基于深度學(xué)習(xí)的傳感器故障數(shù)據(jù)分析系統(tǒng)設(shè)計

(航空工業(yè)西安飛機工業(yè)集團有限公司，西安 710089)

0 引言

傳感器是一種檢測裝置，傳感器的類型具有多樣化，但是傳感器的主要組成部分基本相同，常規(guī)傳感器一般是由敏感元件、轉(zhuǎn)換元件、信號調(diào)理轉(zhuǎn)換電路三部分組成，部分傳感器需要增加獨立電源為傳感器提供能量。傳感器將檢測到的信息通過相應(yīng)的程序轉(zhuǎn)變?yōu)殡娦盘柣蛘咂渌^測者所需要的信息，轉(zhuǎn)變后的信息更有利于觀測者對信息的傳輸、處理、存儲、顯示、記錄和控制等要求。當(dāng)傳感器出現(xiàn)故障時，以上的作用便不能精準實現(xiàn)?？梢酝ㄟ^獲取傳感器的故障數(shù)據(jù)來進行分析確定傳感器的故障，來對有故障的傳感器進行維修[1]。

近年來，深度學(xué)習(xí)這一概念成為人們研究的熱點概念，深度學(xué)習(xí)指的是通過分析學(xué)習(xí)樣本數(shù)據(jù)尋找內(nèi)在規(guī)律，使機器擁有人的思維，深度學(xué)習(xí)在識別復(fù)雜問題上具有顯著效果，綜上所述，本文將基于深度學(xué)習(xí)設(shè)計一套傳感器故障數(shù)據(jù)分析系統(tǒng)，由于目前科技手段較為發(fā)達，網(wǎng)絡(luò)通信技術(shù)比較成熟，比較傳統(tǒng)的接口通信工作效率得到顯著的提升。所以本文所設(shè)計的系統(tǒng)應(yīng)用功能是轉(zhuǎn)換機與運行機采用先進的定時通信過程，在轉(zhuǎn)換機處理、過濾數(shù)據(jù)后使用網(wǎng)絡(luò)通信單次性的將數(shù)據(jù)傳送給運行機，如此便大大地提升了轉(zhuǎn)換機與運行機之間工作的效率[2]。

以往的各類系統(tǒng)功能設(shè)計中都會存在網(wǎng)絡(luò)卡頓或網(wǎng)絡(luò)服務(wù)器阻塞的問題，這將大大地折扣系統(tǒng)功能的運行效率，所以本文在設(shè)計運行機的服務(wù)器時安裝了雙顯卡裝置，和交換機之間形成了兩條線路，這樣的設(shè)計可以在一塊顯卡出現(xiàn)故障時可以將數(shù)據(jù)轉(zhuǎn)移到另一塊顯卡中，運行另一條線路，提高系統(tǒng)的容錯性[3]。

1 基于深度學(xué)習(xí)的傳感器故障數(shù)據(jù)分析系統(tǒng)硬件設(shè)計

系統(tǒng)的硬件部分主要由傳感器、ARM數(shù)據(jù)處理器、主電路板、FODI數(shù)據(jù)處理器、集成采集接口板、故障數(shù)據(jù)傳感器、多轉(zhuǎn)質(zhì)感器、場效應(yīng)傳感器及GKCL儲存器組成。當(dāng)傳感器的故障數(shù)據(jù)已知，利用故障數(shù)據(jù)傳感器、場效應(yīng)傳感器和多轉(zhuǎn)質(zhì)感器輸出12組模擬信號，再利用FODI數(shù)據(jù)采集器、ARM數(shù)據(jù)采集器將模擬信號轉(zhuǎn)換為數(shù)字信號，同時FODI數(shù)據(jù)采集器讀取傳感器內(nèi)部數(shù)據(jù)并將數(shù)據(jù)儲存到GKCL儲存器中。當(dāng)傳感器的故障數(shù)據(jù)被采集后再對數(shù)據(jù)進行深度學(xué)習(xí)研究[4]。系統(tǒng)的總體程序如圖1所示。

圖1 基于深度學(xué)習(xí)的傳感器故障數(shù)據(jù)分析系統(tǒng)總體架構(gòu)

1.1 ARM數(shù)據(jù)處理器

ARM數(shù)據(jù)處理器裝配了Cortex-X4系列的Stm48裝片，此裝片具有48位數(shù)據(jù)處理器內(nèi)核，采用立式結(jié)構(gòu),它的發(fā)送指令和數(shù)據(jù)總協(xié)議相互獨立,138個引腳，126個GPIO口，16個定時、定位器，128個屏蔽信號器，這樣的裝配更有利于通信、協(xié)議等方面的運作。

1.2 FODI數(shù)據(jù)處理器

本文硬件系統(tǒng)選用Virtex-6系列裝片XC6VZX120。FODI數(shù)據(jù)處理器的主要應(yīng)用是周轉(zhuǎn)傳感器故障數(shù)據(jù)的工作數(shù)據(jù)的快速精準處理，在進行數(shù)據(jù)處理的同時，F(xiàn)ODI數(shù)據(jù)處理器還要能夠高速進行數(shù)據(jù)的儲存處理，對于多樣故障數(shù)據(jù)的處理就需要更多的GKCL儲存器做準備[5]。

1.3 ASVH248故障數(shù)據(jù)傳感器

本文采用的ASVH248故障數(shù)據(jù)傳感器是創(chuàng)楊電子設(shè)備有限公司制造的一種基于數(shù)據(jù)傳感技術(shù)的多轉(zhuǎn)故障數(shù)據(jù)傳感器和數(shù)字輸出故障數(shù)據(jù)傳感器相結(jié)合的成果。這種故障數(shù)據(jù)傳感器的主要特點有：分辨率高，最高分辨率可達16位分辨率。量程可變，可以在正負2 g、正負4 g、正負8 g、正負16 g量程范圍內(nèi)變化。靈敏度高，最高靈敏度可以達到3.8 mg/LSB，能測量斜度角變化一度以內(nèi)的變化。功耗低，在待機的狀態(tài)下只有0.1 mA的損耗，工作狀態(tài)下40～150 mA的超低功耗。型號小，傳感器中的芯片長寬高尺寸只有3 ms、5 ms、1 ms。ASVH248故障數(shù)據(jù)傳感器如圖2所示。

圖2 ASVH248故障數(shù)據(jù)傳感器

ASVH248故障數(shù)據(jù)傳感器支持標準的SPI、I2C數(shù)字接口。傳感器自身攜帶32級GKCL儲存裝置，并且傳感器的內(nèi)部有多種數(shù)據(jù)狀態(tài)檢測和隨機屏蔽的方式等特性。ASVH248傳感器的檢測軸見圖3。

圖3 SVH248傳感器的檢測軸

傳感器內(nèi)部自身攜帶A/D轉(zhuǎn)換器,有兩種方式對所測的故障數(shù)據(jù)進行提取工作[6]。圖4為ASVH248引腳配置圖。

圖4 SVH248引腳配置圖

引腳的各項功能如表1所示。

表1 引腳功能使用介紹

1.4 L3DG20多轉(zhuǎn)質(zhì)感器

本文采用的這款傳感器也具有低功耗的特點，使用特殊材質(zhì)半導(dǎo)體開發(fā)進行微加工工匠制造，它包括一個感應(yīng)元件和能夠提供精準測量環(huán)境故障數(shù)據(jù)的核心裝片。多轉(zhuǎn)質(zhì)感器通過DNN/NWJ/KLAN接口與JFKA進行通信。JFKA利用總網(wǎng)絡(luò)協(xié)議訪問內(nèi)置儲存器地址信息來控制所獲取數(shù)據(jù)的讀取與端口之間進行數(shù)據(jù)傳遞[7]。圖5為4L3DG20多轉(zhuǎn)質(zhì)感器的接線圖。

4L3DG20多轉(zhuǎn)質(zhì)感器的接線圖的各個位置解析如表2所示。

表2 各個位置解析表

本文中的主電路板采用48位A/D轉(zhuǎn)換芯片AD7711、接口驅(qū)動芯片MAX501、雙路9通道選擇器MAX405、時鐘芯片SD2608、電壓轉(zhuǎn)換單元PT5151N[8]。

2 基于深度學(xué)習(xí)的傳感器故障數(shù)據(jù)分析系統(tǒng)應(yīng)用功能

2.1 基于深度學(xué)習(xí)的故障特征數(shù)據(jù)提取技方法

深度學(xué)習(xí)是復(fù)雜的機器學(xué)習(xí)算法，它能夠通過學(xué)習(xí)樣本數(shù)據(jù)的特定規(guī)則及表達水平，完成數(shù)據(jù)識別的功能。在傳感器故障數(shù)據(jù)分析系統(tǒng)設(shè)計中，首先需要根據(jù)深度學(xué)習(xí)算法提取傳感器的故障特征數(shù)據(jù)，在此基礎(chǔ)上采集數(shù)據(jù)，通過ARM數(shù)據(jù)處理器分析故障數(shù)據(jù)，并通過接口傳輸?shù)竭\行機中，在顯示器上顯示，完成傳感器故障數(shù)據(jù)分析系統(tǒng)設(shè)計。

構(gòu)建分層機器學(xué)習(xí)模型，利用海量樣本數(shù)據(jù)進行訓(xùn)練，通過逐層深入學(xué)習(xí)降低訓(xùn)練難度，得到深層次的故障特征數(shù)據(jù)。通過逐層深入的訓(xùn)練，能夠提高特征提取的準確性，且訓(xùn)練過程簡單，容易得到準確的傳感器故障數(shù)據(jù)特征數(shù)據(jù)。

2.2 系統(tǒng)應(yīng)用功能中傳感器故障數(shù)據(jù)采集

本文中所采用的故障數(shù)據(jù)傳感器、多轉(zhuǎn)質(zhì)感器、磁傳感器均是三軸驅(qū)動。這些硬件器材都具備故障數(shù)據(jù)轉(zhuǎn)換功能。本文中采用的這3種不同型號的傳感器在收集到故障信號后，通過相應(yīng)程序轉(zhuǎn)換為數(shù)字化信號，隨后傳感器與FODI數(shù)據(jù)處理器通信，再經(jīng)過FODI數(shù)據(jù)處理器規(guī)劃[9]。

通過總線協(xié)議途徑，用FPGA發(fā)送信號，再利用總線協(xié)議這條途徑找到并訪問故障傳感器地址，之后FPGA接收到相對應(yīng)傳感器的回應(yīng)，F(xiàn)PGA進入并訪問故障數(shù)據(jù)的儲存器，通過輸出儲存器的地址位置讓傳感器與之相對應(yīng)的故障傳感器的再次回復(fù)從而實現(xiàn)交流通信。本文所采用的3個數(shù)據(jù)采集器均被PFGA讀取并存到GKCL儲存器中。

在PFGA運行的過程中會與其他的程序產(chǎn)生誤差，因此本文采用了GKCL儲存器進行儲存，從而達到一個緩沖的作用，提高系統(tǒng)應(yīng)用功能的容錯性能，以便系統(tǒng)應(yīng)用功能的流暢運行[10]。

2.3 系統(tǒng)應(yīng)用功能的數(shù)據(jù)處理

本文主要采用ARM數(shù)據(jù)處理器對上文中PFGA讀取后儲存在GKCL儲存器中的故障數(shù)據(jù)，處理的數(shù)據(jù)還包括系統(tǒng)應(yīng)用功能中所顯示的數(shù)據(jù)，但是在ARM處理器對PFGA數(shù)據(jù)處理時處理的數(shù)據(jù)為GKCL儲存器中的數(shù)據(jù)[11]。

GKCL中的數(shù)據(jù)分為兩大種類，一種是接近滿容量狀態(tài)，另一種是變化狀態(tài)。當(dāng)滿數(shù)據(jù)狀態(tài)從低電壓信號狀變?yōu)楦唠妷盒盘枲顟B(tài)ARM開始發(fā)送讀取信號，提取GKCL儲存器中的故障數(shù)據(jù)[12]。當(dāng)變化狀態(tài)下的低電壓信號狀態(tài)狀變?yōu)楦唠妷盒盘枲顟B(tài)時，證明GKCL中的故障數(shù)據(jù)已經(jīng)被ARM處理器處理完畢。自此以后ARM處理器一直延續(xù)這種數(shù)據(jù)處理方法，不斷地重復(fù)這種操作[13]。本文ARM處理器與PFGA之間的轉(zhuǎn)化讀取關(guān)系如圖6所示。

圖6 ARM處理器與PFGA之間的轉(zhuǎn)化讀取關(guān)系

2.4 系統(tǒng)應(yīng)用功能中傳感器故障數(shù)據(jù)的儲存

通過ARM處理器處理過的傳感器故障數(shù)據(jù)可以通過接口傳輸?shù)竭\行機中通過顯示器顯示，還可以通過網(wǎng)絡(luò)數(shù)據(jù)總協(xié)議將數(shù)據(jù)傳輸?shù)竭\行系統(tǒng)中。在一般情況下芯片ARM與運行機之間的通信主要是依靠同步通信裝置特有的讀寫應(yīng)用模式，從而ARM處理器能夠在儲存器中進行讀寫故障數(shù)據(jù)[14]。利用這種方式優(yōu)先通過傳感器采集故障數(shù)據(jù)，再使用系統(tǒng)程序利用顯示器對故障數(shù)據(jù)進行顯示。這種系統(tǒng)實現(xiàn)方式的缺點是無法實時地對故障數(shù)據(jù)進行監(jiān)測與測試[15]。

本文中所設(shè)計的方案利用無線傳感技術(shù)與運行機進行通信。轉(zhuǎn)換機通電運行后，通過運行機的服務(wù)器出口發(fā)送應(yīng)答命令，應(yīng)答命令發(fā)送成功后，并應(yīng)答成功，轉(zhuǎn)換機再打開接口進行中斷。使用總通信協(xié)議進行故障數(shù)據(jù)的接收與命令的發(fā)出。系統(tǒng)中共有三部分故障數(shù)據(jù)可以進行運行，本文設(shè)計的系統(tǒng)使用輪回發(fā)送的方式來進行接收或發(fā)送。當(dāng)故障數(shù)據(jù)完成接收或發(fā)送過程后，轉(zhuǎn)換機分別對接收到的故障數(shù)據(jù)校驗檢查，之后對有效數(shù)據(jù)進行篩選，在篩選的同時要對故障數(shù)據(jù)進行解碼運算。將運算后的數(shù)據(jù)使用來回碰撞的方式存儲到不同的儲存器中。在另外的一路線程中，運行機通過發(fā)送系統(tǒng)指令來命令轉(zhuǎn)換機，轉(zhuǎn)換機接收到指令后，再從儲存器中讀取數(shù)據(jù)，將數(shù)據(jù)通過總通信協(xié)議發(fā)送給運行機。運行過程如圖7所示。

圖7 運行過程

3 實驗研究

本實驗將采用混合數(shù)據(jù)算法實現(xiàn)對大量故障數(shù)據(jù)進行整合與精準計算。本實驗選擇50平方米的開闊地區(qū)范圍內(nèi)隨機安放有故障的傳感器10個、測量故障數(shù)據(jù)傳感器10個、傳感器網(wǎng)絡(luò)安裝包2個、數(shù)據(jù)匯聚節(jié)點4個。通過混合數(shù)據(jù)算法的特征最終可以計算出明確、精準、有層次的故障數(shù)據(jù)。相對于傳統(tǒng)的IF算法本實驗采用的混合數(shù)據(jù)計算在容錯性能、精準度、計算速度等方面均有很大程度上的提升。本實驗還引用了可遠程控制的智能化數(shù)據(jù)編碼器。最終通過實驗的研究，可以通過實驗數(shù)據(jù)比較出，本實驗采用的新型混合數(shù)據(jù)計算方法相對于傳統(tǒng)的故障數(shù)據(jù)處理算法有很大的優(yōu)勢。實驗運行環(huán)境如圖8所示。

圖8 實驗運行環(huán)境

混合數(shù)據(jù)算法成效取決于故障數(shù)據(jù)的不同類型，因此本文在實驗中引用了一種數(shù)據(jù)分類程序STED，這種程序的設(shè)定由數(shù)據(jù)提取模板、數(shù)據(jù)分類模板設(shè)定成。

本實驗首先給予傳感器一個賬號名稱，提取隨機點的故障數(shù)據(jù)；其次要確定傳感器周圍環(huán)境的穩(wěn)定，電量充足，各類設(shè)備正常運行；再次獲取故障數(shù)據(jù)的地點可以明確自身的位置信息?；旌纤惴ǖ木唧w流程首先利用總體網(wǎng)絡(luò)協(xié)議對程序進行選擇，然后再選擇混合數(shù)據(jù)算法的運行方式。

實驗算法第一步為傳感器對故障傳感器數(shù)據(jù)的采集，并將數(shù)據(jù)傳達到下一流程；第二步將傳入數(shù)據(jù)進行訓(xùn)練，建立訓(xùn)練樣板；第三步將數(shù)據(jù)傳到處理器中使數(shù)據(jù)被特殊篩選；第四步將數(shù)據(jù)按照上步所篩選總結(jié)的特征進行分類并將分類后的數(shù)據(jù)融入系統(tǒng)應(yīng)用功能中的公式試算法，得出的最終結(jié)果為樣板數(shù)據(jù)；最后一步將在網(wǎng)絡(luò)上繼續(xù)采集故障數(shù)據(jù)完成上一輪前四步的內(nèi)容采集、訓(xùn)練、篩選、融合。

為了確保實驗驗證的精確性，本實驗對3組數(shù)據(jù)進行深度學(xué)習(xí)故障數(shù)據(jù)分析測量，測試的樣本是實驗試驗點實時采集的數(shù)據(jù)，得到實驗結(jié)果數(shù)據(jù)如圖9所示。

圖9 精準度實驗數(shù)據(jù)圖

針對圖9進行總結(jié)，得到實驗數(shù)據(jù)具體信息如表3所示。

表3本實驗采用的算法所得出的數(shù)據(jù)信息表，本文算法與傳統(tǒng)算法的性能比較表4所示。

表4 采集精準度對比結(jié)果

對比上述結(jié)論，在測試精準度上，本文研究的系統(tǒng)相比較于傳統(tǒng)系統(tǒng)提高了15.28%。本實驗對基于深度學(xué)習(xí)來對傳感器故障數(shù)據(jù)進行分析研究，深度學(xué)習(xí)結(jié)構(gòu)中包含深度網(wǎng)絡(luò)DBS、卡茲克曼、消音FUI配置。在故障數(shù)據(jù)提取的過程中利用數(shù)據(jù)智能化編碼器和深度網(wǎng)絡(luò)DBS結(jié)構(gòu)，這樣可以提取隱藏的故障數(shù)據(jù)，在獲取故障數(shù)據(jù)的同時還要對即將提取的數(shù)據(jù)進行編碼，利用編碼器使編碼獲取故障信號，經(jīng)過編碼設(shè)計函數(shù)來讓故障數(shù)據(jù)更加有可以深度學(xué)習(xí)研究的價值。使用DP反方向算法來對深度網(wǎng)絡(luò)DBS進行訓(xùn)練。而且為了算法變換的精準性，設(shè)置編碼矩陣權(quán)值輸出數(shù)值與輸入數(shù)值相同。當(dāng)應(yīng)用程序輸入故障數(shù)據(jù)完全已知，則儲存器的輸入隱藏故障數(shù)值以經(jīng)被海量的讀取。此時可以把這條數(shù)據(jù)提取應(yīng)用程序定義為故障數(shù)據(jù)提取器。這種應(yīng)用程序可以在故障數(shù)據(jù)損失最小的情況下實現(xiàn)對故障數(shù)據(jù)的特殊性處理。

還可以利用數(shù)據(jù)智能化編碼器逐層的獲取各類故障數(shù)據(jù)與參數(shù)，按照編碼器中設(shè)定好的程序進行逐層的特征化訓(xùn)練讀取，最終可以獲取更加精準優(yōu)質(zhì)的故障數(shù)據(jù)。

實驗中網(wǎng)絡(luò)傳輸故障數(shù)據(jù)量大，還需要具備實時性、精準性等條件同時存在。因此本實驗采用智能化數(shù)據(jù)編碼器在深度學(xué)習(xí)的基礎(chǔ)上對故障數(shù)據(jù)進行訓(xùn)練，培養(yǎng)為數(shù)據(jù)模板，再將數(shù)據(jù)與算法融合而形成了本實驗中的數(shù)據(jù)融合算法。實現(xiàn)了深度學(xué)習(xí)算法方面的創(chuàng)新發(fā)展，對于傳感器故障數(shù)據(jù)的分析研究起到了一定的影響。

4 結(jié)束語

本文主要通過深度學(xué)習(xí)來設(shè)計一套完整的傳感器數(shù)據(jù)分析系統(tǒng)。首先在硬件系統(tǒng)中應(yīng)用了多項先進的設(shè)備與配置，使系統(tǒng)中的應(yīng)用程序能夠流暢的運行，在應(yīng)用程序方面本文應(yīng)用網(wǎng)絡(luò)技術(shù)手段使運行機與轉(zhuǎn)換機之間的配合更加順暢，提高了系統(tǒng)的整體性能，最后本文設(shè)計實驗對故障數(shù)據(jù)分析進行仿真模擬，并將本文中所采用的算法與傳統(tǒng)的常規(guī)算法相比較，經(jīng)過數(shù)據(jù)的比對發(fā)現(xiàn)本文中的算法性能優(yōu)越于傳統(tǒng)的算法，這也將驗證了本文所設(shè)計的系統(tǒng)能夠應(yīng)用于實際，為傳感器的故障數(shù)據(jù)分析領(lǐng)域做出一定的貢獻。