多技术辅助的高可靠矿井通信网络框架

何卫刚,王晓敏

(1.国家能源投资集团神东煤炭集团寸草塔煤矿,内蒙古 鄂尔多斯 017209;2.陕西省宝鸡市凤翔区公安局,陕西 宝鸡 721400)

0 引言

煤矿生产系统中现有通信能力、信息采集能力、智能化程度已经具备一定的基础,但存在着矿井网络可靠性不足,资源利用率不高的问题;生产系统多系统、数据交互融合不强,多网单独运维难度大,人员工作量大等。针对存在的问题,需要构架多技术辅助的高可靠矿井通信网络框架,通信部分引入具有自主网能力,超远距离无线通信技术作为系统通信的备份,保证重要信息在系统受损时依然可达。实现一种有线和无线一体化考虑的,并且对于应用层数据敏感的网络管控机制,有效保证紧急信息的优先网络服务,提高整体网络对于安全信息,事故故障信息等重要信息的服务质量。管控系统部分形成边缘和云端协同的管控机制,边缘节点和端设备可以在故障发生时,提供局部优化的设备管控措施,有效保证矿井生存环境,将故障导向安全。智能计算及推理部分实施一种多模态下数据融合和推理技术。

1 自底向上的虚拟化网络架构

目前煤矿所采用的网络协议与通信技术[1]基本都是固有如以太网、485、232等为代表的Out of State网络及通信协议,其自身协议属性导致在民用商用场景下体现出高可靠、高稳定、低成本等特点。但是其自身的无状态特点并不适应于矿井这类高危场景,尤其是在矿井中已经部署了大量感知设备[2]的今天,大量感知设备采用有线或者无线接入的方式,周期性或者触发式的采样发送,数量众多的摄像头导致矿井网络自身的吞吐能力[3]难以承载巨大的数据传输量,丢包和延迟问题凸显,而由于这类无状态网络协议不具备针对信息QoS采用不同处理方式的能力,如火灾,CO超标等可能会由于网络拥塞[4]在传输过程中被丢弃,导致重要信息的丢失或者延迟过高致使矿井内关键信息传输的可靠性下降。

随着软件定义网络[5]和软件定义无线电[6]等网络虚拟化技术的发展和逐步成熟,建设一套自底向上的虚拟化网络架构[7]对于矿井内信息面向QoS的针对性处理可以大幅降低重要信息的丢包和延迟概率,保障重要信息的实时性和可靠性。在物理层方面,利用无线通信众多可调参数如DSSS、频宽、信号强度及调制解调方式对重要信息进行合适调节可保障其在物理层层面上数据传输的成功率;在数据链路层采用面向QoS的无线退避机制[8],使重要信息在射频资源竞争上获得优先,保障重要信息优先获得无线资源,提升数据传输的实时性;在网络层及交换设备方面,对于数据队列摒弃以往先入先出的队列调度方式,采用根据QoS优先级的队列调度算法[9],减少数据传输过程中的队列延迟;在传输控制层方面,利用TCP调度原理[10],中间设备合理设置转发报文段的接受窗口尺寸,对于非重要数据流进行传输层的抑制避免拥塞,保障重要信息流的吞吐能力;在应用层方面,对于云端采集到的数据信息采用优先级的多队列机制,不同等级QoS进入不同队列,实现面向QoS的高可靠软总线,减少对于重要信息的处理延迟[11],网络协议栈架构如图1所示。

图1 自底向上的QoS敏感的网络协议栈架构

2 多技术融合的自组网系统

煤矿中一般采用环形网络拓扑,这种带有冗余特征的网络拓扑其重要意义在于个别节点失效时依然可以实现网络路径,这种设计可以在单点失效的有效保证网络的基本功能,但是并不能适应多点失效情况下对于数据多跳传输的要求,尤其在发生坍塌或者火灾等器质性灾变时。而现有的矿井内的无线通信网络大多采用4G、Zigbee、WiFi、Bluetooth等无线协议,上述协议本身并不具备远程通信能力,且由于本身大多采用高频或者超高频的载波频率致使它们在恶劣环境下信息传输距离严重受限,障碍物传统能力十分有限;除Zigbee和BLE这类低功耗的无线传输协议,大多不具备电池供电的潜力,而通常灾害发生时,不仅是网络受到损失,电力供应也很难满足。

设计一种有线与无线相结合,选取窄带的物理层编码协议如Chirp、FSK等,通过低频无线电传输实现无线的穿透和跨越障碍能力,实现网络层无线有线统一管理,实现结合有线基础网的无线自组网技术。当故障发生时会有无线通讯多跳组合跨越故障段结合软件定义机制保障关键信息在灾害发生时依然可达。设计适合矿井内无线节点的休眠和节能机制[12],提升灾害发生时网络存活时间,保障高效救援[13],无线自组网技术如图2所示。

图2 基于有线主干的无线自组网技术

3 计算前移的边云协同框架

矿井内计算基本都采用集中式处理[14],导致所有设备、传感器、人员的采样信息都需经过主干网传输至地面,再交由地面集中式处理。上述方法对于网络负载较大,大量采样尤其是视觉影像会占据网络大量带宽,并且决策系统的中心化会导致判断和执行脱节,即从事件的发生到做出合适的相应动作之间延迟过大,不利于紧急状况的处理。

引入边云的协同框架[15],会使计算进一步迁移,提升系统响应速度,降低从决策到响应的时延,并且由于边缘端所具备的计算能力使矿井网络所承担的采样数量大幅下降,从而减少了由网络能力不足所带来的整体系统瓶颈。而边云协同系统同样可以根据SDN控制器[16]对网络的监控结果采取边云端计算的相互卸载,实现计算系统与网络系统相结合的管控方式,大大提升整体系统的运行效率[17],边云协同架构如图3所示。另外中心决策所带来的另一弊端在于整体系统严重依赖于中心,而当网络或者中心服务器出现故障时,整体系统效能大幅下降甚至瘫痪,致使整体系统鲁棒性不足。采用边云协同架构情况下,当失去云端支撑,边缘系统依然能够提供局部优化[18]的管控措施,可以有效保证矿井生存环境,将故障导向安全。

图3 矿井边云协同架构

4 面向设备能力的边云系统

现有设备管理系统仅仅是以设备采样和设备控制为核心来设计的,这类设备管理系统能够提供设备实例的增删改查,设备状态信息的记录和设备时序数据的持久化等基本功能。而面向工业场景的设备管理系统,不仅需要对设备的状态信息进行管控,更多要实现对设备能力的充分利用,完成从人管理机器、操作机器,到人定义场景、场景驱动任务、任务分配给机器、机器灵活协作实现复杂工序的转变。其中设备能力虚拟化是其中的一个核心技术,不同种类设备从本体出发具备承担各种任务的能力,设备可实现能力的不同取决于其外设、负载、输入等因素,即使是同一个型号的PLC单元,也会因其引脚的功能定义不同而可承担不同的角色,执行不同的逻辑,解决不同的问题。

因此,如何对设备能力进行抽象和虚拟化成为工业智能的一大核心挑战,有效地实现设备能力抽象,既可以降低设备的操作和维护难度,又可以使其具备一定的通用性和可迁移性。通过对设备操作接口进行抽象,技术人员可通过同一个接口或界面来操作所有同种类型的设备,学习和培训成本也相应大大降低;当设备开发具有统一接口抽象标准时,技术人员也不需要重复造轮子来对不同型号设备进行重复编程,大部分接口可通过模板化自动生成,从而提升设备功能的开发效率,缩短开发周期。通过对设备能力进行虚拟化,一方面可以使得同一个设备具备执行不同任务的能力,如同一个工业安卓设备既可以用来作为设备操作面板,又可以用来做工人机器操作危险检测,或作为工厂信息分发采集工具;另一方面针对实时性要求不高的场景,设备可同时进行多任务处理,如工业微控制器设备既可以定期上报传感器信息,又可以作为本地运算来进行入侵检测等。

综合以上设备的能力抽象和虚拟化2点,设备可根据需求进行在线赋能,每种能力作为一个可复用的单元模块,根据需求分发给指定设备进行OTA更新,同时设备上的能力管理程序对能力的生命周期进行管控,通过远程过程调用的方式受边云系统调度指挥,实现了面向设备能力的如软件定义的协同任务分配[19],提升工业场景下的设备灵活组织能力,降低任务排期部署过程的人力和物力的损耗,使得工业场景变得高度可定制化。

5 矿井内多模态智能计算及推理技术

由于矿井内部设备种类众多,且产品型号存在重大差异,即使同种类的传感器也无法保证采样周期、采样深度、时钟的一致性,这种非对齐的数据容易使其融合和管理陷入困境,使传统的智能推理算法难以正常发挥其作用,设计复杂,需要充足的专业知识,无法满足矿井应用中对于智能推理在准确率、召回率、实时性等指标的需求,因此通过多模态数据融合[20]和推理技术,提升模型训练水平和推理计算效果,对于矿井内的智能分析具有重要的意义。多模态数据融合从文本、图像、小型传感器、视频等多个领域获取信息,实现信息转换和融合,主要包括表示、融合、转换、对齐4个步骤,通过编码将单模态表示通过注意力机制投影到一个共享语义子空间中,通过权重加权或者拼接方法融合多模态数据;通过特征压缩的方式减少多模态内部的冗余数据,保留互补数据;通过无监督学习的方式实现不同模态表示信息的对齐。对齐多模态数据之后,构建多个模态数据中的知识图谱,抽取实体和关系,提取其中的特征并形成推理,实现在复杂的矿井情境下的问题溯源,智能控制以及最优能耗问题求解,可以根据系统运行状态,实时选用最合适的控制方法,实现多种控制策略优势的综合,使得系统的控制性能满足较高的要求[21]。保证在矿井内部安全、精准、快速的运行控制,多模态融合技术如图4所示。

图4 多模态融合技术

6 结论

智能矿井对网络要求和信息处理可靠性、实时性、鲁棒性要求极高,通过引入全协议栈的虚拟化技术,可以大幅度提升整体网络对于关键信息的处理和响应速度;通过引入多技术辅助的无线网络自组织技术,可以大幅提升灾难发生时整体网络的存活能力;通过引入边云协同技术,可以适应于网络故障发生和降低整体系统对于网络的管控;通过引入多模态融合技术,可以提升目前矿井内智能推理和计算水平。