基于深度學習的高校設備設施智能監測預警系統的研究與設計

葛 蓁，張重齊

（1.武漢華夏理工學院 信息工程學院，湖北 武漢430223；2.武漢工商學院，湖北 武漢 430065；3.武漢虹信技術服務有限責任公司，湖北 武漢 430205）

0 引 言

我國擁有眾多的高校及在校學生，高校數量位居全球第二，在校學生數量位居全球第一。目前，高校的基礎設施建設越來越完善，擁有數量眾多的電梯、泵房、消防設施以及門禁道閘等設備設施。但是，高校對設備設施的管理存在以下兩點問題：一是安全管理意識不強，重建設輕運維；二是管理手段薄弱，依靠人工檢測事后處理的方式無法實時監測設備設施的運行狀態[1,2]。高校作為人群聚集的場所，一旦發生電梯墜落和火災等安全事故，將會造成嚴重的經濟損失、人員傷亡以及不良的社會影響。因此，如何保障高校的電梯、泵房、燃氣管道、消防設施以及門禁等設備設施的運行安全顯得尤為迫切[3]。

1 建設目標

針對高校設備設施眾多和管理手段智能化不足等突出難題，應用新一代物聯網技術，研究設計一套高校設備設施智能監測系統，其建設目標主要包括以下4點。一是研究MQTT、CoAP以及XMPP等通用物聯網協議，實現電梯、泵房、門禁道閘以及攝像頭等設備設施的泛在接入。二是研究建立基于啟發式模板挖掘、遠程監督以及開放式信息抽取等技術的信息抽取方法體系，快速準確地構建設備設施運行事件知識圖譜，為上層智能化監測預警提供數據支撐。三是研究基于深度學習的設備設施預測預警技術，通過海量歷史監測信息的挖掘與分析，并通過深度學習算法，分析與預測設備設施可能出現的故障信息。四是研究設備設施監測預警應用需求，基于平臺化微服務框架，研發高校設備設施智能監測系統。

2 關鍵技術

2.1 基于泛在網絡的物聯接入技術

在通信技術、信息技術以及射頻識別技術等新技術的不斷催生下，實現萬物互聯的泛在網絡架構正日漸清晰。其特點是任何時間、任何地點、任何人以及任何物都能順暢地進行通信。關鍵技術包括體系架構及組網技術、無線泛在網絡環境下用戶上下文（環境）感知性、異構無線接入網絡共存與協同以及異構網絡的移動性管理等。其體系框架如圖1所示[4]。

泛在網絡根據超深、超高以及超遠等不同應用場景，構建2G/3G/4G/5G、LoRa、ZigBee以及NBIoT等不同的組網方式，實現異構網絡的接入，支持MQTT、CoAP、OPC、Modbus、Bacnet、KNX、485 以及HTTP等主流物聯協議接入，實現各類傳感器、二維碼以及智能設備設施等泛在接入[5]。

2.2 基于深度學習的監測預警技術

深度學習是學習樣本數據的內在規律和表示層次，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示，是一種包含多個隱藏層的多層感知器，結構如圖2所示[6]。

神經網絡實際上就是一個輸入向量到輸出向量的函數，即：

根據輸入計算神經網絡的輸出，需要首先將輸入向量的每個元素的值賦給神經網絡的輸入層的對應神經元，然后根據式（1）依次向前計算每一層的每個神經元的值，直到最后一層輸出層的所有神經元的值計算完畢。最后，將輸出層每個神經元的值串在一起就得到了輸出向量。

通過設備設施運行監測數據和歷史故障信息，總結設備設施預警模型。預警模型因素包括故障類型、異常特征、故障時間以及運行時間等，利用深度學習算法進行訓練，推演新的預警模型，通過收集的故障信息，結合深度方法算法循環神經網絡，推演新的預警模型，不斷完善預警模型庫，模型建立流程如圖3所示[7]。

2.3 安全可控的微服務集成框架

設計微服務軟件架構，通過提取業務服務屬性建立基于業務屬性的微服務軟件架構，實現服務間的松耦合和高度自治，并且使用輕量級協議進行通信可持續集成部署的分布式框架，增強平臺的可擴展性和高可靠性[8]。

2）水位流量關系單值化后系統誤差及隨機不確定度分析計算。依據《水文巡測規范》（SL195-2015）4.5.2規定。系統誤差不大于3%，允許隨機不確定度見表1。

針對設備運行數據和門禁道閘等數據具有隱私安全的需求，設計基于聯邦學習的隱私保護模型，實現數據的具有隱私保護特性的聯合訓練和建模[9]。在聯邦學習框架內，不同的服務模型在隱私保護的前提下共享服務特征，實現服務遷移，建立虛擬的共有數據模型，避免數據孤島，通過可持續集成的微服務技術，構建數據隱私安全的個性化智能服務模型[10]。安全可控的微服務集成框架如圖4所示。

3 建設方案

3.1 總體架構設計

本系統綜合運用物聯網、大數據以及人工智能等技術實現高校設備設施智能監測與預警，通過各種信息傳感設備實時采集需要監控、連接以及互動的物體或過程中需要各種的信息，與互聯網結合形成泛在物聯網絡。通過建立物聯網感知層實時采集電梯、泵房及消防等設備設施的數據，向上匯聚形成設備設施運行監測數據中心，并結合基于深度學習的風險預測預警技術，監測和預警設備設施的運行，為上層應用平臺提供風險預警。此外，上層應用平臺提供設備設施運行監測一張圖和設備設施運行風險預警等多樣化交互功能，形成設備設施監測預警一體化處理平臺[11]。平臺整體架構如圖5所示。

設備設施智能監測預警系統整體架構可分為感知層、網絡層、設施層、平臺層以及應用層5層。其中，感知層實現安防監控、車輛通行、可視對講、電子圍欄、消防栓以及智能門禁等各種設備設施的接入。物聯網集成管理平臺可以實現各種主流物聯網協議的接入，支持異構網絡接入，無需重新開發接口，實現動態配置。傳輸層由互聯網、物聯網以及通信網等組成，負責傳遞和處理感知層獲取的信息，也可以實現數據的本地存儲，具有遠程查詢和斷點續傳的特點，可以確保系統的數據完整性。設施層由網絡交換設備、網絡安全設備、服務器以及虛擬化軟件等軟硬件組成，為設備設施智能監測預警系統提供存儲運行的物理設備。平臺層由設備設施運行大數據中心、物聯網集成管理平臺以及通用大數據管理平臺組成，為上層應用提供基礎性支撐。而應用層包括監測一張圖、預測預警、預警處理、設備管理以及校園可視化等應用，全面滿足各類場景下的信息管理需求，有Web和手機App等訪問方式。

3.2 功能模塊設計

3.2.1 監測一張圖

在地圖展示方面，靜態顯示地圖圖層信息，動態顯示業務圖層，支持模糊查詢。在全景呈現方面，全景呈現設備設施信息、設備設施當前狀態、設備設施運行態勢預測以及設備設施地理位置等。此外，預警展示可以實時展現預警信息和處理進度，態勢感知可以預測設備設施的運行狀態，通過曲線圖方式直觀展現設備設施運行狀態并進行預測分析，從而全面感知校園態勢。

3.2.2 預測預警

預警信息包括當前設備設施故障告警與預測預警信息。通過局部刷新技術可以實時獲取后臺產生的告警信息并呈現設備設施的預警信息，呈現內容包括設備名稱、故障類型、故障信息以及故障時間等，而以曲線圖方式可以實時呈現設備設施的態勢預測等。

3.2.3 故障處理

接收到預警信息后，系統自動生成故障工單。工單內容包括故障編號、故障名稱、故障內容、處理時限、處理部門以及責任人等。故障信息實現流程化處理，流程節點包括起單、轉派、駁回、處理、歸檔以及評估等。不同角色對應不同節點流程，且每個節點流程有處理時限要求。故障信息處理完畢后歸檔進入故障信息庫，構建故障樣本集。此外通過深度學習技術可以建立新的設備設施預警模型。

3.2.4 設備管理

設備管理主要實現設備設施的新增、查詢、維護、修改以及刪除等功能。設備設施信息包括設備名稱、設備編號、設備類型、位置信息、接入協議、協議版本、監測指令、所屬部門、責任人、使用年限、設備廠家以及聯系人等。

3.2.5 設備接入

動態配置實現設備接入，物聯網集成管理平臺支持當前主流設備的接入，支持協議包括MQTT、CaAP、OPC、Modbus、BACnet、KNX、485以及HTTP等，根據設備的接入協議和版本等配置信息自動適配協議接口。動態配置規則庫主要配置設備檢測周期、檢測指令以及運行正常結果等信息。系統根據規則庫自動對設備設施進行檢測。

3.2.6 系統管理

系統管理實現用戶管理、角色管理、部門管理以及權限管理。用戶包括高校管理人員、后勤管理人員、設備維護人員以及廠家人員等。角色分為系統管理員、管理者、設備維修人員以及廠家支撐人員等，為系統提供基礎數據管理支撐。

4 結 論

高校基礎設備實施的運行安全關系到眾多學生和教師的生命安全及財產安全，日常維護僅靠人工檢測的方式無法保障基礎設備設施的運行安全，因此如何實時監測設備設施的運行情況，實現風險的監測與防范，是必須重視與解決的問題。基于此，利用物聯網技術實現高校設備設施的感知連接，利用大數據和人工智能技術實現設備設施的運行監測與智能化預警，通過自動化流程處理功能實現設備設施故障的高效處理，通過運行監測一張圖實現設備設施的全局管理。此外利用新一代信息技術手段，構建設備設施的智能監測與預警，打造和諧平安校園。