黃璐

摘要：隨著人財物集約思想逐步深入人心，需要人工值守的機房模式逐步凸顯了其缺陷所在，隨著無人值守機房模式的提出，如何提出一種全新的、智能的無法值守機房成為了眾多學(xué)者研究的問題。本文提出了一種智能的塵埃監(jiān)測及告警系統(tǒng)，即通過引入先進的激光塵埃電子測試儀，對各類設(shè)備以及機房環(huán)境進行了監(jiān)測，同時通過引入分布式差分進化算法對數(shù)據(jù)進行了智能化地融合，解決了不同的廠家、不同的設(shè)備、不同的環(huán)境的自適應(yīng)問題，通過實驗表明，該方案具有可靠性高、魯棒性強、敏感性高等特點，具有一定的理論及經(jīng)濟效益。

關(guān)鍵詞：分布式 差分進化算法 自適應(yīng) 傳感器網(wǎng)絡(luò)

中圖分類號：TP391.9 文獻標(biāo)志碼：A 文章編號：1007-9416（2015）11-0000-00

Abstract： With the intensive thinking of people's property and property， the need for manual duty room mode gradually highlights its defects， with the unattended computer room mode， how to put forward a new， intelligent computer room has become a problem for many scholars. In this paper， an intelligent dust monitoring and alarm system is proposed， which is based on the advanced laser dust detector. The system has the advantages of high reliability， strong robustness and high sensitivity， and it has a certain theoretical and economic benefits.

Keywords： Distributed； differential evolution algorithm； adaptive； sensor network

1 引言

隨著電力通信事業(yè)的迅速發(fā)展，通信機房的設(shè)備越來越多，但是設(shè)備的運行環(huán)境卻沒有引起人們的足夠重視，從交換機到大型IP數(shù)據(jù)設(shè)備，經(jīng)常容易出現(xiàn)不同程度的重啟、誤碼以及死機等故障，給設(shè)備維護人員帶來了較多的困擾和問題。

為了便于解決此類問題，需要維護人員不定期的對機房進行檢查，針對目前通信設(shè)備種類繁多，搶修人員的對專業(yè)設(shè)備的了解有限，在排查時經(jīng)常會出現(xiàn)迷茫的狀況，或?qū)⒃O(shè)備從外到內(nèi)進行檢查，浪費了較多了人力、物力、財力，但最后發(fā)現(xiàn)時灰塵累積導(dǎo)致散熱功能減弱。隨著集約思想的逐步深入人心，如何自動的對灰塵進行監(jiān)測并實時進行報警是目前通信機房實現(xiàn)無人值守的重中之重。

本文提出了一種智能的塵埃監(jiān)測及告警系統(tǒng)，整套系統(tǒng)裝置由硬件系統(tǒng)、軟件系統(tǒng)、自適應(yīng)調(diào)整系統(tǒng)幾個部分組成，設(shè)備運行時間過長溫度上升導(dǎo)致的報警，系統(tǒng)將通過實時監(jiān)測系統(tǒng)進行上傳，整套系統(tǒng)由遙測粒子計數(shù)傳感器，傳感器接口分配器、監(jiān)測系統(tǒng)及終端構(gòu)成。能自動對設(shè)備上的灰塵數(shù)量，自動記錄，判斷是否達到極限值。數(shù)據(jù)采集后，將通過RS-485與傳感器接口分配、接口分配器連接。再由USB、RJ45或者網(wǎng)線連接到本地監(jiān)控系統(tǒng)，并將有效數(shù)據(jù)傳送到各個單位信息通信的運檢部門，出現(xiàn)告警時，由運檢部門派專人進行現(xiàn)場清理。

差分進化（DE，Differential Evolution）算法是一種基于種群的全局搜索優(yōu)化算法，借助于種群個體之間的差分信息對個體形成擾動進而探索整個種群空間，差分進化算法利用貪婪競爭機制選擇下一代個體，尋求問題的最優(yōu)解[1]。差分計劃算法控制參數(shù)少、原理相對簡單、易于理解和實現(xiàn)，且其表現(xiàn)出來的高可靠性、強魯棒性和良好的優(yōu)化性能，已成為進化計算研究領(lǐng)域的熱點課題。

基于差分進化算法在操作上具有高度的并行性，分布式運行方式成為DE算法研究的重要分支，目前已引起國內(nèi)外眾多學(xué)者的關(guān)注[2]。針對不同的廠家、不同的設(shè)備、不同的環(huán)境，可以通過分布式差分計劃算法對數(shù)據(jù)進行自適應(yīng)調(diào)整，通過實驗表明，該方案具有可靠性高、魯棒性強、敏感性高等特點，具有一定的理論及經(jīng)濟效益。提出的一種智能的塵埃監(jiān)測及告警裝置可廣泛應(yīng)用到各個基層單位的無人值守信息通信機房，同時可以拓展的運用到其他的機房，大大提高了工作效率。同時我們還可將灰塵報警系統(tǒng)連接到各個分公司的運檢機房。

2 預(yù)備知識

2.1 系統(tǒng)框架

本文所述的一種智能的塵埃監(jiān)測及告警系統(tǒng)框架圖如下所示。

圖1 系統(tǒng)框架圖

由上圖可以看出：

（1）每一個機柜配置一個灰塵監(jiān)測設(shè)備，每個監(jiān)測設(shè)備監(jiān)測的數(shù)據(jù)都自動傳輸?shù)絇C服務(wù)器進行數(shù)據(jù)匯總；

（2）PC服務(wù)器根據(jù)監(jiān)測設(shè)備傳輸過來的數(shù)據(jù)，通過局域網(wǎng)對外發(fā)布一個監(jiān)測網(wǎng)站服務(wù)；

（3）PC服務(wù)器與機房局域網(wǎng)相聯(lián)，使得網(wǎng)站服務(wù)可以供辦公室人員實時查看，對于報警數(shù)據(jù)可以及時得到反饋。

2.2 分布式差分進化算法

考慮到在機房存在較多的不定因素，如不同的廠家、不同的設(shè)備、不同的環(huán)境，如果逐個進行調(diào)整將浪費較多的人力、物力、財力，本文提出通過分布式差分計劃算法對數(shù)據(jù)進行自適應(yīng)調(diào)整，DE算法是由Storn等人于1995年提出的，和其它演化算法一樣，DE算法是一種模擬生物進化的隨機模型，通過反復(fù)迭代，使得那些適應(yīng)環(huán)境的個體被保存了下來[3]。但相比于進化算法，DE算法保留了基于種群的全局搜索策略，采用實數(shù)編碼、基于差分的簡單變異操作和一對一的競爭生存策略，降低了遺傳操作的復(fù)雜性[4]。同時，DE算法特有的記憶能力使其可以動態(tài)跟蹤當(dāng)前的搜索情況，以調(diào)整其搜索策略，具有較強的全局收斂能力和魯棒性，且不需要借助問題的特征信息，適于求解一些利用常規(guī)的數(shù)學(xué)規(guī)劃方法所無法求解的復(fù)雜環(huán)境中的優(yōu)化問題[5]。目前，DE算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用，譬如人工神經(jīng)元網(wǎng)絡(luò)、化工、電力、機械設(shè)計、機器人、信號處理、生物信息、經(jīng)濟學(xué)、現(xiàn)代農(nóng)業(yè)、食品安全、環(huán)境保護和運籌學(xué)等[6]。

DE 算法主要用于求解連續(xù)變量的全局優(yōu)化問題，其主要工作步驟與其他進化算法基本一致，主要包括變異（Mutation）、交叉（Crossover）、選擇（Selection）三種操作。算法的基本思想是從某一隨機產(chǎn)生的初始群體開始，利用從種群中隨機選取的兩個個體的差向量作為第三個個體的隨機變化源，將差向量加權(quán)后按照一定的規(guī)則與第三個個體求和而產(chǎn)生變異個體，該操作稱為變異。然后，變異個體與某個預(yù)先決定的目標(biāo)個體進行參數(shù)混合，生成試驗個體，這一過程稱之為交叉[7]。如果試驗個體的適應(yīng)度值優(yōu)于目標(biāo)個體的適應(yīng)度值，則在下一代中試驗個體取代目標(biāo)個體，否則目標(biāo)個體仍保存下來，該操作稱為選擇。在每一代的進化過程中，每一個體矢量作為目標(biāo)個體一次，算法通過不斷地迭代計算，保留優(yōu)良個體，淘汰劣質(zhì)個體，引導(dǎo)搜索過程向全局最優(yōu)解逼近。

3 實現(xiàn)路線

3.1 硬件系統(tǒng)實現(xiàn)

硬件部分為功能的執(zhí)行者，物理上分為多個灰塵采集的終端設(shè)備和集中器設(shè)備兩個部分，終端和集中器用總線相連接。終端的主要功能有：（1）采集機房的灰塵濃度；（2）LCD顯示采集灰塵現(xiàn)場濃度和設(shè)置閥值濃度；（3）聲光報警；（4）數(shù)據(jù)上傳和接收控制系統(tǒng)數(shù)據(jù)。集中器的主要功能：中轉(zhuǎn)作用（終端與上位機的中轉(zhuǎn)翻譯）

采集機房的灰塵濃度主要采用了灰塵傳感器設(shè)備?；覊m傳感器是用于感知灰塵的一種日常用機械?？梢愿兄獰煵莓a(chǎn)生的煙氣和花粉，房屋粉塵等1微米以上的微小粒子。

其工作原理在于：微粒和分子在光的照射下會產(chǎn)生光的散射現(xiàn)象，和此同時，還吸收部分照射光的能量。當(dāng)一束平行單色光入射到被測顆粒場時，會受到顆粒周圍散射和吸收的影響，光強將被衰減。如此一來便可求得入射光通過待測濃度場的相對衰減率。而相對衰減率的大小基本上能線性反應(yīng)待測場灰塵的相對濃度。光強的大小和經(jīng)光電轉(zhuǎn)換的電信號強弱成正比，通過測得電信號就可以求得相對衰減率[8]。

機房的灰塵采集終端必須具備上面的4個功能，用模擬電路比較難以實現(xiàn)，而用單片機作為終端主控芯片，本方案中主控芯片采用stc12c5a60s2為主芯片，用LCD、蜂鳴器、計數(shù)光學(xué)傳感器和LED燈為執(zhí)行部件實現(xiàn)功能，比較容易實現(xiàn)。

有的機房很大，或者有多個機房，要求的采集終端數(shù)量比較多，系統(tǒng)用并行傳輸?shù)姆绞絺鬏敂?shù)據(jù)是不適用的，所以必須是串行傳輸，所有每個終端設(shè)備必須有自己的編號，也就是地址?？梢栽趩纹瑱C軟件的中設(shè)置地址，也可以硬件上撥碼開關(guān)方式設(shè)置地址。當(dāng)系統(tǒng)中的終端數(shù)量很多的時撥碼開關(guān)為宜。

采集的灰塵濃度的數(shù)據(jù)和設(shè)置閥值數(shù)據(jù)需要在現(xiàn)場隨時可以看到，可以用數(shù)碼管和液晶屏等的方式，本方案中采用LCD1602顯示數(shù)據(jù)?；覊m濃度采集是采用的遙測粒子計數(shù)光學(xué)類傳感器，終端芯片通過串口采集數(shù)據(jù)其收集到的數(shù)據(jù)。

聲光報警功能，通過使用蜂鳴器的滴滴聲達到報警聲，和使用紅色LED燈快速閃爍達而達到。

數(shù)據(jù)的傳輸接收需要總線，使用485總線驅(qū)動芯片MAX485來實現(xiàn)。

集中器主控芯片也是stc12c5a60s2為主芯片，該芯片有兩個串口，正好一個連接485總線，一個連接上位機總線。

3.2 底層軟件設(shè)計

終端和集中器都要編寫底層程序，本方案中底層程序在Keil uVision中編寫，Keil uVision具備代碼編寫，編譯，生成執(zhí)行文件的功能，用stc下載軟件通過串口0下載到芯片中。

3.2.1 終端軟件

終端軟件是先初始化傳輸?shù)牟ㄌ芈?，本方案中波特率?600，在讀取撥碼開關(guān)的值作為自己的地址，再進入無限循環(huán)中，循環(huán)中不停的采集計數(shù)光學(xué)傳感器數(shù)據(jù)，并顯示該數(shù)據(jù)，再查詢是否有設(shè)置數(shù)據(jù)，顯示缺省的或者設(shè)置的數(shù)據(jù)，當(dāng)采集到的濃度大于設(shè)置數(shù)據(jù)時，啟動聲光報警。

3.2.2 集中器軟件

集中器是先初始化波特率，本方案中波特率是9600，再進入無限循環(huán)中，循環(huán)當(dāng)有數(shù)據(jù)上傳時，將數(shù)據(jù)傳到上位機，當(dāng)有數(shù)據(jù)下達時，傳到總線上去。

3.3 軟件部分實現(xiàn)

軟件部分主要功能通過串口編程來采集灰塵傳感器的數(shù)據(jù)，PC端發(fā)布一個WEB網(wǎng)站服務(wù)，WEB網(wǎng)站通過圖文的形式來展示灰塵傳感器數(shù)據(jù)，從而實現(xiàn)了辦公室實時監(jiān)測機房灰塵。WEB網(wǎng)站也提供設(shè)置灰塵報警閥值的功能，當(dāng)灰塵傳感器感應(yīng)到機房灰塵超過閥值，傳感器會發(fā)出嘀嘀聲來告警。

4 實驗與分析

為證明算法的有效性，通過實際環(huán)境測試得出相關(guān)的結(jié)論。本文所采用的環(huán)境為：PC操作系統(tǒng)（Windows）、TOMCAT中間件、USB串口驅(qū)動程序、JAVA虛擬機。WEB程序開發(fā)完成后，需要發(fā)布到機房局域網(wǎng)內(nèi)，值班人員通過打開網(wǎng)頁地址可以訪問到WEB程序，實現(xiàn)監(jiān)測。

為了說明分布式差分進化算法對于參數(shù)自適應(yīng)調(diào)整的優(yōu)勢，通過實驗?zāi)M對訓(xùn)練時間進行監(jiān)測，即隨著監(jiān)測節(jié)點的增多，參數(shù)自適應(yīng)調(diào)整的訓(xùn)練時間曲線圖3如下所示。

由上圖可以看出，隨著監(jiān)測節(jié)點的增多，參數(shù)自適應(yīng)調(diào)整的訓(xùn)練時間能夠保持較好的性能。

5 結(jié)語

通信機房內(nèi)的各種設(shè)備經(jīng)常性出現(xiàn)故障，而在故障排查的過程中，發(fā)現(xiàn)由于塵埃直接或間接導(dǎo)致的原因占大多數(shù)，本文通過分析通信機房的故障提出了一種智能的塵埃監(jiān)測及告警系統(tǒng)，能夠自動的對超標(biāo)的灰塵粒子濃度進行報警，通過還針對不同廠家、不同設(shè)備、不同環(huán)境提出了一種自適應(yīng)的參數(shù)調(diào)整機制，通過實驗表明具有高可靠性、強魯棒性等特點，具有一定的理論及經(jīng)濟效益。

參考文獻

[1] Mei H，Sun H，En C，et al.Impulsive noise mitigation and doubly selective channels estimation for underwater acoustic OFDM with compressed sensing[J].Journal of Convergence Information Technology，2013，8（9）：78-87

[2] H. Abbass， The self-adaptive pareto differential evolution algorithm， IEEE Congr. Evol. Comput. 1 （2002） 831–836.

[3] J. Arabas， L. Bartnik， K. Opara， Dmea—An algorithm that combines differential mutation with the fitness proportionate selection， in： 2011 IEEE Symposium on Differential Evolution （SDE11）， IEEE， 2011， pp. 1–8.

[4] J. Durillo， A. Nebro， C.A.C. Coello， J. Garcia-Nieto， F. Luna， E. Alba， A study of multiobjective metaheuristics when solving parameter scalable problems， IEEE Trans. Evol. Comput. 14 （4） （2010） 618–635.

[5] A.K. Qin， V.L. Huang， P. Suganthan， Differential evolution algorithm with strategy adaptation for global numerical optimization， IEEE Trans. Evol. Comput.13（2）（2009） 398–417.

[6] 張源峰，孫海信，顏佳泉.無線傳感器網(wǎng)絡(luò)的自適應(yīng)預(yù)測算法[J].廈門大學(xué)學(xué)報.自然科學(xué)版，2015，54（4）：523-527

[7] 徐振華，黃建國，張群飛.基于 EM 算法的極大似然分布式量化估計融合新方法[J].電子與信息學(xué)報，2011， 33（4）：977-981.

[8] 李燕君，王智，孫優(yōu)賢.資源受限的無線傳感器網(wǎng)絡(luò)基于衰減信道的決策融合[J].軟件學(xué)報，2007，18（5）：1130-1137.