劉鑫 晏濤 尹蝶 張志亮 段棠少

摘 要 針對當(dāng)前工業(yè)物聯(lián)網(wǎng)系統(tǒng)在汽車行業(yè)的應(yīng)用沒有統(tǒng)一通信協(xié)議和系統(tǒng)平臺的瓶頸問題，設(shè)計并實現(xiàn)了基于物聯(lián)網(wǎng)的汽車工業(yè)數(shù)據(jù)挖掘系統(tǒng)，使用上位機(jī)云平臺Broad Things，該平臺是一個用于數(shù)據(jù)收集，處理，可視化和設(shè)備管理的開源平臺，兼具可擴(kuò)展性，容錯性的性能。通過工業(yè)標(biāo)準(zhǔn)IOT（Internet of Things）協(xié)議（MQTT，COAP和HTTP）實現(xiàn)設(shè)備連接，并支持云和內(nèi)部部署，涵蓋了物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)接入、數(shù)據(jù)處理、數(shù)據(jù)存儲、數(shù)據(jù)交換和數(shù)據(jù)分析等內(nèi)容，并進(jìn)行了示范應(yīng)用?；诖思軜?gòu)體系開發(fā)了汽車性能試驗數(shù)據(jù)挖掘及監(jiān)視系統(tǒng)。

關(guān)鍵詞 物聯(lián)網(wǎng)；遠(yuǎn)程監(jiān)視；IOT協(xié)議；云平臺；汽車試驗

前言

隨著科技的快速發(fā)展，物聯(lián)網(wǎng)技術(shù)在汽車行業(yè)中的應(yīng)用越來越廣泛，包括上位機(jī)遠(yuǎn)程監(jiān)視技術(shù)、無線通信技術(shù)、傳感器技術(shù)以及GPS導(dǎo)航定位技術(shù)等正在不斷完善與創(chuàng)新，信息傳感、數(shù)據(jù)收集與處理分析技術(shù)也越發(fā)趨于成熟。在此背景下，工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)平臺在汽車行業(yè)的應(yīng)用被人們開發(fā)并更加深入和廣泛的研究。在汽車行業(yè)中的應(yīng)用，涉及的主要技術(shù)是數(shù)據(jù)挖掘與遠(yuǎn)程監(jiān)視，汽車制造正面臨數(shù)字化、信息化、現(xiàn)代化的產(chǎn)業(yè)升級，在整個產(chǎn)業(yè)的生產(chǎn)環(huán)節(jié)中引入時下最流行的物聯(lián)網(wǎng)技術(shù)，將對汽車產(chǎn)業(yè)鏈的各方面優(yōu)質(zhì)資源進(jìn)行優(yōu)化整合，全面提升整個汽車制造業(yè)的規(guī)模和效益。

1 物聯(lián)網(wǎng)概述

1.1 物聯(lián)網(wǎng)

物聯(lián)網(wǎng)指的是運(yùn)用各種各樣的傳感設(shè)備來進(jìn)行信息傳遞的計算機(jī)集群，這是在計算機(jī)互聯(lián)網(wǎng)之后的再一次飛躍，包括計算機(jī)技術(shù)、通信技術(shù)（移動通信技術(shù)、傳感器技術(shù)網(wǎng)絡(luò)）、上位機(jī)遠(yuǎn)程監(jiān)視技術(shù)、數(shù)據(jù)處理與分析技術(shù)等，而且還是下一代網(wǎng)絡(luò)發(fā)展的大方向。物聯(lián)網(wǎng)是在互聯(lián)網(wǎng)的基礎(chǔ)上通過無線射頻識別（Radio Frequenc Identification） 技術(shù)、全球定位系統(tǒng)（Global Positioning System）以及紅外感應(yīng)器、激光掃描器等信息傳感設(shè)備依據(jù)相關(guān)技術(shù)協(xié)議將任意物品與互聯(lián)網(wǎng)進(jìn)行連接，開展數(shù)據(jù)通信以及信息交換最終實現(xiàn)智能化識別、定位、跟蹤、監(jiān)管等功能。

1.2 云計算

云計算指的是在互聯(lián)網(wǎng)支持的基礎(chǔ)上，通過互聯(lián)網(wǎng)服務(wù)為用戶提供的依據(jù)需求而確定服務(wù)的計算方式。由于服務(wù)資源來源于互聯(lián)網(wǎng)，并且互聯(lián)網(wǎng)通常使用云狀圖案來表示資源，所以稱之為云計算。云計算有著集群優(yōu)勢，同時具備高速運(yùn)算能力和較高的數(shù)據(jù)存儲能力，因而如今正被廣泛而深刻的應(yīng)用至IT行業(yè)中，具有高容錯性與高伸縮性的特點。目前在云計算平臺搭建中，用戶主要依靠Thingsboard來進(jìn)行，作為云計算平臺搭建基礎(chǔ)，通過工業(yè)標(biāo)準(zhǔn)IOT協(xié)議（MQTT，CoAP和HTTP）實現(xiàn)設(shè)備連接，并支持云和內(nèi)部部署，涵蓋了物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)接入、數(shù)據(jù)處理、數(shù)據(jù)存儲、數(shù)據(jù)交換和數(shù)據(jù)分析等內(nèi)容，可以極為有效的利用集群計算能力與數(shù)據(jù)存儲能力，從而實現(xiàn)大量數(shù)據(jù)的分析處理[1]。

2 國內(nèi)傳統(tǒng)汽車制造企業(yè)面臨的問題

與其他制造業(yè)不同，汽車的生產(chǎn)是一整套系統(tǒng)工程，數(shù)以萬計的細(xì)小零件需要經(jīng)過多條生產(chǎn)線組裝成整車出廠，而基于傳統(tǒng)制造業(yè)技術(shù)，能夠?qū)φ麠l生產(chǎn)線施加影響的手段卻比較匱乏。同時，汽車的質(zhì)量是由部件質(zhì)量和整體質(zhì)量兩個關(guān)鍵指標(biāo)組成，其關(guān)系著人民的生命財產(chǎn)安全，質(zhì)量在汽車制造環(huán)節(jié)中有著極其重要的地位，而傳統(tǒng)制造業(yè)技術(shù)，很難實現(xiàn)對部件質(zhì)量問題的逆向追溯。因此，掌握生產(chǎn)自動化、質(zhì)量控制體系以及安全生產(chǎn)的技術(shù)就掌握了汽車制造業(yè)的核心技術(shù)。國內(nèi)汽車制造業(yè)，正逐步由初期的 MIS、CAD/CAM到 MRP/ERP 進(jìn)行轉(zhuǎn)變。然而，國內(nèi)汽車生產(chǎn)過程中信息化水平仍相對落后。例如，信息的孤島問題普遍存在；研發(fā)、生產(chǎn)、測試等環(huán)節(jié)，信息的填報仍主要依賴于技師的經(jīng)驗和技術(shù)，往往信息化管理的引入反而增加了工作量，降低了工作效率；費時費力在生產(chǎn)線上收集和整理出數(shù)據(jù)，但卻并不精確，造成質(zhì)量隱患和安全隱患[2]。

3 在云計算平臺下的數(shù)據(jù)挖掘技術(shù)

分析在當(dāng)前的云計算平臺中，最主要的是以Thingsboard為基礎(chǔ)搭建而成的平臺，通過基于物聯(lián)網(wǎng)的信息技術(shù)，來規(guī)范和控制汽車制造流程，云計算平臺中數(shù)據(jù)挖掘技術(shù)主要分為四大部分，分別為物聯(lián)網(wǎng)感知層、物聯(lián)網(wǎng)傳輸層、數(shù)據(jù)層和數(shù)據(jù)挖掘服務(wù)層。

3.1 物聯(lián)網(wǎng)感知層

物聯(lián)網(wǎng)感知層主要依靠在目標(biāo)區(qū)域范圍內(nèi)放置極多的數(shù)據(jù)采集節(jié)點來發(fā)揮感知作用。具體來說，節(jié)點主要是通過傳感器、攝像頭以及其他設(shè)備進(jìn)行數(shù)據(jù)采集工作，而采集到的數(shù)據(jù)則會依靠物聯(lián)網(wǎng)感知層所具備的網(wǎng)絡(luò)通信設(shè)備進(jìn)行匯聚，將所有的數(shù)據(jù)傳送到節(jié)點，而后經(jīng)過匯總存儲之后再次通過傳輸層輸送到云計算平臺的數(shù)據(jù)處理中心。

3.2 物聯(lián)網(wǎng)傳輸層

物聯(lián)網(wǎng)傳輸層主要包括傳感器、無線（有線）網(wǎng)絡(luò)等，通過諸多網(wǎng)絡(luò)設(shè)備搭建的高速度無縫數(shù)據(jù)傳輸系統(tǒng)，能夠快速將物聯(lián)網(wǎng)感知層采集到的數(shù)據(jù)通過網(wǎng)絡(luò)傳送到數(shù)據(jù)處理中心，從而實現(xiàn)全方位的互通互聯(lián)目標(biāo)，也就是將各種類別的監(jiān)視處理設(shè)備聯(lián)網(wǎng)傳輸，實現(xiàn)設(shè)備之間網(wǎng)絡(luò)信息的傳遞[3]。

3.3 物聯(lián)網(wǎng)數(shù)據(jù)層

數(shù)據(jù)層是物聯(lián)網(wǎng)云計算平臺中數(shù)據(jù)挖掘技術(shù)的關(guān)鍵部分，物聯(lián)網(wǎng)本身具有異構(gòu)性和海量性的特征，因而在數(shù)據(jù)層內(nèi)將物聯(lián)網(wǎng)設(shè)備采集到的數(shù)據(jù)進(jìn)行存儲處理分析的能力是基于云計算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘平臺的關(guān)鍵。數(shù)據(jù)層中主要包括數(shù)據(jù)源轉(zhuǎn)化與存儲兩大部分，其中，數(shù)據(jù)源轉(zhuǎn)化主要對物聯(lián)網(wǎng)異構(gòu)性的數(shù)據(jù)進(jìn)行轉(zhuǎn)化，而存儲部分則是使用Hadop搭建的平臺中的HDFS系統(tǒng)進(jìn)行分布式存儲，從而將海量性的數(shù)據(jù)完整存儲到數(shù)據(jù)節(jié)點。由于在物聯(lián)網(wǎng)平臺中，對于不同的目標(biāo)會采用不同的數(shù)據(jù)類型來表現(xiàn)，某種情況下，相同的目標(biāo)也會采用不同的數(shù)據(jù)類型來表現(xiàn)，因此數(shù)據(jù)源轉(zhuǎn)化的作用主要體現(xiàn)在保持?jǐn)?shù)據(jù)的完整，防止異構(gòu)性的物聯(lián)網(wǎng)數(shù)據(jù)在轉(zhuǎn)化中出現(xiàn)損毀，從而達(dá)到保證數(shù)據(jù)挖掘目標(biāo)。數(shù)據(jù)源轉(zhuǎn)化在系統(tǒng)中的作用相當(dāng)于數(shù)據(jù)層與感知層的連接線，通過數(shù)據(jù)包的解碼轉(zhuǎn)換將不同的數(shù)據(jù)轉(zhuǎn)換成需要的數(shù)據(jù)類型，并且分布式存儲到數(shù)據(jù)處理中心。

3.4 數(shù)據(jù)挖掘服務(wù)層

數(shù)據(jù)挖掘服務(wù)層包含數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘引擎以及用戶三大部分。其中，數(shù)據(jù)準(zhǔn)備部分的主要用途是對數(shù)據(jù)的清零、轉(zhuǎn)化以及規(guī)約等。數(shù)據(jù)挖掘引擎則主要包含數(shù)據(jù)挖掘算法以及模式評估，而用戶部分則主要將數(shù)據(jù)挖掘的內(nèi)容進(jìn)行可視化的表現(xiàn)。用戶部分是整個云計算平臺中數(shù)據(jù)挖掘技術(shù)面對用戶的直接體現(xiàn)，因而具有友好性，能夠讓用戶通過操作來對數(shù)據(jù)挖掘任務(wù)進(jìn)行處理認(rèn)知[4]。

4 云計算平臺上物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)應(yīng)用

本文主要介紹在汽車行業(yè)的應(yīng)用，汽車在進(jìn)行一系列試驗時通過傳感器采集汽車的扭矩、轉(zhuǎn)速等信息傳送給單片機(jī)，單片機(jī)通過無線通信技術(shù)將采集到的數(shù)據(jù)發(fā)送給云平臺，在云平臺上進(jìn)行數(shù)據(jù)整理、分析、計算并在上位機(jī)上顯示。用戶可以遠(yuǎn)程看到汽車試驗時的相關(guān)數(shù)據(jù)，無須親自去汽車研究所觀看試驗數(shù)據(jù)。系統(tǒng)總體框圖如圖1.1所示[5]。

分析數(shù)據(jù)挖掘工作流程為：用戶發(fā)出數(shù)據(jù)挖掘的請求之后，主要控制節(jié)點收到用戶請求之后會首先判斷能否進(jìn)行任務(wù)，并且將結(jié)果回饋給用戶。若是可以進(jìn)行，主要控制節(jié)點就會調(diào)用數(shù)據(jù)挖掘算法，然后根據(jù)算法進(jìn)行分布式數(shù)據(jù)挖掘工作。通過挖掘數(shù)據(jù)任務(wù)的劃分之后，將具體內(nèi)容傳送到眾多節(jié)點中，節(jié)點再具體進(jìn)行數(shù)據(jù)挖掘。本次選擇Hadop搭建云計算平臺，并以此進(jìn)行模擬實驗。首先，選擇一臺實驗所需要的PC機(jī)器，配置基于普通水平的內(nèi)存，操作系統(tǒng)。然后在PC端安裝虛擬機(jī)，虛擬機(jī)的操作系統(tǒng)都是Linux操作系統(tǒng)。從而開始部署分布式節(jié)點，本次共安裝3個虛擬機(jī)。

其次，需要安裝與Linux版本相適應(yīng)的cEhsPe7.5開發(fā)環(huán)境，并且于Pc機(jī)上安裝SH服務(wù)，用于實驗開始之后傳遞實驗數(shù)據(jù)。3臺虛擬機(jī)中也安裝SH服務(wù)，以便于Hadop平臺運(yùn)用。配置安裝完畢后，選擇采用關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)，將數(shù)據(jù)依據(jù)C++代碼程序轉(zhuǎn)換成標(biāo)準(zhǔn)的PML文件，文件大小為IG，然后將文件利用HDsF傳人Hadop平臺，采用分布式存儲。接下來，運(yùn)行ArPioir算法，根據(jù)計算結(jié)果來判斷能否找到實驗數(shù)據(jù)集合中所有的項目，然后，選用不同大小的文件再次重復(fù)實驗，以此來得到較為準(zhǔn)確的結(jié)果[6]。

5 結(jié)束語

隨著社會經(jīng)濟(jì)與科學(xué)技術(shù)日新月異的發(fā)展，物聯(lián)網(wǎng)技術(shù)也在不斷趨于成熟。當(dāng)前物聯(lián)網(wǎng)海量的異構(gòu)性數(shù)據(jù)也在呈現(xiàn)著飛速增長的態(tài)勢，導(dǎo)致物聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)越來越顯得困難重重。在此背景下，基于云計算的物聯(lián)網(wǎng)挖掘技術(shù)與遠(yuǎn)程監(jiān)視技術(shù)傳統(tǒng)技術(shù)相比，其能夠通過分布式存儲的方式以及分布式并行的計算方法更好地滿足人們對物聯(lián)網(wǎng)數(shù)據(jù)挖掘的要求，并且還能夠?qū)崿F(xiàn)上位機(jī)遠(yuǎn)程監(jiān)視為用戶帶來便利，不僅縮短了數(shù)據(jù)傳輸?shù)臅r間，提高了數(shù)據(jù)傳輸?shù)姆€(wěn)定性和完整性，而且還極大地提高了數(shù)據(jù)挖掘的效率與質(zhì)量，有著極大的應(yīng)用前景。因此，本文所提出的基于云計算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘遠(yuǎn)程監(jiān)視系統(tǒng)對于當(dāng)前物聯(lián)網(wǎng)應(yīng)用的發(fā)展有著深遠(yuǎn)的意義，并且經(jīng)過Hadop平臺進(jìn)行模擬數(shù)據(jù)挖掘?qū)嶒灪?，也驗證了這種方案有著極大的可行性。

參考文獻(xiàn)

[1] 張啟亮，韓鍵，姜麗萍.工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)平臺在工程機(jī)械行業(yè)的應(yīng)用[J].信息技術(shù)與標(biāo)準(zhǔn)化，2017，（4）：26-31.

[2] 郭聞博，林泓.基于Hadoop平臺的數(shù)據(jù)規(guī)范化處理研究[J].空軍預(yù)警學(xué)院學(xué)報，2016，（3）：65-68.

[3] 王祎菡.基于Web的物聯(lián)網(wǎng)應(yīng)用體系架構(gòu)和關(guān)鍵技術(shù)研究[J].硅谷，2014，（12）：61，78.

[4] 姜文.基于Hadoop平臺的數(shù)據(jù)分析和應(yīng)用[D].北京：北京郵電大學(xué)，2011.

[5] 張建奇，黨洪濤，陳江天.工業(yè)無線關(guān)鍵技術(shù)ISA100.11a概述[J].自動化技術(shù)與應(yīng)用，2012，31（11）：33-37.

[6] 孫其博，劉杰，黎葬，等.物聯(lián)網(wǎng)：概念，架構(gòu)與關(guān)鍵技術(shù)研究綜述[J].北京郵電大學(xué)學(xué)報，2010，33（3）：1-9.