梁月放

【摘? ?要】? ?常規(guī)電氣設(shè)備運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)控方法在提取運(yùn)行狀態(tài)信號(hào)的時(shí)域特征時(shí)，忽略了信號(hào)數(shù)據(jù)偏差量的影響，導(dǎo)致對(duì)設(shè)備運(yùn)行狀態(tài)監(jiān)控產(chǎn)生的誤差較大，因此提出基于物聯(lián)網(wǎng)嵌入式單片機(jī)的電氣設(shè)備運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)控方法。利用物聯(lián)網(wǎng)嵌入式單片機(jī)采集正常和非正常情況下電氣設(shè)備運(yùn)行狀態(tài)信號(hào)，在此基礎(chǔ)上，利用信號(hào)分析理論分析設(shè)備信號(hào)時(shí)域中的信號(hào)數(shù)據(jù)偏差量，計(jì)算偏移因子，進(jìn)而提取信號(hào)時(shí)域特征向量，采用模糊處理模型對(duì)特征向量進(jìn)行估算，實(shí)現(xiàn)電氣設(shè)備運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)控。在實(shí)驗(yàn)論證中，利用所提方法的監(jiān)控結(jié)果繪制設(shè)備健康指數(shù)曲線，結(jié)果與實(shí)際值基本一致，監(jiān)控誤差較小，更加符合設(shè)備實(shí)際運(yùn)行情況。

【關(guān)鍵詞】? ?物聯(lián)網(wǎng)嵌入式單片機(jī)；電氣設(shè)備；運(yùn)行狀態(tài)；遠(yuǎn)程監(jiān)控

Remote Monitoring of Electrical Equipment Running State Based on Embedded MCU of Internet of Things

Liang Yuefang

（Anhui Sanlian College， Hefei 230601， China）

【Abstract】? ? When extracting the time-domain characteristics of the running state signal， the conventional remote monitoring method for the running state of electrical equipment ignores the influence of the deviation of the signal data， which leads to a large error in the monitoring of the running state of equipment. Therefore， the remote monitoring of the running state of electrical equipment based on the embedded microcontroller of the Internet of Things is proposed. The embedded microcontroller of the Internet of Things is used to collect the operating state signals of electrical equipment under normal and abnormal conditions. On this basis， the signal data deviation in the time domain of the equipment signal is analyzed using the signal analysis theory， the offset factor is calculated， and then the time domain feature vector of the signal is extracted. The fuzzy processing model is used to estimate the feature vector， and the remote monitoring of the operating state of electrical equipment is realized. In the experimental demonstration， the equipment health index curve is drawn by using the monitoring results of the proposed method. The results show that the equipment health index curve obtained by using the proposed method is basically consistent with the actual value， the monitoring error is small， and it is more consistent with the actual operation of the equipment.

【Key words】? ? ?embedded MCU of internet of things; electrical equipment; operation status; remote monitoring

〔中圖分類號(hào)〕? TP399? ? ? ? ? ? ?〔文獻(xiàn)標(biāo)識(shí)碼〕? A ? ? ? ? ? ? ?〔文章編號(hào)〕 1674 - 3229（2023）01- 0039 - 06

0? ? ?引言

電氣設(shè)備發(fā)生故障會(huì)對(duì)整個(gè)電力系統(tǒng)造成巨大的經(jīng)濟(jì)損失，嚴(yán)重時(shí)會(huì)導(dǎo)致人身安全事故發(fā)生?，F(xiàn)有對(duì)設(shè)備運(yùn)行狀態(tài)監(jiān)控的方法：文獻(xiàn)［1］基于大數(shù)據(jù)的設(shè)備運(yùn)行狀態(tài)監(jiān)控方法，通過對(duì)設(shè)備故障機(jī)理進(jìn)行深入分析，根據(jù)不解體測(cè)試結(jié)果，利用大數(shù)據(jù)分析預(yù)測(cè)設(shè)備是否存在潛在故障，從而進(jìn)行調(diào)整、維修或更換；文獻(xiàn)［2］基于蟻群算法的設(shè)備運(yùn)行狀態(tài)監(jiān)控方法根據(jù)設(shè)備空白出現(xiàn)的故障定位，建立監(jiān)控模型，引入蟻群算法，對(duì)模型進(jìn)行求解，從而設(shè)計(jì)監(jiān)控信息傳輸方案，實(shí)現(xiàn)對(duì)電氣設(shè)備的運(yùn)行狀態(tài)監(jiān)控。但以上方法由于對(duì)參數(shù)變量的估計(jì)不準(zhǔn)確，不能高效完整地對(duì)數(shù)據(jù)知識(shí)進(jìn)行挖掘，監(jiān)控結(jié)果誤差較大，無法為設(shè)備維護(hù)人員提供全面的知識(shí)指導(dǎo)。本文提出的基于物聯(lián)網(wǎng)嵌入式單片機(jī)的電氣設(shè)備運(yùn)行狀態(tài)監(jiān)控方法，有效地解決了當(dāng)前方法存在的不足，可提高設(shè)備運(yùn)行狀態(tài)監(jiān)控的可靠性和實(shí)時(shí)性。

1? ? ?電氣設(shè)備運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)控方法設(shè)計(jì)

1.1? ?利用物聯(lián)網(wǎng)嵌入式單片機(jī)采集電氣設(shè)備運(yùn)行狀態(tài)信息

電氣設(shè)備在正常運(yùn)行過程中會(huì)產(chǎn)生標(biāo)準(zhǔn)范圍內(nèi)的正常振動(dòng)信號(hào)，當(dāng)設(shè)備運(yùn)行不正常時(shí)，其振動(dòng)信號(hào)往往也是不規(guī)律的［3］。因此需要對(duì)正常和非正常情況下電氣設(shè)備振動(dòng)信號(hào)的特征值進(jìn)行提取、分析、處理來確定軸承故障情況。通過對(duì)這些參數(shù)的獲取，實(shí)時(shí)判斷設(shè)備的運(yùn)行狀態(tài)，進(jìn)而為后續(xù)的維修提供更為準(zhǔn)確的依據(jù)。選用物聯(lián)網(wǎng)嵌入式單片機(jī)80C51作為采集設(shè)備運(yùn)行狀態(tài)信號(hào)的器件，其結(jié)構(gòu)如圖1所示。

由圖1可知，物聯(lián)網(wǎng)嵌入式單片機(jī)80C51的主端口直接與樹莓派中的第6個(gè)引腳相連，并與其輸出連接器實(shí)時(shí)傳輸信號(hào)數(shù)據(jù)；HAT與單片機(jī)內(nèi)置的采集卡互通，實(shí)現(xiàn)樹莓派在發(fā)出數(shù)據(jù)采集指令時(shí)自動(dòng)設(shè)置GPIO引腳；80C51具備12個(gè)32位的雙端信號(hào)輸入輸出器，可通過的模擬信號(hào)電壓范圍為±20V［4］；板卡地址可根據(jù)設(shè)備信號(hào)類型進(jìn)行自動(dòng)匹配，匹配時(shí)最大數(shù)據(jù)吞吐量為500kS/s，并具備24針I(yè)/O引腳，支持用戶監(jiān)控同時(shí)利用時(shí)鐘和振蕩信號(hào)板卡進(jìn)行數(shù)據(jù)掃描；3.3V電源為單片機(jī)供電，并與樹莓派連接［5］。

由于通過80C51單片機(jī)采集的設(shè)備運(yùn)行狀態(tài)信號(hào)是模擬量，且其中摻雜著大量的噪聲干擾信號(hào)，若直接對(duì)其進(jìn)行特征提取，則導(dǎo)致信號(hào)轉(zhuǎn)換為數(shù)據(jù)量的純度較低，后續(xù)監(jiān)控結(jié)果不準(zhǔn)確［6］。因此，在設(shè)備運(yùn)行狀態(tài)信號(hào)采集之后，需要對(duì)信號(hào)進(jìn)行轉(zhuǎn)換。利用跨阻值放大器，對(duì)狀態(tài)信號(hào)進(jìn)行適當(dāng)增益，消除噪聲信號(hào)的干擾，將信號(hào)轉(zhuǎn)換為數(shù)據(jù)形式。信號(hào)轉(zhuǎn)換電路設(shè)計(jì)如圖2所示。

由圖2可知，利用1N4001硅整流二極管通過電壓反向?qū)⒉杉降妮^強(qiáng)狀態(tài)信號(hào)轉(zhuǎn)換為電流；采用跨阻值放大器對(duì)較弱的狀態(tài)信號(hào)進(jìn)行增益放大處理［7］。通過上述操作，將采集到的所有信號(hào)全部轉(zhuǎn)換為數(shù)據(jù)形式，利于后續(xù)監(jiān)控。采集的設(shè)備運(yùn)行狀態(tài)工況參數(shù)如表1所示。

經(jīng)過信號(hào)轉(zhuǎn)換操作，對(duì)信號(hào)進(jìn)行調(diào)理轉(zhuǎn)換，保證采集到的信號(hào)均為數(shù)據(jù)形式。利用80C51信號(hào)的嵌入式單片機(jī)可以將設(shè)備運(yùn)行狀態(tài)的參數(shù)集中在一個(gè)芯片上，信號(hào)數(shù)據(jù)采集流程如圖3所示。

由圖3可知，信號(hào)數(shù)據(jù)采集芯片主要從三個(gè)方向?qū)υO(shè)備運(yùn)行狀態(tài)信號(hào)數(shù)據(jù)進(jìn)行采集，主要為信號(hào)數(shù)據(jù)等待隊(duì)列、信號(hào)可用隊(duì)列和信號(hào)數(shù)據(jù)刪除隊(duì)列［8］。其中，等待隊(duì)列中的信號(hào)數(shù)據(jù)是經(jīng)過調(diào)理轉(zhuǎn)換的數(shù)據(jù)；信號(hào)可用隊(duì)列是采集設(shè)備全部的運(yùn)行信號(hào)；刪除隊(duì)列對(duì)信號(hào)數(shù)據(jù)進(jìn)行篩選，刪除不可用數(shù)據(jù)，保留有效信息。

利用線性方程描述信號(hào)數(shù)據(jù)采集狀況，即：

[X=B2-B1A2-A1+B1A2-B2A1A2-A1] （1）

上式中，[A1]表示采集設(shè)備運(yùn)行狀態(tài)信號(hào)的開始時(shí)間；[A2]表示信號(hào)采集結(jié)束時(shí)間；[B1]表示信號(hào)采集初始值；[B2]表示信號(hào)采集終止值；[X]表示信號(hào)數(shù)據(jù)采集總量。

利用上式的線性方程來定量描述設(shè)備運(yùn)行狀態(tài)信號(hào)的采集情況，為接下來提取信號(hào)時(shí)域特征以及運(yùn)行狀態(tài)監(jiān)控提供便利。

1.2? ?提取運(yùn)行狀態(tài)信號(hào)時(shí)域特征

在狀態(tài)信號(hào)采集基礎(chǔ)上，利用信號(hào)分析理論分析信號(hào)偏差量，并計(jì)算出偏移因子，從而對(duì)時(shí)域特征進(jìn)行提取，利用這些特征向量判斷設(shè)備運(yùn)行狀態(tài)。因此，在采集到運(yùn)行狀態(tài)信號(hào)的基礎(chǔ)上，對(duì)信號(hào)的時(shí)域特征進(jìn)行提取，運(yùn)行狀態(tài)信號(hào)的應(yīng)力波時(shí)域特征如圖4所示。

圖4中的狀態(tài)信號(hào)時(shí)域波形圖為設(shè)備的一個(gè)運(yùn)行周期。對(duì)于設(shè)備在全生命周期中的運(yùn)行記錄，窗口的長(zhǎng)度是固定的，其中最多包含10萬個(gè)運(yùn)行數(shù)據(jù)節(jié)點(diǎn)，記錄時(shí)間為20s。信號(hào)數(shù)據(jù)記錄的長(zhǎng)度用“[R]”表示，指的是數(shù)據(jù)文件持續(xù)總時(shí)間。從狀態(tài)信號(hào)時(shí)域中提取出的特征參數(shù)主要由設(shè)備的初始極限閾值[L]決定，通常情況下，極限閾值為設(shè)備在一個(gè)運(yùn)行周期內(nèi)的最低瞬時(shí)振幅的10倍。瞬時(shí)振幅調(diào)整描述如圖5所示。

圖5中，[Vav]表示振幅的最低值；[Vrms]表示均方根值；[Vp]表示峰值；[Vpp]表示峰峰值。

用于計(jì)算極限閾值的物理參數(shù)是預(yù)先給定的［9-10］。因此，設(shè)備一個(gè)運(yùn)行周期內(nèi)信號(hào)的應(yīng)力波峰值能量[E]為：

[E=B?tetbVavA′i，Ldt] （2）

式（2）中，[B]為信息采集數(shù)量；[A′i]表示窗口內(nèi)的最低瞬時(shí)振幅；[L]表示設(shè)備極限閾值；[te]、[tb]分別表示記錄長(zhǎng)度的最大時(shí)間和最小時(shí)間。

一般情況下，設(shè)備的全生命周期包括5個(gè)窗口長(zhǎng)度［11］，共包含4個(gè)時(shí)域特征參數(shù)[S1、S2、S3、S]。因此，提取到的信號(hào)初始時(shí)域特征參數(shù)[S1、S2、S3]定義如下：

[S1=1ni=1nA′i3] （3）

[S2=Rmax-RminA′i] （4）

[S3=1ni=1nA′i2L2] （5）

[S=E?S1，S2，S3] （6）

式（3）中，[n]表示振幅峰值個(gè)數(shù)，[i]表示峰值序號(hào)；式（4）中，[Rmax]、[Rmin]分別表示信號(hào)記錄的最大值和最小值；式（5）中，[L]表示極限閾值；式（6）中，[E]表示應(yīng)力波峰值能量。

因此，通過對(duì)設(shè)備運(yùn)行狀態(tài)信號(hào)的應(yīng)力波分析，提取得到信號(hào)時(shí)域特征參數(shù)，即式（6），為接下來對(duì)設(shè)備運(yùn)行狀態(tài)監(jiān)控的實(shí)現(xiàn)打下了基礎(chǔ)。

1.3? ?實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)監(jiān)控

信號(hào)數(shù)據(jù)在特征提取過程中，由于設(shè)備自身和外界因素影響，導(dǎo)致得到的信號(hào)參數(shù)質(zhì)量不高，從而在時(shí)域波形中出現(xiàn)模糊區(qū)域［12-13］。所以，采用模糊處理模型對(duì)信號(hào)的模糊部分進(jìn)行處理，提高信號(hào)質(zhì)量，獲取最佳參數(shù)。模糊處理模型的表達(dá)式為：

[yi，j=S×hi，j×xx，j+n1×n2] （7）

式（7）中，[yi，j]表示模糊信號(hào)；[S]表示信號(hào)時(shí)域特征參數(shù)；[hi，j]表示模糊信號(hào)部分退化算子；[xx，j]表示初始信號(hào)；[n1]表示加性噪聲；[n2]表示乘性噪聲。

利用線性不變模型與模糊處理模型相結(jié)合，建立雙重模糊處理模型，因此，可以將式（7）改寫為：

[yi，j=Hxi，j+n1] （8）

式（8）中，[H]表示線性不變模型的濾波器，對(duì)復(fù)雜信號(hào)的干擾因素進(jìn)行濾波消除處理。

在電氣設(shè)備運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)控中，信號(hào)在傳輸過程中易發(fā)生徑向畸變，該畸變信號(hào)會(huì)降低監(jiān)控結(jié)果的精度［14-15］。主要成因是信號(hào)隨著長(zhǎng)度方向發(fā)生改變時(shí)，其采集到的信號(hào)也會(huì)發(fā)生扭曲。

利用公式（9）描述信號(hào)的徑向畸變過程，即：

[Xd=1+kR2dXuYd=1+kR2dYu] （9）

式（9）中，[Xd，Yd]表示信號(hào)坐標(biāo)；[Xu，Yu]表示信號(hào)標(biāo)準(zhǔn)坐標(biāo)；[k]表示徑向畸變因子；[Rd]表示信號(hào)偏移因子，且滿足公式（10）：

[R2d=X2d+Y2d] （10）

通過確定信號(hào)偏移因子，計(jì)算得出信號(hào)的偏移量，并利用公式（8）對(duì)信號(hào)畸變進(jìn)行模糊處理，實(shí)施線性擬合，實(shí)現(xiàn)對(duì)電氣設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控與捕捉。

2? ? ?實(shí)驗(yàn)論證

為證明本文所提的識(shí)別運(yùn)行狀態(tài)監(jiān)控方法的可靠性，選擇某地區(qū)的過程層電氣設(shè)備，根據(jù)電氣設(shè)備運(yùn)行狀態(tài)監(jiān)控過程特點(diǎn)，設(shè)計(jì)實(shí)驗(yàn)環(huán)節(jié)。

2.1? ?實(shí)驗(yàn)準(zhǔn)備

基于1臺(tái)PC機(jī)（Intel Core i7 3.00 GHz CPU，32GB內(nèi)存，外接5TB硬盤用于存儲(chǔ)數(shù)據(jù)）搭設(shè)電氣設(shè)備運(yùn)行狀態(tài)監(jiān)控平臺(tái)，數(shù)據(jù)預(yù)處理利用MATLAB 2018。物聯(lián)網(wǎng)嵌入式單片機(jī)對(duì)待監(jiān)控對(duì)象的運(yùn)行數(shù)據(jù)進(jìn)行采集和傳輸；單片機(jī)與PC機(jī)的鏈接強(qiáng)度為10，啟用部分引腳與HAT連接器相連，并調(diào)用換階函數(shù)對(duì)鏈接強(qiáng)度進(jìn)行校準(zhǔn)。

80C51型號(hào)嵌入式單片機(jī)對(duì)信號(hào)的采集頻率為5 min /次，獲取到的設(shè)備運(yùn)行狀態(tài)信息包括設(shè)備結(jié)構(gòu)技術(shù)參數(shù)、正常運(yùn)行數(shù)據(jù)以及故障維修數(shù)據(jù)三種類型，由系統(tǒng)配電設(shè)備、設(shè)備內(nèi)部數(shù)據(jù)庫(kù)系統(tǒng)以及歷史數(shù)據(jù)構(gòu)成。數(shù)據(jù)庫(kù)系統(tǒng)結(jié)構(gòu)如表2所示。

對(duì)于設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)，利用單片機(jī)對(duì)其進(jìn)行采集，并將最新數(shù)據(jù)傳輸?shù)较到y(tǒng)的集群中進(jìn)行預(yù)處理；對(duì)于設(shè)備運(yùn)行的歷史數(shù)據(jù)，利用Flume逐條讀取并分析。

2.2? ?實(shí)驗(yàn)說明

基于以上實(shí)驗(yàn)準(zhǔn)備，對(duì)原始的QAR數(shù)據(jù)進(jìn)行單獨(dú)提取，提取出的數(shù)據(jù)為txt格式如圖6所示。圖6中記錄了電氣設(shè)備的名稱、運(yùn)行時(shí)間、基準(zhǔn)值、警戒值以及參數(shù)變化范圍等。

選取的多臺(tái)電氣設(shè)備主要由電纜、通信轉(zhuǎn)換器、配電箱、端子箱、總控制器和主機(jī)組成。采用電氣設(shè)備運(yùn)行狀態(tài)測(cè)試儀Test-Center對(duì)設(shè)備進(jìn)行運(yùn)行狀態(tài)測(cè)試，獲取設(shè)備監(jiān)控結(jié)果；利用斷路器調(diào)整設(shè)備運(yùn)行狀態(tài)，并通過校準(zhǔn)器對(duì)電氣參數(shù)進(jìn)行校正；利用交換機(jī)將以上硬件進(jìn)行連接，搭建測(cè)試環(huán)境，如圖7所示。

圖7中監(jiān)控顯示器為計(jì)算機(jī)，可實(shí)時(shí)顯示監(jiān)控方法的監(jiān)控結(jié)果。數(shù)據(jù)集數(shù)據(jù)大小分別為1500MB、3000MB與4500MB。

2.3? ?運(yùn)行狀態(tài)監(jiān)控誤差實(shí)驗(yàn)分析

在方法測(cè)試與仿真中，選擇了某地區(qū)環(huán)境下5臺(tái)運(yùn)行變壓器的狀態(tài)預(yù)測(cè)情況，采用的時(shí)間維度屬性區(qū)間是2015年6月～2022年6月，每3個(gè)月為一個(gè)分析區(qū)間。對(duì)每臺(tái)設(shè)備均采集10條運(yùn)行數(shù)據(jù)，共計(jì)300條數(shù)據(jù)，同時(shí)實(shí)時(shí)數(shù)據(jù)的刷新時(shí)間保持在5～10s內(nèi)。將待監(jiān)控設(shè)備的歷史數(shù)據(jù)進(jìn)行匯總并分析，按照百分制對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行健康分析，確定待監(jiān)控設(shè)備的健康指數(shù)分別為0.87、0.65、0.43、0.92、0.20，對(duì)應(yīng)的運(yùn)行狀態(tài)具體為健康、良好、不健康、健康、故障。分別利用文獻(xiàn)［1］基于大數(shù)據(jù)的設(shè)備運(yùn)行狀態(tài)監(jiān)控方法（方法1）、文獻(xiàn)［2］基于蟻群算法的設(shè)備運(yùn)行狀態(tài)監(jiān)控方法（方法2）與本文設(shè)計(jì)的方法同時(shí)對(duì)以上設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)控，將監(jiān)控結(jié)果與實(shí)際監(jiān)控結(jié)果相比較，對(duì)比不同方法的監(jiān)控誤差。對(duì)比結(jié)果如圖8所示。

分析圖8可知，利用方法1對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)控得到的設(shè)備健康指數(shù)與實(shí)際數(shù)值相差較大，監(jiān)控誤差較大，該方法利用部分故障數(shù)據(jù)建立監(jiān)控模型，沒有充分考慮設(shè)備運(yùn)行參數(shù)的偏差量；方法2是通過設(shè)備基線模型繪制監(jiān)控?cái)M合曲線，缺少對(duì)基礎(chǔ)運(yùn)行數(shù)據(jù)的分析，因此存在較大的監(jiān)控誤差；利用本文方法對(duì)實(shí)驗(yàn)設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)控，得到的設(shè)備健康指數(shù)與實(shí)際值基本一致，表明監(jiān)控誤差較小，更加符合實(shí)際情況。

3? ? ?結(jié)論

本文研究的電氣設(shè)備運(yùn)行狀態(tài)監(jiān)控方法，充分利用物聯(lián)網(wǎng)單片機(jī)高效采集數(shù)據(jù)的優(yōu)勢(shì)，以此提高監(jiān)控方法的信號(hào)數(shù)據(jù)采集質(zhì)量和效率，進(jìn)而實(shí)現(xiàn)對(duì)電氣設(shè)備運(yùn)行狀態(tài)的監(jiān)控，并通過對(duì)比實(shí)驗(yàn)證明了設(shè)計(jì)方法的有效性。在今后的研究中，還需要對(duì)設(shè)備運(yùn)行過程中的信號(hào)數(shù)據(jù)建立數(shù)據(jù)庫(kù)，進(jìn)一步完善設(shè)備運(yùn)行狀態(tài)監(jiān)控方法。

［參考文獻(xiàn)］

［1］? 徐曉虹，鄭昀.基于大數(shù)據(jù)的配電設(shè)備運(yùn)行狀態(tài)監(jiān)控與故障預(yù)警系統(tǒng)設(shè)計(jì)［J］.能源與環(huán)保，2021，43（12）：207-211.

［2］ 周從軍.基于蟻群算法的帶式輸送機(jī)運(yùn)行狀態(tài)監(jiān)控系統(tǒng)設(shè)計(jì)［J］.煤炭技術(shù)，2021，40（11）：211-213.

［3］ 米海峰.礦用通風(fēng)機(jī)運(yùn)行狀態(tài)監(jiān)控系統(tǒng)的研究［J］.機(jī)械管理開發(fā)，2022，37（7）：303-304.

［4］ 林學(xué)偉，嚴(yán)明忠. 基于STM32單片機(jī)的智能家居控制系統(tǒng)設(shè)計(jì)［J］. 廊坊師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2020，20（4）：35-38.

［5］ 杜立嬋，王彪，趙云，等.“1+X”證書制度下物聯(lián)網(wǎng)專業(yè)嵌入式單片機(jī)技術(shù)及應(yīng)用課程教學(xué)探索［J］.廣西教育，2022（12）：161-164.

［6］ 陳軍，韓清華，楊安迪，等.項(xiàng)目團(tuán)隊(duì)教學(xué)法在嵌入式單片機(jī)課堂的探索與實(shí)踐［J］.實(shí)驗(yàn)室研究與探索，2022，41（4）：232-235.

［7］ 黃一躬，周超，侯躍輝，等.汽車殼體類零件加工生產(chǎn)線運(yùn)行狀態(tài)監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.中國(guó)科技論文在線精品論文，2022，15（1）：31-42.

［8］ 楊耀杰.煤礦機(jī)電設(shè)備工作狀態(tài)智能監(jiān)控系統(tǒng)研究［J］.機(jī)械管理開發(fā)，2021，36（12）：276-277.

［9］ 郭東明.基于CAN總線的無人值守變電所過程層設(shè)備運(yùn)行狀態(tài)智能監(jiān)控方法［J］.能源與環(huán)保，2021，43（10）：288-293.

［10］ 劉軍，靖?jìng)?，彭代君，?油田變電運(yùn)行數(shù)據(jù)與設(shè)備狀態(tài)在線監(jiān)控技術(shù)［J］.上海電氣技術(shù)，2021，14（3）：17-21.

［11］ 劉延春，李娜，王香.基于紅外攝像機(jī)的智能競(jìng)速車運(yùn)行狀態(tài)監(jiān)控［J］.激光雜志，2021，42（9）：179-183.

［12］ 梁廣柱，呂志德，周澤滿，等.軌道衡設(shè)備運(yùn)行狀態(tài)監(jiān)控系統(tǒng)設(shè)計(jì)［J］.鐵道技術(shù)監(jiān)督，2021，49（8）：14-17.

［13］ 劉迪，李建海，王晶，等.一種基于嵌入式單片機(jī)視頻監(jiān)控裝置的設(shè)計(jì)與研究［J］.船電技術(shù)，2021，41（7）：61-64.

［14］ 任遠(yuǎn)林，徐奇.基于嵌入式單片機(jī)的智能家居遠(yuǎn)程控制系統(tǒng)設(shè)計(jì)［J］.新鄉(xiāng)學(xué)院學(xué)報(bào)，2021，38（3）：72-76.

［15］ 王元峰，王林波，王冕，等.基于大數(shù)據(jù)的配電設(shè)備運(yùn)行狀態(tài)監(jiān)控與故障預(yù)警系統(tǒng)設(shè)計(jì)［J］.自動(dòng)化與儀器儀表，2021（1）：148-151.