上海光源全局束流診斷數據倉庫開發

賴龍偉，冷用斌，閻映炳，陳之初

(中國科學院 上海應用物理研究所，上海 201800)

?

上海光源全局束流診斷數據倉庫開發

賴龍偉，冷用斌*，閻映炳，陳之初

(中國科學院 上海應用物理研究所，上海 201800)

上海光源已建成的束流診斷系統可滿足光源的日常運行和機器研究需要。但由于缺少有效的事件觸發處理機制，無法保存并分析運行期間突發的全局軌道擾動、BPM故障和DCCT噪聲等異常現象。為解決以上問題，本文在現有束測系統的基礎上開發了基于Soft IOC的全局束流診斷數據倉庫。數據倉庫通過在線監測加速器和束測系統的運行狀況，在發現異常現象時及時發出觸發信號并存儲相關數據進行分析。運行結果表明，數據倉庫能有效檢測加速器和束測系統異常，并可用于生成束測設備置信度指標，為進一步優化束測系統和提高光源運行性能提供有效依據。

上海光源；數據倉庫；束流診斷；異常檢測

上海光源束測系統包含200多個測量設備，包括束流位置測量、流強測量、束斑尺寸測量、填充模式測量、束團長度測量等，可提供機器運行和加速器物理研究所需的束流和機器參數[1]。束測系統每秒在線發布超過2萬個變量參數，數百個包含兩千點的波形記錄。如此大量的數據包含巨大的潛在價值，若能對其進行有效處理并加以利用，將會有較好的應用前景。

在過去幾年的運行中，束測系統發生了數次硬件和軟件的異常，導致束測數據的可靠性和真實性無法保證。主要的異常現象有：束測系統維護期間，BPM電纜連接突然中斷；全環軌道擾動；個別BPM數據出現脈沖擾動和平移跳變；DCCT數據脈沖噪聲；填充模式檢測器由于軌道擾動出現較大的測量誤差等。

由于無有效工具，異常發生時無法通知運行人員，發生后亦無法進行故障分析。已有的BPM 10 Hz窄帶數據無法完成此類處理，必須使用寬帶歷史數據，如694 kHz的逐圈BPM數據或10 kHz的DCCT數據等。但每秒實時采集如此大量的寬帶數據并不現實，可行的方案是建立全局束流診斷數據倉庫，在線進行關聯數據分析并存儲異常發生時的有用數據用于故障診斷。基于以上分析，本文開展全局束流診斷數據倉庫的開發和應用研究。

1 結構設計

圖1 數據倉庫硬件結構Fig.1 Hardware structure of data warehouse

數據倉庫硬件結構如圖1所示，在現有的儲存環束測系統控制網絡的基礎上配置1臺IBM System x3550 M4服務器，被檢測對象包括束流位置檢測、流強檢測設備、束斑尺寸檢測設備、填充模式檢測設備。控制系統基于EPICS構建，在被檢測對象上配置了EPICS IOC，數據通過網絡傳輸至服務器，在服務器上開發Soft IOC實現全局束流診斷數據倉庫。數據倉庫采用開源的分布式數據庫Couchbase進行數據管理。

數據倉庫主要實現以下功能：提供一套束流診斷系統自檢工具，快速排查所有設備的硬件連接和電子學配置；故障發生時產生事件觸發信號，保存可進行離線故障分析的寬帶數據；維護動態BPM信任度列表，軌道反饋系統和機器研究等可依據該表決定使用哪些BPM；設置加速器運行狀態標志，指示加速器的運行可靠度和穩定度；為每個診斷設備設置置信度標志，幫助用戶對束測數據進行取舍。基于上述需求，設計了包含6個數據分析引擎、1個基準數據庫、1個故障分析歷史數據庫、5類運行數據、1個置信度表和1個高速Matlab-EPICS接口的全局束流診斷數據倉庫[2]。

1) 數據分析引擎

數據分析引擎是數據倉庫的核心，現有6個數據分析引擎協同工作。

(1) 基準管理引擎。采集系統正常運行時的歷史數據，建立各設備和加速器的基準。

(2) BPM逐圈數據分析引擎[3]。利用MIA方法對全環140個BPM的逐圈數據進行時域和頻域的相關性分析，實現對Lattice參數在線監測、BPM故障診斷、加速器運行異常時的報警，并對BPM系統進行性能分析且提供BPM的置信度。

(3) BPM慢獲取數據(SA)分析引擎。通過對10 Hz的BPM四通道數據SA進行相關性分析，可進行如電纜連接異常等BPM故障診斷；通過計算并記錄SA短時間標準差，可分析儲存環掉束原因；通過記錄SA可觀察束流軌道長時間漂移；通過對全環BPM的SA進行相關性分析可監測全環軌道參數和評估各BPM性能，為每個BPM計算置信度。

(4) 束流流強分析引擎。通過對填充模式的和信號與DCCT進行相關運算，評估DCCT和填充模式測量的性能，記錄光源的運行情況，同時可進行束流平均壽命和逐束團壽命校驗；通過計算全環BPM和信號與DCCT的相關函數，評估BPM的性能。

(5) 束斑尺寸分析引擎。通過計算束斑截面尺寸和束流位置頻譜的關聯性，進行干涉儀或X射線針孔相機的可靠性分析；通過計算束斑截面尺寸和束流壽命的關聯性，進行托歇克壽命測量及應用研究，觀察束流不理想度。

(6) 置信度計算引擎。綜合以上幾個分析引擎的計算結果，生成一張包括所有設備和整個加速器置信度的表格，并在故障發生時發出觸發信號并存儲運行數據到歷史數據庫中。

2) 基準數據庫

基準數據庫包含所有束測設備和加速器的基準數據，數據來源于歷史運行數據，且在每種運行模式下均重新建立。

3) 運行數據庫

運行數據庫綜合控制網絡的所有實時束測數據，包括兩個在線環形緩存器。第1個緩存器以1 Hz采集速率存儲100 s的數據。第2個緩存器存儲以0.01 Hz采集速率存儲24 h的數據。每幀的數據結構和第1個緩存器相同，但帶寬降到0.005 Hz。每天存儲緩存器中的數據，用作長期運行狀態的評估。

4) 置信度表

由置信度計算引擎生成置信度表，該表包括每個診斷系統和整個機器的狀態評估結果，并以EPICS PV的形式按1 Hz速率在控制網絡更新發布。用戶可在線獲取該數據，并決定相關數據的取舍。

5) 故障分析歷史數據庫

故障分析歷史數據庫的內容來自運行數據庫，每個記錄都和故障事件相關聯，通過該數據庫可在事后進行精細分析并確定故障原因。

6) 高速Matlab-EPICS接口

為實現以上功能，LCA或MCA已不能滿足對數據的訪問速度要求，因此，參考LabVIEW內存共享IOCcore接口的方法，設計速度更高的Matlab-EPICS接口[4]。

2 應用

數據倉庫自2012年下半年投入運行以來，累積了大量束流運行數據，目前主要通過離線分析對用于上海光源的運行性能評估、束測系統運行狀態監測及一些隨機事件的輔助機器進行研究。

2.1 上海光源運行性能評估

利用數據倉庫對加速器主要的幾個參數進行監測以評估機器性能，包括軌道穩定性、流強穩定性、填充均勻度、工作點穩定性等，評估主要基于SA。上海光源2013年的運行情況如下：軌道穩定性在單個運行周期內好于0.5 μm，不同周期間軌道跳變嚴重，上半年達到200 μm，下半年約30 μm；流強的穩定度短時間內保持在1 mA(0.5%)范圍內，但不穩定，長時間在2 mA(1%)范圍內，尚有優化空間；填充均勻度上半年在3%～6%，下半年下降至4%～10%，注入過程的重復性還有優化空間；水平方向工作點上半年在0.20～0.25間漂移，24 h穩定度在0.001內，不同運行周期內阻尼時間不同，暑期排除電源波動影響后，下半年的24 h內穩定度好于0.000 1。

2.2 束測系統運行狀態監測

利用MIA算法對全環140個DBPM處理器的逐圈數據進行分析，可快速進行BPM系統故障診斷。如圖2所示，對注入期間的逐圈數據進行MIA分解，獲得束流中包含的β振蕩(第1、2個模式)、能量振蕩(第3個模式)和電子學噪聲(第9個模式)。利用分解的各物理模式的幅度可進行BPM的性能評估，發現可能有問題的BPM，并有助于查找影響系統性能的噪聲來源。類似分析還可用于對BPM的分辨率進行在線評估[5]。

圖2 β振蕩(a)、能量振蕩(b)和電子學噪聲(c)Fig.2 Betatron oscillation mode (a), energy oscillation mode (b) and electronics noise mode (c)

通過長期記錄BPM故障情況，定位出置信度高的BPM用于快反饋和軌道反饋，提高系統性能。圖3為2012年10月14日至11月3日期間BPM故障統計情況。從圖3中可直觀地找出經常發生故障的BPM，如20#、85#、123#、128#，也易于發現性能良好的BPM。

圖3 BPM運行故障記錄Fig.3 BPM failure record

2.3 隨機事件的數據記錄及輔助機器研究

上海光源目前計劃將流強提高到240 mA，但在240 mA穩定運行一段時間后有時會丟失10 mA束流變為230 mA。利用數據倉庫對掉束前后相關的束流數據進行分析，可幫助定位掉束原因并解決該問題。圖4a為流強從240 mA掉至230 mA后再次注入的過程；圖4b為掉束前后束團電荷量，掉束過程中疑似發生多束團不穩定性(束團串尾部被刮掉)。同時，在掉束后垂直方向β振幅增大，而水平、垂直工作點未見明顯變化。通過分析時域波形可知，掉束前橫向反饋穩定工作，掉束過程中及掉束后均不能有效抑制橫向振蕩。補注束流至240 mA后，橫向反饋系統恢復正常工作。綜合上述分析結果和該時刻儲存環真空度數據，可初步判定是由于真空放氣引起的快離子不穩定性導致的束團串尾部刮束。

圖4 掉束前后流強(a)和束團電荷量(b)Fig.4 Current (a) and bunch charge (b) before and after beam loss

3 結論

本文通過綜合所有在線束測設備和相關機器運行參數，基于高速EPICS-Matlab接口，在服務器上開發了EPICS Soft IOC實現各類信號處理算法，建立了能有效進行系統運行狀態監控、異常診斷、提供系統置信度指標等功能在內的全局束流診斷數據倉庫。利用該數據倉庫可長時間監測加速器運行過程中的軌道、流強、工作點、填充模式等參數，對光源運行性能進行評估。并對運行中的束測系統故障和掉束問題進行了診斷研究，為問題的解決提供了有效手段。

[1] LENG Yongbin, YE Kairong, ZHOU Weimin, et al. SSRF beam diagnostics system commissioning[C]∥DIPAC2009. Basel: DIPAC, 2009.

[2] LENG Yongbin, YAN Yingbing, CHEN Zhichu, et al. Beam diagnostics global data warehouse implementation and application at SSRF[C]∥IPAC2011. San Sebastian: IPAC, 2011.

[3] CHEN Zhichu, LENG Yongbin, YUAN Ren-xian, et al. BPM Troubleshooting by using PCA in SSRF[J]. Nuclear Science and Techniques, 2014, 25(2): 020102.

[4] YAN Yingbing, LENG Yongbin. Soft IOC application in SSRF beam diagnostics system[C]∥IPAC2010. Kyoto: IPAC, 2010: 2 707-2 709.

[5] CHEN Zhichu, LENG Yongbin, YAN Yingbing, et al. Performance evaluation of BPM system in SSRF using PCA method[J]. Chinese Physics C, 2014, 38(8): 087004.

Development of Global Data Warehouse for Beam Diagnostics at SSRF

LAI Long-wei, LENG Yong-bin*, YAN Ying-bing, CHEN Zhi-chu

(ShanghaiInstituteofAppliedPhysics,ChineseAcademyofSciences,Shanghai201800,China)

The beam diagnostic system is adequate during the daily operation and machine study at the Shanghai Synchrotron Radiation Facility (SSRF). Without the effective event detecting mechanism, it is difficult to dump and analyze abnormal phenomena such as the global orbital disturbance, the malfunction of the BPM and the noise of the DCCT. The global beam diagnostic data warehouse was built in order to monitor the status of the accelerator and the beam instruments. The data warehouse was designed as a Soft IOC hosted on an independent server. Once abnormal phenomena happen it will be triggered and will store the relevant data for further analysis. The results show that the data warehouse can detect abnormal phenomena of the machine and the beam diagnostic system effectively, and can be used for calculating confidential indicators of the beam instruments. It provides an efficient tool for the improvement of the beam diagnostic system and accelerator.

SSRF; data warehouse; beam diagnostics; abnormal detection

2014-01-24;

2014-06-30

國家自然科學基金資助項目(11075198，11305253，11105211)；中國科學院知識創新工程新銳計劃項目資助(Y45501306)

賴龍偉(1985—)，男，江西寧都人，助理研究員，博士，核技術及應用專業

*通信作者：冷用斌，E-mail: lengyongbin@sinap.ac.cn

TL506

A

1000-6931(2015)06-1149-04

10.7538/yzk.2015.49.06.1149