劉 歡，畢道偉，劉嘉熙，張東生

（1.上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240；2.上海核工程研究設(shè)計(jì)院，上海 200233；3.四川大學(xué)電氣工程學(xué)院，成都 610065）

0 引言

設(shè)備作為核電站重要的生產(chǎn)要素，如果發(fā)生故障，輕則降低生產(chǎn)效率，重則導(dǎo)致機(jī)組停機(jī)，有時(shí)甚至造成災(zāi)難性的后果。2018年發(fā)改委等四部委聯(lián)合發(fā)布《關(guān)于進(jìn)一步加強(qiáng)核電運(yùn)行安全管理的指導(dǎo)意見》，要求加強(qiáng)關(guān)鍵設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)，改進(jìn)監(jiān)控技術(shù)手段，提高設(shè)備的可靠性，加強(qiáng)對(duì)核電機(jī)組運(yùn)行風(fēng)險(xiǎn)的實(shí)時(shí)跟蹤，精準(zhǔn)提高核電運(yùn)行安全水平?？梢妼?duì)核電廠關(guān)鍵設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷研究顯得尤為重要。

在傳統(tǒng)的核電廠內(nèi)，對(duì)各類復(fù)雜設(shè)備的監(jiān)控與優(yōu)化需求非常迫切，這些設(shè)備的數(shù)據(jù)采集具有高頻率、大批量、高并發(fā)、長(zhǎng)周期的特征，每天產(chǎn)生的運(yùn)行數(shù)據(jù)達(dá)數(shù)百G，如何遠(yuǎn)程監(jiān)測(cè)、儲(chǔ)存并利用這些數(shù)據(jù)，讓其產(chǎn)生價(jià)值，成為了一個(gè)急需解決的問題。傳統(tǒng)的核電監(jiān)測(cè)與診斷系統(tǒng)多為單機(jī)式、集中式、離線式[1]，難以實(shí)現(xiàn)設(shè)備的異地監(jiān)測(cè)。而且其多通過設(shè)定閾值，觸發(fā)多級(jí)報(bào)警來實(shí)現(xiàn)異常檢測(cè)，診斷更是多通過人為經(jīng)驗(yàn)來判斷推理。近年來，國(guó)家推出了兩化融合、“互聯(lián)網(wǎng)+”行動(dòng)，積極推進(jìn)了物聯(lián)網(wǎng)、云計(jì)算等新興技術(shù)在設(shè)備遠(yuǎn)程監(jiān)測(cè)領(lǐng)域的應(yīng)用，而機(jī)器學(xué)習(xí)等基于數(shù)據(jù)驅(qū)動(dòng)的智能算法在工業(yè)設(shè)備故障診斷中的研究也愈來愈廣泛。

楊文廣等[2]利用Bosh Lite搭建了私有的Cloud Foundry PaaS平臺(tái)，并在云平臺(tái)上進(jìn)行動(dòng)力設(shè)備的診斷案例開發(fā)；宋亞奇[3]等對(duì)輸變電設(shè)備監(jiān)測(cè)大數(shù)據(jù)在Hadoop框架下的存儲(chǔ)與處理優(yōu)化進(jìn)行了研究；葛二靈[4]等基于hadoop生態(tài)開發(fā)了設(shè)備遠(yuǎn)程故障診斷中心的原型系統(tǒng)；王有元[5]等基于云平臺(tái)實(shí)現(xiàn)了對(duì)變電站變壓器的智能診斷，診斷時(shí)間縮短了40.11%，提高了故障診斷的可靠性；Zhiqiang Huo[6]等為了解決石化廠大量無線和有線傳感融合產(chǎn)生的高密度異構(gòu)數(shù)據(jù)的儲(chǔ)存問題，提出了基于云計(jì)算的診斷架構(gòu)并進(jìn)行了應(yīng)用驗(yàn)證。但是在核電領(lǐng)域基于云平臺(tái)的設(shè)備監(jiān)測(cè)和診斷研究非常稀少。

本文提出了基于云平臺(tái)的核電設(shè)備遠(yuǎn)程監(jiān)測(cè)及智能診斷的架構(gòu)，其可以實(shí)現(xiàn)數(shù)據(jù)在云端的高效、可靠地存儲(chǔ)，并快速訪問和分析，用戶不僅可以直接在云平臺(tái)上獲得監(jiān)測(cè)設(shè)備的歷史與當(dāng)前狀態(tài)，此外，還可以基于機(jī)器學(xué)習(xí)和大數(shù)據(jù)的方法進(jìn)行設(shè)備狀態(tài)異常檢測(cè)、故障診斷及預(yù)測(cè)的研究，從而保障核電機(jī)組安全、可靠、高效運(yùn)行。

1 基于云平臺(tái)的設(shè)備遠(yuǎn)程監(jiān)測(cè)及智能診斷的架構(gòu)

云平臺(tái)的核心是虛擬化技術(shù)，它將計(jì)算機(jī)集群的硬件資源、軟件平臺(tái)、基礎(chǔ)應(yīng)用抽象成服務(wù)的形式提供給用戶使用，根據(jù)所提供服務(wù)的內(nèi)容不同分為三層，IaaS（Infrastructure as a Service，基礎(chǔ)設(shè)施即服務(wù)）、PaaS（Platform as a Service，平臺(tái)即服務(wù)）、SaaS（Software as a Service，軟件即服務(wù)）。而基于云平臺(tái)實(shí)現(xiàn)大數(shù)據(jù)處理的核心軟件框架是Hadoop，它的功能是實(shí)現(xiàn)大量數(shù)據(jù)的分布式儲(chǔ)存和計(jì)算。

為了解決核電設(shè)備遠(yuǎn)程監(jiān)測(cè)和智能診斷面臨的問題，本架構(gòu)采用邊緣-云端的方式，使生產(chǎn)環(huán)境與開發(fā)環(huán)境分隔。采集的設(shè)備數(shù)據(jù)首先通過OPC UA協(xié)議與邊緣網(wǎng)關(guān)通訊，再通過MQTT協(xié)議上傳至云端物聯(lián)網(wǎng)（IOT）平臺(tái)，其將數(shù)據(jù)轉(zhuǎn)發(fā)至數(shù)據(jù)庫(kù)儲(chǔ)存以便回溯分析，同時(shí)通過RESTful API調(diào)用IOT數(shù)據(jù)實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)；其次數(shù)據(jù)庫(kù)中的設(shè)備運(yùn)維數(shù)據(jù)可以導(dǎo)出，用于診斷模型訓(xùn)練，將訓(xùn)練好的模型在線部署生成API；通過建立API網(wǎng)關(guān)被云端或邊緣端調(diào)用實(shí)現(xiàn)實(shí)時(shí)診斷，最后將診斷結(jié)果返回到監(jiān)測(cè)畫面進(jìn)行顯示。詳細(xì)的設(shè)備遠(yuǎn)程監(jiān)測(cè)及智能診斷的架構(gòu)示意圖如圖1所示。

以上架構(gòu)可以基于阿里云實(shí)現(xiàn)，各個(gè)功能模塊可依托其PaaS層的產(chǎn)品進(jìn)行開發(fā)。為了保證電廠數(shù)據(jù)的實(shí)時(shí)性、安全性，選用了云生態(tài)中支持多種協(xié)議的物聯(lián)網(wǎng)平臺(tái)作為數(shù)據(jù)的中轉(zhuǎn)；針對(duì)設(shè)備數(shù)據(jù)多是時(shí)間序列的特點(diǎn)，采用了時(shí)序時(shí)空數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)進(jìn)行高速讀寫；為了高效的搭建診斷模型和快速的開發(fā)監(jiān)測(cè)畫面，采用了數(shù)據(jù)可視化工具（DATAV）和機(jī)器學(xué)習(xí)平臺(tái)（PAI）。

1.1 邊緣端

1.1.1 數(shù)據(jù)采集平臺(tái)

數(shù)據(jù)采集平臺(tái)采用美國(guó)國(guó)家儀器（NI）的卡件搭建，利用LabVIEW編程實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行過程中振動(dòng)和工藝信號(hào)的自適應(yīng)采集及數(shù)據(jù)預(yù)處理。正常工況，低采樣率采集數(shù)據(jù)，降低存儲(chǔ)成本；一旦發(fā)生異常工況，提高采樣率，以便診斷分析。同時(shí)在采集服務(wù)器上可以基于LabVIEW開發(fā)OPC UA SERVER，與邊緣網(wǎng)關(guān)的OPC UA CLIENT實(shí)現(xiàn)通訊。

1.1.2 邊緣網(wǎng)關(guān)

物聯(lián)網(wǎng)邊緣網(wǎng)關(guān)，以虛擬鏡像的方式可部署在本地不同量級(jí)的智能設(shè)備和計(jì)算節(jié)點(diǎn)中，支持連接不同協(xié)議（如OPC UA、MODBUS）接收本地?cái)?shù)據(jù)，并通過協(xié)議轉(zhuǎn)換將數(shù)據(jù)傳送至IOT平臺(tái)。

1.2 云端

1.2.1 物聯(lián)網(wǎng)平臺(tái)

物聯(lián)網(wǎng)平臺(tái)作為數(shù)據(jù)的中轉(zhuǎn)平臺(tái)，支持多種協(xié)議實(shí)現(xiàn)邊緣端和云端進(jìn)行雙向通信；對(duì)多類設(shè)備進(jìn)行配置管理；同時(shí)承擔(dān)著數(shù)據(jù)轉(zhuǎn)發(fā)功能；而且其具有多重防護(hù)可有效保障設(shè)備云端安全。以上功能可通過如下方式實(shí)現(xiàn)：

1）設(shè)備通信

提供MQTT協(xié)議與邊緣網(wǎng)關(guān)通訊，實(shí)現(xiàn)設(shè)備-OPC UA-邊緣網(wǎng)關(guān)-MQTT-物聯(lián)網(wǎng)平臺(tái)長(zhǎng)連接的實(shí)時(shí)性需求；

提供2G/3G/4G、NB-IoT、LoRa、WiFi等不同網(wǎng)絡(luò)設(shè)備接入[7]；

通過開發(fā)設(shè)備端SDK讓設(shè)備直接接入。

2）設(shè)備管理

通過配置邊緣網(wǎng)關(guān)信息，可定義不同協(xié)議（如OPC UA、MODBUS），關(guān)聯(lián)相應(yīng)設(shè)備通過定義設(shè)備傳感的點(diǎn)名、數(shù)據(jù)類型等信息生成后臺(tái)物模型代碼，可實(shí)現(xiàn)多個(gè)設(shè)備生命周期管理、設(shè)備上下線變更通知等功能。

3）規(guī)則引擎解析轉(zhuǎn)發(fā)數(shù)據(jù)

可以配置規(guī)則引擎將物聯(lián)網(wǎng)平臺(tái)中的設(shè)備數(shù)據(jù)轉(zhuǎn)發(fā)至其他模塊中，進(jìn)而獲得存儲(chǔ)、計(jì)算等其他服務(wù)。例如，基于規(guī)則引擎可以將數(shù)據(jù)轉(zhuǎn)發(fā)到時(shí)序時(shí)空數(shù)據(jù)庫(kù)。

圖1 架構(gòu)示意圖

圖2 PAI內(nèi)置算法

1.2.2 數(shù)據(jù)庫(kù)

由于電廠采集的設(shè)備狀態(tài)數(shù)據(jù)基本都是與時(shí)間相關(guān)的量，而且工業(yè)上的數(shù)據(jù)采集呈現(xiàn)出采樣率高、采集時(shí)間長(zhǎng)、測(cè)點(diǎn)傳感密集、設(shè)備種類多樣等特點(diǎn)，使用傳統(tǒng)的關(guān)系型、非關(guān)系型數(shù)據(jù)庫(kù)會(huì)造成數(shù)據(jù)的存儲(chǔ)成本高和查詢效率低等問題。本架構(gòu)采用了時(shí)序時(shí)空數(shù)據(jù)庫(kù)（Time Series & Spatial Temporal Database，簡(jiǎn)稱 TSDB），它是專門針對(duì)工業(yè)物聯(lián)網(wǎng)帶時(shí)間標(biāo)簽數(shù)據(jù)優(yōu)化的一種高性能、高實(shí)時(shí)的數(shù)據(jù)庫(kù)，能達(dá)到秒級(jí)寫入百萬(wàn)級(jí)數(shù)據(jù)的能力，可實(shí)現(xiàn)數(shù)據(jù)的高壓縮比以低成本存儲(chǔ)，高效的進(jìn)行多維聚合計(jì)算和預(yù)降采樣[8]，對(duì)于缺失數(shù)據(jù)可以便捷的實(shí)現(xiàn)插值補(bǔ)全，快速的查詢數(shù)據(jù)并實(shí)現(xiàn)可視化和歷史回溯。而且TSDB需安裝在VPC（私有網(wǎng)絡(luò)）云服務(wù)器上，保證了數(shù)據(jù)的安全性。

1.2.3 診斷模型訓(xùn)練及部署

對(duì)于設(shè)備診斷段模型的開發(fā)和部署可以使用機(jī)器學(xué)習(xí)平臺(tái)PAI，它封裝了常見的機(jī)器學(xué)習(xí)算法，可通過圖形化的方式建立診斷模型，降低了開發(fā)人員的門檻,同時(shí)具有命令行工具，可將自己開發(fā)的算法嵌入到工程中，PAI內(nèi)置的算法如圖2所示。

PAI除了內(nèi)置機(jī)器學(xué)習(xí)算法外，還具有主流深度學(xué)習(xí)框架Tensorflow、Caffe、MXNet，底層提供GPU可進(jìn)行模型訓(xùn)練加速。訓(xùn)練完的模型可在線部署生成API，通過建立API網(wǎng)關(guān)，被云端或邊緣端調(diào)用實(shí)現(xiàn)實(shí)時(shí)診斷。

1.2.4 監(jiān)測(cè)畫面

對(duì)于監(jiān)測(cè)畫面的開發(fā)可以采用DATAV軟件，它是基于BS方式的網(wǎng)頁(yè)可視化工具，具有豐富的模板。DATAV數(shù)據(jù)接入方式有多種，如關(guān)系型數(shù)據(jù)庫(kù)和非關(guān)系型數(shù)據(jù)庫(kù)、本地CSV上傳、在線RESTful API及動(dòng)態(tài)請(qǐng)求[9]?；诰W(wǎng)頁(yè)形式開發(fā)的畫面，可在任意顯示端通過輸入網(wǎng)址來查看設(shè)備監(jiān)測(cè)狀態(tài)。

2 架構(gòu)中關(guān)鍵環(huán)節(jié)間的信息交換

2.1 設(shè)備與邊緣網(wǎng)關(guān)通訊

宋振華[10]提到了OPC UA和TSN結(jié)合作為下一代的工業(yè)通信已成為了業(yè)界的共識(shí)，能夠解決工業(yè)互聯(lián)網(wǎng)IT和OT融合面對(duì)的三個(gè)主要問題：OT端的總線復(fù)雜且多樣，周期和非周期性數(shù)據(jù)的傳輸，實(shí)性要求高。TSN是為了解決數(shù)據(jù)傳輸與實(shí)時(shí)性問題而開發(fā)的數(shù)據(jù)鏈路標(biāo)準(zhǔn)，它能實(shí)現(xiàn)周期和非周期數(shù)據(jù)在同一網(wǎng)絡(luò)中傳輸，并采用搶占式MAC的方式來保證數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性。OPC UA作為工控領(lǐng)域使用最廣范的協(xié)議，能有效解決總線復(fù)雜、多樣的問題，統(tǒng)一了標(biāo)準(zhǔn)和規(guī)范。

本文中考慮到未來架構(gòu)應(yīng)用的代表性，所以設(shè)備端與邊緣網(wǎng)關(guān)的信息交換采用了OPC UA協(xié)議。20世紀(jì)90年代發(fā)布的OPC規(guī)范是基于微軟COM/DCOM的技術(shù)，導(dǎo)致OPC的安全性、跨平臺(tái)性、連通性方面存在短板。鑒于此，OPC基金會(huì)推出了全新一代的數(shù)據(jù)通信統(tǒng)一規(guī)范OPC UA，它集成了現(xiàn)有的OPC規(guī)范，并進(jìn)行了擴(kuò)展，支持多平臺(tái)開發(fā)、復(fù)雜數(shù)據(jù)內(nèi)置、完整的地址空間、安全機(jī)制等功能。

圖3 OPC UA通訊架構(gòu)

OPC UA通訊架構(gòu)如圖3所示。OPC UA Server把數(shù)據(jù)、歷史、事件管理和安全配置等模塊抽象成服務(wù)的集合，通過通信棧編碼、加密后被OPC UA Client調(diào)用。數(shù)據(jù)管理模塊提供了客戶端對(duì)數(shù)據(jù)的讀寫和訂閱服務(wù)；歷史管理模塊提供了歷史數(shù)據(jù)、事件的保存和瀏覽接口[11]；事件管理提供了觸發(fā)報(bào)警的機(jī)制；安全配置通過創(chuàng)建安全證書和認(rèn)證，保證服務(wù)端和客戶端間的安全通信；設(shè)備采集驅(qū)動(dòng)提供了讀寫接口給OPC UA Server調(diào)用。地址空間為Server中對(duì)Client可見的信息集合，以上所有的服務(wù)都是基于地址空間實(shí)現(xiàn)的。

OPC UA Server提供了一致、完整的地址空間，節(jié)點(diǎn)是構(gòu)成地址空間最基本的元素，節(jié)點(diǎn)由屬性和引用組成。引用是節(jié)點(diǎn)與節(jié)點(diǎn)間的關(guān)聯(lián)關(guān)系，由于節(jié)點(diǎn)間的引用形成了地址空間的層次結(jié)構(gòu)。對(duì)象是地址空間中的節(jié)點(diǎn)類集合的實(shí)例，它通過引用將屬性、方法、事件集合在一起。當(dāng)在地址空間里定義對(duì)象時(shí)，如創(chuàng)建一個(gè)離心泵的對(duì)象，屬性對(duì)應(yīng)為泵上各個(gè)傳感器，體現(xiàn)了對(duì)象的數(shù)據(jù)特征，方法定義了可以被客戶端調(diào)用的操作，如CLIENT可以通過讀、寫、詢問和訂閱等方法訪問屬性值，從而獲取設(shè)備數(shù)據(jù)狀態(tài)。事件對(duì)應(yīng)為當(dāng)某個(gè)傳感器數(shù)據(jù)超過限值而觸發(fā)的報(bào)警，它體現(xiàn)的對(duì)象的狀態(tài)更改。

2.2 IOT平臺(tái)與監(jiān)測(cè)畫面信息交換

IOT平臺(tái)與DATAV信息交換首先通過配置HTTP/2服務(wù)端訂閱功能，然后在云上虛擬服務(wù)器上創(chuàng)建SDK配置客戶端接收訂閱數(shù)據(jù)，最后通過基于BS架構(gòu)的restful api實(shí)時(shí)調(diào)用服務(wù)器上數(shù)據(jù)更新至監(jiān)視畫面，以上協(xié)議可在虛擬服務(wù)器上通過JAVA編程實(shí)現(xiàn)。

RESTful API由后臺(tái)提供被前端調(diào)用。前端調(diào)用API時(shí)向后臺(tái)發(fā)起HTTP請(qǐng)求，后臺(tái)響應(yīng)請(qǐng)求將處理結(jié)果反饋給前端，是一種典型的基于HTTP的協(xié)議。但是其相比傳統(tǒng)的HTTP具有復(fù)雜度低、安全性高、操作規(guī)范等優(yōu)點(diǎn)，因?yàn)槠浣涌谠O(shè)計(jì)原則和規(guī)范遵循REST（Representational State Transfer，表現(xiàn)狀態(tài)轉(zhuǎn)移化）風(fēng)格。REST API設(shè)計(jì)原則規(guī)范要素如下：

1）統(tǒng)一的資源操作接口原則。RESTful風(fēng)格的數(shù)據(jù)操作采用標(biāo)準(zhǔn)的HTTP方法，GET用來獲取資源，POST用來新建資源，PUT用來更新資源，DELETE用來刪除資源[12]。

2）URI（Uniform Resource Identifier，統(tǒng)一資源標(biāo)識(shí)符）。資源是互聯(lián)網(wǎng)上一切實(shí)體，例如文本、圖片、數(shù)據(jù)等。對(duì)于設(shè)備狀態(tài)監(jiān)測(cè)領(lǐng)域，資源多以數(shù)據(jù)的形式體現(xiàn)并統(tǒng)一采用JSON格式進(jìn)行傳輸和通信；每個(gè)特定的資源都有一個(gè)URI與之對(duì)應(yīng)，要獲取這個(gè)資源就需要訪問其URI，最常用的URI就是URL（Uniform Resource Locator，統(tǒng)一資源定位符），比如云上服務(wù)器的IP地址加信號(hào)點(diǎn)名。

3）無狀態(tài)原則。所謂無狀態(tài)即客戶端與服務(wù)器之間交互是無狀態(tài)的，所有的資源都可以URI定位，而且這個(gè)定位與其他資源無關(guān)，也不會(huì)因?yàn)槠渌Y源的變化而變化，而且API的每次調(diào)用都是獨(dú)立的，不同請(qǐng)求間互不影響。

3 基于架構(gòu)的應(yīng)用開發(fā)

在本文架構(gòu)上以轉(zhuǎn)子實(shí)驗(yàn)臺(tái)架為基礎(chǔ)，開發(fā)應(yīng)用實(shí)例驗(yàn)證了架構(gòu)的優(yōu)越性。下面簡(jiǎn)要介紹架構(gòu)應(yīng)用的流程并展示部分典型界面。

3.1 邊緣端數(shù)據(jù)采集與通訊

邊緣端的搭建包括轉(zhuǎn)子試驗(yàn)臺(tái)、傳感器、數(shù)據(jù)采集硬件（前置放大器、信號(hào)調(diào)制器、NI PXI采集卡）、工程師監(jiān)測(cè)站、邊緣網(wǎng)關(guān)鏡像。轉(zhuǎn)子試驗(yàn)臺(tái)可以模擬不同工況下的正常數(shù)據(jù)和不平衡、不對(duì)中兩類故障數(shù)據(jù)，通過硬件現(xiàn)場(chǎng)采集9個(gè)通道的信號(hào)如圖4所示，可利用LabVIEW進(jìn)行轉(zhuǎn)速測(cè)量、信號(hào)濾波、傅里葉變換、小波變換、軸心軌跡分析等預(yù)處理。實(shí)驗(yàn)室布置如圖5所示，邊緣網(wǎng)關(guān)鏡像啟動(dòng)如圖6所示。軸心軌跡分析如圖7所示，轉(zhuǎn)速測(cè)量程序如圖8所示。

圖4 傳感器采集信號(hào)示意圖

圖5 實(shí)驗(yàn)室布置

圖6 邊緣網(wǎng)關(guān)鏡

圖7 軸心軌跡分析

圖8 轉(zhuǎn)速測(cè)量程序

預(yù)處理后的數(shù)據(jù)傳輸至邊緣網(wǎng)關(guān)通過OPC UA協(xié)議實(shí)現(xiàn)，在云端配置邊緣網(wǎng)關(guān)協(xié)議驅(qū)動(dòng)可生成OPC UA CLIENT。而OPC UA SERVER通過LabVIEW實(shí)現(xiàn)，其程序設(shè)計(jì)流程圖如圖9所示。

圖9 OPC UA Server程序設(shè)計(jì)流程

首先建立SERVER，定義SERVER的名稱如TEST SERVER、地址URL如本機(jī)IP及端口如49588，然后在SERVER下創(chuàng)建一個(gè)交節(jié)點(diǎn)對(duì)象代表一個(gè)設(shè)備如命名為DEVICE。接下來根據(jù)OPC UA協(xié)議規(guī)范可以在對(duì)象下建立與傳感對(duì)應(yīng)的9個(gè)屬性，定義屬性名稱如C2pixAI0、讀/寫方法及數(shù)據(jù)類型如雙精度浮點(diǎn)數(shù)組Array Of Double，建立OPC UA啟動(dòng)節(jié)點(diǎn),循環(huán)將9個(gè)采集通道的數(shù)據(jù)寫入到9個(gè)屬性中，退出循環(huán)后停止SERVER并釋放空間，以節(jié)約計(jì)算資源。整體OPC SERVER程序如圖10所示。

圖10 OPC UA Serve程序

3.2 云端

3.2.1 設(shè)備數(shù)據(jù)上傳IOT平臺(tái)

通過物聯(lián)網(wǎng)平臺(tái)定義設(shè)備傳感信息，生成物模型，配置邊緣網(wǎng)關(guān)信息及驅(qū)動(dòng)，并將其配置部署至邊緣節(jié)點(diǎn)中，實(shí)現(xiàn)邊緣網(wǎng)關(guān)通過MQTT協(xié)議將數(shù)據(jù)上報(bào)云端IOT平臺(tái)，圖11為IOT平臺(tái)上的設(shè)備狀態(tài)數(shù)據(jù)。

圖11 IOT平臺(tái)設(shè)備狀態(tài)數(shù)據(jù)

3.2.2 歷史數(shù)據(jù)儲(chǔ)存與回溯

在云端VPC（私有網(wǎng)絡(luò)）的服務(wù)器上設(shè)置TSDB數(shù)據(jù)庫(kù)實(shí)例，保證數(shù)據(jù)的安全性。上傳到IOT平臺(tái)的數(shù)據(jù)，通過規(guī)則引擎解析轉(zhuǎn)發(fā)到TSDB數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)時(shí)序數(shù)據(jù)存儲(chǔ)和歷史回溯。歷史數(shù)據(jù)回溯如圖12所示。

3.2.3 診斷模型訓(xùn)練

圖12 TSDB中歷史數(shù)據(jù)回溯

由于PAI構(gòu)建在數(shù)據(jù)中臺(tái)MaxCompute之上，所以先從云端TSDB數(shù)據(jù)庫(kù)將歷史數(shù)據(jù)導(dǎo)出，然后在云端虛擬服務(wù)器上安裝并配置好MaxCompute客戶端，通過tunnel upload命令上傳數(shù)據(jù)至MaxCompute被PAI平臺(tái)讀??；從而實(shí)現(xiàn)數(shù)據(jù)由數(shù)據(jù)庫(kù)到PAI平臺(tái)的流轉(zhuǎn)。根據(jù)上傳的3類數(shù)據(jù)（正常數(shù)據(jù)、不平衡故障、不對(duì)中故障），采用邏輯回歸二分類實(shí)現(xiàn)異常檢測(cè)，隨機(jī)森林算法多分類實(shí)現(xiàn)故障診斷識(shí)別，詳細(xì)程序如圖13所示。

圖13 診斷算法程序

3.2.4 實(shí)時(shí)監(jiān)測(cè)畫面開發(fā)

使用DATAV可視化工具中豐富的模塊進(jìn)行監(jiān)測(cè)畫面的開發(fā)，界面效果如圖14所示。

圖14 設(shè)備數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)畫面

設(shè)備連接物聯(lián)網(wǎng)平臺(tái)后，DATAV通過調(diào)用基于JAVA開發(fā)的RESTFUL API將數(shù)據(jù)實(shí)時(shí)更新到監(jiān)測(cè)畫面；而PAI通過在線部署，生成模型API網(wǎng)關(guān)被IOT或邊緣端直接調(diào)用，將診斷結(jié)果返回至監(jiān)測(cè)畫面。

4 結(jié)語(yǔ)

本文提出采用邊緣-云的架構(gòu)，以實(shí)現(xiàn)核電設(shè)備的遠(yuǎn)程監(jiān)測(cè)及智能診斷，具有以下優(yōu)越性：

1）通過OPC UA協(xié)議，實(shí)現(xiàn)數(shù)據(jù)高速、可靠的傳輸，特別對(duì)于高頻振動(dòng)數(shù)據(jù)采集。

2）采用云架構(gòu)的方式可以解決多個(gè)機(jī)組多類設(shè)備大量數(shù)據(jù)的儲(chǔ)存和利用問題。

3）對(duì)于機(jī)組采集的數(shù)據(jù)大部分是時(shí)間相關(guān)的變量，采用高速時(shí)序數(shù)據(jù)庫(kù)，實(shí)現(xiàn)更高效的存儲(chǔ)，便于歷史回溯分析。

4）通過圖形化建模的機(jī)器學(xué)習(xí)平臺(tái)PAI，降低了工程師對(duì)數(shù)據(jù)驅(qū)動(dòng)診斷算法的使用門檻，不需要大量的代碼編程，操作簡(jiǎn)單，容易上手，縮短了開發(fā)時(shí)間，同時(shí)也支持自主算法代碼上傳。

5）通過將訓(xùn)練好的模型在線部署，生成API被云端或邊緣調(diào)用，配合基于BS架構(gòu)的DATAV可視化工具，實(shí)現(xiàn)了任意端的畫面顯示，極度輕量化了邊緣端的硬件配置要求。

在設(shè)計(jì)的架構(gòu)上，以實(shí)驗(yàn)臺(tái)架作為應(yīng)用對(duì)象，也驗(yàn)證了以上優(yōu)有點(diǎn)。無論企業(yè)是選擇私有云還是公有云的形式，本架構(gòu)都有廣泛的應(yīng)用價(jià)值；而且基于云平臺(tái)的方式，也為大數(shù)據(jù)分析-智能診斷算法研究提供了基礎(chǔ)。