基于MapReduce并行处理的机电特种设备故障诊断系统设计

王 林，姜 萌

(西安理工大学 自动化与信息工程学院，西安 710048)

0 引言

在实际生活环境中，机电专用设备在人们日常生活中得到了广泛应用，如商场电梯运行、大型游乐设施建设等，这些设备一旦出现故障，就会危及人们生命安全[1]。机电类特种设备是控制专用设备正常工作，确保设备安全的关键设备，如启动装置发生故障，特殊设备无法安全运行，造成各种危害[2]。对起动设备进行故障检测，能有效提高起动设备的稳定性，确保专用设备的安全运行。

由于我国专用设备起动机的故障检测水平较低，迫切需要开发专用机电设备起动机故障检测系统来帮助解决这一问题[3]。由相关领域的专家和学者设计的故障检测系统，具有一定的实用性。因此，提出了一种用于机电专用设备启动装置的直流接地故障检测系统。该系统检测精度高，但检测效率低，CPU利用率高。针对以上问题，设计了一种基于MapReduce并行处理的机电特种设备故障诊断系统。改进传统系统硬件部分，对框架进行理论内容的补充，提取故障检测指标，计算故障检测频率，实现部分软件故障检测功能的设计。

1 总体架构设计

针对机电特殊设备起动装置故障检测系统的特点，根据故障检测系统的功能要求，对其硬件结构进行了优化设计[4]。

对于一般设计用于大型机电设备的汽轮机，如远程实时监测和结合企业需求进行故障诊断，预测维护设备和实用技术设备，发展了一套用于企业设备信息管理、数据分析和故障诊断的技术，强大的设备预测维护和故障诊断系统[5-7]。该系统中心服务器与智能监控终端客户端子系统协同工作，实现了现场机电设备的远程实时监控、状态监测与故障诊断[8-9]。图1中显示了总体结构。

图1 总体架构设计

从图1中可以看出，监测站是根据实际情况设置的，根据设备的重要程度，模型与设备之间的关系以及距离，其下包含许多智能监控终端，例如监控器与设备连接，根据需要进行信号采集[10]。设定每台设备需要的监测终端数量，并留出足够的空间，监测终端通过以太网直接与中央服务器相连[11]。通过客户端子系统，现场或远程用户可以登录到中央服务器，获得授权后，可对权限范围内的所有终端监控设备进行信息采集操作[12]。

对一般的机电设备进行远程实时监测和故障诊断，发现设备与系统终端直接相连，其种类和数量不受限制；用户可以自由地定义和配置监测设备的所有参数，以满足不同被测设备的需要，实现设备的远程监测[13-14]。

2 硬件结构设计

该系统的硬件主要包括故障检测显示和数据处理传输两部分，为有效提高系统的检测精度，设计了故障检测指示单元[15]。优化数据处理和传输单元是提高系统故障检测能力的有效途径。

2.1 故障检测指示模块

2.1.1 采集电流模块

在电缆上方的感应线圈收集交流电，测量过程中，若要被其它检测模块使用，则需要对电流进行整流，并对整流后的电流进行滤波[16]。用两个简单的二极管设计了一种整流集流故障检测指示电路。图2中显示了电流采集电路。

图2 电流采集电路图

将两个二极管与电阻感应线圈并联，设置截止线圈的导电状态，保证释放的高压二极管全部吸收电磁波，消除电弧，感应线圈收集交流电。当全桥式整流电路为电流时，将两个相同的直流输出结果作为输入结果，传输到电流突变检测模块和电源故障检测模块。

2.1.2 电流突变检测模块

电压突变检测模块是在电压突变发生时对故障进行检测，三相短路或两相短路引起的故障可产生大量的破坏性电流，为实现突变电流下的精确故障检测，必须对突变电流进行校正。然后对多层差分通过优化电路获得了相应的脉冲信号，在二极管有突发电流时，选用低压级故障检测器作为检测点。

2.1.3 断电检测模块

电力系统故障检测模块的电路由电阻和二极管组成，当无电流通过架空线路时，检测故障点。图3中显示了自动断路检测装置。

图3 自动断检装置

该装置具有8路交流输入、8路开关输入、无源设计、无独立电源，通过自动断检装置实时检测220 V交流电源通断状态，并输出结果；8路断路器显示220 V电源的输入状态；采用光电隔离技术，防止雷击涌入检测器和设备；可采用钢轨安装，安装简便。开关状态检测模块选用DH08，是一种稳定、可靠的八路交流电源开关和 AC开关状态检测模块，该模块具有8个220 V输入-8个集电极开路输出的采集和转换功能，能实时检测各通道的开关状态220 V交流电源，并输出相应的集电极开路信号，实现交流电源数字信号的转换，方便接触检测设备的监控[17]。

2.1.4 报警模块

选配了6AU1410-0AB00-0AA0型西门子报警模块，采用了控制室安装方式，并通过软 PLC命令处理器实现了故障检测点的故障信息报警功能，Flash是用来向远程巡逻员显示故障信息的。

2.2 数据处理传送模块

射频收发模块、双模通信模块、电源模块、核心控制模块是构成数据处理和传输单元的主要部件。RFID技术，即 RFID技术，是射频收发模块的一种，主要用于故障检测指令单元与数据处理单元、数据传输单元之间的数据接收和发送。

2.2.1 双模通信模块

RDSS射频收发芯片用于双模通信模块，并与功放芯片集成。两片晶片和其它晶片的配合，可有效实现 RDSS的信号收发和调制解调。双模通信模块的接口兼容本地串口模块[18]，通过配置相关参数，可设置故障检测器位置

2.2.2 电源模块

功率模块的供电电压必须保持在1.2 V, RF收发模块则要求供电电压为 DC2.9～3.6 V。为满足工作电压要求，数据处理和传输单元电源模块采用LM2575稳压器芯片。通过把蓄电池充电时的电压调整到1.2 V，使蓄电池在供电时具有一定的稳定性。

2.2.3 核心控制单元

核心控制模块相当于系统的硬件“大脑”，能确保系统安全稳定运行，降低功耗。核心控制模块为PlC16F883。优化故障检测指令单元和数据处理传输单元，完成了机电启动器故障检测系统的硬件部分，为系统软件设计提供了最佳的硬件环境。

3 系统功能设计

Hadoop是一个分布式平台，可以方便地计算大型数据集。群集系统的并行处理加快了运算速度。MapReduce是Hadoop的一个子项目，它能够处理大数据集的并行计算，以简单、通用的并行算法实现电力设备故障诊断。

MapReduce的执行流程如图4所示。

图4 MapReduce执行流程

通过 MapReduce操作模式[19]，实现了自动的数据分割、负载平衡和容错。编写MapReduce程序时，可将数据计算分解为多个可并行执行计算过程，以此设计出运行分布式系统所需的 Map和 Reduce函数[20]。数据片断操作结果< key, value>，通过执行设计的 Map函数，通过对合并排序，使用相同键值向相同的 Reduce函数发送操作结果，以便合并数据。>=" span=">最后，基于 Reduce函数进行计算，并在分布式集群中保存最终计算结果数据。通过对4个 MapReduce作业类进行算法训练，获得4个输出值，并计算数据属性特征词在每个故障类中的频率值。

1)第1个MapReduce过程：其功能是从训练文档中接收 DGA样本块，从每个DGA数据中读取属性特征词，并在故障类别中计算每个属性特征词的词频值。该功能利用地图数据结果进行统计，并使用训练集中每个变压器故障类别的所有样本数据、词频值和属性特征词样本数据。

2)第2个MapReduce过程：根据第一个MapReduce的输出，计算出每种变压器故障类型的特征属性值。映射过程计算每个特征属性的值。通过TF值与IDF值相乘，计算出每类变压器故障的TFIDF值，并计算出培训文档的特征属性总数。

3)第3个MapReduce过程：通过映射每个故障类的样本数据总数和DGA训练集的总数据，计算出每个故障类的先验概率。利用约化函数求出变压器各故障类别所有特征属性的TFIDF和。

4)第4个MapReduce过程：求出变压器各类故障特征属性的发生概率，输出运行类训练结果。特种设备起动装置的故障检测频谱是故障检测的关键。从某种程度上说，用户可以根据故障检测频率，将故障发生频率最少的一次转变为二次检测模式。然而，因为每天的故障检测次数不同，每天的检测频率也不一样。若以近期故障检测频率确定检测频率，将记录大量故障，增加检测成本。因此这部分只允许用户选择3个频率：月、季、年的故障检测频率。所以在特征设备的管理过程中，需要对其故障检测频率进行专门的分析。

用m-n在这一刻之前第n天检验设备故障次数具有任意特性，m用来说明当天检测到的故障数量当时未加统计错误的情况下，n天中故障总检测次数T可描述成：

(1)

添加新故障检测次数后，n天中故障诊断次数T′可描述成：

(2)

公式(2)中：m0表示初始设定的检测次数。根据该公式，统计一年内故障检测次数，并统计这段时间内每天故障检测次数。

假设针对机电特种设备故障，则有如下计算公式：

(3)

(4)

当前所有机电专用设备故障仅需统计一定时期内的诊断总数，以及当天故障诊断次数就可得到诊断频率值。

4 实验过程与测试结果分析

为了验证基于MapReduce并行处理的机电特种设备故障诊断系统设计合理性，进行实验验证分析，以轴承故障短路为例，测试对机电特种设备故障诊断的确性及稳定性。

4.1 实验环境

建立机电特种设备状态信息并行故障诊断实验平台，实验环境由两个配置相同的PC端组成，CPU为双核Interi5-2400，256.00 GB内存和1 TB硬盘。其中一个作为NameNode，另一个作为datanode。在上述实验环境下对220 kV及以下变压器进行了试验。

4.2 实验步骤及方法

实验选取桥式起重机机电特种设备，设置轴承三相短路故障，将完整生命信号划分为4 000个数据段，每条数据的相关指数数据特征提取的信号段，首次确定了非零点特征值及其相应的特征向量为综合特征指数。图5为轴承故障短路的示意图。

图5 轴承故障短路示意图

4.3 轴承故障检测结果

根据图5所示的轴承故障，分别使用直流接地故障诊断系统、基于MapReduce并行处理诊断系统诊断连接轴承的三相短路情况，实验结果如图6所示。

图6 两种系统三相短路故障诊断效果对比分析

通过图6的对比结果可知，在发生三相短路故障问题后，使用直流接地故障诊断系统波形与实际值差别较大，且上下波动幅度大，检测结果不够准确，稳定性较差；而采用基于MapReduce并行处理诊断系统与实际波形差别较小，其对A相、B相C相电流短路故障诊断的时间点波形变化与实际曲线基本一致，都是在0A附近波动，说明该方法能够准确对三相短路故障进行诊断，应用在机电特种设备故障诊断中，准确性较好，稳定性较强。

5 结束语

为解决传统故障检测系统检测精度低和占用内存大等问题，本文提出基于MapReduce并行处理的机械设备故障诊断系统，改进了故障检测显示单元和数据传输处理单元的硬件部分，利用框架原理提取故障检测指标，计算故障检测频率，软件实现了故障检测功能，完成了一套机电设备起动器故障检测系统的设计。经试验验证，系统检测精度高。但是系统的稳定性还有待于进一步的研究和改进，为满足系统故障检测要求，从根本上解决大型企业在汽轮机等机电设备维修与故障检测中遇到的问题，未来将以提升故障检测系统稳定性作为研究目标，进一步对所设计系统进行完善。