董惠良，姜學(xué)峰，劉 偉，段春立，毛科技

(1.浙江中煙工業(yè)有限責(zé)任公司，浙江 杭州 311200；2.浙江工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310023)

0 引 言

機(jī)房作為數(shù)據(jù)中心必須24 h不間斷正常運(yùn)行[1]。目前,對(duì)于機(jī)房環(huán)境監(jiān)測(cè)方面的主要研究為針對(duì)性的,例如文獻(xiàn)[2]采用基于無(wú)線傳感器網(wǎng)絡(luò)(wireless sensor networks,WSNs)[3,4]的電力信息機(jī)房監(jiān)測(cè)系統(tǒng)，系統(tǒng)采用CC2530芯片、基于ZigBee網(wǎng)絡(luò),實(shí)現(xiàn)了機(jī)房中重要環(huán)境參數(shù)的采集,并通過(guò)服務(wù)器端的瀏覽器/服務(wù)器(B/S)系統(tǒng)分析與存儲(chǔ)數(shù)據(jù),實(shí)現(xiàn)了機(jī)房的遠(yuǎn)程監(jiān)測(cè)；文獻(xiàn)[5]主要針對(duì)信息機(jī)房環(huán)境監(jiān)測(cè)的需求,設(shè)計(jì)了一種基于WSNs和Web 3D的信息機(jī)房三維仿真監(jiān)測(cè)系統(tǒng)，利用無(wú)線模塊JN5148組成的WSNs進(jìn)行數(shù)據(jù)的采集和通信；其他類似的研究有獻(xiàn)[6～9]。

本文針對(duì)浙江中煙工業(yè)有限責(zé)任公司的中心機(jī)房設(shè)計(jì)了一種基于WSNs的分布式事件觸發(fā)的溫度異常監(jiān)測(cè)報(bào)警系統(tǒng)。WSNs節(jié)點(diǎn)周期采樣溫度值，根據(jù)之前采集設(shè)備異常情況時(shí)的溫度曲線提取異常溫度曲線的波形因子[10]，利用貝葉斯分類器[11～13]判斷設(shè)備異常的種類，一旦事件觸發(fā)器滿足觸發(fā)條件，則將該情況直接報(bào)警給機(jī)房管理人員。

1 異常情況判別

將WSNs節(jié)點(diǎn)部署在機(jī)房環(huán)境和設(shè)備上，傳感器節(jié)點(diǎn)每秒采集一次溫度值，并且記錄近期30個(gè)溫度值，并判斷，如果監(jiān)測(cè)到異常情況，直接報(bào)警給機(jī)房管理員。

研究表明[14，15]服務(wù)器的工作溫度高于60 ℃時(shí)，設(shè)備性能會(huì)下降且易故障。正常情況下WSNs節(jié)點(diǎn)采集的服務(wù)器核心部位對(duì)應(yīng)的外殼溫度如圖1所示，由于機(jī)房?jī)?nèi)制冷設(shè)備等作用，服務(wù)器設(shè)備的正常工作溫度通常在30℃左右，當(dāng)采集次數(shù)低于23，設(shè)備溫度逐漸升高，達(dá)到35 ℃時(shí)，機(jī)房制冷設(shè)備開(kāi)始工作，設(shè)備溫度降低。

圖1 正常溫度曲線

當(dāng)機(jī)房的制冷系統(tǒng)故障或服務(wù)器負(fù)載過(guò)重時(shí)，機(jī)房設(shè)備溫度會(huì)過(guò)高。為了獲取設(shè)備異常情況下(分為提醒異常、警報(bào)異常和異?；謴?fù))的溫度變化曲線，通過(guò)停止制冷控制系統(tǒng)并加重服務(wù)器負(fù)載的方式模擬設(shè)備的提醒異常，溫度變化曲線如圖2所示；通過(guò)停止制冷控制系統(tǒng)、停止散熱風(fēng)扇并加重服務(wù)器負(fù)載的方式模擬設(shè)備的警報(bào)異常，溫度變化曲線如圖3所示；兩種異常需要立即前往機(jī)房排查，防止故障的進(jìn)一步惡化。圖4為異?；謴?fù)情況，當(dāng)設(shè)備溫度高于50 ℃，后又因?yàn)橹评淇刂葡到y(tǒng)或設(shè)備散熱系統(tǒng)恢復(fù)正常工作，設(shè)備從異常狀態(tài)恢復(fù)正常。

選擇設(shè)備核心部件外殼溫度為50 ℃作為系統(tǒng)異常閾值，然后分別選取異常情況下30個(gè)連續(xù)采集的溫度構(gòu)成的波形作為異常溫度樣本，如圖2～圖4方框內(nèi)波形所示。由波形分析，提醒異常的溫度曲線升高較慢，且有存在降低的趨勢(shì)；警報(bào)異常溫度曲線升高較快，且沒(méi)有降溫的趨勢(shì)；異?；謴?fù)情況溫度曲線逐漸降低，最終恢復(fù)正常。

圖2 提醒異常溫度曲線

圖3 警報(bào)異常溫度曲線

圖4 異?；謴?fù)溫度曲線

2 貝葉斯分類器

針對(duì)溫度異常進(jìn)行分類判斷：提取異常的樣本溫度波形特征；對(duì)特征值進(jìn)行貝葉斯分類器訓(xùn)練；實(shí)時(shí)采集的溫度值輸過(guò)貝葉斯分類器判斷具體歸屬，方法如圖5所示。

圖5 異常情況判斷分類

2.1 溫度特征值提取

提取的溫度波形特征值包括均值Tavg、方差Tv、有效值Trms、峰值指標(biāo)Tcf和裕度指標(biāo)Te，設(shè)溫度數(shù)據(jù)集合為tp={x1,x2,x3，…，xi，…，x30}，則溫度數(shù)據(jù)集合tp的5個(gè)特征值計(jì)算方法如下：

1)均值

(1)

2)方差

(2)

3)有效值

(3)

4)峰值指標(biāo)

(4)

5)裕度指標(biāo)

(5)

2.2 異常分類

根據(jù)異?；謴?fù)、警報(bào)異常和提醒異常3種情況下的樣本溫度特征值，設(shè)S=0表示異常恢復(fù)情況，S=1表示警報(bào)異常，S=2表示提醒異常，其中,異?；謴?fù)情況采集了numc個(gè)樣本，警報(bào)異常采集了numa個(gè)樣本，提醒異常采集了numr個(gè)樣本，每個(gè)樣本均由30個(gè)溫度數(shù)據(jù)組成的集合。3種情況的樣本占總樣本數(shù)量如式(6)～式(8)所示

(6)

(7)

(8)

以S=1為例，其他2種情況處理方法一致，對(duì)numa個(gè)樣本分別提取對(duì)應(yīng)的5種特征值，每種特征值的數(shù)量為numa，然后分別對(duì)每種特征值以gi為梯度進(jìn)行區(qū)域劃分，劃分梯度如式(9)所示

(9)

式中CVi_max為第i種特征值中的最大值，CVi_min為第i種特征值中的最小值；n為將特征值劃分的區(qū)間數(shù)量，劃分后的區(qū)間表示為Rj，j∈[1,n]。

分別計(jì)算5種樣本特征值在每個(gè)區(qū)間Rj中所占的數(shù)量比例，以S=1的均值Tavg為例，其他4種特征值處理方法一致，共numa個(gè)均值，用集合Avg={Tavg_1,Tavg_2，…，Tavg_numa}表示，其中均值在區(qū)間Rj中的數(shù)量為numj，則均值在區(qū)間Rj中所占的比例如式(10)所示

P(Avg∈Rj|S=1)=numj/numa

(10)

上述過(guò)程根據(jù)3種情況的樣本計(jì)算了先驗(yàn)概率，計(jì)算過(guò)程在計(jì)算機(jī)中完成，然后將先驗(yàn)概率和區(qū)間范圍保存到傳感器節(jié)點(diǎn)內(nèi)部，最后利用先驗(yàn)概率對(duì)實(shí)時(shí)采集的溫度數(shù)據(jù)進(jìn)行判斷分類。具體步驟如下：

1)計(jì)算待判溫度的5個(gè)特征值(Tavg，Tv，Trms，Tcf，Te)；

2)分別查找5個(gè)特征值在3種情況下，每種特征值對(duì)應(yīng)的區(qū)間和該區(qū)間對(duì)應(yīng)的比例；

3)假設(shè)查找后待判斷溫度的均值、方差、有效值、峰值指標(biāo)、裕度指標(biāo)在S=0，S=1，S=2 3種情況下所處的區(qū)間對(duì)應(yīng)的比例分別為Pavg_0，Pavg_1，Pavg_2；Pv_0，Pv_1，Pv_2；Prms_0，Prms_1，Prms_2;Pcf_0，Pcf_1，Pcf_2;Pe_0，Pe_1，Pe_2；

4)分別計(jì)算待判溫度屬于S=0，S=1，S=2的概率，計(jì)算方法如式(11)

PS_k=P(S=k)·Pavc_k·Pv_k·Prms_k·Pcf_k·Pe_k,

k={0,1,2}

(11)

5)k分別取0,1,2時(shí)，計(jì)算待判斷溫度屬于S=0,S=1,S=2 3種情況的概率分別為PS_0,PS_1,PS_2，當(dāng)PS_0,PS_1,PS_2均最大，WSNs節(jié)點(diǎn)分別向機(jī)房管理員發(fā)送異常恢復(fù)、警報(bào)異常、提醒異常。

3 實(shí) 驗(yàn)

本文系統(tǒng)已實(shí)際應(yīng)用于浙江中煙工業(yè)有限責(zé)任公司的中心機(jī)房。實(shí)驗(yàn)對(duì)S=0,S=1,S=2共3種情況采集的樣本數(shù)量均為20次，將樣本特征值劃分為10個(gè)區(qū)間。

3.1 分類準(zhǔn)確率

為驗(yàn)證本文算法對(duì)3種異常情況的分類準(zhǔn)確率，實(shí)驗(yàn)中3種異常情況的驗(yàn)證集均為100個(gè)異常溫度波形，實(shí)驗(yàn)結(jié)果如表1所示。

表1 分類結(jié)果表

實(shí)驗(yàn)結(jié)果表明：異常分類算法對(duì)S=0情況的識(shí)別率最高，因?yàn)楫惓；謴?fù)情況的溫度波形呈逐漸下降趨勢(shì)，與其他2種異常的溫度波形差別較大，因此，不會(huì)對(duì)S=0的情況誤判。S=1情況的識(shí)別率次之，為96 %，其中，誤判部分被識(shí)別為S=2，因?yàn)镾=1和S=2 2種異常情況的溫度波形均呈上升趨勢(shì)，且存在部分相似，因此，實(shí)驗(yàn)中有4個(gè)警報(bào)異常(S=1)被判斷為提醒異常(S=2)。同樣地，S=2中也存在少量溫度曲線被判斷為警報(bào)異常。

3.2 異常通知

當(dāng)系統(tǒng)判斷出設(shè)備溫度異常時(shí)，WSNs節(jié)點(diǎn)向機(jī)房管理員發(fā)送報(bào)警提示，如圖6所示，包括異常種類、節(jié)點(diǎn)編號(hào)、發(fā)生異常的設(shè)備編號(hào)和溫度,℃。

4 結(jié) 論

針對(duì)浙江中煙工業(yè)有限責(zé)任公司的中心機(jī)房設(shè)計(jì)了基于WSNs分布式溫度異常監(jiān)測(cè)報(bào)警系統(tǒng)，WSNs節(jié)點(diǎn)分布式監(jiān)測(cè)各個(gè)設(shè)備的狀態(tài)，當(dāng)設(shè)備溫度異常時(shí)，節(jié)點(diǎn)向管理員發(fā)送報(bào)警提示，并通過(guò)實(shí)驗(yàn)驗(yàn)證了系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性。

[1] 魏 翔.網(wǎng)絡(luò)機(jī)房管理與維護(hù)的重要意義及對(duì)策[J].科技與創(chuàng)新,2017(5):87-88.

[2] 易健翔,秦肖臻,汪秉文.基于WSNs的電力信息機(jī)房監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)與數(shù)字工程,2013,41(1):135-137.

[3] 謝 昕,吳 穎,張 磊,等.基于無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的RFID系統(tǒng)節(jié)能研究[J].傳感器與微系統(tǒng),2012,31(6):66-68.

[4] Nayak P,Devulapalli A.A fuzzy logic-based clustering algorithm for WSNs to extend the network lifetime[J].IEEE Sensors Journal,2015,16(1):137-144.

[5] 何 輝,龔成瑩,邢敬宏.基于WSNs與Web 3D的信息機(jī)房環(huán)境三維仿真監(jiān)測(cè)[J].自動(dòng)化儀表,2015,36(8):49-52.

[6] 吳維農(nóng),唐 夲,肖靜薇,等.電力信息通信機(jī)房智能PDU監(jiān)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[J].機(jī)床與液壓,2017,45(6):83-88.

[7] 董惠良,王正敏,姜學(xué)峰,等.基于WSNs的機(jī)房溫控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].傳感器與微系統(tǒng),2017,36(10):92-94.

[8] 李富強(qiáng),鄭寶周,豆根生,等.基于WSNs的溫室溫度分布式事件觸發(fā)控制系統(tǒng)研究[J].現(xiàn)代電子技術(shù),2015(15):15-17.

[9] 吳海龍.分布式機(jī)房環(huán)境信息集中監(jiān)測(cè)管理系統(tǒng)[J].蘭州工業(yè)學(xué)院學(xué)報(bào),2017,24(1):64-68.

[10] 陳玉玲,王華忠,李 實(shí),等.EAST波形數(shù)據(jù)特征值提取方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2016,37(7):1851-1856.

[11] 張 品,董為浩,高大冬.一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J].傳感技術(shù)學(xué)報(bào),2014(5):643-648.

[12] Robertson D S,Prevost A T,Bowden J.Correcting for bias in the selection and validation of informative diagnostic tests[J].Statistics in Medicine,2015,34(8):1417-1437.

[13] 王雙成,高 瑞,杜瑞杰.小時(shí)間序列的動(dòng)態(tài)樸素貝葉斯分類器學(xué)習(xí)與優(yōu)化[J].控制與決策,2017,32(1):163-166.

[14] 張振亞,王 芳,屈 巖,等.新型冷板對(duì)服務(wù)器CPU散熱的研究及能耗分析[J].上海理工大學(xué)學(xué)報(bào),2014(4):317-321.

[15] 黃 胡，黃子昕，基于單片機(jī)和kingview的機(jī)房溫度監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].自動(dòng)化技術(shù)與應(yīng)用，2016,35(12)：131-134.