基于区域残差的移动机场通信数据故障监测方法*

2021-12-22蒙华伟李国强缪钟灵

数字技术与应用 2021年11期

蒙华伟李国强缪钟灵

1.广东电网有限责任公司机巡管理中心；2.广东电网公司机巡管理中心

最近几年，随着我国智能化技术的不断发展与成熟，移动机场逐渐走进人们的视线，不仅给人们的生产和生活提供了极大的便利，同时也进一步完善了航天服务业的结构。因此，对基于区域残差的移动机场通信数据故障监测方法进行分析。先确定故障敏感主元，获取对应的主元系数，在此基础上，建立区域残差的多核心故障监测模型，并利用荷载响应残差技术实现故障监测方法的设计。最终通过测试来验证检测结果，最终的结论表明:在相同的环境之下，最终所得出的移动机场通信数据故障误差对比于传统方法相对较低，表明其监测结果具有一定精准性，效果更佳，实际应用价值较高。

0 引言

现如今，由于我国互联网、大数据技术以及相关的软件、平台不断地创新与发展，使得社会中的各行业、各领域在受到强烈冲击的同时，也得到了充分的发展。在这些行业之中，影响最大的要数航空航天领域[1]。一般情况下，航空的服务区域可以分为飞行区域和机场，前者的调整与更改需要专业人员进行设计方可实现，而后者却与之不同。机场的服务设施与人员是相对较为完善的，同时具有一定的灵活性和创新型[2]。近几年来，移动机场的产生和应用受到了社会各界的广泛关注，不仅仅是因为它与人们的生活息息相关，同时也是对智能技术的一种重视。不同于传统机场的是，移动机场具有更强的应变能力和完善的服务结构，可以帮助客户更好地解决出现的问题以及其他异常情况，一定程度上提升了机场运行和服务的效率以及质量[3]。但是在这样的高速的发展下，移动机场在实际应用的过程中逐渐暴露出其缺陷与问题，最为严重的还要数通信数据的故障问题，当通信数据产生异常的状况时，对于机场的服务会产生直接的影响，留下安全隐患，严重的甚至会造成较为严重的事故。所以，需要进行监测，以确保其正常运行。区域残差技术是目前应用较为广泛的一项监控技术，对比于传统的检测方法，区域残差技术辅助下的监测方法相对较为多样化，这主要是因为其多核心的监测模式所导致的，在不同的区域环境下，可以很好地适应周围的环境，包括灯光、温度、人流量等，另外，在区域残差的应用下，还大大缩短了监测警示的时间，使操作人员可以更加快速地接收到信息，并对故障区域进行抢修，避免出现大规模的故障问题。因此，对基于区域残差的移动机场通信数据故障监测方法进行设计，以此来进一步提升我国移动机场的服务质量以及监测水平。

1 移动机场通信数据故障监测方法设计

1.1 故障敏感主元的确定

在对移动机场的通信数据故障监测方法进行设计之前，需要先确定相对应的故障敏感主元。获取基础性的敏感系数，并利用其计算相对应的方差贡献率，如公式（1）所示:

公式（1）中:G表示方差贡献率，α表示故障极限范围比值，e表示控制程度，λ表示方差最小值。通过以上计算，最终可以得出实际的方差贡献率。在此基础上，设定敏感主元的执行标准，如表1所示:

表1 敏感主元执行标准表Tab.1 Sensitive principal element executive standard table

根据表1中的数据信息，进行敏感主元实际标准的确定。结合最小方差值，对故障敏感情况作出判断，如果方差值小于标准，表明敏感程度较低，符合实际要求，反之，如果大于标准数值，则表明敏感程度较高，并且可能存在故障测算数值上的误差。至此，便完成了故障敏感主元的实际数值的确定。

1.2 建立区域残差的多核心故障监测模型

在完成故障敏感主元的确定之后，接下来，需要利用区域残差技术来建立多核心的故障监测模型。依据移动机场的实际运行情况，并结合区域残差，设计相对应的残差矩阵，如公式（2）、（3）、（4）所示:

公式（2）、（3）、（4）中:M、N、H表示残差矩阵的特征值，θ表示应变函数，F表示通信范围。通过以上矩阵计算，最终可以得出实际的残差矩阵特征值，结合敏感主元的执行情况，创建基础监测模型。模型在建立时，需要设计多核心的点位故障监测结构，同时在每一个监测点的附近安装对应的数据通信反馈装置，可以将异常状况以及问题信号及时传输至移动机场的控制平台之中，便于处理维修[4]。将这一程序结构添加在故障监测模型之中，完成模型的创建。

1.3 荷载响应残差技术实现故障监测方法的设计

在完成区域残差的多核心故障监测模型建立之后，接下来，利用荷载响应残差技术实现故障监测方法的设计[5]。相对荷载响应残差比例进行设计，如表2所示:

表2 荷载响应残差比例设计Tab.2 Load response residual ratio design

根据表2中的数据信息，进行荷载响应残差比例的设计，完成之后，在此基础上，计算相对应的响应时间，如公式（5）所示:

公式（5）中:T表示响应时间，h表示残差最远距离，ω表示极化比值。利用所得出的实际响应时间，计算相关的荷载敏感系数，如公式（6）所示:

公式（6）中:V表示荷载敏感系数，C表示定义百分比，δ表示允许出现的最大误差值。通过以上计算，最终可以得出实际的荷载敏感系数，将其作为数据故障监测的顶层标准，最终完成监测方法的设计[6]。

2 方法测试

2.1 测试准备

本次主要对基于区域残差的移动机场通信数据故障监测方法进行测试。设置故障监测的正态环境，将智能动态数值调整为均衡状态，大致为0.0018左右即可，阶跃故障比值为1∶13，斜坡故障比值为1∶9，将故障控制极限值控制在1.5以下，调整移动机场运行控制系统的属性，并更改核心模式为多点位执行模式。利用PCA方法设置对所出现的异常或者故障进行统计。在此基础上，计算相对应的正态控制数值，如公式（7）所示:

公式（7）所示:H表示正态控制数值，r表示控制变量，d表示阶跃系数，β表示允许出现的极限误差。通过以上计算，最终可以得出实际的正态控制数值，将其作为故障检测的核定标准，并利用其创建对应的正态监测环境。选取一处移动机场作为本次测试的对象，测试会以对比的形式进行，共两种方法，一种为传统的测算监测法，将其设置为传统测算测试组；另一组为本文所设计的方法，将其设定为敏感故障监测测试组。检查机场以及其他设备是否处于稳定运行的状态，并确保无外部因素影响最终的测试结果，完成之后，开始测试。