數據集不均衡下的機電設備工作狀態自動化控制系統

梁中超

（國能榆林化工有限公司，榆林 719000）

機電設備使用過程中，受其運行環境等因素影響，很難通過人工方式完成機電設備運行狀態的有效控制[1-3]。采取智能化手段對機電設備工作狀態進行自動監控，根據其運行狀態實時調整其運行參數，降低機電設備故障發生概率已成為當下研究的熱點問題[4-6]。

文獻[7]針對機電設備作動系統運行誤差偏高的問題，提出了基于PLC 的誤差控制系統，在構建作動系統Petri 網控制模型的基礎上，通過將其轉換為PLC 可識別的程序，完成了機電設備作動系統誤差控制，但該系統控制效率低下，且機電設備狀態控制效果未達到理想水平。文獻[8]通過對采集的船舶機電設備開關狀態信號進行轉換處理，得到設備工作狀態信息后，將其作為控制器的輸入，確定機電設備開關狀態的控制量，該系統未考慮機電設備狀態樣本數據的不均衡分布特性，導致系統控制結果存在較小偏差。鑒于以上系統存在的問題，本文設計數據集不均衡下的機電設備工作狀態自動化控制系統，提高系統控制精度，確保機電設備的平穩運行。

1 機電設備工作狀態自動化控制系統

1.1 機電設備工作狀態自動化控制系統主要組成

機電設備工作狀態自動化控制系統由基礎數據層、控制層和應用層三部分構成，如圖1 所示。

圖1 機電設備工作狀態自動化控制系統主要組成Fig.1 Main components of the automatic control system of mechanical and electrical equipment

基礎數據層分布有若干個監控節點，每個監控節點的任務是通過數據采集器采集機電設備工作狀態數據，并完成數據信息的上傳處理?？刂茖泳哂袡C電設備工作狀態數據處理與控制功能，由數據處理模塊和控制模塊構成。應用層由服務器、客戶機以及交換器構成，其職責是對機電設備工作狀態數據進行集中式管理，可實現機電設備工作狀態控制結果顯示、查詢等功能。

1.2 數據采集器設計

基礎數據層所用的數據采集器基本結構如圖2所示，采集器由三部分構成，其中電源板可對220 V交流電進行降壓整流處理，獲得滿足數字板、模擬板正常工作的電壓；模擬板通過A/D 芯片完成機電設備工作狀態信號的采樣，再將結果傳輸給核心芯片；數字板上除配置S3C4510B 核心芯片外，還有鍵相位信號處理電路以及復位電路等六大電路，不僅能夠實現鍵相位脈沖信號的采集，還能促使核心芯片進行機電設備工作狀態信號采集，并上傳采集結果至控制層。

圖2 數據采集器基本結構Fig.2 Basic structure of data collector

1.3 CAN 控制器設計

控制層的控制模塊采用CAN 總線控制器對機電設備工作狀態進行控制，圖3 為其基本結構圖。該控制器包含2 個關鍵組件，其一為AT89c52 單片機，其二為SJA1000CAN 控制器。CAN 總線控制器通過ADG406 模擬開關完成每個模擬通道的信號的檢測，利用AD976 轉換器對數據采集器采集信號進行處理，完成機電設備工作狀態數據的獲取。CAN控制器以逐幀方式處理機電設備工作狀態數據，再由PAC82C251 收發器對其進行處理，獲得差分信號后，將其傳輸給CAN 總線，另外，該收發器也能接收CAN 總線傳送信號，將其轉換為RX 信號后發送給CAN 控制器。

圖3 CAN 總線控制器結構Fig.3 CAN bus controller structure

1.4 機電設備狀態數據集重構

機電設備狀態數據具有明顯的分布不均衡性，正常狀態數據遠高于異常狀態數據，樣本數據分布的不對稱[9-10]將對機電設備狀態控制效果產生直接影響。因此，本文采用SMOTE 方法對采集的機電設備狀態數據進行預處理，消除正常、異常狀態數據樣本之間的數量差異，以降低數據分布不均衡對機電設備狀態控制效果的影響。

SMOTE 方法基本原理是運用k 近鄰方法對機電設備異常狀態數據樣本進行處理，以獲得與各異常狀態樣本距離較小的k 個最近鄰樣本，再根據異常狀態樣本及其最近鄰樣本重構k 個新樣本后[11-12]，將重構后樣本作為機電設備異常狀態數據樣本?；赟MOTE 的異常狀態樣本重構過程如圖4 所示，圖中，第i 個機電設備異常狀態數據樣本表示為xi，其最近鄰樣本通過xi1、xi2、xi3、xi4表示，重構后的異常狀態數據樣本xi的重構結果通過r1、r2、r3、r4表示。

圖4 基于SMOTE 的異常狀態樣本重構過程Fig.4 Reconstruction of the abnormal state sample based on SMOTE

SMOTE 的機電設備狀態數據重構流程如下：

（1）獲取機電設備異常狀態數據樣本，通過計算xi與其鄰近樣本的歐式距離，完成具有最小距離的k 個最近鄰樣本的選擇。

（2）計算機電設備正常狀態數據與異常狀態數據的比值，將其作為采樣倍率N，在xi的最近鄰樣本中任意挑選N 個樣本，表示為xij。

（3）對xij和xi做隨機線性插值，以完成異常狀態數據樣本的重構，隨機線性插值表示為

式中：rand（0，1）表示值域為（0，1）的一個任意數。

（4）將新獲得的新機電設備異常狀態數據樣本加入到原始機電設備狀態樣本數據集中，即可實現機電設備狀態數據樣本的重構。

1.5 機電設備狀態控制

在完成對機電設備狀態數據的重構處理后，利用PID 控制器完成其狀態的控制。由于機電設備具有感抗特性，為使機電設備運行過程中不發生震蕩問題，對控制器參數進行優化處理，以使機電設備狀態控制器控制效果最優?；赑ID 的機電設備狀態控制結構如圖5 所示。

圖5 基于PID 的機電設備狀態控制結構Fig.5 State control structure of electromechanical equipment based on PID

本文設計的控制器不直接作用于機電設備上，是通過對機電設備工作電流進行控制，并修正控制器參數實現機電設備狀態的精準控制?？刂破髦邪? 個分別用Au、Av、Aw描述的開關，基于控制器開關狀態，可完成8 種運行狀態下機電設備輸入電壓與直流電壓關系的刻畫，依據二者關系即可實現機電設備狀態的準確控制。采集機電設備狀態數據并對其進行重構，消除數據不均衡對機電設備狀態控制的影響后，設計基于模糊PID 的控制器作用于機電設備工作電流上，并引入人工智能技術完成機電設備狀態的有效控制。利用人工智能技術可確?？刂破鬏敵雠c輸入循環過程的不變，支持文字、語音等作為控制器的控制指令，實現機電設備狀態的自動化控制。機電設備狀態自動化控制流程如圖6所示。

圖6 機電設備狀態自動化控制流程Fig.6 Automatic control flow chart of mechanical and electrical equipment status

2 仿真測試

以運行于某生產公司的大型機電設備為研究對象，在如下實驗環境下運行本文系統：操作系統為Windows8.0，采用四核CPU 處理器，工作頻率為3.7 GHz，內存16 GB。采用本文系統對該大型機電設備工作狀態數據進行采集，構建樣本數據集，數據總量為2000 條，通過對機電設備工作狀態數據進行分析，驗證本文系統的控制性能。

機電設備工作狀態數據具有典型不均衡性，為消除數據分布不對稱對機電設備狀態控制效果的影響，采用本文系統對訓練樣本作重構處理，設定鄰近樣本數為6，采樣倍率為280%，原始樣本數據重構結果如表1 所示。分析表1 可知，原始訓練樣本中，正常樣本與異常樣本數量差異較大，數據分布呈現出較大的不均衡性，通過對原始機電設備工作狀態樣本數據進行重構，使得新樣本中的正常、異常樣本數量之差大幅降低，數據分布的不均衡性被打破，將有利于后續機電設備狀態控制效果的提升。

表1 原始樣本數據重構結果分析Tab.1 Analysis of reconstruction results of original sample data

應用本文系統對機電設備工作狀態進行控制，通過對比分析控制實驗下的機電設備工作電流、控制時間，驗證本文系統的優越性，實驗結果如表2所示。分析表2 可知，應用本文系統對機電設備工作狀態進行控制，3 次控制后的機電設備運行電流變化幅度很小，最大波動量為0.02 A，最小控制時間為17.6 s，最大時間為18.2 s。實驗結果表明，本文系統控制后的機電設備運行電流平穩，且控制效率高。

表2 不同系統的機電設備狀態控制結果對比Tab.2 Comparison of state control results of electromechanical equipment in different systems

為分析本文系統的控制效果，將機電設備正常運行下的電流曲線作為參照物，機電設備狀態控制前后電流曲線與正常電流運行曲線的對比結果如圖7 所示。分析圖7 可知，當機電設備出現運行異常時，其電流曲線相比正常狀態將發生較大的偏離，電流幅值增大的同時，還有明顯的滯后問題，電流曲線平滑度不高、穩定性較差；應用本文系統對其狀態進行控制后，此時的電流曲線與正常狀態下具有相同的走勢規律，且兩曲線基本重合，曲線平滑，無明顯抖動問題。實驗結果表明，本文系統可實現機電設備工作狀態控制，并取得較好的控制效果。

圖7 機電設備狀態控制效果分析Fig.7 Analysis of state control effect of electromechanical equipment

誤差是反映機電設備狀態控制效果的重要指標，通過對機電設備狀態控制后的電流運行誤差進行分析，驗證本文系統的應用性能，實驗結果如圖8所示。分析圖8 可知，隨著控制時間的增長，機電設備狀態控制誤差呈不斷降低趨勢發展，在前10 s 控制過程中，誤差曲線降低幅度較大，之后誤差曲線逐漸趨于平穩，當控制時間達到16 s左右，控制誤差曲線達到穩定狀態，控制誤差介于0.01 與0.02 之間。實驗結果表明，應用本文系統對機電設備工作狀態進行控制，可有效降低控制誤差，機電設備狀態控制效果突出。

圖8 本文系統性能分析Fig.8 System performance analysis of this paper

3 結語

將本文系統應用于某企業大型機電設備工作狀態控制中，在機電設備狀態樣本數據集重構的基礎上，通過對機電設備狀態控制結果、電流曲線以及控制誤差進行分析，驗證本文系統的應用效果。實驗結果表明，本文系統可實現機電設備工作狀態控制，控制時間短，控制后的機電設備電流運行穩定，與正常狀態下的電流曲線基本重合，控制誤差介于0.01 與0.02 之間。