一種基于大數(shù)據(jù)分析和數(shù)字孿生的微波爐智能檢測(cè)方法

摘要：為了更加智能化地提高微波爐的檢測(cè)效率，文章提出了基于大數(shù)據(jù)分析和數(shù)字孿生的微波爐智能檢測(cè)方法，通過(guò)將微波爐的歷史運(yùn)行數(shù)據(jù)傳輸?shù)酱髷?shù)據(jù)分析平臺(tái)，計(jì)算數(shù)據(jù)的互信息，選擇出主要的特征變量，然后計(jì)算特征變量的特征權(quán)重、耗損閾值和總耗損閾值，完成初步的數(shù)據(jù)分析；根據(jù)微波爐的實(shí)時(shí)運(yùn)行數(shù)據(jù)，構(gòu)建數(shù)字孿生體模型，大數(shù)據(jù)分析平臺(tái)篩選出主要的特征變量并計(jì)算每個(gè)變量的耗損值和總耗損值，通過(guò)與指標(biāo)進(jìn)行比較，可以判斷出微波爐的故障部位和微波爐是否達(dá)到壽命期限，以方便人工維修更換。

關(guān)鍵詞：大數(shù)據(jù)分析；數(shù)字孿生；微波爐智能檢測(cè)

中圖分類號(hào)：TP312" 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著我國(guó)對(duì)微波爐設(shè)備在太空等極端環(huán)境下可靠性要求的不斷提高，迫切需要研發(fā)新一代微波爐的智能檢測(cè)技術(shù)。大數(shù)據(jù)分析是指利用數(shù)據(jù)分析工具和數(shù)據(jù)分析方法對(duì)歷史數(shù)據(jù)進(jìn)行深度的分析和挖掘，產(chǎn)生可視化報(bào)告，便于人工分析并通過(guò)分析算法對(duì)未來(lái)的數(shù)據(jù)進(jìn)行推斷，具有預(yù)測(cè)性。數(shù)字孿生是近年來(lái)的一項(xiàng)新興技術(shù)，具有很大的前景和潛力，甚至有重塑整個(gè)行業(yè)和社會(huì)的作用，它是一個(gè)大規(guī)模的集成系統(tǒng)，遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)的基于計(jì)算機(jī)的分析。它將物理系統(tǒng)的所有元素、過(guò)程、動(dòng)態(tài)和固件復(fù)制到數(shù)字對(duì)等體中，物理系統(tǒng)和數(shù)字系統(tǒng)同時(shí)存在，通過(guò)實(shí)時(shí)數(shù)據(jù)通信和信息傳輸共享所有輸入和操作，同時(shí)數(shù)字孿生體能夠提供無(wú)縫監(jiān)控、分析、評(píng)估和預(yù)測(cè)。作為數(shù)據(jù)監(jiān)控和分析的有效手段，數(shù)字孿生和大數(shù)據(jù)分析在工業(yè)設(shè)備診斷方面具有很大的應(yīng)用前景。本文提出利用大數(shù)據(jù)分析和數(shù)字孿生來(lái)對(duì)微波爐進(jìn)行智能檢測(cè)，為促進(jìn)微波爐高效率、高可靠地運(yùn)行，提供全新的思路。

1 大數(shù)據(jù)分析和數(shù)字孿生概述

1.1 大數(shù)據(jù)分析的定義和優(yōu)點(diǎn)

大數(shù)據(jù)指的是數(shù)據(jù)集具備大量、多樣性和對(duì)處理速度要求高等特征時(shí)的情況，而大數(shù)據(jù)分析指在大型復(fù)雜應(yīng)用程序中處理數(shù)據(jù)集并使用分析技術(shù)，這些應(yīng)用程序須采用先進(jìn)且專門的存儲(chǔ)、管理、分析和可視化技術(shù)。常見的大數(shù)據(jù)分析技術(shù)有統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、優(yōu)選法等。其中，統(tǒng)計(jì)的方法是非常迅速的，但是不夠變通和靈活，通常不能處理非結(jié)構(gòu)化和異構(gòu)數(shù)據(jù)集的需求；機(jī)器學(xué)習(xí)算法多樣復(fù)雜，能夠利用數(shù)據(jù)理解復(fù)雜的行為，但非常消耗時(shí)間；數(shù)據(jù)挖掘一般是基于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的，是大數(shù)據(jù)分析的基石；優(yōu)選法有粒子濾波和遺傳算法等方法，在大數(shù)據(jù)分析中處理數(shù)據(jù)的速度相對(duì)受限。大數(shù)據(jù)分析的應(yīng)用簡(jiǎn)化了從數(shù)據(jù)中提取見解的過(guò)程并增強(qiáng)了對(duì)描述性分析、規(guī)范性分析和預(yù)測(cè)性分析方法的理解。通過(guò)使用大數(shù)據(jù)分析，企業(yè)能夠更有效地收集和分析數(shù)據(jù)，從而做出決策和預(yù)測(cè)，提高工作的效率。

1.2 數(shù)字孿生的定義和優(yōu)點(diǎn)

數(shù)字孿生最初被定義為物理實(shí)體的數(shù)字化表示^［1］，通過(guò)數(shù)據(jù)傳輸層與相應(yīng)的實(shí)物相連，主要包括物理實(shí)體、虛擬模型和虛實(shí)映射的傳輸層3個(gè)基本要素^［2］。隨著技術(shù)的進(jìn)步，陶飛等^［3］將該概念擴(kuò)展為5個(gè)維度，其中涵蓋物理層、虛擬層、服務(wù)層及其通過(guò)孿生數(shù)據(jù)相互聯(lián)系的機(jī)制，這些元素構(gòu)成了數(shù)字孿生技術(shù)的核心內(nèi)容。通過(guò)數(shù)字孿生技術(shù)搭建的仿真平臺(tái)，可以在虛擬環(huán)境中實(shí)現(xiàn)高實(shí)時(shí)性和高可視化的仿真操作，從而達(dá)到與實(shí)際物理對(duì)象高度相似的效果。測(cè)試人員能夠在孿生環(huán)境中進(jìn)行算法的驗(yàn)證、迭代和優(yōu)化，從而提高算法的可信度，提升系統(tǒng)測(cè)試的效率并減少研發(fā)周期和成本。

2 5G通信和衛(wèi)星空天地一體化通信概述

近年來(lái)，工業(yè)網(wǎng)絡(luò)的無(wú)線化趨勢(shì)明顯，特別是5G技術(shù)在工業(yè)領(lǐng)域的應(yīng)用展現(xiàn)出巨大潛力。5G在大帶寬、低延時(shí)、低功耗和廣泛接入等方面具有明顯優(yōu)勢(shì)^［4］，它是一種綜合了增強(qiáng)移動(dòng)寬帶、海量連接和高可靠性的新興技術(shù)^［5］，能夠快速實(shí)現(xiàn)人與人、人與物、物與物的全方位連接，推動(dòng)了通信技術(shù)、信息技術(shù)與控制技術(shù)的深入融合，促進(jìn)了通信、感知、計(jì)算和控制的緊密結(jié)合。

衛(wèi)星空天地一體化網(wǎng)絡(luò)通過(guò)衛(wèi)星、地面基站和終端設(shè)備的協(xié)同工作，構(gòu)建了一個(gè)廣泛覆蓋、無(wú)縫連接的網(wǎng)絡(luò)體系^［6］。該網(wǎng)絡(luò)利用5G的高速、低延時(shí)和大連接優(yōu)勢(shì)，整合多種資源，提供高效穩(wěn)定的數(shù)據(jù)傳輸服務(wù)。其應(yīng)用范圍廣泛，包括應(yīng)急救援、遠(yuǎn)程監(jiān)控等，顯著提升了信息傳遞的可靠性和實(shí)時(shí)性，為多種應(yīng)用場(chǎng)景提供了強(qiáng)有力的技術(shù)支持。

3 基于大數(shù)據(jù)分析和數(shù)字孿生的微波爐智能檢測(cè)方法

基于大數(shù)據(jù)分析和數(shù)字孿生的微波爐智能檢測(cè)，是指利用數(shù)字孿生技術(shù)實(shí)時(shí)模擬實(shí)體微波爐的運(yùn)行狀態(tài)，同時(shí)利用大數(shù)據(jù)分析工具和算法智能監(jiān)測(cè)微波爐各個(gè)部位的可靠性和耗損程度。數(shù)字孿生可以更直觀地呈現(xiàn)微波爐實(shí)時(shí)的健康狀態(tài)，讓人眼能直接感受到，相對(duì)于傳統(tǒng)模式，大數(shù)據(jù)分析則能更加全面的利用傳感器的歷史信息，從而更加高效率和可靠地對(duì)微波爐的各個(gè)部位進(jìn)行診斷和預(yù)測(cè)。下文將重點(diǎn)介紹基于大數(shù)據(jù)分析和數(shù)字孿生的微波爐智能檢測(cè)方法，整體的流程如圖1所示。

3.1 采集微波爐的歷史運(yùn)行數(shù)據(jù)到大數(shù)據(jù)分析平臺(tái)

微波爐的歷史運(yùn)行數(shù)據(jù)能夠體現(xiàn)微波爐各個(gè)部件的運(yùn)行健康狀態(tài)的規(guī)律性，通過(guò)采集微波爐歷史數(shù)據(jù)到大數(shù)據(jù)分析平臺(tái)進(jìn)行分析，為微波爐的智能檢測(cè)做準(zhǔn)備。

3.2 大數(shù)據(jù)分析平臺(tái)對(duì)歷史數(shù)據(jù)進(jìn)行分析

大數(shù)據(jù)分析平臺(tái)對(duì)歷史運(yùn)行數(shù)據(jù)的處理如圖2所示，包括計(jì)算互信息、計(jì)算特征權(quán)重、計(jì)算耗損閾值和計(jì)算總耗損閾值4個(gè)步驟。

大數(shù)據(jù)分析平臺(tái)接收到歷史數(shù)據(jù)后，首先計(jì)算微波爐每個(gè)部位特征變量和是否故障這個(gè)變量間的互信息。互信息是變量間是否相互依賴的一種可信度，通過(guò)分析互信息，選擇出對(duì)微波爐的運(yùn)行健康狀態(tài)影響大的特征參數(shù)。假設(shè)微波爐的各個(gè)部位的特征表示為（A1，A2，A3，…），B表示微波爐是否健康的變量，計(jì)算A各種變量和B變量的互信息，計(jì)算公式如下。

Ii（Ai;B）=p（Ai;B）logp（Ai;B）p（Ai）p（B）（1）

式（1）中，p（Ai;B）是A各種變量和B變量的聯(lián)合概率分布函數(shù)；p（Ai）和p（B）是各自變量的邊緣概率分布函數(shù)?；バ畔⒃酱螅硎驹撎卣髯兞繉?duì)微波爐的健康狀態(tài)的影響就越大；互信息越小，表示該特征變量和微波爐的健康狀態(tài)變量的相關(guān)性越小。

通過(guò)對(duì)不同特征變量的互信息進(jìn)行排序，選擇出靠前的10個(gè)特征變量，實(shí)現(xiàn)特征的降維，從而降低處理數(shù)據(jù)的難度，10個(gè)特征變量表示為（A1，A2，A3，…，A10）。對(duì)這10個(gè)特征變量的互信息進(jìn)行歸一化處理并計(jì)算特征權(quán)重，計(jì)算公式如下。

Ci=Ai∑10i=1Ai（2）

式（2）中，Ci表示不同變量所對(duì)應(yīng)的特征權(quán)重。下一步計(jì)算每個(gè)特征變量的耗損閾值，記為Di，計(jì)算公式如下。

Di=Ei-Fi（3）

式（3）中，Ei表示零件部位將要損壞時(shí)的傳感器運(yùn)行參數(shù)，F(xiàn)i表示零件正常運(yùn)行時(shí)的傳感器參數(shù)。通過(guò)分析每個(gè)特征變量的耗損閾值可以判斷出該零件部位是否到達(dá)最大壽命。

下一步計(jì)算出微波爐的總耗損閾值G。因?yàn)椴煌慵课粚?duì)微波爐的壽命有不同影響，所以總耗損閾值和特征權(quán)重有關(guān)，計(jì)算公式如下。

G=∑10i=1CiDi（4）

通過(guò)判斷總耗損閾值，確定微波爐的整體壽命是否到期，是否須要更換新的微波爐。

3.3 采集物理微波爐實(shí)體的實(shí)時(shí)運(yùn)行數(shù)據(jù)到數(shù)據(jù)存儲(chǔ)中心

在微波爐內(nèi)部裝配傳感器采集模塊，實(shí)時(shí)地采集磁控管電流電壓、磁控管溫度、變頻板電流電壓等核心部件運(yùn)行參數(shù)數(shù)據(jù)，通過(guò)通用異步收發(fā)器（Universal Asynchronous Receiver/Transmitter，UART）或WiFi通信模塊，將所采集的數(shù)據(jù)發(fā)送到數(shù)據(jù)存儲(chǔ)中心。微波爐的硬件功能結(jié)構(gòu)如圖3所示。

3.4 通過(guò)5G或者天地通信的方式，將數(shù)據(jù)存儲(chǔ)中心的緩存數(shù)據(jù)傳輸?shù)奖O(jiān)控中心

在5G信號(hào)良好的環(huán)境中，數(shù)據(jù)緩存中心利用5G傳輸緩存數(shù)據(jù)，當(dāng)在海上或者太空等惡劣環(huán)境中時(shí)，可以通過(guò)天地通信的方式，利用通信衛(wèi)星進(jìn)行數(shù)據(jù)的傳輸。

3.5 監(jiān)控中心構(gòu)建微波爐的數(shù)字孿生體模型

通過(guò)傳感器接收微波爐的實(shí)時(shí)運(yùn)行數(shù)據(jù)，構(gòu)建數(shù)字孿生體模型，數(shù)字孿生體模型能夠直觀地以數(shù)字化的形式表征微波爐每個(gè)零件部位的運(yùn)行狀態(tài)，具體包括物理模型的構(gòu)建、數(shù)據(jù)模型的構(gòu)建和模型集成，數(shù)字孿生體的構(gòu)建如圖4所示。

物理模型的構(gòu)建包括系統(tǒng)建模、組件建模和參數(shù)確定。系統(tǒng)建模是根據(jù)微波爐的工作原理，建立一個(gè)包含微波產(chǎn)生、傳播和加熱過(guò)程的物理模型。此模型采用熱傳導(dǎo)方程、流體力學(xué)方程來(lái)描述微波與食物之間的相互作用。組件建模是細(xì)化每個(gè)組件（微波發(fā)生器、轉(zhuǎn)盤、傳感器等）的行為，使用有限元分析或計(jì)算流體動(dòng)力學(xué)模擬其在不同條件下的性能。參數(shù)確定即通過(guò)實(shí)驗(yàn)測(cè)量和文獻(xiàn)資料，確定模型中的關(guān)鍵參數(shù)，如微波頻率、能量轉(zhuǎn)換效率、熱傳導(dǎo)系數(shù)等。

數(shù)據(jù)模型的構(gòu)建包括數(shù)據(jù)收集，特征提取和建模與預(yù)測(cè)。數(shù)據(jù)采集即通過(guò)傳感器收集實(shí)時(shí)數(shù)據(jù)，包括溫度、功率、運(yùn)行時(shí)間、用戶設(shè)置等，構(gòu)成豐富的時(shí)序數(shù)據(jù)集。特征提取即對(duì)收集的數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，識(shí)別出影響微波爐性能的重要特征，如溫度變化速率、功率波動(dòng)等。建模與預(yù)測(cè)即使用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)方法，構(gòu)建數(shù)據(jù)模型，利用回歸分析、時(shí)間序列預(yù)測(cè)或神經(jīng)網(wǎng)絡(luò)等技術(shù)，建立食物加熱效果與傳感器數(shù)據(jù)之間的關(guān)系模型。

模型集成包括融合物理與數(shù)據(jù)模型和實(shí)時(shí)監(jiān)控與反饋模型2個(gè)步驟。融合物理與數(shù)據(jù)模型是將物理模型與數(shù)據(jù)模型結(jié)合，形成一個(gè)綜合性的數(shù)字孿生體，通過(guò)仿真與實(shí)時(shí)數(shù)據(jù)對(duì)比，不斷優(yōu)化和校準(zhǔn)模型。實(shí)時(shí)監(jiān)控與反饋模型即實(shí)現(xiàn)數(shù)字孿生體的實(shí)時(shí)監(jiān)控能力，根據(jù)傳感器數(shù)據(jù)調(diào)整物理模型的參數(shù)，確保其能動(dòng)態(tài)反映微波爐的實(shí)際運(yùn)行狀態(tài)。

3.6 大數(shù)據(jù)分析平臺(tái)接收數(shù)字孿生體模型的數(shù)據(jù)進(jìn)行數(shù)據(jù)檢測(cè)

大數(shù)據(jù)分析平臺(tái)接收數(shù)字孿生體模型發(fā)送的數(shù)據(jù)進(jìn)行智能檢測(cè)的步驟如圖2所示，包括篩選特征變量、計(jì)算耗損值和計(jì)算總耗損值3個(gè)步驟。

篩選特征變量只選擇大數(shù)據(jù)分析平臺(tái)的10個(gè)特征變量的數(shù)據(jù)，達(dá)到無(wú)關(guān)數(shù)據(jù)濾除的目的。假設(shè)實(shí)時(shí)接收的10個(gè)特征變量的數(shù)值表示為（H1，H2，H3，…，H10），計(jì)算這10個(gè)特征變量的耗損值，記為Ji，計(jì)算公式如下。

Ji=Hi-Fi（5）

計(jì)算耗損值后與之前預(yù)先計(jì)算的特征變量的耗損閾值比較，如果1號(hào)特征變量的耗損值大于耗損閾值，則表示1號(hào)零件有損壞，已到達(dá)使用壽命期限，須要更新該零件。下一步根據(jù)特征權(quán)重計(jì)算總耗損值K，它表示微波爐的一個(gè)整體健康狀態(tài)，總耗損值的計(jì)算公式如下。

K=∑10i=1CiJi（6）

將總耗損值K和總耗損閾值G進(jìn)行比較，判斷微波爐的一個(gè)整體運(yùn)行健康狀態(tài)。假如總耗損值大于總耗損閾值，則表示微波爐已到壽命期限，須要更換新的微波爐。

3.7 大數(shù)據(jù)分析平臺(tái)將檢測(cè)結(jié)果回傳到數(shù)據(jù)存儲(chǔ)中心

大數(shù)據(jù)分析平臺(tái)通過(guò)智能檢測(cè)可以檢測(cè)出微波爐具體某一部位零件數(shù)據(jù)的異常，從而判斷零件是否損壞，同時(shí)能判斷出微波爐是否到達(dá)壽命期限需要更換新的微波爐，將這些檢測(cè)結(jié)果通過(guò)5G或者天地通信的方式傳輸?shù)綌?shù)據(jù)存儲(chǔ)中心。

3.8 微波爐控制器接收檢測(cè)結(jié)果，給出故障代碼

微波爐控制器接收數(shù)據(jù)緩存中心的檢測(cè)結(jié)果，根據(jù)對(duì)應(yīng)的故障問(wèn)題給出故障代碼，方便工作人員采取對(duì)應(yīng)的措施。

4 結(jié)語(yǔ)

本文通過(guò)采集微波爐的歷史運(yùn)行數(shù)據(jù)到大數(shù)據(jù)分析平臺(tái)，利用大數(shù)據(jù)分析技術(shù)分析出數(shù)據(jù)間的相關(guān)性和規(guī)律性，可以高效地解決數(shù)據(jù)多而雜的困難。同時(shí)，利用微波爐的實(shí)時(shí)運(yùn)行數(shù)據(jù)構(gòu)建數(shù)字孿生體，更直觀地表現(xiàn)微波爐地實(shí)時(shí)運(yùn)行狀態(tài)，實(shí)現(xiàn)對(duì)微波爐的實(shí)時(shí)監(jiān)控，檢測(cè)出微波爐發(fā)生故障的部位和各零件部位是否到達(dá)壽命期限，很大程度上解決了微波爐故障難檢測(cè)的問(wèn)題。

參考文獻(xiàn)

［1］聶蓉梅，周瀟雅，肖進(jìn)，等.數(shù)字孿生技術(shù)綜述分析與發(fā)展展望［J］.宇航總體技術(shù)，2022（1）：1-6.

［2］楊一帆，鄒軍，石明明，等.數(shù)字孿生技術(shù)的研究現(xiàn)狀分析［J］.應(yīng)用技術(shù)學(xué)報(bào)，2022（2）：176-184，188.

［3］陶飛，劉蔚然，張萌，等.數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用［J］.計(jì)算機(jī)集成制造系統(tǒng)，2019（1）：1-18.

［4］孫超.5G+智慧校園專網(wǎng)建設(shè)應(yīng)用［J］.中國(guó)新通信，2021（5）：102-103.

［5］徐俊波.5G在高校智慧校園中應(yīng)用研究［J］.中國(guó)新通信，2020（8）：12-14.

［6］劉昊昱.衛(wèi)星通信與5G融合的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與優(yōu)化［J］.無(wú)線互聯(lián)科技，2024（1）：21-23.

（編輯 沈 強(qiáng)）

Intelligent detection method for microwave ovens based on big data analysis and digital twin

CAO" Lei， LIU" Jianqi*

（Guangdong University of Technology， Guangzhou 510000， China）

Abstract： To enhance the detection efficiency of microwave ovens more intelligently， this article presents an intelligent detection method for microwave ovens based on big data analysis and digital twin， By transferring the historical operation data of the microwave oven to the big data analysis platform， the main feature variables are selected by calculating the mutual information of the data， and then the feature weights of the feature variables， the loss threshold and the total loss threshold are calculated to complete the preliminary data analysis; The digital twin model is constructed according to the realtime operation data of the microwave oven， and the main characteristic variables are screened out and the loss value and total loss value of each variable are calculated. By comparing with the indicators， it can be judged whether the malfunctioning part of the microwave oven and whether the microwave oven has reached its lifespan， thereby facilitating manual maintenance and replacement.

Key words： big data analytics; digital twins; microwave oven intelligent maintenance