基于物联网技术的高速公路机电设备智能监控系统

刘永龙 李中汉 李东毅

摘要：为了解决现有机电设备智能监控系统存在的漏警率较高、管理效率低的问题，文章基于物联网技术，设计了一种高速公路机电设备智能监控系统。系统硬件设计上，选取STM32温湿度传感器设计状态信息采集模块、电能计量芯片CS5463电气参数采集模块、SG-CORE-BOARD嵌入式核心板设计通信网关模块；系统软件设计上，基于深度卷积神经网络实现机电设备检测，基于故障树实现机电设备故障诊断。经实验测试，该系统监控的电压数据与实际数据拟合度较高，表明系统监控精度较高；该系统对设备故障报警的漏警率始终保持在2%以下，证明其可精准监控机电设备运行状态，提高管理效率，具有较好的实用性。

关键词：物联网技术；高速公路；机电设备；智能监控系统

中图分类号：U415.12A070233

0引言

近年来，我国大力发展高速公路，作为其关键组成部分的机电系统，不仅种类多样且数量较大，对高速公路的建设起着至关重要的作用。然而机电设备具有结构复杂、技术含量高的特点，管理与维护工作存在一定困难。所以，为保证高速公路机电系统的安全运行，需要采取并推广机电设备的智能监控系统。时下，我国在众多领域中都应用了监控系统，并取得一定成果。有研究人员将监控系统应用于变电站辅助设备的运营管理中，帮助变电站运维人员直观查看设备状态［1］。但是在实际应用过程中，由于对设备的监控效果较差，降低了对设备的管理效率。还有研究人员将监控系统应用于制造车间中，实现了制造车间中多种设备信息的采集与监控［2］。但是对于设备故障报警的漏警率较高，影响了车间设备的运维管理效率。

为了解决以上问题，本文结合高速公路的建设需求，引入物联网技术，对高速公路机电设备智能监控系统展开研究，以期提升高速公路机电系统的管理水平。

1基于物联网技术的智能监控系统硬件设计

物联网技术，就是通过传感器实现物体与网络的通信，所以本文将物联网技术应用于高速公路机电设备智能监控系统中。该系统利用传感器采集机电设备运行过程中的状态信息以及电气参数，再由通信网关传输至服务器进行分析处理，判断是否出现安全事故以及设备故障，以此实现机电设备的监控目的。

1.1状态信息采集模块

当高速公路周边环境的溫度过高，或者设备运行散发的热量较多时，会发生火灾等安全事故。所以智能监控系统需要采集机电设备的状态信息，如温度、湿度等参数，实时监控状态信息的变化。当出现安全事故时，智能监控系统会及时发出报警信号，以此保障高速公路机电设备的安全。在状态信息采集模块中，由传感器［3］监测状态信息，再将状态信息利用A/D转换至微处理器中进行处理。本文基于对高速公路周边实际环境的考虑，选取STM 32温湿度传感器，此传感器属于集成式传感器，可以获取温度、湿度以及敏感度的数据，具有稳定性高、体积小、功耗低等优点。STM 32温湿度传感器节点的硬件模块如图1所示。

将STM 32温湿度传感器的DATA引脚与SCK引脚分别连接到通信网关模块上，就可以控制传感器采集到的状态信息数据的输入与输出。传感器节点连接基本功能模块的同时，还具有JTAG接口和UART串行接口，这是为了后续可以通过软件编程控制数据的输入与输出，利用UART串行接口读取STM 32温湿度传感器采集的机电设备状态信息。节点还连接了蜂鸣器，用来对安全事故以及设备故障发出报警。本文所设计的系统中，在STM 32温湿度传感器节点处配置了EXIO接口，可以连接采集其他状态信息的传感器，如雨滴传感器等，以此构建一个完整的状态信息采集模块，把采集到的状态信息数据通过网关模块传输至监控中心上位机中，实现信息数据的分析处理等操作。

1.2电气参数采集模块

电气参数采集模块的主要工作，就是在高速公路机电设备运行时，采集机电设备的电压、电流、功率以及频率等参数，通过这些参数可以获取机电设备的运行状态，如果设备运行时出现故障，可以及时发出报警信号。在本文设计的智能监控系统中，为降低微处理器的工作压力，实现高效的数据传输，选取多功能的电能计量芯片CS5463来实现机电设备的电气参数测量工作，同时也将测量的有效电气参数传输至微处理器中进行处理。芯片CS5463的计量准确度较高，芯片内部集成了六路二阶模数转换器，适用于三相电路。与此同时，在计量芯片的内部封装着测量电流、电压、功率等电气参数的数字信号处理电路，可以充分满足高速公路机电设备运行的电气参数采集目的。而且，电能计量芯片CS5463可以利用软件校表，校正误差，以此达到高精度的测量。CS5463的内部结构图如图2所示。

通过图2可以看出，电压与电流的模拟信号作为芯片的输入信号，同时将芯片同步采集的信号一起输入芯片的数字信号处理电路中，以此实现电气参数的有效测量，然后再利用通信接口进行数据的传输。其中的电压信号会在计量芯片中做防干扰处理，以CS5463芯片可以接受的数值范围输入芯片的采集端口；其中的电流信号会经过电流互感器送入芯片的采集端口。本文设计的智能监控系统通过CS5463电能计量芯片与互感器的结合，实现了高速公路机电设备电气参数的高精度采集。

1.3通信网关模块

通信网关模块的基本功能是将状态信息采集模块与电气参数采集模块所采集到的全部数据汇集到一起，然后统一传输至服务器端，所以通信网关模块功能的实现离不开硬件的支持。此模块的硬件主要由通信模块、处理器、报警模块以及电源模块等组成，其结构如图3所示。

由图3可以看出，通信网关模块的核心就是处理器，所以本文所设计的监控系统选用SG-CORE-BOARD嵌入式核心板作为处理器。此核心板具有功耗较小且网络较为稳定等优点，既可以实现数据信号的封装与转换，又可以实现与通信模块的双向通信，因为其引脚使用的是TTL天平，所以可以直接与通信模块相连，通过应用串口等接口实现数据信号的通信。由此可知，嵌入式核心板在通信网关模块中起到了重要作用。

2智能监控系统软件设计

2.1基于深度卷积神经网络的机电设备检测

在本文所设计的智能监控系统中，通过某组特定的视频序列以及图像，对机电设备进行检测，判断是否出现安全事故。由于在高速公路的机电设备检测中，会受冗余的干扰性数据影响，导致检测效果较差，所以本文为了实现智能监控系统的精细化检测，引入了深度卷积神经网络［4］。基于深度卷积神经网络检测机电设备的原理是，把机电设备监控图像输入深度卷积神经网络的训练模型中，实现图像特征的提取，利用提取的图像特征精准判断是否出现安全事故。深度卷积神经网络模型训练的实质就是图像数据在卷积层与隐含层中的传播与反向传播，其中反向传播算法就是利用输入与输出节点实现误差梯度的获取，再通过损失函数得到误差梯度的平均取值，那么此损失函数相对应的偏导数公式如式（1）所示：

（1）

根据此式获取训练模型输出层与输入层的误差梯度数据：

（2）

（3）

式中：C——训练模型的输出层数据；

J=f（J）——模型单元J的数据；

Y1、Y2——隐含层1与隐含层2的数据；

Q——期望输出值；

S1、S2——训练模型的输入层数据；

I12——隐含层1与隐含层2的节点。

由式（2）、式（3）可知，反向传播算法的本质就是将损失函数看作训练模型的输入误差梯度数据，通过反复迭代实现图像数据的反向传播。将深度卷积神经网络应用于智能监控系统中，可以降低时间复杂度以及干扰因素的影响，获取更加准确的监控图像特征，进而保障机电设备检测的质量。

2.2基于故障树的机电设备故障诊断

本文引入故障树［5］实现高速公路机电设备的故障诊断，因为故障树是通过事件与逻辑连接而成的，所以需要用结构函数定量分析故障树。机电设备一般存在正常与故障两种运行状态，并且这两种状态相互独立，那么故障树的与门结构函数表达式为：

（4）

故障树的或门结构函数表达式为：

（5）

式中： δ（g）——故障树顶事件；

m——故障树底事件。

通过与门结构函数可知，当所有底事件都发生gm=1，顶事件才会发生δ（g）=1，这时机电设备处于故障状态，否则机电设备处于正常運行状态。

为了精准判断故障树的顶事件，需要清晰了解高速公路机电设备的工作原理、设备参数等，然后利用这些数据以及机电设备处于故障状态和正常状态时的特点，对机电设备的故障状况进行分析，以此获取底事件与顶事件之间的因果关系。由于高速公路机电系统较为复杂，机电设备数量较多，为了精准定位发生故障的设备，本文在智能监控系统中添加了自动报警功能，所以需要将故障报警以及机电设备故障状态作为故障树的顶事件，逐步实现故障树的建立。

3系统测试

3.1机电设备电压监控精度测试

系统测试是保障系统稳定运行的重要环节，通过测试判断本文所设计的智能监控系统是否可行，避免在以后的应用中出现工程事故。针对机电设备电压的实时监控进行测试，通过智能监控系统查看设备的实时电压，并与实际数据进行对比，以此校验系统监控电压数据的精度。机电设备的实时电压监控结果如图4所示。

由图4可知，系统监控的实时电压数据曲线与实际电压数据曲线拟合度较高，在整个监控过程中，在24 s时出现最大误差，仅为10 V，且出现多次监控数据与实际数据重合的现象，表明了本文所设计的机电设备智能监控系统的监控精度较高。

3.2机电设备故障监测漏警率测试

在相同的测试环境以及测试样本下，选取文献［1］提出的设备监控系统与文献［2］提出的设备监控系统作为对比系统，与本文设计的基于物联网技术的监控系统共同对高速公路机电设备故障进行监测。将故障监测的漏警率作为评估指标，漏警率的计算公式如式（6）所示：

（6）

式中： Nx——系统判断异常的数量；

N——实际异常的数量。

通过机电设备故障报警的漏警率对比来判断本文所设计的机电设备智能监控系统的有效性，漏警率越低证明监控系统对机电设备故障报警的准确率越高。三种监控系统的漏警率对比结果如表1所示。

由表1可知，文献［1］系统的平均漏警率为5.88%，文献［2］系统的平均漏警率为3.67%，而本文监控系统的平均漏警率仅有1.44%，能够始终保持在＜2%，较其他两个系统分别降低了约4.44%和2.23%。这说明本文所设计的监控系统对机电设备故障报警的准确率更高，验证了本文系统可以精准监控高速公路机电设备的运行状态，能够提高高速公路机电设备的管理效率，具有较好的实用性。

4结语

本文将物联网技术应用于高速公路机电设备智能监控系统中，通过测试表明，该系统对机电设备运行状态的监测精度较高。但是由于时间有限，该系统仍存在一些缺点，如系统测试的样本数量较少，只验证了该系统对种类单一的机电设备可以进行有效监控等。今后将对其进行更深入的研究，实现高速公路更多机电设备的精准监控，为高速公路建设提供参考。

参考文献

［1］陈斌，牛津文，万红，等.变电站辅助设备监控系统三维建模及展示技术研究［J］.电力系统保护与控制，2020，48（13）：180-186.

［2］吴双玉，陆艺，郭斌.制造车间设备远程监控系统开发［J］.仪表技术与传感器，2021（6）：72-76.

［3］任克强，王传强.基于物联网的室内数据采集监控系统［J］.液晶与显示，2020，35（2）：136-142.

［4］缪希仁，林志成，江灏，等.基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测［J］.电网技术，2021，45（1）：126-133.

［5］陈洪转，赵爱佳，李腾蛟，等.基于故障树的复杂装备模糊贝叶斯网络推理故障诊断［J］.系统工程与电子技术，2021，43（5）：1 248-1 261.

作者简介：刘永龙（1988—），工程师，主要从事高速公路建设项目管理工作。