智能紡織空調(diào)云平臺搭建與仿真

廉繼紅,賈凱莉,王延年

(西安工程大學(xué) 電子信息學(xué)院,陜西 西安 710048)

0 引 言

紡織產(chǎn)品的生產(chǎn)工藝對紡織車間的溫度、濕度、含塵濃度等生產(chǎn)條件要求非常嚴(yán)格,滿足工藝生產(chǎn)環(huán)境要求是生產(chǎn)高質(zhì)量紡織品的前提和保證。在不同的環(huán)境下,車間環(huán)境參數(shù)與設(shè)定參數(shù)存在一定偏差,未能及時調(diào)整會造成斷紗、產(chǎn)品質(zhì)量下降和工作效率低等不良后果[1-4]。傳統(tǒng)紡織廠空調(diào)系統(tǒng)主要依靠操作人員進行手動調(diào)節(jié),存在自動化程度低、控制監(jiān)測的時效性差、設(shè)備聯(lián)網(wǎng)能力弱、信息管理能力相對滯后等問題[5]。物聯(lián)網(wǎng)與云計算是推動制造業(yè)智能化和網(wǎng)絡(luò)化的核心技術(shù),采用該技術(shù)對紡織產(chǎn)業(yè)智能化轉(zhuǎn)型具有重大意義[6-7]。

國內(nèi)外紡織空調(diào)智能化控制領(lǐng)域較為先進的控制策略主要包括:基于模型預(yù)測、計算智能、自適應(yīng)、離散事件、事件觸發(fā)的控制等[8]。以瑞士洛瓦為代表的國外公司,能滿足高端紡織品生產(chǎn)所需的溫濕度,可以通過網(wǎng)絡(luò)系統(tǒng)在客戶端監(jiān)測系統(tǒng)故障[9]。Banerjee等[10]通過將云任務(wù)分配給兩個集群高端資源集群和低端資源集群分別進行資源分配,實現(xiàn)了更高的網(wǎng)絡(luò)吞吐量和服務(wù)質(zhì)量。國內(nèi)紡織企業(yè)通過改造及技術(shù)升級,實現(xiàn)了空調(diào)風(fēng)量、噴淋和新回風(fēng)比例的自動控制[11],并且運用物聯(lián)網(wǎng)、GPRS通信[12]、PROFIBUS-DP[13]等通信方式,實現(xiàn)了紡織空調(diào)控制設(shè)備的互聯(lián)及現(xiàn)場和遠程對環(huán)境數(shù)據(jù)的采集與控制,但仍存在智能化采集程度低,采集信號繁多等不足[14]?；趯嶋H云服務(wù)系統(tǒng)的動態(tài)兩級流量控制策略,可以有效提高服務(wù)節(jié)點的CPU使用率,但是將該策略運用到紡織空調(diào)物聯(lián)網(wǎng)云平臺還有待進一步研究[15]。

隨著紡織行業(yè)信息化、智能化的發(fā)展,迫切需要將物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等新技術(shù)逐步滲透到紡織廠生產(chǎn)的各個環(huán)節(jié),提高生產(chǎn)效率,降低自身成本。本文基于物聯(lián)網(wǎng)技術(shù)和云平臺技術(shù)構(gòu)建智能紡織空調(diào)信息監(jiān)控系統(tǒng),該系統(tǒng)可以對紡織廠不同車間的生產(chǎn)環(huán)境和空調(diào)自控系統(tǒng)參數(shù)等重要信息進行遠程監(jiān)測和智能化調(diào)控。

1 系統(tǒng)結(jié)構(gòu)及工作原理

基于云平臺的智能紡織空調(diào)信息監(jiān)控系統(tǒng)結(jié)構(gòu)示意圖如圖1所示,主要由多個分布于車間內(nèi)外的傳感器節(jié)點、每個車間的控制節(jié)點、主控中心和云平臺組成一個物理網(wǎng)絡(luò),實現(xiàn)車間內(nèi)環(huán)境參數(shù)的遠程監(jiān)測、數(shù)據(jù)傳送和控制信號的收發(fā)等。

圖 1 智能紡織空調(diào)信息監(jiān)控系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Structure scheme of intelligent textile air conditioning information monitoring system

智能紡織空調(diào)信息監(jiān)控系統(tǒng)通過分布在各個車間內(nèi)外的傳感器,對每個車間內(nèi)外的溫濕度、車間內(nèi)焓值和粉塵濃度等環(huán)境參數(shù)進行檢測,每個車間的控制節(jié)點將傳感器節(jié)點檢測的溫度、濕度、焓值及粉塵濃度等數(shù)據(jù)按一定智能算法計算出相應(yīng)的參數(shù)值,然后將其與相應(yīng)產(chǎn)品加工工藝所要求的環(huán)境參數(shù)設(shè)定值比較,若超出不同季節(jié)工藝要求的溫濕度設(shè)定值范圍,可以通過控制節(jié)點分別向風(fēng)窗執(zhí)行機構(gòu)、風(fēng)機和水泵發(fā)送控制命令,進行送風(fēng)機、排風(fēng)機、噴淋水泵、冷凍水泵及風(fēng)窗開度等的控制,實現(xiàn)對車間溫度、濕度、車間焓值、二氧化碳、粉塵濃度等參數(shù)的實時監(jiān)控,并將檢測和控制數(shù)據(jù)通過局域網(wǎng)實時傳送給主控中心。

為了建立高效、高可靠性的紡織空調(diào)網(wǎng)絡(luò)傳輸系統(tǒng),將主控中心接收到的現(xiàn)場數(shù)據(jù)實時傳輸?shù)焦I(yè)云平臺的數(shù)據(jù)中心,數(shù)據(jù)經(jīng)由工業(yè)互聯(lián)網(wǎng)云路由數(shù)據(jù)傳輸模塊以GPRS、4G等方式傳輸?shù)皆平K端節(jié)點,并存入云終端數(shù)據(jù)庫中。云路數(shù)據(jù)傳輸模塊由GPRS核心模塊、SIM卡和天線3部分組成,通過選擇合適的GPRS模塊以TCP/IP方式實現(xiàn)數(shù)據(jù)交互,并把GPRS分組數(shù)據(jù)傳送給GPRS服務(wù)器網(wǎng)關(guān)。云路由數(shù)據(jù)傳輸模塊為用戶提供高速、永遠在線、透明傳輸?shù)奶摂M專用通信網(wǎng)絡(luò),支持可靠的多頻通信,內(nèi)嵌標(biāo)準(zhǔn)的TCP/IP協(xié)議棧,標(biāo)準(zhǔn)DB9、RS232接口。云路由數(shù)據(jù)傳輸模塊能夠自動獲取動態(tài)IP,以TCP或UDP數(shù)據(jù)報傳輸方式與GPRS網(wǎng)絡(luò)服務(wù)器之間的建立連接實現(xiàn)數(shù)據(jù)的雙向傳輸,并能自動監(jiān)測移動GPRS的網(wǎng)絡(luò)狀態(tài)完成在掉線時的自動撥號,通過GSM短信形式管理未登錄GPRS網(wǎng)絡(luò)時的網(wǎng)絡(luò)連接狀態(tài)和網(wǎng)絡(luò)故障時的緊急控制。

在云端服務(wù)器的基礎(chǔ)上對由主控中心上傳的各類溫濕度等環(huán)境數(shù)據(jù)、控制參數(shù)、報警信息等進行智能計算和分析,并構(gòu)建基于云服務(wù)的智能空調(diào)信息系統(tǒng)平臺。在云平臺服務(wù)系統(tǒng)中,設(shè)置云環(huán)境監(jiān)控系統(tǒng)負(fù)責(zé)獲取各個服務(wù)節(jié)點的性能參數(shù),通過Device Shadow服務(wù)對數(shù)據(jù)庫中的性能參數(shù)數(shù)據(jù)進行實時更新;另一方面,在云平臺中,通過Web網(wǎng)頁顯示云服務(wù)節(jié)點的性能參數(shù),如CPU利用率、內(nèi)存使用率、請求總數(shù)、CPU溫度、響應(yīng)時間等。另外,云環(huán)境監(jiān)控系統(tǒng)給用戶提供了相應(yīng)的接口可以方便獲取服務(wù)節(jié)點的性能參數(shù)。

智能紡織物聯(lián)網(wǎng)云平臺服務(wù)系統(tǒng)中, 紡織企業(yè)用戶可以通過 PC 客戶端瀏覽器、WEB 客戶端、 手機 APP 等形式訪問云平臺服務(wù)器獲取紡織車間環(huán)境與紡織空調(diào)自控系統(tǒng)實時狀態(tài)監(jiān)測數(shù)據(jù)、 統(tǒng)計分析數(shù)據(jù)、 故障/異常工況報警信息、 設(shè)備故障率分布曲線、 在線故障診斷信息等。 瀏覽器和手機終端等訪問設(shè)備通過 TCP 連接方式與云平臺服務(wù)器建立連接。

通信協(xié)議采用超文本傳輸協(xié)議 (HTTP,hyper text transfer protocol) 和消息隊列遙測傳輸協(xié)議 (MQTT,message queuing telemetry transport), 客戶終端可以通過向 WEB 服務(wù)器發(fā)送請求來獲取實時信息, 也可以與 MQTT 云服務(wù)器之間建立一個長連接, 通過消息發(fā)布和消息訂閱的方式, 實現(xiàn)紡織空調(diào)自控系統(tǒng)主控中心與客戶終端之間的數(shù)據(jù)通信。

2 云平臺負(fù)載均衡加權(quán)最小連接策略

在云計算環(huán)境下服務(wù)資源配置涉及到服務(wù)需求、服務(wù)資源、服務(wù)策略等多個要素,在云服務(wù)過程中需要通過服務(wù)資源配置來提供快捷化和優(yōu)質(zhì)化的服務(wù)[16-17]。本文采用硬件負(fù)載均衡的方式直接在服務(wù)器和外部網(wǎng)絡(luò)間安裝負(fù)載均衡設(shè)備實現(xiàn)負(fù)載均衡。負(fù)載均衡的過程中,用戶服務(wù)需求的動態(tài)性、多樣性、復(fù)雜性和不確定性大大增加了云計算環(huán)境下服務(wù)節(jié)點資源配置的復(fù)雜程度,影響負(fù)載均衡設(shè)備的資源配置能力,造成服務(wù)節(jié)點資源負(fù)載不均衡的現(xiàn)象,采用負(fù)載均衡策略能使云計算服務(wù)整體性能得到很大程度地提高。

負(fù)載均衡策略分為靜態(tài)均衡和動態(tài)均衡,最小連接均衡策略是一種典型的動態(tài)負(fù)載均衡算法[18]。此算法將網(wǎng)絡(luò)連接指向當(dāng)前建立連接數(shù)最少的服務(wù)器,動態(tài)計算各個服務(wù)器當(dāng)前建立的連接數(shù)來進行合理的負(fù)載分配。在服務(wù)器工作期間,當(dāng)任務(wù)請求被負(fù)載均衡設(shè)備調(diào)度到某服務(wù)器時,需要對與該服務(wù)節(jié)點連接的個數(shù)進行實時統(tǒng)計,當(dāng)一個任務(wù)請求被負(fù)載均衡設(shè)備調(diào)度到某臺服務(wù)器等待處理時,此服務(wù)器當(dāng)前的任務(wù)連接數(shù)加一;當(dāng)連接超時、連接中止或者任務(wù)結(jié)束時,此服務(wù)器當(dāng)前的任務(wù)連接數(shù)減一。根據(jù)智能紡織空調(diào)系統(tǒng)物聯(lián)網(wǎng)云平臺的分布式架構(gòu),本文采用加權(quán)最小連接算法作為動態(tài)流量下負(fù)載均衡策略,對各個服務(wù)節(jié)點進行負(fù)載均衡,將計算任務(wù)按均衡策略規(guī)則分配。

本文采用基于加權(quán)最小連接算法的負(fù)載均衡策略,根據(jù)每個服務(wù)節(jié)點的處理能力為每個服務(wù)節(jié)點引入一個額外的權(quán)值。加權(quán)最小連接算法的基本思想是:假設(shè)云平臺有一組服務(wù)器為V={V0,V1,…,Vm,Vn-1},用W(i)表示服務(wù)器Vi的權(quán)值,由服務(wù)器Vi的處理能力決定,C(i)表示服務(wù)器Vi當(dāng)前任務(wù)連接數(shù)。所有服務(wù)器當(dāng)前任務(wù)連接的總數(shù)為Csum。當(dāng)前的新連接請求通過負(fù)載均衡設(shè)備發(fā)送給服務(wù)器Vm,服務(wù)器Vm必須滿足以下條件:

(C(m)/Csum)/W(m)=min{(C(i)/Csum)/W(i)}

(1)

式中：i=0,1,…,n-1,且W(i)不為0。

因為Csum在每輪查找中為常量,因此式(1)的條件可以簡化為

C(m)/W(m)

(2)

當(dāng)新的云任務(wù)請求到達負(fù)載均衡服務(wù)器時,加權(quán)最小連接調(diào)度策略通過式(2)選擇滿足條件的服務(wù)器,即C(m)/W(m)最小的服務(wù)器節(jié)點響應(yīng)用戶請求。當(dāng)有多個服務(wù)器同時滿足式(1)時,由歷史任務(wù)連接數(shù)最小的服務(wù)器響應(yīng)用戶請求。如果云服務(wù)系統(tǒng)中,服務(wù)權(quán)值標(biāo)識為零就不再進行判斷,則說明該服務(wù)器出現(xiàn)故障,此時不再給該服務(wù)節(jié)點分配任務(wù)請求。

3 實驗與分析

3.1 實驗環(huán)境

CloudSim是一款常用的云平臺仿真工具,可以用來模擬物聯(lián)網(wǎng)云平臺調(diào)度處理的過程[19-22]。本文利用CloudSim創(chuàng)建紡織廠空調(diào)物聯(lián)網(wǎng)云平臺仿真環(huán)境,模擬紡織企業(yè)空調(diào)控制中心、云平臺服務(wù)器、用戶終端的集群調(diào)度過程,使用加權(quán)最小連接負(fù)載均衡策略作為調(diào)度分配算法進行仿真實驗。

CloudSim的工作方式如圖2所示,紡織企業(yè)用戶列表為User1,User2,…,Usern,服務(wù)器虛擬機列表為VM1,VM2,…,VMm,空調(diào)自控系統(tǒng)控制請求的中心任務(wù)列表為Task1,Task2,…,Taskn,仿真云平臺工作過程中,由數(shù)據(jù)代理模擬負(fù)載均衡服務(wù)器管理和調(diào)度任務(wù)列表中的紡織企業(yè)用戶請求任務(wù),所有的物理主機資源綁定到數(shù)據(jù)中心上,在數(shù)據(jù)中心上創(chuàng)建若干個服務(wù)器虛擬機,數(shù)據(jù)中心不直接參與調(diào)度,由數(shù)據(jù)代理將云任務(wù)分發(fā)給服務(wù)器虛擬機處理,完成用戶終端、紡織空調(diào)控制中心和服務(wù)器虛擬機之間的數(shù)據(jù)交互,CloudSim的工作方式如圖2所示。

圖 2 CloudSim的工作方式Fig.2 Working mode of CloudSim

圖2中,通過在DatacenterBroker寫入負(fù)載均衡策略,將一個批處理過程中n個獨立任務(wù)配置給m個服務(wù)器虛擬機,并使得整個環(huán)境下的虛擬服務(wù)資源負(fù)載達到最優(yōu)。在仿真實驗過程中,主機的內(nèi)存為8 G,硬盤為100 G,CPU為4 GHz,并在WindowsXP下利用Eclipse4.3和jdk1.7進行。為了模擬真實的實驗環(huán)境,仿真中建立1個計算節(jié)點的數(shù)據(jù)中心,其內(nèi)存為200 GB、運算平均速度5 000 MIPS(Million of Instructions Per Second)、帶寬500 GB,且一直處于運行狀態(tài)。

3.2 實驗結(jié)果

仿真實驗中設(shè)置服務(wù)器虛擬機個數(shù)為2～20個之間,運算平均速度在200 MIPS,云任務(wù)長度為20 000 MI(Million of Instructions),云任務(wù)個數(shù)分別取10個、20個、30個,統(tǒng)計每個云任務(wù)的等待時間和服務(wù)器虛擬機模擬運行的時間,云任務(wù)平均完成時間與服務(wù)器虛擬機數(shù)量的關(guān)系曲線如圖3所示。

圖 3 云任務(wù)平均完成時間與服務(wù)器虛擬機數(shù)量的關(guān)系曲線

由圖3可知，本文構(gòu)建的紡織空調(diào)云平臺中,隨著服務(wù)器虛擬機數(shù)量增多,極大縮短了云任務(wù)的平均完成時間。當(dāng)云任務(wù)(cloudlet)數(shù)量為30個時,服務(wù)器虛擬機的數(shù)量從1臺增加到2臺,云任務(wù)的平均完成時間降低了61.8%,服務(wù)器虛擬機的數(shù)量從2臺增加到10臺,云任務(wù)的平均完成時間降低了56.4%?？梢钥闯?合理地配置服務(wù)器虛擬機的數(shù)量,可以在節(jié)省服務(wù)器資源的情況下,大幅度縮短云任務(wù)的平均完成時間,提高云平臺的通信性能。

設(shè)置服務(wù)器虛擬機數(shù)量為2時,通過實驗測試,云任務(wù)平均完成時間與云任務(wù)平均長度關(guān)系曲線如圖4所示。

圖 4 云任務(wù)平均完成時間與云任務(wù)平均長度關(guān)系曲線

從圖4可知,隨著云任務(wù)平均長度增大,會出現(xiàn)調(diào)度失敗及重調(diào)度,任務(wù)完成的平均時間就會大幅度增加。當(dāng)云任務(wù)數(shù)量為20時,云任務(wù)平均長度從20 000降低到10 000時,服務(wù)器虛擬機完成任務(wù)的平均時間降低了58.81%,云任務(wù)平均長度從20 000降低到5 000時,服務(wù)器虛擬機完成任務(wù)的平均時間降低了78.89%。實驗中,設(shè)置服務(wù)器虛擬機個數(shù)為2,平均任務(wù)長度為5 000時,虛擬平臺達到最優(yōu)運行效果,可以在較短時間內(nèi)完成云任務(wù)且云任務(wù)平均長度滿足空調(diào)系統(tǒng)通信要求,說明本文設(shè)計的物聯(lián)網(wǎng)云平臺能夠滿足實驗需求。

4 結(jié) 語

現(xiàn)有的紡織企業(yè)空調(diào)系統(tǒng)溫濕度靠人工調(diào)節(jié)或單機半自動調(diào)節(jié),存在智能化程度低、信息時效性差等缺點。構(gòu)建了基于云平臺的智能紡織空調(diào)系統(tǒng)結(jié)構(gòu),系統(tǒng)由云平臺遠程監(jiān)控系統(tǒng)、現(xiàn)場控制系統(tǒng)和用戶終端3部分組成。系統(tǒng)采用工業(yè)以太網(wǎng)、GPRS通信和云計算等技術(shù),針對云計算服務(wù)資源配置過程中存在的負(fù)載不均衡問題,提出一種加權(quán)最小連接負(fù)載均衡策略,完成了云平臺構(gòu)建的仿真實驗,結(jié)果表明，設(shè)置服務(wù)器虛擬機個數(shù)為2、平均任務(wù)長度為5 000時,虛擬平臺達到最優(yōu)運行效果,可以在較短時間內(nèi)完成云任務(wù)且云任務(wù)平均長度滿足溫濕度遠程監(jiān)測和控制的要求。該系統(tǒng)可以優(yōu)化企業(yè)生產(chǎn)環(huán)境,提高紡織企業(yè)生產(chǎn)效率和信息化水平,降低勞動力成本,具有良好的應(yīng)用前景。在紡織廠空調(diào)系統(tǒng)云平臺設(shè)計方面,為了保證網(wǎng)絡(luò)服務(wù)質(zhì)量,還可以對網(wǎng)絡(luò)流量分配策略進行更加深入地探究。