基于MapReduce并行處理的機電特種設備故障診斷系統設計

王 林，姜 萌

(西安理工大學 自動化與信息工程學院，西安 710048)

0 引言

在實際生活環境中，機電專用設備在人們日常生活中得到了廣泛應用，如商場電梯運行、大型游樂設施建設等，這些設備一旦出現故障，就會危及人們生命安全[1]。機電類特種設備是控制專用設備正常工作，確保設備安全的關鍵設備，如啟動裝置發生故障，特殊設備無法安全運行，造成各種危害[2]。對起動設備進行故障檢測，能有效提高起動設備的穩定性，確保專用設備的安全運行。

由于我國專用設備起動機的故障檢測水平較低，迫切需要開發專用機電設備起動機故障檢測系統來幫助解決這一問題[3]。由相關領域的專家和學者設計的故障檢測系統，具有一定的實用性。因此，提出了一種用于機電專用設備啟動裝置的直流接地故障檢測系統。該系統檢測精度高，但檢測效率低，CPU利用率高。針對以上問題，設計了一種基于MapReduce并行處理的機電特種設備故障診斷系統。改進傳統系統硬件部分，對框架進行理論內容的補充，提取故障檢測指標，計算故障檢測頻率，實現部分軟件故障檢測功能的設計。

1 總體架構設計

針對機電特殊設備起動裝置故障檢測系統的特點，根據故障檢測系統的功能要求，對其硬件結構進行了優化設計[4]。

對于一般設計用于大型機電設備的汽輪機，如遠程實時監測和結合企業需求進行故障診斷，預測維護設備和實用技術設備，發展了一套用于企業設備信息管理、數據分析和故障診斷的技術，強大的設備預測維護和故障診斷系統[5-7]。該系統中心服務器與智能監控終端客戶端子系統協同工作，實現了現場機電設備的遠程實時監控、狀態監測與故障診斷[8-9]。圖1中顯示了總體結構。

圖1 總體架構設計

從圖1中可以看出，監測站是根據實際情況設置的，根據設備的重要程度，模型與設備之間的關系以及距離，其下包含許多智能監控終端，例如監控器與設備連接，根據需要進行信號采集[10]。設定每臺設備需要的監測終端數量，并留出足夠的空間，監測終端通過以太網直接與中央服務器相連[11]。通過客戶端子系統，現場或遠程用戶可以登錄到中央服務器，獲得授權后，可對權限范圍內的所有終端監控設備進行信息采集操作[12]。

對一般的機電設備進行遠程實時監測和故障診斷，發現設備與系統終端直接相連，其種類和數量不受限制；用戶可以自由地定義和配置監測設備的所有參數，以滿足不同被測設備的需要，實現設備的遠程監測[13-14]。

2 硬件結構設計

該系統的硬件主要包括故障檢測顯示和數據處理傳輸兩部分，為有效提高系統的檢測精度，設計了故障檢測指示單元[15]。優化數據處理和傳輸單元是提高系統故障檢測能力的有效途徑。

2.1 故障檢測指示模塊

2.1.1 采集電流模塊

在電纜上方的感應線圈收集交流電，測量過程中，若要被其它檢測模塊使用，則需要對電流進行整流，并對整流后的電流進行濾波[16]。用兩個簡單的二極管設計了一種整流集流故障檢測指示電路。圖2中顯示了電流采集電路。

圖2 電流采集電路圖

將兩個二極管與電阻感應線圈并聯，設置截止線圈的導電狀態，保證釋放的高壓二極管全部吸收電磁波，消除電弧，感應線圈收集交流電。當全橋式整流電路為電流時，將兩個相同的直流輸出結果作為輸入結果，傳輸到電流突變檢測模塊和電源故障檢測模塊。

2.1.2 電流突變檢測模塊

電壓突變檢測模塊是在電壓突變發生時對故障進行檢測，三相短路或兩相短路引起的故障可產生大量的破壞性電流，為實現突變電流下的精確故障檢測，必須對突變電流進行校正。然后對多層差分通過優化電路獲得了相應的脈沖信號，在二極管有突發電流時，選用低壓級故障檢測器作為檢測點。

2.1.3 斷電檢測模塊

電力系統故障檢測模塊的電路由電阻和二極管組成，當無電流通過架空線路時，檢測故障點。圖3中顯示了自動斷路檢測裝置。

圖3 自動斷檢裝置

該裝置具有8路交流輸入、8路開關輸入、無源設計、無獨立電源，通過自動斷檢裝置實時檢測220 V交流電源通斷狀態，并輸出結果；8路斷路器顯示220 V電源的輸入狀態；采用光電隔離技術，防止雷擊涌入檢測器和設備；可采用鋼軌安裝，安裝簡便。開關狀態檢測模塊選用DH08，是一種穩定、可靠的八路交流電源開關和 AC開關狀態檢測模塊，該模塊具有8個220 V輸入-8個集電極開路輸出的采集和轉換功能，能實時檢測各通道的開關狀態220 V交流電源，并輸出相應的集電極開路信號，實現交流電源數字信號的轉換，方便接觸檢測設備的監控[17]。

2.1.4 報警模塊

選配了6AU1410-0AB00-0AA0型西門子報警模塊，采用了控制室安裝方式，并通過軟 PLC命令處理器實現了故障檢測點的故障信息報警功能，Flash是用來向遠程巡邏員顯示故障信息的。

2.2 數據處理傳送模塊

射頻收發模塊、雙模通信模塊、電源模塊、核心控制模塊是構成數據處理和傳輸單元的主要部件。RFID技術，即 RFID技術，是射頻收發模塊的一種，主要用于故障檢測指令單元與數據處理單元、數據傳輸單元之間的數據接收和發送。

2.2.1 雙模通信模塊

RDSS射頻收發芯片用于雙模通信模塊，并與功放芯片集成。兩片晶片和其它晶片的配合，可有效實現 RDSS的信號收發和調制解調。雙模通信模塊的接口兼容本地串口模塊[18]，通過配置相關參數，可設置故障檢測器位置

2.2.2 電源模塊

功率模塊的供電電壓必須保持在1.2 V, RF收發模塊則要求供電電壓為 DC2.9～3.6 V。為滿足工作電壓要求，數據處理和傳輸單元電源模塊采用LM2575穩壓器芯片。通過把蓄電池充電時的電壓調整到1.2 V，使蓄電池在供電時具有一定的穩定性。

2.2.3 核心控制單元

核心控制模塊相當于系統的硬件“大腦”，能確保系統安全穩定運行，降低功耗。核心控制模塊為PlC16F883。優化故障檢測指令單元和數據處理傳輸單元，完成了機電啟動器故障檢測系統的硬件部分，為系統軟件設計提供了最佳的硬件環境。

3 系統功能設計

Hadoop是一個分布式平臺，可以方便地計算大型數據集。群集系統的并行處理加快了運算速度。MapReduce是Hadoop的一個子項目，它能夠處理大數據集的并行計算，以簡單、通用的并行算法實現電力設備故障診斷。

MapReduce的執行流程如圖4所示。

圖4 MapReduce執行流程

通過 MapReduce操作模式[19]，實現了自動的數據分割、負載平衡和容錯。編寫MapReduce程序時，可將數據計算分解為多個可并行執行計算過程，以此設計出運行分布式系統所需的 Map和 Reduce函數[20]。數據片斷操作結果< key, value>，通過執行設計的 Map函數，通過對合并排序，使用相同鍵值向相同的 Reduce函數發送操作結果，以便合并數據。>=" span=">最后，基于 Reduce函數進行計算，并在分布式集群中保存最終計算結果數據。通過對4個 MapReduce作業類進行算法訓練，獲得4個輸出值，并計算數據屬性特征詞在每個故障類中的頻率值。

1)第1個MapReduce過程：其功能是從訓練文檔中接收 DGA樣本塊，從每個DGA數據中讀取屬性特征詞，并在故障類別中計算每個屬性特征詞的詞頻值。該功能利用地圖數據結果進行統計，并使用訓練集中每個變壓器故障類別的所有樣本數據、詞頻值和屬性特征詞樣本數據。

2)第2個MapReduce過程：根據第一個MapReduce的輸出，計算出每種變壓器故障類型的特征屬性值。映射過程計算每個特征屬性的值。通過TF值與IDF值相乘，計算出每類變壓器故障的TFIDF值，并計算出培訓文檔的特征屬性總數。

3)第3個MapReduce過程：通過映射每個故障類的樣本數據總數和DGA訓練集的總數據，計算出每個故障類的先驗概率。利用約化函數求出變壓器各故障類別所有特征屬性的TFIDF和。

4)第4個MapReduce過程：求出變壓器各類故障特征屬性的發生概率，輸出運行類訓練結果。特種設備起動裝置的故障檢測頻譜是故障檢測的關鍵。從某種程度上說，用戶可以根據故障檢測頻率，將故障發生頻率最少的一次轉變為二次檢測模式。然而，因為每天的故障檢測次數不同，每天的檢測頻率也不一樣。若以近期故障檢測頻率確定檢測頻率，將記錄大量故障，增加檢測成本。因此這部分只允許用戶選擇3個頻率：月、季、年的故障檢測頻率。所以在特征設備的管理過程中，需要對其故障檢測頻率進行專門的分析。

用m-n在這一刻之前第n天檢驗設備故障次數具有任意特性，m用來說明當天檢測到的故障數量當時未加統計錯誤的情況下，n天中故障總檢測次數T可描述成：

(1)

添加新故障檢測次數后，n天中故障診斷次數T′可描述成：

(2)

公式(2)中：m0表示初始設定的檢測次數。根據該公式，統計一年內故障檢測次數，并統計這段時間內每天故障檢測次數。

假設針對機電特種設備故障，則有如下計算公式：

(3)

(4)

當前所有機電專用設備故障僅需統計一定時期內的診斷總數，以及當天故障診斷次數就可得到診斷頻率值。

4 實驗過程與測試結果分析

為了驗證基于MapReduce并行處理的機電特種設備故障診斷系統設計合理性，進行實驗驗證分析，以軸承故障短路為例，測試對機電特種設備故障診斷的確性及穩定性。

4.1 實驗環境

建立機電特種設備狀態信息并行故障診斷實驗平臺，實驗環境由兩個配置相同的PC端組成，CPU為雙核Interi5-2400，256.00 GB內存和1 TB硬盤。其中一個作為NameNode，另一個作為datanode。在上述實驗環境下對220 kV及以下變壓器進行了試驗。

4.2 實驗步驟及方法

實驗選取橋式起重機機電特種設備，設置軸承三相短路故障，將完整生命信號劃分為4 000個數據段，每條數據的相關指數數據特征提取的信號段，首次確定了非零點特征值及其相應的特征向量為綜合特征指數。圖5為軸承故障短路的示意圖。

圖5 軸承故障短路示意圖

4.3 軸承故障檢測結果

根據圖5所示的軸承故障，分別使用直流接地故障診斷系統、基于MapReduce并行處理診斷系統診斷連接軸承的三相短路情況，實驗結果如圖6所示。

圖6 兩種系統三相短路故障診斷效果對比分析

通過圖6的對比結果可知，在發生三相短路故障問題后，使用直流接地故障診斷系統波形與實際值差別較大，且上下波動幅度大，檢測結果不夠準確，穩定性較差；而采用基于MapReduce并行處理診斷系統與實際波形差別較小，其對A相、B相C相電流短路故障診斷的時間點波形變化與實際曲線基本一致，都是在0A附近波動，說明該方法能夠準確對三相短路故障進行診斷，應用在機電特種設備故障診斷中，準確性較好，穩定性較強。

5 結束語

為解決傳統故障檢測系統檢測精度低和占用內存大等問題，本文提出基于MapReduce并行處理的機械設備故障診斷系統，改進了故障檢測顯示單元和數據傳輸處理單元的硬件部分，利用框架原理提取故障檢測指標，計算故障檢測頻率，軟件實現了故障檢測功能，完成了一套機電設備起動器故障檢測系統的設計。經試驗驗證，系統檢測精度高。但是系統的穩定性還有待于進一步的研究和改進，為滿足系統故障檢測要求，從根本上解決大型企業在汽輪機等機電設備維修與故障檢測中遇到的問題，未來將以提升故障檢測系統穩定性作為研究目標，進一步對所設計系統進行完善。