基于边缘计算的化工设备噪音污染监控应用

徐东 黄海艇 刘典勇 苏道静

摘要：边缘计算能够实时对数据进行处理分析，还具有很好的扩展性能、安全性能、位置感知性能，是符合现代需要和要求的一种计算方式。化工机械设备产生的噪音污染存在很大的安全隐患，为了对其进行实时监控，将边缘计算引入其中用于对噪音进行监控，目的在于通过对噪音污染的监控更好的发现化工机械设备的是否存在问题。文章通过数学建模的方式，基于边缘计算对化工机械设备噪音污染进行监控，与普通的噪音污染监控对比。通过仿真实验，得出基于边缘计算的噪音污染监控有更好的识别噪音作用，而且噪音污染监控误差与普通噪音污染监控相比降低了五倍。

关键词：边缘计算;化工机械设备;噪音污染;监控

中图分类号：TQ053;R126.9文献标识码：A 文章编号：1001-5922（2019）11-0063-04

化工机械设备在工作时会画过声音来传递某些信息，比如，机械设备存在安全隐患了，其在工作运行时就会传出某种特别的声音，但是由于化工机械设备的工作环境比较特殊，存在比较多的噪音污染，往往都会将化工机械设备给我们传递的安全隐患的声音所掩盖住，从而不能通过声音的方式及时的发现化工机械设备的问题，就会造成比较大的经济损失。边缘计算是一种新的计算模式，能够运用于很多的场合环境，从而达到监控的作用。本文为了能够将这种噪音污染减小甚至消除，将边缘计算运用于化工机械设备噪音污染监控中，研究化工机械设备噪音污染的监控应用。

1边缘计算的简介

1.1边缘计算的含义

边缘计算存在很多种不同的定义方式，相对有权威的定义是施巍松等人将边缘计算定义为边缘计算是指在网络边缘执行计算的一种新型计算模式，边缘计算中边缘的下行数据表示云服务，上行数据表示万物互联服务。丁春涛等人通过总结其他学者对边缘计算的定义，给出了自己的定义方式，即边缘计算是一种新型计算模式，符合现代发展要求，通过在靠近物或数据源头的网络边缘侧，为应用提供融合网络、存储和计算等资源。而且边缘计算还有另一种作用，其也是一种使能技术，通过在网络边缘侧提供这些资源，满足行业在敏捷联接、安全与隐私保护、实时业务、应用智能、数据优化等方面的关键需求，即边缘计算在现代行业中能够发挥比较大的作用。

边缘计算也有其体系构架，它属于云和终端设备中间的一部分，即是在云和终端设备之间将边缘设备引入其中，从而发挥更大的作用。所以边缘计算的体系构造包含着3个部分，这3个部分分别为云层、边缘层、终端层，该体系构造看似简单，但是中间经过了非常过的程序，如图1所示。

1.2边缘计算的优势

边缘计算是在终端用户和云之间所引入的一个部份，所以它具有的功能和优势都会比较明显，由于它的优势所在，所以被广泛应用与不同的场景，比如在医疗保健、海洋监测、车辆互联、视频监控等场景都会有所应用，本文为了提高化工机械设备噪音污染监控能力，将边缘计算应用于化工机械设备噪音中。

边缘计算能够对数据进行实时处理和分析。将计算任务放到网络边缘进行处理分析，不仅加强了数据传输陸能，还能实时进行处理，也分担了一部分云计算的任务。

边缘计算具有较高的安全性能，能够保护隐私数据。因为对数据进行处理时是在设备上进行，而不是在云中心进行处理数据，如果数据上传到云中心中进行处理就会存在一定的风险，就算边缘计算所用的设备出现问题，就只是对本地收集的数据产生风险性而不会影响到大量其他的数据。

边缘计算能够具有对位置进行感知，还能减少流量，因为不用将收集到的數据上传到云中心，只用在本地就可以进行计算，所以就减少了网络的流量。边缘数据还具有可扩展性，而且其扩展路径相对的非常便宜，只用边缘数据中心和物联网设备就可以将边缘计算的能力扩展，还有可以降低扩展的成本费用。

2基于边缘计算的化工机械设备噪音污染监控模型建立

2.1发现问题

化工机械设备常常发出非常大的噪音污染，该噪音不仅会影响到工作人员的心理和身体健康，还会对化工机械设备造成很大的伤害，最重要的是当噪音过大时，机械设备存在某些问题时，会通过一定的声音进行放映出来，从而相关的工作人员可以及时的发现问题，但是由于化工机械设备的噪音过于强大，将需要听到的噪音所遮盖住，从而无法让工作人员及时的发现机械设备的问题，就会造成更大的安全隐患和经济损失。所以需要对化工机械设备噪音污染进行实时监控，为了达到更好的监控效果，于是引入的边缘计算。

2.2分析问题

边缘计算因其能对数据进行实时处理和分析，而且可扩展性较强，还能有极好的感知位置作用，被用于化工机械设备的声音智能检控中可以起到很好的作用。本文是基于边缘计算下，通过建立噪音监控模型，该模型能够对噪音进行排除，保留有效声音。

对声音信号进行识别时，一般情况下有3个特征可以识别，分别为声音的短时能量、MEL频率倒谱参数和短时过零率，当然还有其他的特征参数。短时能量就是获取的一帧的声音其能量的大小，每帧的声音其能量是有所不同的，所以可以用来对声音信号进行识别;MEL频率倒谱参数就是通过入耳所获取的声音，这种所传达的高音或低音没有跟声音频率成线性关系;短时过零率就是一帧的音波穿过横坐标的次数。

在化工机械设备上进行安装声音传感器，就可以对噪音污染进行收集、监控，并且对噪音实时进行监控。对其进行监控的目的在于通过声音了解化工机械设备的运行状态，然而在监测过程中化工机械设备传出的噪音太大，干扰了重要的声音传达，所以在对噪音信号进行处理时将其无用的噪音消除掉，不然就会影响化工机械设备的判断结果，消除掉无用的噪音后就可以提高化工机械设备的判断准确率。

2.3模型建立

l：滤波器的编号

c（l）：中心频率

h（l-1）：上限频率

o（l+1）：下限频率

通过声音传感器监测到的声音第一步就是去除无关噪音处理，使用的方法就是小波分析法，从而得出反应化工机械设备运作状态的有用噪音。第二部就是对该噪音进行加窗处理，即对信号进行处理。矩形窗和汉明窗是常用的窗，由于汉明窗可以很好的展现出噪音信号的频率特征，所以本文通过汉明窗进行信号处理。第三步即最后就是对噪音进行倒谱分析，为的是能够求得MEL频率倒谱参数。

3仿真实验

通过仿真试验可以验证基于边缘计算的化工机械设备噪音污染监控的效果。本文选用非线性函数y=2x₁²+3x₂²作为测试函数，一共设置为2000组的数据。图2和图3分别代表着普通的噪音检测和基于边缘计算的噪音检测，从图中可以看出，普通的噪音检测其效果不好，容易存在较大的误差，误差绝对值的和是1.2046，而基于边缘计算的噪音检测其效果明显变好，通过对噪音的监控，更能发现化工机械设备产生噪音所反映的问题，其误差绝对值之和为0.2403，比普通的检测提高了无倍多。所以，基于边缘计算的噪音污染监控更能发现化工机械设备的问题，从而能够达到很好的监控效果。

通过仿真实验可知，基于边缘计算的噪音污染监控能够有效的对化工机械设备进行监控，所以将其运用于实际的化工机械设备噪音检测中，实现实时在线检测。现将对其在实际的运用中进行实验，看是否能够达到满意的效果。

在化工机械设备上进行采集原始噪音，每天进行采集，一共持续2个月，然后得到了260组的声音，最后对这260组的原始数据进行计算，同样的通过2种方式对数据进行处理，一种是普通的噪音污染监控，另一种是基于边缘计算的噪音污染监控，对数据处理完之后再与实际的情况做对比。最后的出的结果如图4和图5，图4代表著普通的噪音监控结果与实际结果的比较，图5代表着基于边缘计算的噪音监控结果与实际结果的比较。通过对图4和图5的比较，基于边缘计算的噪音污染监控误差比普通的噪音污染监控要小得多，而且基于边缘检测的对噪音的识别率是70.3，而普通的噪音识别率是61.6，说明基于边缘计算的噪音污染监控更能反映出化工机械设备的噪音，其识别效率更高，对噪音污染的监控更能放映出化工机械设备是否存在问题。

4结语

噪音污染对化工机械设备的危害比较大，本文将边缘计算引入到对噪音污染的监控之中，通过数学建模的方法基于边缘计算的噪音污染监控的效果更加明显，能够将化工机械设备多余的噪音进行净化，留下所需的噪音，对化工机械设备是否出现问题进行判断，用于反映机械设备的使用状况。通过仿真实验可知，与普通的噪音监控相比，基于边缘计算的噪音污染控制，其噪音识别效果更加优异，而且其监控误差以5倍的数量递减，足以说明基于边缘计算的噪音污染控制更加有利于化工机械设备的运行质量。在将来的研究中，还可以继续对噪音污染监控进行研究，使其效果更加的明显，本文的效果虽然有一定的改善，但是并没有达到一个最好的效果，所以还需要继续对其进行研究。