黃璐

摘要：隨著人財(cái)物集約思想逐步深入人心，需要人工值守的機(jī)房模式逐步凸顯了其缺陷所在，隨著無(wú)人值守機(jī)房模式的提出，如何提出一種全新的、智能的無(wú)法值守機(jī)房成為了眾多學(xué)者研究的問題。本文提出了一種智能的塵埃監(jiān)測(cè)及告警系統(tǒng)，即通過引入先進(jìn)的激光塵埃電子測(cè)試儀，對(duì)各類設(shè)備以及機(jī)房環(huán)境進(jìn)行了監(jiān)測(cè)，同時(shí)通過引入分布式差分進(jìn)化算法對(duì)數(shù)據(jù)進(jìn)行了智能化地融合，解決了不同的廠家、不同的設(shè)備、不同的環(huán)境的自適應(yīng)問題，通過實(shí)驗(yàn)表明，該方案具有可靠性高、魯棒性強(qiáng)、敏感性高等特點(diǎn)，具有一定的理論及經(jīng)濟(jì)效益。

關(guān)鍵詞：分布式 差分進(jìn)化算法 自適應(yīng) 傳感器網(wǎng)絡(luò)

中圖分類號(hào)：TP391.9 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1007-9416（2015）11-0000-00

Abstract： With the intensive thinking of people's property and property， the need for manual duty room mode gradually highlights its defects， with the unattended computer room mode， how to put forward a new， intelligent computer room has become a problem for many scholars. In this paper， an intelligent dust monitoring and alarm system is proposed， which is based on the advanced laser dust detector. The system has the advantages of high reliability， strong robustness and high sensitivity， and it has a certain theoretical and economic benefits.

Keywords： Distributed； differential evolution algorithm； adaptive； sensor network

1 引言

隨著電力通信事業(yè)的迅速發(fā)展，通信機(jī)房的設(shè)備越來(lái)越多，但是設(shè)備的運(yùn)行環(huán)境卻沒有引起人們的足夠重視，從交換機(jī)到大型IP數(shù)據(jù)設(shè)備，經(jīng)常容易出現(xiàn)不同程度的重啟、誤碼以及死機(jī)等故障，給設(shè)備維護(hù)人員帶來(lái)了較多的困擾和問題。

為了便于解決此類問題，需要維護(hù)人員不定期的對(duì)機(jī)房進(jìn)行檢查，針對(duì)目前通信設(shè)備種類繁多，搶修人員的對(duì)專業(yè)設(shè)備的了解有限，在排查時(shí)經(jīng)常會(huì)出現(xiàn)迷茫的狀況，或?qū)⒃O(shè)備從外到內(nèi)進(jìn)行檢查，浪費(fèi)了較多了人力、物力、財(cái)力，但最后發(fā)現(xiàn)時(shí)灰塵累積導(dǎo)致散熱功能減弱。隨著集約思想的逐步深入人心，如何自動(dòng)的對(duì)灰塵進(jìn)行監(jiān)測(cè)并實(shí)時(shí)進(jìn)行報(bào)警是目前通信機(jī)房實(shí)現(xiàn)無(wú)人值守的重中之重。

本文提出了一種智能的塵埃監(jiān)測(cè)及告警系統(tǒng)，整套系統(tǒng)裝置由硬件系統(tǒng)、軟件系統(tǒng)、自適應(yīng)調(diào)整系統(tǒng)幾個(gè)部分組成，設(shè)備運(yùn)行時(shí)間過長(zhǎng)溫度上升導(dǎo)致的報(bào)警，系統(tǒng)將通過實(shí)時(shí)監(jiān)測(cè)系統(tǒng)進(jìn)行上傳，整套系統(tǒng)由遙測(cè)粒子計(jì)數(shù)傳感器，傳感器接口分配器、監(jiān)測(cè)系統(tǒng)及終端構(gòu)成。能自動(dòng)對(duì)設(shè)備上的灰塵數(shù)量，自動(dòng)記錄，判斷是否達(dá)到極限值。數(shù)據(jù)采集后，將通過RS-485與傳感器接口分配、接口分配器連接。再由USB、RJ45或者網(wǎng)線連接到本地監(jiān)控系統(tǒng)，并將有效數(shù)據(jù)傳送到各個(gè)單位信息通信的運(yùn)檢部門，出現(xiàn)告警時(shí)，由運(yùn)檢部門派專人進(jìn)行現(xiàn)場(chǎng)清理。

差分進(jìn)化（DE，Differential Evolution）算法是一種基于種群的全局搜索優(yōu)化算法，借助于種群個(gè)體之間的差分信息對(duì)個(gè)體形成擾動(dòng)進(jìn)而探索整個(gè)種群空間，差分進(jìn)化算法利用貪婪競(jìng)爭(zhēng)機(jī)制選擇下一代個(gè)體，尋求問題的最優(yōu)解[1]。差分計(jì)劃算法控制參數(shù)少、原理相對(duì)簡(jiǎn)單、易于理解和實(shí)現(xiàn)，且其表現(xiàn)出來(lái)的高可靠性、強(qiáng)魯棒性和良好的優(yōu)化性能，已成為進(jìn)化計(jì)算研究領(lǐng)域的熱點(diǎn)課題。

基于差分進(jìn)化算法在操作上具有高度的并行性，分布式運(yùn)行方式成為DE算法研究的重要分支，目前已引起國(guó)內(nèi)外眾多學(xué)者的關(guān)注[2]。針對(duì)不同的廠家、不同的設(shè)備、不同的環(huán)境，可以通過分布式差分計(jì)劃算法對(duì)數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)整，通過實(shí)驗(yàn)表明，該方案具有可靠性高、魯棒性強(qiáng)、敏感性高等特點(diǎn)，具有一定的理論及經(jīng)濟(jì)效益。提出的一種智能的塵埃監(jiān)測(cè)及告警裝置可廣泛應(yīng)用到各個(gè)基層單位的無(wú)人值守信息通信機(jī)房，同時(shí)可以拓展的運(yùn)用到其他的機(jī)房，大大提高了工作效率。同時(shí)我們還可將灰塵報(bào)警系統(tǒng)連接到各個(gè)分公司的運(yùn)檢機(jī)房。

2 預(yù)備知識(shí)

2.1 系統(tǒng)框架

本文所述的一種智能的塵埃監(jiān)測(cè)及告警系統(tǒng)框架圖如下所示。

圖1 系統(tǒng)框架圖

由上圖可以看出：

（1）每一個(gè)機(jī)柜配置一個(gè)灰塵監(jiān)測(cè)設(shè)備，每個(gè)監(jiān)測(cè)設(shè)備監(jiān)測(cè)的數(shù)據(jù)都自動(dòng)傳輸?shù)絇C服務(wù)器進(jìn)行數(shù)據(jù)匯總；

（2）PC服務(wù)器根據(jù)監(jiān)測(cè)設(shè)備傳輸過來(lái)的數(shù)據(jù)，通過局域網(wǎng)對(duì)外發(fā)布一個(gè)監(jiān)測(cè)網(wǎng)站服務(wù)；

（3）PC服務(wù)器與機(jī)房局域網(wǎng)相聯(lián)，使得網(wǎng)站服務(wù)可以供辦公室人員實(shí)時(shí)查看，對(duì)于報(bào)警數(shù)據(jù)可以及時(shí)得到反饋。

2.2 分布式差分進(jìn)化算法

考慮到在機(jī)房存在較多的不定因素，如不同的廠家、不同的設(shè)備、不同的環(huán)境，如果逐個(gè)進(jìn)行調(diào)整將浪費(fèi)較多的人力、物力、財(cái)力，本文提出通過分布式差分計(jì)劃算法對(duì)數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)整，DE算法是由Storn等人于1995年提出的，和其它演化算法一樣，DE算法是一種模擬生物進(jìn)化的隨機(jī)模型，通過反復(fù)迭代，使得那些適應(yīng)環(huán)境的個(gè)體被保存了下來(lái)[3]。但相比于進(jìn)化算法，DE算法保留了基于種群的全局搜索策略，采用實(shí)數(shù)編碼、基于差分的簡(jiǎn)單變異操作和一對(duì)一的競(jìng)爭(zhēng)生存策略，降低了遺傳操作的復(fù)雜性[4]。同時(shí)，DE算法特有的記憶能力使其可以動(dòng)態(tài)跟蹤當(dāng)前的搜索情況，以調(diào)整其搜索策略，具有較強(qiáng)的全局收斂能力和魯棒性，且不需要借助問題的特征信息，適于求解一些利用常規(guī)的數(shù)學(xué)規(guī)劃方法所無(wú)法求解的復(fù)雜環(huán)境中的優(yōu)化問題[5]。目前，DE算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用，譬如人工神經(jīng)元網(wǎng)絡(luò)、化工、電力、機(jī)械設(shè)計(jì)、機(jī)器人、信號(hào)處理、生物信息、經(jīng)濟(jì)學(xué)、現(xiàn)代農(nóng)業(yè)、食品安全、環(huán)境保護(hù)和運(yùn)籌學(xué)等[6]。

DE 算法主要用于求解連續(xù)變量的全局優(yōu)化問題，其主要工作步驟與其他進(jìn)化算法基本一致，主要包括變異（Mutation）、交叉（Crossover）、選擇（Selection）三種操作。算法的基本思想是從某一隨機(jī)產(chǎn)生的初始群體開始，利用從種群中隨機(jī)選取的兩個(gè)個(gè)體的差向量作為第三個(gè)個(gè)體的隨機(jī)變化源，將差向量加權(quán)后按照一定的規(guī)則與第三個(gè)個(gè)體求和而產(chǎn)生變異個(gè)體，該操作稱為變異。然后，變異個(gè)體與某個(gè)預(yù)先決定的目標(biāo)個(gè)體進(jìn)行參數(shù)混合，生成試驗(yàn)個(gè)體，這一過程稱之為交叉[7]。如果試驗(yàn)個(gè)體的適應(yīng)度值優(yōu)于目標(biāo)個(gè)體的適應(yīng)度值，則在下一代中試驗(yàn)個(gè)體取代目標(biāo)個(gè)體，否則目標(biāo)個(gè)體仍保存下來(lái)，該操作稱為選擇。在每一代的進(jìn)化過程中，每一個(gè)體矢量作為目標(biāo)個(gè)體一次，算法通過不斷地迭代計(jì)算，保留優(yōu)良個(gè)體，淘汰劣質(zhì)個(gè)體，引導(dǎo)搜索過程向全局最優(yōu)解逼近。

3 實(shí)現(xiàn)路線

3.1 硬件系統(tǒng)實(shí)現(xiàn)

硬件部分為功能的執(zhí)行者，物理上分為多個(gè)灰塵采集的終端設(shè)備和集中器設(shè)備兩個(gè)部分，終端和集中器用總線相連接。終端的主要功能有：（1）采集機(jī)房的灰塵濃度；（2）LCD顯示采集灰塵現(xiàn)場(chǎng)濃度和設(shè)置閥值濃度；（3）聲光報(bào)警；（4）數(shù)據(jù)上傳和接收控制系統(tǒng)數(shù)據(jù)。集中器的主要功能：中轉(zhuǎn)作用（終端與上位機(jī)的中轉(zhuǎn)翻譯）

采集機(jī)房的灰塵濃度主要采用了灰塵傳感器設(shè)備?；覊m傳感器是用于感知灰塵的一種日常用機(jī)械?？梢愿兄獰煵莓a(chǎn)生的煙氣和花粉，房屋粉塵等1微米以上的微小粒子。

其工作原理在于：微粒和分子在光的照射下會(huì)產(chǎn)生光的散射現(xiàn)象，和此同時(shí)，還吸收部分照射光的能量。當(dāng)一束平行單色光入射到被測(cè)顆粒場(chǎng)時(shí)，會(huì)受到顆粒周圍散射和吸收的影響，光強(qiáng)將被衰減。如此一來(lái)便可求得入射光通過待測(cè)濃度場(chǎng)的相對(duì)衰減率。而相對(duì)衰減率的大小基本上能線性反應(yīng)待測(cè)場(chǎng)灰塵的相對(duì)濃度。光強(qiáng)的大小和經(jīng)光電轉(zhuǎn)換的電信號(hào)強(qiáng)弱成正比，通過測(cè)得電信號(hào)就可以求得相對(duì)衰減率[8]。

機(jī)房的灰塵采集終端必須具備上面的4個(gè)功能，用模擬電路比較難以實(shí)現(xiàn)，而用單片機(jī)作為終端主控芯片，本方案中主控芯片采用stc12c5a60s2為主芯片，用LCD、蜂鳴器、計(jì)數(shù)光學(xué)傳感器和LED燈為執(zhí)行部件實(shí)現(xiàn)功能，比較容易實(shí)現(xiàn)。

有的機(jī)房很大，或者有多個(gè)機(jī)房，要求的采集終端數(shù)量比較多，系統(tǒng)用并行傳輸?shù)姆绞絺鬏敂?shù)據(jù)是不適用的，所以必須是串行傳輸，所有每個(gè)終端設(shè)備必須有自己的編號(hào)，也就是地址。可以在單片機(jī)軟件的中設(shè)置地址，也可以硬件上撥碼開關(guān)方式設(shè)置地址。當(dāng)系統(tǒng)中的終端數(shù)量很多的時(shí)撥碼開關(guān)為宜。

采集的灰塵濃度的數(shù)據(jù)和設(shè)置閥值數(shù)據(jù)需要在現(xiàn)場(chǎng)隨時(shí)可以看到，可以用數(shù)碼管和液晶屏等的方式，本方案中采用LCD1602顯示數(shù)據(jù)。灰塵濃度采集是采用的遙測(cè)粒子計(jì)數(shù)光學(xué)類傳感器，終端芯片通過串口采集數(shù)據(jù)其收集到的數(shù)據(jù)。

聲光報(bào)警功能，通過使用蜂鳴器的滴滴聲達(dá)到報(bào)警聲，和使用紅色LED燈快速閃爍達(dá)而達(dá)到。

數(shù)據(jù)的傳輸接收需要總線，使用485總線驅(qū)動(dòng)芯片MAX485來(lái)實(shí)現(xiàn)。

集中器主控芯片也是stc12c5a60s2為主芯片，該芯片有兩個(gè)串口，正好一個(gè)連接485總線，一個(gè)連接上位機(jī)總線。

3.2 底層軟件設(shè)計(jì)

終端和集中器都要編寫底層程序，本方案中底層程序在Keil uVision中編寫，Keil uVision具備代碼編寫，編譯，生成執(zhí)行文件的功能，用stc下載軟件通過串口0下載到芯片中。

3.2.1 終端軟件

終端軟件是先初始化傳輸?shù)牟ㄌ芈?，本方案中波特率?600，在讀取撥碼開關(guān)的值作為自己的地址，再進(jìn)入無(wú)限循環(huán)中，循環(huán)中不停的采集計(jì)數(shù)光學(xué)傳感器數(shù)據(jù)，并顯示該數(shù)據(jù)，再查詢是否有設(shè)置數(shù)據(jù)，顯示缺省的或者設(shè)置的數(shù)據(jù)，當(dāng)采集到的濃度大于設(shè)置數(shù)據(jù)時(shí)，啟動(dòng)聲光報(bào)警。

3.2.2 集中器軟件

集中器是先初始化波特率，本方案中波特率是9600，再進(jìn)入無(wú)限循環(huán)中，循環(huán)當(dāng)有數(shù)據(jù)上傳時(shí)，將數(shù)據(jù)傳到上位機(jī)，當(dāng)有數(shù)據(jù)下達(dá)時(shí)，傳到總線上去。

3.3 軟件部分實(shí)現(xiàn)

軟件部分主要功能通過串口編程來(lái)采集灰塵傳感器的數(shù)據(jù)，PC端發(fā)布一個(gè)WEB網(wǎng)站服務(wù)，WEB網(wǎng)站通過圖文的形式來(lái)展示灰塵傳感器數(shù)據(jù)，從而實(shí)現(xiàn)了辦公室實(shí)時(shí)監(jiān)測(cè)機(jī)房灰塵。WEB網(wǎng)站也提供設(shè)置灰塵報(bào)警閥值的功能，當(dāng)灰塵傳感器感應(yīng)到機(jī)房灰塵超過閥值，傳感器會(huì)發(fā)出嘀嘀聲來(lái)告警。

4 實(shí)驗(yàn)與分析

為證明算法的有效性，通過實(shí)際環(huán)境測(cè)試得出相關(guān)的結(jié)論。本文所采用的環(huán)境為：PC操作系統(tǒng)（Windows）、TOMCAT中間件、USB串口驅(qū)動(dòng)程序、JAVA虛擬機(jī)。WEB程序開發(fā)完成后，需要發(fā)布到機(jī)房局域網(wǎng)內(nèi)，值班人員通過打開網(wǎng)頁(yè)地址可以訪問到WEB程序，實(shí)現(xiàn)監(jiān)測(cè)。

為了說(shuō)明分布式差分進(jìn)化算法對(duì)于參數(shù)自適應(yīng)調(diào)整的優(yōu)勢(shì)，通過實(shí)驗(yàn)?zāi)M對(duì)訓(xùn)練時(shí)間進(jìn)行監(jiān)測(cè)，即隨著監(jiān)測(cè)節(jié)點(diǎn)的增多，參數(shù)自適應(yīng)調(diào)整的訓(xùn)練時(shí)間曲線圖3如下所示。

由上圖可以看出，隨著監(jiān)測(cè)節(jié)點(diǎn)的增多，參數(shù)自適應(yīng)調(diào)整的訓(xùn)練時(shí)間能夠保持較好的性能。

5 結(jié)語(yǔ)

通信機(jī)房?jī)?nèi)的各種設(shè)備經(jīng)常性出現(xiàn)故障，而在故障排查的過程中，發(fā)現(xiàn)由于塵埃直接或間接導(dǎo)致的原因占大多數(shù)，本文通過分析通信機(jī)房的故障提出了一種智能的塵埃監(jiān)測(cè)及告警系統(tǒng)，能夠自動(dòng)的對(duì)超標(biāo)的灰塵粒子濃度進(jìn)行報(bào)警，通過還針對(duì)不同廠家、不同設(shè)備、不同環(huán)境提出了一種自適應(yīng)的參數(shù)調(diào)整機(jī)制，通過實(shí)驗(yàn)表明具有高可靠性、強(qiáng)魯棒性等特點(diǎn)，具有一定的理論及經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1] Mei H，Sun H，En C，et al.Impulsive noise mitigation and doubly selective channels estimation for underwater acoustic OFDM with compressed sensing[J].Journal of Convergence Information Technology，2013，8（9）：78-87

[2] H. Abbass， The self-adaptive pareto differential evolution algorithm， IEEE Congr. Evol. Comput. 1 （2002） 831–836.

[3] J. Arabas， L. Bartnik， K. Opara， Dmea—An algorithm that combines differential mutation with the fitness proportionate selection， in： 2011 IEEE Symposium on Differential Evolution （SDE11）， IEEE， 2011， pp. 1–8.

[4] J. Durillo， A. Nebro， C.A.C. Coello， J. Garcia-Nieto， F. Luna， E. Alba， A study of multiobjective metaheuristics when solving parameter scalable problems， IEEE Trans. Evol. Comput. 14 （4） （2010） 618–635.

[5] A.K. Qin， V.L. Huang， P. Suganthan， Differential evolution algorithm with strategy adaptation for global numerical optimization， IEEE Trans. Evol. Comput.13（2）（2009） 398–417.

[6] 張?jiān)捶?，孫海信，顏佳泉.無(wú)線傳感器網(wǎng)絡(luò)的自適應(yīng)預(yù)測(cè)算法[J].廈門大學(xué)學(xué)報(bào).自然科學(xué)版，2015，54（4）：523-527

[7] 徐振華，黃建國(guó)，張群飛.基于 EM 算法的極大似然分布式量化估計(jì)融合新方法[J].電子與信息學(xué)報(bào)，2011， 33（4）：977-981.

[8] 李燕君，王智，孫優(yōu)賢.資源受限的無(wú)線傳感器網(wǎng)絡(luò)基于衰減信道的決策融合[J].軟件學(xué)報(bào)，2007，18（5）：1130-1137.