趙宇

(國家廣播電視總局2021臺,黑龍江 齊齊哈爾161000)

1 概述

在無線廣播發(fā)射臺站中，ups是供電系統(tǒng)中重要的基礎(chǔ)設(shè)備，是保證播音任務(wù)的重要一環(huán)，因此，對ups設(shè)備的監(jiān)測維護(hù)就十分必要。而限于算法局限性，傳統(tǒng)計算機(jī)的觀測過程缺乏人類行為特征，此外，設(shè)備故障的預(yù)測也是傳統(tǒng)算法無法實現(xiàn)的功能，而神經(jīng)網(wǎng)絡(luò)技術(shù)在近年已被廣泛應(yīng)用于各領(lǐng)域的預(yù)測研究（如天氣、地震等領(lǐng)域的預(yù)測）[1]。

本文基于分布式節(jié)點結(jié)構(gòu)實現(xiàn)了與不同ups設(shè)備的通信，借助神經(jīng)網(wǎng)絡(luò)技術(shù)，組成一個能進(jìn)行供電性能估算、預(yù)測故障風(fēng)險的統(tǒng)一設(shè)備觀測平臺[2]。

2 分布式環(huán)境搭建

硬件部分：兩臺服務(wù)器分別運行神經(jīng)網(wǎng)絡(luò)節(jié)點、數(shù)據(jù)庫，多臺計算機(jī)運行不同的程序節(jié)點、主界面節(jié)點。計算機(jī)之間通過網(wǎng)絡(luò)連接，此外還需要串口服務(wù)器將ups設(shè)備由串口通訊轉(zhuǎn)換為網(wǎng)絡(luò)通訊。

軟件部分：python3、pyqt5、vb.net、sql。

3 主界面節(jié)點開發(fā)

主界面承擔(dān)數(shù)據(jù)顯示與節(jié)點管理兩大功能，按如下方式開發(fā)：ups數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)觀測結(jié)果都由其它節(jié)點寫入到數(shù)據(jù)庫表中，主界面不斷讀取；同時，其它節(jié)點程序每秒上傳自身cpu占用、ip地址、一個隨機(jī)數(shù)，神經(jīng)網(wǎng)絡(luò)節(jié)點還將向表中匯報線程池排隊情況、計算請求數(shù)，主界面使用隨機(jī)數(shù)是否持續(xù)變化監(jiān)視節(jié)點是否在線，當(dāng)表中有報警消息時使用微軟語音引擎發(fā)起語音合成報警。

4 ups通訊節(jié)點開發(fā)

獲取ups設(shè)備數(shù)據(jù)使用serialport控件，一般各廠商ups設(shè)備都是ascii通信，每一個型號的ups開發(fā)為一個單獨程序，每秒將數(shù)據(jù)、自身狀態(tài)寫入數(shù)據(jù)庫，同時，節(jié)點可發(fā)起神經(jīng)網(wǎng)絡(luò)請求，請求的sql記錄格式為：“目的+網(wǎng)絡(luò)模型文件名+時間id+數(shù)據(jù)”，目的分為“訓(xùn)練”、“使用”，神經(jīng)網(wǎng)絡(luò)節(jié)點計算完畢后將標(biāo)注記錄為“完成”。

5 神經(jīng)網(wǎng)絡(luò)節(jié)點開發(fā)

導(dǎo)入numpy庫為np，導(dǎo)入Pyqt5庫，構(gòu)建初步可視化窗體，然后進(jìn)行神經(jīng)網(wǎng)絡(luò)的開發(fā)。

5.1 創(chuàng)建前饋神經(jīng)網(wǎng)絡(luò)

圖1 系統(tǒng)主界面

initnet()是對于權(quán)重和偏置的初始化，偏置為高斯分布，均值0，標(biāo)準(zhǔn)差1，權(quán)重均值0，標(biāo)準(zhǔn)差1/√n，net是列表類型，填寫網(wǎng)絡(luò)各層神經(jīng)元數(shù)，co用于交叉熵的使用。

5.2 隨機(jī)梯度下降算法實現(xiàn)

隨機(jī)梯度下降算法公式：

等號左邊表示重力滑落模擬過程中權(quán)重和偏置的最小值，C為二次代價函數(shù)，η為學(xué)習(xí)速率[3]。Python隨機(jī)梯度下降應(yīng)用上述公式的核心代碼為：

5.3 反向傳播算法的實現(xiàn)

反向傳播是網(wǎng)絡(luò)的學(xué)習(xí)過程，在進(jìn)行前向傳播后，反饋權(quán)重的核心代碼為：

5.4 交叉熵算法的實現(xiàn)

神經(jīng)網(wǎng)絡(luò)中，通常會因較大誤差的權(quán)重和偏置導(dǎo)致學(xué)習(xí)速度的下降，而將交叉熵作為神經(jīng)網(wǎng)絡(luò)的代價函數(shù)，能有效解決這個問題[4]。公式為：

其中a是網(wǎng)絡(luò)總輸出，y是對應(yīng)訓(xùn)練輸入x的輸出，n為訓(xùn)練數(shù)，相應(yīng)python中應(yīng)用上述公式的核心代碼為：

np.sum(np.nan_to_num(-y*np.log(a)-(1-y)*np.log(1-a)))

5.5 規(guī)范化算法的實現(xiàn)

規(guī)范化主要是在代價函數(shù)后添加規(guī)范化因子：

在程序中，梯度下降的核心處在接收到用戶請求后，變?yōu)椋?/p>

程序的其它傳參處也會被加入規(guī)范化參數(shù)。

5.6 神經(jīng)網(wǎng)絡(luò)節(jié)點的使用

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：ups節(jié)點發(fā)出請求后，數(shù)據(jù)庫就新填入請求數(shù)據(jù)，第一項數(shù)據(jù)注明為“訓(xùn)練”，第二項注明使用的模型文件，第三項寫明的是請求的唯一性時間，后面跟隨訓(xùn)練數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)節(jié)點主線程掃描數(shù)據(jù)表發(fā)現(xiàn)請求后，根據(jù)模型文件名加載相應(yīng)的文件，讀取數(shù)據(jù)進(jìn)行訓(xùn)練，完畢返回根據(jù)唯一時間插入的標(biāo)注為“完成”的數(shù)據(jù)記錄到相應(yīng)的節(jié)點的表中，相應(yīng)ups節(jié)點在讀取到“完成”、唯一時間的記錄后，獲知該次請求已被計算完成。

神經(jīng)網(wǎng)絡(luò)的使用：ups節(jié)點寫入請求數(shù)據(jù)庫記錄，并把第一項“訓(xùn)練”改為“計算”，神經(jīng)網(wǎng)絡(luò)節(jié)點讀取數(shù)據(jù)庫后加載對應(yīng)網(wǎng)絡(luò)模型進(jìn)行計算，計算完畢將結(jié)果返回數(shù)據(jù)庫。第一種模型是根據(jù)ups供電期間的數(shù)據(jù)樣本訓(xùn)練的網(wǎng)絡(luò)模型，用來進(jìn)行即時的供電性能估算，第二種模型由正常運行期間的樣本和故障期間的樣本訓(xùn)練而來，用于及時發(fā)現(xiàn)設(shè)備可能出現(xiàn)的問題風(fēng)險。

6 結(jié)論

通過使用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)型觀測技術(shù)，能極大的提高計算機(jī)監(jiān)測系統(tǒng)對數(shù)據(jù)的識別、分析能力，目前使用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行具體設(shè)備觀測的系統(tǒng)并不多見，該系統(tǒng)的開發(fā)至應(yīng)用都有較多的創(chuàng)新點。