分布式传感器网络系统故障预测方法.pdf

第 4 2卷 第 5期 2 0 1 6年 5月 工矿 自 动化 I n dus t r y a nd M i ne Au t oma t i o n Vo 1 ． 4 2 NO ． 5 M a y 2 0 1 6 文章 编号 1 6 7 1 2 5 1 X 2 0 1 6 0 5 0 0 3 2 0 4 D OI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 6 ． 0 5 ． 0 0 8 路萍 ， 郑伟． 分布式传感器网络系统故障预测方法E J ] ． 工矿 自动化 ， 2 0 1 6 ， 4 2 5 3 2 3 5 ． 分布式传感器网络系统故障预测方法 路 萍 ， 郑伟。 1 ． 中煤科工集团重庆研究 院有 限公司 ， 重庆4 0 0 0 3 9 ； 2 ． 重 庆大 学 光 电工程学 院 ， 重 庆4 0 0 0 4 4 摘要 针对分布式传感器网络很难采用一种通用方法来实现算法简单的故障预测问题 ， 提 出了一种基于 知识 发现 的故 障预 测 方法 。该 方法首 先建 立 了时 间信 息 的数 学描 述 系统 ， 以实现基 于 因果指数 的知 识发 现 ； 然后 ， 利用因果关 系的知识推理机制， 实现分布式传感器网络 系统的故障预测。通过对瓦斯抽放监控 系统的 故障预测 实验 ， 证明该方法能准确预测分布式传感器网络 系统故障 ， 具有算法简单、 实用高效的优点。 关键 词 瓦斯抽 放 监测 ； 分 布式 传感 器 网络 ；故 障预测 ； 知 识发 现 中图分类 号 TD 7 1 2 文献标 志码 A 网络 出版 时 间 2 0 1 6 0 4 2 9 1 1 2 2 网络 出 版地址 h t t p ／ ／ ww w． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 6 0 4 2 9 ． 1 1 2 2 ． 0 0 8 ． h t m1 Fa ul t pr e d i c t i o n me t h o d o f d i s t r i bu t e d s e ns or ne t wo r k s s y s t e m LU Pi ng ， ZHENG W e i 。 1 ． CC TEG Ch o n g q i n g Re s e a r c h I n s t i t u t e ，Ch o n g q i n g 4 0 0 0 3 9 ，C h i n a； 2 ． Co l l e g e o f Op t o e 1 e c t r o n i c En g i n e e r i n g，Ch o n g q i n g Un i v e r s i t y ，Ch o n g q i n g 4 0 0 0 4 4 ，Ch i n a Ab s t r a c t I t i s di f f i c ul t t o us e a g e n e r a l me t ho d t o i mpl e m e n t f a ul t pr e d i c t i o n o f d i s t r i bu t e d s e ns o r ne t wor k s，a ki nd o f f a u l t p r e d i c t i on me t h od ba s e d o n kno wl e d ge d i s c o ve r y wa s p ut f o r wa r d．Fi r s t l y，t he me t ho d e s t a b l i s h e s ma t he m a t i c a l d e s c r i p t i o n s y s t e m o f t i m e i nf o r ma t i o n，i n o r de r t o r e a l i z e t he kn o wl e d ge di s c ov e r y ba s e d on c a us a l i nd e x； t h e n， t he me t h od us e s k no wl e d ge r e a s o ni n g me c ha n i s m o f c a u s a l i t y r e l a t i o n s h i p t o r e a l i z e f a u l t p r e d i c t i o n o f d i s t r i b u t e d s e n s o r n e t wo r k s s y s t e m．A f a u l t p r e d i c t i o n e x p e r i me n t of g a s dr a i n a ge mon i t o r i ng s y s t e m wa s c a r r i e d o ut ， t h e e x pe r i m e nt r e s ul t s p r ov e t ha t t he me t ho d c a n a c c ur a t e l y pr e d i c t f a ul t o f di s t r i b ut e d s e ns or ne t wo r k s s ys t e m ，a nd h a s a d v a nt a g e s o f s i m p l e a l g or i t hm ， ut i l i t y a nd h i gh e f f i c i e n c y． Ke y wo r ds ga s d r a i n a ge m o n i t o r i ng； di s t r i bu t e d s e ns o r ne t wor k s； f au l t p r e d i c t i o n； kn owl e dg e di s c o v e r y 0 引言 在煤矿瓦斯抽放监控系统 中， 需要利用传感器 监测井下瓦斯抽放情况 ， 包括管道的流量、 温度、 压 力 、 甲烷浓度及环境 甲烷浓度等参数 。这些传感器 分布在不同的监测地点 ， 通常通过这些传感器节点 采集的数据来监测和预测系统故 障 。目前 ， 煤矿 瓦斯抽放监控领域仍有一些特殊 的问题亟待解决 ， 对分布式传感器网络系统的故障预测技术提出了很 大挑战 。首先 ， 分布式传感 网络 由若干传感器节点 组成 ， 这些传感器通过相互协作去监测不同参数 ， 这 些参数通常具有随时间和空间不断变化的特点 ] ， 由于传感器节点和监测参数的个体差异 ， 系统故障 分析变得非常困难。第二 ， 每个传感器节点捕获到 收稿 日期 2 0 1 5 - 1 2 0 8 ； 修回 日期 2 0 1 6 0 1 2 1 ； 责任 编辑 张强 。 基金项 目 重庆市科 技计划项 目基础与前沿研究计划项 目 c s t c 2 0 1 5 j c y j A4 0 0 0 8 。 作者简介 路萍 1 9 7 8 一 ， 女， 山东济 宁人 ， 助理研究员 ， 硕士 ， 现主要从事传感 器开发 与故 障检测方面的研究工作 ， E - ma i l we b l [ s o h u ． c o in。 2 0 1 6年第 5期 路萍等 分布式传感器网络 系统故障预测方法 ．3 3． 数据后组成一个时间序列 ， 代表 了感测物理变量在 空间和时间上的演变趋势[ 3 ] ， 由于传感器损坏或环 境变化 ， 实现对不 同时空数 学模型 的监测过程非常 困难[ 4 ] 。第三 ， 分布式传感器网络通常 由体积小巧、 价格便宜的智能传感器节点组成 ， 这些传感器节点 只能够感知环境参数 ， 处理简单的任务[ 5 ] 。目前 ， 系 统故障预测方法主要有如下几种 ① 基 于模型的故 障预测方法 ， 如参考文献E 6 ] 采用基于灰色系统模型 的预测系统 ， 常用于数据少 以及不确定性 背景下处 理数据并预测事物发展趋势 ， 但该方法在应用上需 要获取对象系统的精确数学模型 ， 一旦模型不准确 ， 预测偏差就较大 ； ② 基于数 据驱动 的故障预测 方 法 ， 如参考文献[ 7 ] 采用小波神经网络对测试数据进 行学习训练， 建立了开关磁阻发电机系统故障预测 模型 ， 该方法不需要对象系统的先验知识 ， 但需要大 量样本数据进行模型训练， 有时候存在收敛速度慢 等问题 ； ③ 基于概率统计 的故 障预测方法 ， 如参考 文献[ 8 ] 针对复杂武器测试系统 ， 将预测对象历史数 据排列构成一个随时间变化 的统计序列 ， 建立时间 序列预测模型， 该方法根据故障历史数据的统计特 性进行故 障预测 ， 理论 上不 能保 证预 测结果 的精 度_ 9 ] 。目前适用于多参量分布式传感系统的故障预 测手段还相对缺乏， 尤其传统算法时空复杂度高， 多 参量背景下的模型建立困难。针对上述 问题 ， 本文 结合 因果关系模型以及时序统计手段 ， 提出了一种 基于因果知识发现的分布式传感器网络系统故障预 测方法 ， 该方法具有算法简单 、 实用高效的优点 ， 为 实现分布式传感器网络系统故障预测提供 了一种新 的技 术思 路 。 1 因果信 息描 述 系统 原因和结果是揭示客观世界 中普遍联系着的事 物具有先后相继、 彼此制约的一对范畴。本文借鉴 了参考文献[ 1 0 ] 对因果关系信息系统的描述。 定义 1 因果信息系统定义为 S一 1 式中 T为时间集 ， T一{ t ， t ， ⋯， t ； C URD， 为 事件集 ， C为原因事件集， C一{ c ， c 。 ， ⋯， C m ； R为 结果事件集 ， R一{ R ， R ， ⋯， R ； V为事件状态集 合 ， V一 { 发生态 ， 结 束态 ， 延续 态 ， 消失 态 ；．厂为 一 个信息函数 ， f T XD- V， 它指定 T中每一时域 元素t所在位置的事件状态 。 定义 2当时间集 T表示事件集 D 时 ， TI D一 [ TB， T E l ， T B为事件集 D 的开始时间集 ， TE为事 件集 D 的结束时间集 。 定义 3 V Tl C， T l R， C i 1 ， 2 ， ⋯ ， m 为行 向量 ， RJ 一1 ， 2 ， ⋯， 为列向量。建立二维矩 阵 。 反 映 了 C 和 R 的 因果 关 系 强度 ， 称 其 为 因果 度 。 本文对参考文献[ 1 O ] 中的因果度 的计算公 式统 一 进 行 了 量 纲 改 进 ， 定 义 如 下 j T I C 一 [ ￡ ， ￡ ] ， 丁l R， 一E t ， t h ] 。 t p C 一 t R 愚 丽 丽 警 ， 是 丽 ， c I MP 2 C 。上 述 关系表示 C 对 R。 ， C 对 R 以及 C 对 R 的影响 度。R。 是最有可能的结果事件 针对 C 而言 ， 即 在 C 这一原因事件发生条件下 ， 最有可能发生的系 统故障预测为故 障 3 。由 C 产生的其他可能 的故 障分别 预测为系统故障 1 和故障 2 。 在瓦斯抽放监控系统中， 采用编码器采集 阀门 开度 ， 根据管道压力和管道流量反馈控制阀门开度。 实验过程中， 调节减小 C 监 测管道 的阀门开度 ， 引 起抽放管道内管道压力减小 ， 负压增大 ， 管道 内压损 变大 ， 这种情况下 ， 电能产生损耗。由此验证 了管道 压力 c 是对应故障 3 ， 即电能损耗故障 ， 与根据本 文提 出的方 法 ， 建 立 影 响度 排序 ， 推理 出 的结论 一 致 。 醯 1 G0 C n C u 原因事件 图 3 影 响度 指数 类似地， 分 别计算 其他 C i 一2 ， 3 ， ⋯， 1 2 中 R ， R。以及 R。 的影响度 ， 并按降序排列 。具有较大 影响度指数的事件 R 有更多的可能性是事件 C 的 结果事件。将上述过程进行多次训练使系统学习到 因果规则。此后 ， 如果一个原因事件发生 ， 系统将根 据 因果关 系 的 知识 评估 机 制来 预 测 可 能 的结果 事件。 5 结 语 分布式传感器 网络包含各种类型的传感器 ， 目 前很难通过建立一个通用方法来实现算法简单的故 障预测 ， 为此， 提 出了一种基于知识发现的故障预测 方法， 该方法包含因果度 和影 响度指数。因果度表 明原因和结果事件 的因果关 系强度 ， 可实现分布式 系统各信号参量潜在的因果关系发现。影响度表明 一 个原 因事件对结果事件的影 响程度 ， 将其统计排 序可用于系统故障预测。由于该方法的使用只需要 监测各传感器及系统故 障发生的时间起止点， 不需 要建立规格各异的各传感器监测模 型， 也不需要 了 解各参量监测的具体物理背景 ， 是一种对 时态数据 的知识挖掘手段 ， 具有算法简单 、 实用高效 的优点 。 以瓦斯抽放监控系统为例的分布式传感器系统故障 预测实验 ， 通过对 因果度和影 响度的简单计算及排 序 ， 可以依据探测到的传感器故障， 根据训练好的规 则迅速预测可能导致的系统故障。实验结果论证了 本 文方 法 的适 用性 。 参考文献 LEE M H 。CH0I Y H． Fa u l t d e t e c t i o n o f wi r e l e s s s e n s o r n e t w o r k s[ J ] ．C o mp u t e r C o mmu n i c a t i o n s ， 2 0 0 8， 3 1 1 4 3 4 6 9 3 4 7 5 ． CHATZI GI ANNAKI S V ， P AP AVAS S I L1 0U S ． Di g n o s i n g a n o ma l i e s a n d i d e n t i f y i n g f a u l t y n o d e s i n s e n s o r n e t w o r k s r J ] ．I E E E S e n s o r s J o u r n a l ，2 0 0 7 ， 7 5 6 3 7 6 4 5 ． B0RGNE Y A L。 SANTI NI S， B0NTEM PI G． Ad a p t i v e mo d e l s e l e c t i o n f o r t i me s e r i e s p r e d i c t i o n i n wi r e l e s s s e n s o r n e t wo r k s[ J ] ． S i g n a l P r o c e s s i n g ， 2 0 0 7， 8 7 1 2 3 0 1 0 3 0 2 0 ． KUL LAA J ． Di s t i n g u i s h i n g b e t we e n s e n s o r f a u l t ， s t r u c t u r a l d a ma g e ，a n d e n v i r o n me n t a l o r o p e r a t i o n a l e f f e c t s i n s t r u c t u r a l h e a l t h mo n i t o r i n g l, J ] ．Me c h a n i c a l S y s t e ms 8 L S i g n a l Pr o c e s s i n g，2 0 1 1 ， 2 5 8 2 9 7 6 29 8 9． ZHENG W ，LI Y，QI AN X，e t a 1 ．An u l t r a s o n i c o mn i d i r e c t i o n a l s e n s o r d e v i c e f o r c o v e r a g e s t r u c t u r a l d e f o r ma t i o n mo n i t o r i n g l, J ] ．Me a s u r e me n t S c i e n c e Te c h n o l o g y， 2 0 1 4， 2 5 3 2 9 5 2 9 8 ． 黄大荣 ， 黄 丽芬． 灰色 系统 理论在故 障预测 中 的应用 现状 及 其 发 展 趋 势 [ J ] ．火 炮 发 射 与 控 制 学 报 ， 2 0 0 9 3 8 8 - 9 2 ． 李 宁， 雷洪利 ， 韩建定 ， 等．基 于小 波神经网络的开关 磁阻发 电机故障预测模型研究 l- J ] ．计 算机测量 与控 制 ， 2 0 1 1 ， 1 9 8 1 8 3 5 - 1 8 3 7 ． 胡泽文 ， 肖明清． 基于 时间序列模 型的故 障预测 研究 [ J ] ． 计算机测量与控制 ， 2 0 1 3 ， 2 1 6 1 4 2 1 - 1 4 2 3 ． 马硕 ， 焦现炜 ， 田柯文 ， 等． 故障预测 技术发 展与 分类 E J ] ． 四川兵工学报 ， 2 0 1 3 ， 3 4 2 9 2 - 9 5 ． 郑伟 ， 孟 晓风 ， 孙群． 基 于时事折换 图的因果 知识量化 分析方法r - j ] ． 计算机应用， 2 0 0 7 ， 2 7 1 0 2 4 8 1 2 4 8 3 ． ] ] ] ] ] ] ] ] ] ] 1 2 3 4 5 6 7 8 9 “ [ [ [ [ [ [ [ [ [ [ 抛 瑚 Ⅲ抛瑚