面向三峽升船機監控傳感網絡的復合事件檢測研究*

雷　鳴　魏峻巖

(武漢數字工程研究所　武漢　430205)

面向三峽升船機監控傳感網絡的復合事件檢測研究*

雷鳴魏峻巖

(武漢數字工程研究所武漢430205)

摘要在三峽升船機監控傳感網絡中，數據的高速傳輸和有效解析對運行監控是非常重要的。然而，傳統數據庫在數據處理方面存在許多不足。論文針對這些不足，在充分考慮傳感器數據的基礎上探討了一種科學有效的升船機傳感監控網絡模型，并提出了升船機監控的復合事件檢測方法，旨在初步探討傳感器網絡和復合事件檢測方法在升船機監控系統的實用性，最后以船舶上行過程檢測和監控性能實驗證明了其數據處理的優越性。

關鍵詞三峽; 升船機; 監控傳感網絡; 復合事件檢測; 數據處理

Class NumberU642

1引言

三峽升船機是客貨輪和特種船舶快速過壩的通道，與雙線五級船閘聯合運行，加大樞紐的航運通過能力和保障樞紐通航質量，是打造長江“黃金水道”的標志性工程。

但是，在升船機的安裝和維護過程中，隨時都可能遭遇各種危險情況。比如鋼絲繩拉力過大，水位偏差過大，油泵溫度過高等故障都有可能引發災難性的后果。升船機是大壩通航主體設備，安全運行成為了其首要目標，尋找一種科學、精準的監控手段顯得尤為重要。

傳統的升船機監控系統通常需要鋪設大量的傳輸介質，耗時長，人工成本高。并且硬件線路易于老化，容易導致通信異常，后期更換和維護成本更高。特別是升船機各設備緊密相聯，牽一發而動全身，運行過程出不得半點差錯。因此，對危險事故的預測以及監控顯得尤為重要。

無線傳感器網絡是由大量隨機布設的，無數有無線通信和計算能力的微型傳感器以多跳通信的方式構成的自組織網絡系統，并可以實施全天候實施精準的監控。它的如下特點可以很好解決上述問題：1)靈活性強。非常適合一些急、險、偏的應用場合。2)經濟性好。無線傳感器網絡利用無線通信技術降低了系統成本。3)精細度高。可以獲取非常高的信息告知精度，從而發現危險發生的潛在因素。

但是大量的傳感器會產生大量的數據，并且會對上層的監控網絡造成負荷，這些數據并不能有效預測危險事故。因此需要一種機制實時處理大量數據，并挖掘數據之間的潛在關系，提高系統對危險事故的相應處理能力。那么，如何挖掘傳感器數據之間的潛在關系和有用信息成為傳感器數據處理研究的焦點。復合事件檢測方法是一種有效的數據處理方法，其基本思想是從大量紛繁復雜的數據中挖掘數據之間的時間、空間等關系，并提取出有用的信息。

升船機監控傳感網絡的研究在國內外尚屬空白，但是在工業控制系統已經開展了廣泛的研究。H. Guo[2]等利用無線傳感網絡實現對油氣設備的安全監控。Kunicina[3]等為電力系統的遠程監控設計了無線傳感器網絡的解決方案。Eagle[4]等則探討了工業無線傳感器網絡的安全協議。Nagarajan[5]等為自動化系統的無線傳感器網絡的電力供應作了優化。A. El Kouche[7]等探討了無線傳感器網絡在油氣開采的嚴酷環境的應用。C. Salvatore[8]等研究了工業監控系統中的無線傳感器和RFID的聯合應用。K. Mikhaylov[9]等在真實的工業環境中研究了無線傳感器網絡在各頻段的通信狀況。M. Bertocco[10]等人提出工業傳感器網絡的的實驗參數，以提高傳感器網絡在工業中的實用性。

本文提出了基于無線傳感器網絡的三峽升船機監控系統架構，結合復合事件檢測技術實現對升船機監控數據的有效抽取，并通過實驗驗證了復合事件檢測方法在傳感監控網絡中的適用性。

2三峽升船機監控傳感網絡系統結構

傳統的三峽升船機計算機監控系統分為下層網和上層網。下層網采用光纖雙環網連接各種機構設備和傳感器，采集數據和控制設備動作。上層網絡的兩臺IO服務器位于下層環網中，集中控制設備，并收集各種設備的數據。上層網除了兩臺IO服務器，還有各種工作站，為用戶提供終端服務。構建這樣一個網絡，耗時長，工作量巨大。并且為了保障控制的高效性，網絡中不允許有大量的數據流量，以防止網絡擁塞。

本文在無線傳感器網絡的基礎上提出了三峽升船機傳感監控網絡系統結構。該網絡主要用于采集底層設備的數據，并不發布控制命令，以彌補現有系統的不足。監控傳感網絡系統與原有的傳統系統互為獨立系統。傳統的系統只發布控制命令，而無線傳感器網絡則主要分布式采集數據，互不干擾。該系統可作為無線傳感器網絡在升船機自動化控制系統的一種嘗試。如下圖1所示。

圖1　升船機無線傳感器網絡監控系統結構

升船機無線傳感器網絡監控系統三層體系結構，詳細描述如下：

?物理層：由隨機布設的傳感器構成。傳感器隨機布設在升船機各個區域，收集水位、溫度、壓力等各種監控數據。一定范圍的傳感器構成傳感器簇，范圍內的核心傳感器作為簇頭，接收該范圍的各種傳感器的采集數據。

?網絡層：由各個傳感器簇的簇頭構成。簇頭之間采用多跳的路由協議傳輸數據，距離基站較遠的簇頭會經由其他簇頭的傳輸數據至基站。

?應用層：由客戶端與數據服務器構成的局域網。數據服務器接受來自通信基站的數據，然后再將數據分發給各個終端，或者由終端訂閱查詢。

3升船機傳感監控網絡復合事件檢測方法

3.1原子事件和復合事件的表示方式

傳感器底層的傳感器數量眾多，由于其多變、靈活的網絡體系結構，往往會造成數據冗余，部分數據丟失，所以為了保證傳感數據精準和高效性，本文結合RCEDA[1]算法提出了適用于升船機一種復合事件檢測方法，用于過濾、聚合底層的傳感器網絡數據。

升船機傳感監控網絡復合事件由原則事件按照一定的規則組成。而規則是由構建事件組成的。事件構建器主要分為時間和非時間的。非時間構造符主要是構建因果、空間等關系，時間構造符主要是構造時間先后順序發生的事件。

原子事件通常來源于傳感器的原始數據值。原子事件根據數據類型和來源不同可以分成許多類型。原子事件有如下屬性：

group(sensorid)：采集相同目標數據的一組傳感器。

type(state)：根據傳感器類型的不同，可以定義不同的原子事件類型。比如type(‘50m’)=’waterlevel’,type(‘9F65FG23’)=’laptop’。

那么，原子事件的表示方法：

E=Observation(id,s,t)，group(id)=‘g1‘ ,type(s)=’temperature’。

上面的含義表示傳感器組g1在時間t采集某一范圍內的溫度數據。

除了原子事件以外，構成復合事件還需要事件構建器有機聯結各個原子事件。時間構建器用符號表示主要有以下幾種。

?OR(∨)：事件E1和E2的或運算，當E1和E2兩者至少有一個發生時，(E1∨E2)發生。

?AND(∧)：事件E1和E2的且運算，當E1和E2兩者都發生時，(E1∧E2)發生。

?NOT(￢)：事件E的否運算，如果事件E的實例在一定時間范圍內發生，(￢E)發生。主要用于偽事件的檢測。

?SEQ(;)：事件E1和E2的序列。當E1先發生，E2后發生時，(E1;E2)發生。

?TSEQ(:)：兩個事件E1和E2的間隔約束序列。當E1已經發生，并且E1和E2發生的時間間隔為[Tl,Tu]。

?SEQ+(;+)：SEQ(;)的周期性運算，表示一個事件類型E的多次發生。

?TSEQ+(;+)：TSEQ+(E，Tl，Tu)的周期性元素。表示在時間間隔在[Tl,Tu]內，檢測到事件E多次發生。

復合事件由原子事件和構建器組成。原子事件存在著空間、時間等聯系，那么復合事件表示方法為事件和事件關系的集合，描述如下：

E=(E1，E2，E3，E4，…，En，M)

M為構建器。

3.2復合事件的檢測方法

在復合事件的檢測方法研究中，ECA規則和Snoop系統[6]最為常見。Fusheng[1]等在此基礎上研究的RCEDA檢測方法及算法只適用于RFID應用，具有一定的局限性。本文根據升船機監控傳感網絡的特點，改進了RCEDA檢測算法，使之適合升船機復合事件的檢測。

原子事件和事件構建器，以及復合事件可以很方便用二叉樹描述。原子事件和構建器表示葉子節點，時間約束表示父節點。從二叉樹至底向上遍歷，即可完成對復合事件的檢測。圖2是事件的二叉樹表示。

圖2　事件的圖形描述

在大量的原子事件中，主要是通過事件約束和特定規則解析出更高語義的數據，復合事件檢測方法詳細描述如下：

第一步：構建每個復合事件的事件圖形。事件的圖形表示為Ti，葉子節點代表原子事件，內部節點代表規則或者時間約束。

第二步：傳遞時間約束。對于每個事件圖形，因為父節點的時間約束總比子節點的時間約束復雜的多，所以時間約束從子節點往父節點傳遞。

最后，合并子二叉樹，形成集合以構成森林G，可以有效避免重復多次檢測事件。

3.3升船機復合事件檢測算法

在應用層，用戶的需求是多種多樣的，普通的復合事件算法是很難適于用升船機復合事件的檢測。本文針對船舶上行流程設計了特定的復合事件的檢測算法，以此證明復合事件檢測方法在升船機的可用性。

目前的船舶進入船廂事件是使用傳感器檢測遮擋物來探測的，探測結果是很不準確，并且只能檢測到船舶進入到船廂。同時不準確的結果導致了整個上行流程的中斷，甚至常常需要人工肉眼去判斷，耗時耗力。

如圖3所示，在船廂與上游的銜接閘室，簡稱為上閘室，也可稱為上游航道。船舶正在開往船廂，傳感器A會檢測到船舶，并記錄下時間和船舶信息。隨后，當船舶完全進入船廂后，會被傳感器B讀檢測到。那么，船舶進廂事件可用到上文描述的方法作如下表示：

TSEQ(TSEQ+(E1,tl1,tl2);E2,tl2,tu2)

E1=observation(rA,O1,t1),group(rA)=’rA’E2=observation(rB,o2,t2)，group(rB)=’rB’

圖3中上游航道有兩艘船舶正在駛向船廂，接著船舶就會進入船廂。很顯然，前面一艘船舶會先進入船廂，提升至高程水位。剩下的船舶將等待下次進船廂。在傳統的數據庫中，只能記錄多個探頭探測到船舶的時間，而無法解析出船舶通過升船機的整個流程以及更加有意義的數據。

在傳統的事件檢測中是采用自底向上的檢測方式，但是在傳感器應用中，這種方式是不合適的。因為在實際的升船機應用中，很多事件并不是自發能檢測到的，需要通過精確的查詢才能完成。對于自發事件，一旦有了啟動因子，則可以直接檢測到。那么對于非自發事件，除非精確查詢，是很難發現的。所以本文沿用了Fusheng[1]提出的偽事件查詢。

在偽事件的基礎上，根據升船機的實際情況，設計了升船機船舶上行事件的算法，以下簡稱為SCEDA(Ship-lifting complex event detection algorithm)。如下所示：

1DeclareE=E1^E2

2DeclareE3=￢E2

3Foreachincominge1

4If(type(e1) =’ship’)

5SendOrder(’open’)

6Thenif(E3)

7THEN

8GENERATE_PSEUDO_NODE(E2)

9SendOrder(’close’)

10LetE2bethetargeteventofe3

11Lettime_startbethecreationtimeofe3

12Lettime_endbethecreationtimeofe3

13EList←QUERY_INTERVAL_NODE(e2,Lettime_start,Lettime_start)

14ThenInsertintoship_table(time,ship_id,ship)- - -(3)

15If(type(e2)=’ship’)

16SendOrder(’open’)

17ThenSendOrder(’open’)

18While(E)detectionisover

4實驗分析

實驗從SCEDA算法的處理性能和語義解析能力兩方面分析，分別說明復合事件檢測技術在處理升船機海量數據的高效性能和適用性

4.1性能實驗

在實際升船機應用中監控點數多達上萬個，傳統的數據采集服務器和存儲服務器往往不堪重負。并且，監控范圍之廣，監控精度之高非當前服務器可以承受。該實驗模擬了升船機監控的巨大數據流,對比評估SCEDA算法和傳統的SQL查詢效率。

實驗在HP ProLiant DL388p Gen8服務器上運行，服務器cpu型號為 Xeon E5-2603，共兩顆，內存為16G。

圖4　實驗結果

圖4表明SCEDA算法具有良好的處理性能。當事件數量較少時，SQL和SCEDA時，復合事件檢測方法并沒有明顯優勢。事件數量達到10000條后，SCEDA的高效處理性能開始凸顯，SQL的處理性能開始明顯下降。很明顯，SCEDA算法在大量數據的高效處理上有著明顯優勢。

4.2語義解析實驗

該實驗將船舶過升船機模擬為以下幾個過程。水位最低出的航道為下游部位。船舶先進入下游航道，隨后即將進入船廂。船廂分為船廂底部、船廂中部、船廂頂部。船舶在船廂上行過程中先后經過船廂底部、船廂中部、船廂頂部。最后，船舶進入上游航道，完成整個上行過程。

圖5　上行過程示意圖

實驗在Java環境中運行，我們利用Java Swing的對象來表示如圖5所示的位置布局和物體。當船舶移動到不同位置，運行在后臺的事件檢測算法即可檢測到不同的事件發生。

經過事件檢測算法處理后，實驗得到如圖6的事件信息。

圖6　語義解析結果

實驗的結果充分體現了事件檢測的語義解析功能。通過使船在不同的部位之間移動，記錄船舶在每個位置的時間，最后通過復合事件算法檢測出更復雜的語義事件存入數據庫，得到的結果更加直觀明了，而且大大節約了存儲空間。

5結論

本文充分結合了傳感器網絡提出了三峽升船機的傳感監控網絡結構，以及復合事件檢測方法，并設計了SCEDA算法。實驗證明了復合事件檢測技術的大數據高效處理能力和良好的語義解析功能，并驗證了復合事件檢測方法在升船機監控傳感網絡的應用優勢。然而，目前的實驗原型系統處理數據較少，信息量不大，信息融合度不夠高，在實際的生產環境中還無法應用。以后的研究將會致力于傳感器監控系統的設計，以及多源傳感器的數據融合，提高當前系統的實用性。

參 考 文 獻

[1] Fusheng W, Shaorong L,Peiya L. Complex RFID event processing[J]. The VLDB Journal，2009(18):913-931.

[2] H. Guo , Z. Sun. Channel and Energy Modeling for Self-Contained Wireless Sensor Networks in Oil Reservoirs [J]. IEEE Transactions on Wireless Communications,2014,13(4):2258-2269.

[3] Kunicina N, Zabasta A, Kondratjevs K. Sensor networking for improving of reliability indicator by electric Power Utilities[C]//56th International Scientific Conference on. Riga: IEEE,2015:1-4.

[4] Eagle S.J, Hancke G.P, Silva B.J. Wireless sensor networks for safety protocols in the industry [C]// IEEE AFRICON 2015. Addis Ababa: IEEE,2015:1-9.

[5] Nagarajan R, Dhanasekaran R. Optimization of power in Wireless Industrial Automation Networks [C]//Communications and Signal Processing (ICCSP)，Melmaruvathur:IEEE,2015:680-684.

[6] Chakravarthy S, Mishra D. Snoop: an expressive event specification language for active databases[J]. Data & Knowledge Engineering,1993,(14):1-36.

[7] A. El Kouche, L. Al-Awami. WSN application in the harsh industrial environment of the oil sands[C]//Wireless Communications and Mobile Computing Conference (IWCMC)，Istanbul:IEEE,2011:613-618.

[8] C. Salvatore, S. Bocchino. WSN and RFID integrated solution for advanced safety systems in industrial plants[C]//Software, Telecommunications and Computer Networks，Split:IEEE,2012:1-5.

[9] K. Mikhaylov ,J. Tervonen. Wireless Sensor Networks in industrial environment: Real-life evaluation results [C]//Future Internet Communications，Vilnius:IEEE,2012:1-7.

[10] M. Bertocco, G. Gamba. Experimental Characterization of Wireless Sensor Networks for Industrial Applications[J].IEEE Transactions on Instrumentation and Measurement，2008,57(8):1537-1546.

Complex Event Detection Scheme for Ship-lifting Surveillance Sensor Networks of the Three Gorges Project

LEI MingWEI Junyan

(Wuhan Digital Engineering Institute, Wuhan430205)

AbstractThe efficiency of data-processing play a very important role in ship-lifting surveillance sensor networks of the Three Gorges Project. However, there are many problems in database. On the characteristic of sensor data and these problems, a model of complex event detection for ship-board surveillance sensor networks is presented in this paper .A complex event detection scheme is discussed, whose applicability for ship-lifting surveillance sensor networks is discussed. In the end, a case study for the proposed model and algorithm is discussed in detail, which proves the superiority of data processing.

Key Wordsthe three gorges project, ship-lifting, surveillance sensor networks, complex event detection, data processing

*收稿日期：2015年12月17日,修回日期：2016年1月27日

作者簡介：雷鳴,男,碩士,研究方向：通航設備控制系統數據處理研究。魏峻巖,男,高級工程師,研究方向：通航設備計算機監控系統。

中圖分類號U642

DOI：10.3969/j.issn.1672-9730.2016.06.030