(jù)信息進(jìn)行智能化處理，如數(shù)據(jù)集成、數(shù)據(jù)還原、數(shù)據(jù)離散化及數(shù)據(jù)轉(zhuǎn)換等。在此過(guò)程中，為了保證處理效率會(huì)應(yīng)用各種工具，但預(yù)處理環(huán)節(jié)產(chǎn)生的數(shù)據(jù)是后續(xù)分析和故障診斷的基礎(chǔ)，所以必須保證數(shù)據(jù)的真實(shí)性和完整性[3]。

第二，構(gòu)建可行的模型和指標(biāo)。經(jīng)過(guò)系統(tǒng)分析，本文選擇以重要度評(píng)分為基礎(chǔ)，構(gòu)建源元素對(duì)目標(biāo)元素行為影響模型。利用該模型分析輸入數(shù)據(jù)對(duì)輸出數(shù)據(jù)行為的影響作用，確定可操作的數(shù)據(jù)處理量和范圍。在此過(guò)程中，將源元素的讀數(shù)、目標(biāo)元素的讀數(shù)、源元素對(duì)記錄的目標(biāo)元素的累積影響進(jìn)行關(guān)聯(lián)，然后利用ANN 模型進(jìn)行模型訓(xùn)練，進(jìn)而通過(guò)公式和模型分析，確定目標(biāo)組件值[4]。

2.4 算法功能

該算法主要功能如下：首先，對(duì)采集的數(shù)據(jù)信息進(jìn)行預(yù)處理，去除其中存在遺漏的信息以及極端數(shù)值；其次，比較實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)中各參數(shù)值。如果兩組數(shù)據(jù)每個(gè)參數(shù)值的遵從度都不高于5%，則證明該結(jié)果達(dá)到要求，算法則自動(dòng)關(guān)閉；如果遵從度高于5%，則證明存在故障，此時(shí)會(huì)向操作中心發(fā)送錯(cuò)誤信息、自動(dòng)示警并同步保存報(bào)告，以便于后續(xù)查看。

3 檢驗(yàn)測(cè)試分析

為了有效驗(yàn)證本文提出的自動(dòng)故障檢測(cè)器設(shè)計(jì)方案是否具備實(shí)用價(jià)值，本文開(kāi)展檢驗(yàn)測(cè)試進(jìn)行分析。為了保證結(jié)果具備參考意義，系統(tǒng)共進(jìn)行兩次測(cè)試，每一次測(cè)試應(yīng)用不同的測(cè)試數(shù)據(jù)集，測(cè)試結(jié)果如下。

3.1 第一個(gè)測(cè)試數(shù)據(jù)集分析

第一個(gè)測(cè)試數(shù)據(jù)集由Energy Plus 軟件生成，為了更好地評(píng)估系統(tǒng)性能，創(chuàng)建兩個(gè)不同的數(shù)據(jù)集，將其命名為過(guò)去的電力應(yīng)用數(shù)據(jù)集和現(xiàn)階段電力應(yīng)用數(shù)據(jù)集。為了確保收集信息全面、完善，足以代表實(shí)際情況，應(yīng)用Energy Plus 這一模擬工具模擬某住宅建筑工程一年的電力運(yùn)行過(guò)程。其中，過(guò)去的電力應(yīng)用數(shù)據(jù)集經(jīng)過(guò)預(yù)處理、建模等工序后，以XML 文件格式進(jìn)行存儲(chǔ)。對(duì)于現(xiàn)階段電力應(yīng)用數(shù)據(jù)集，同樣通過(guò)Energy Plus 模擬工具，模擬案例建筑工程實(shí)際電力應(yīng)用情況[5]。此外，為了保證用電數(shù)據(jù)信息科學(xué)可信，隨機(jī)提取部分?jǐn)?shù)據(jù)加入噪聲，將該組數(shù)據(jù)作為異常故障，便于后續(xù)的結(jié)果對(duì)照分析，以測(cè)試系統(tǒng)運(yùn)行功能。

測(cè)試結(jié)果表明，該檢測(cè)器可以識(shí)別建筑工程中存在的異常情況，自動(dòng)檢測(cè)故障，并且將結(jié)果傳輸給操作中心，便于操作人員采取適宜行動(dòng)。同時(shí)，該方法準(zhǔn)確性較高。

3.2 第二個(gè)測(cè)試數(shù)據(jù)集分析

為了測(cè)試該系統(tǒng)在大型建筑層面的應(yīng)用情況，本文以某大型建筑為研究基礎(chǔ)，該建筑包含大廳、辦公室、數(shù)據(jù)室及動(dòng)力室等部分。借助BMS 采集得到數(shù)據(jù)信息。為了保證數(shù)據(jù)采集合理，案例區(qū)域每個(gè)房間均配備空調(diào)機(jī)組，該設(shè)施可以保證房間內(nèi)各設(shè)備借助控制面板實(shí)現(xiàn)智能化管控。同時(shí)，空調(diào)控制送風(fēng)風(fēng)扇的轉(zhuǎn)速、中央暖氣散熱器閥門(mén)開(kāi)關(guān)等。例如，當(dāng)窗戶(hù)開(kāi)啟時(shí)，空調(diào)會(huì)自動(dòng)關(guān)閉。最終采集的數(shù)據(jù)集是由30 460 個(gè)XML 文件組成的。應(yīng)用FDT 軟件，如果存在異常情況，自動(dòng)故障采集會(huì)被觸發(fā)，向操作中心示警，此時(shí)執(zhí)行預(yù)設(shè)程序，直到恢復(fù)正常狀態(tài)為止[6]。

測(cè)試結(jié)果表明，該系統(tǒng)的測(cè)試準(zhǔn)確率高達(dá)99%，誤差較小，在智能化識(shí)別和自動(dòng)檢測(cè)故障方面具備明顯優(yōu)勢(shì)。

4 結(jié)語(yǔ)

綜上，本文基于人工智能技術(shù)和大數(shù)據(jù)技術(shù)優(yōu)勢(shì)，提出一種新型自動(dòng)故障檢測(cè)器，其可以通過(guò)數(shù)據(jù)采集和智能化分析處理，檢測(cè)異常情況，進(jìn)而將采集的異常信息數(shù)據(jù)傳輸給操作中心，便于其基于建筑當(dāng)前狀態(tài)和用戶(hù)具體需求，優(yōu)化操作方案。同時(shí)，該檢測(cè)器具備故障分析、投訴和終止故障等功能。通過(guò)系統(tǒng)化分析，該設(shè)計(jì)方案準(zhǔn)確率較高，各項(xiàng)功能滿(mǎn)足預(yù)期。

參考文獻(xiàn)

[1] 張偉，王均. 人工智能技術(shù)在電氣自動(dòng)化控制中的運(yùn)用探討[J]. 信息系統(tǒng)工程，2023（9）：67-70.

[2] 楊嘉琦. 人工智能在機(jī)械設(shè)計(jì)制造及其自動(dòng)化中的應(yīng)用[J]. 今日自動(dòng)化，2023（7）：85-88.

[3] 高楊，黃一哲. 基于小波神經(jīng)網(wǎng)絡(luò)的傳感器故障自動(dòng)檢測(cè)方法[J]. 長(zhǎng)江信息通信，2023，36（8）：23-25.

[4] 劉麗麗，杜永鋒. 通信設(shè)備技術(shù)指標(biāo)自動(dòng)測(cè)試與故障診斷系統(tǒng)設(shè)計(jì)[J]. 軟件，2023，44（5）：52-56.

[5] 陳濤. 自動(dòng)巡檢機(jī)器人故障檢測(cè)系統(tǒng)[J]. 南方農(nóng)機(jī)，2023，54（19）：129-132.

[6] 趙華，張世軍，呂小芳. 基于PLC 的電氣自動(dòng)化儀器儀表故障檢測(cè)系統(tǒng)分析與設(shè)計(jì)[J]. 自動(dòng)化應(yīng)用，2023，64（3）：120-122，127.