汽車衡在線智能診斷技術

馮天宏

（天津港集裝箱碼頭有限公司，天津 300456）

隨著時代的進步，科學技術的發展日新月異，猶如萬馬奔騰之勢撲面而來。特別是計算機互聯網技術、人工智能技術、無線傳輸技術、視（音）頻傳播技術和傳感器技術的迅猛發展為人們的生產活動提供了廣闊的空間。以前感覺很難實現的一些設計和應用，現在覺得簡單而且能夠高質量地完成。比如，本文談到的汽車衡在線智能診斷系統，將幾十臺乃至上百臺的汽車衡接入計算機網絡，運用有線傳輸鏈路或無線傳輸鏈路將汽車衡的數字信號傳送至辦公室的計算機中，開發計算機軟件對其進行存儲、分析，使汽車衡的運行狀態管理、參數的設置調整、檢定管理、維修保養計劃、現場使用狀態監控及故障排除等都能夠在辦公室的計算機桌面上完成。

收集汽車衡的運行狀態信息應用了計算機高速存儲技術、計算機網絡中的有線和無線鏈路傳輸技術；檢定管理和維修保養計劃應用了人工智能中的機器學習技術；汽車衡參數的設置調整和故障排除應用了遠程虛擬仿真技術、圖像壓縮技術和通過短信或郵件實時傳送報警信息技術；現場汽車衡使用狀態監控應用了視頻再現技術和音頻傳播技術。

下面將逐一介紹幾種技術在汽車衡在線智能診斷系統中的應用方法。

1 人工智能中的機器學習技術和計算機高速存儲技術

汽車衡在線智能診斷系統通過計算機網絡收集到的數據有：汽車衡參數，包括秤臺類型、秤序列號、量程、分度值、儀表型號和儀表序列號；傳感器參數，包括傳感器序號、序列號、輸出內碼值、電壓值、溫度值和狀態；每天汽車衡的工作狀態，包括日期/時間、名稱、狀態信息類型和信息描述；汽車衡運行日志信息，等等。計算機軟件使用緩存技術，采集汽車衡的使用頻次，零點參數，各個檢定參數，實時稱重重量，連同上述數據一并存儲到數據庫中。

這里運用的機器學習技術是統計學習，基于對數據的初步認識及學習目的的分析，選擇合適的數學模型，擬定隨機參數，并輸入利用樣本數據，依據一定的策略，運用合適的學習算法對模型進行訓練、估計模型參數，然后用調整隨機參數得出訓練好的模型對數據進行分析預測，分為下列4 個部分。

1.1 數據

需要對儀表進行數據采集，建立樣本基礎。計算機通過網絡與汽車衡的儀表進行連接（連接數量可以多達幾十臺或上百臺），計算機軟件使用緩存技術，采集汽車衡的使用頻次，零點參數，各個檢定參數，實時重量，傳感器內碼值、溫度值、電壓值和故障狀態等數值，并實時保存到網絡數據庫，達到3～9 次/s 的采集數據標準。數據庫分為多張存儲表格，對各個數據分別進行存儲，由于數據的龐大，對數據庫的優化也是技術重點，主要是按數值類型來存儲，數據在某個時候數據量會達到100 萬左右，那么就可以考慮用這段時間的數據作為一個表或者庫來存儲，例如，表名為app，那么這段數據就是app_001；如果數據量在短時間就達到了100 萬左右，那么就順序往下分app_002、app_003等，以便后續來分析該數據。

用傳感器內碼值來舉例，傳感器內碼值每時每刻都在反映汽車衡的受力情況，軟件需要記錄這些數據為后續的模型建立和分析提供依據，每臺汽車衡有8～10 個傳感器都需要記錄，軟件通過Share Data 方式（儀表內部存儲的K-Value 的內存地址）按3～9 個值/s 讀取，并存儲到數據庫，每個傳感器的數據存儲在不同的表格中，再按100 萬左右記錄條進行分割。

1.2 模型

模型在未進行訓練前，其可能的參數是多個甚至無窮的，故可能的模型也是多個甚至無窮的，這些模型構成的集合就是假設空間。目前該項目采用的是機器學習中的統計學習，是計算機基于數據構建概率統計模型，并運用概率統計模型對數據進行預測與分析，整個過程是數據驅動的，把輸入的數據X 和輸出的預測值Y 都看作是隨機變量，其遵循一定的概率分布（比如正態分布，二項分布）。

公式（1）是非概率模型的決策函數，一個函數，輸入X，產生輸出Y

公式（2）是條件概率分布：在輸入X 的條件下，輸出Y 的概率。條件概率就相當于后驗概率

而模型又是帶有未知參數的，未知參數可能不止1 個，所以用決策函數（假設空間）表示

繼續用傳感器內碼值來舉例，內碼值采集并存儲后，需要分析影響其變化的因素來設計合理的模型，其主要影響有：傳感器本身的性能變化，如故障等；傳感器安裝和使用過程中的角度變化；外界溫度；傳感器受力點的基礎下沉；汽車衡稱重過程中，車輛停的位置；零點漂移，等等。

綜合判斷下來，影響因素很多，所以不適合非概率模型的決策函數和條件概率分布，基本采用參數向量表示方式，向量參數θ 決定條件概率分布范圍Rn，比如車輛過衡過程中，由于車輛行駛的位置不一樣，根據傳感器內碼值判斷，受力情況不一致，對于傳感器使用次數和強度有差異，然后對于汽車衡的保養和使用壽命就有不同的變化。

1.3 策略

即從假設空間中挑選出參數最優的模型的準則。模型的分類或預測結果與實際情況的誤差（損失函數）越小，模型就越好。那么，策略就是誤差最小。

1.3.1 損失函數

度量模型一次預測的好壞（預測值和真實標記值之間的差距）。下列公式中，（fX）是預測值，Y 是真實值。

統計學習常用的損失函數有以下幾種。

平方損失函數 L（Y，（fX））=（Y-（fX））2。

絕對損失函數 L（Y，（fX））=|Y-（fX）|。

對數損失函數 L（Y，（fX））=-logP（Y|X）。

有了損失函數，下面要評估模型距離真實值的差距有多大。第一個是經驗風險最小化，就是把整個數據集每個樣本都計算一遍，對于每一個樣本計算一個損失值，然后用所有樣本的損失值去求一個平均值，如果這個值越大，代表從整體趨勢上來說這個模型離真實狀況還比較遠；如果這個值越小，則這個模型符合數據的真實狀況。顯而易見，損失函數值越小，模型越好。

1.3.2 風險函數或期望損失

度量平均意義上模型預測的好壞，也就是損失函數的期望。

其目標是期望損失最小，這里面要用到聯合分布，但是聯合分布是未知的，無法進行計算。

1.3.3 經驗風險或經驗損失

明顯觀察到，期望損失Rexp（f）是模型關于聯合分布的期望損失，經驗風險Remp（f）是模型關于訓練樣本集的平均損失。根據大數定律，當樣本容量N 趨于無窮時，Remp（f）趨于期望風險Rexp（f）。自然而然地，可以用Remp（f）估計Rexp（f）。Remp（f）是可以根據訓練數據來確定的，經驗風險最小化策略（Empirical Risk Minimization，ERM）認為，經驗風險最小的模型是最優的模型。

繼續用傳感器內碼值來舉例，由于影響因素較多，只能采用經驗風險和經驗損失的模型來設計傳感器的使用狀態，然后得出汽車衡使用保養及壽命預測，采用公式

式中：N 代表某一個傳感器的受力次數，數值范圍1～9 999 999；f（xi）為外界影響，汽車衡的規格型號；yi為某一個傳感器，某個時刻受力情況的數值1～999 999；L（yi，f（xi））是計算獲取某個時刻傳感器的狀態1～10，1為使用最佳，10 為最差。

根據公式，最后計算獲取某個受力次數（時間段）的傳感器狀態值的分布情況（其中考慮超載情況）。

1.4 算法

即從假設空間中挑選模型的方法（等同于求解最佳的模型參數）。機器學習的參數求解通常都會轉化為最優化問題，故學習算法通常是最優化算法。

用傳感器內碼來制定汽車衡科學的保養計劃（檢定周期提醒、健康檢查、備件管理和大修時段等）是參考因素之一，還有其他的情況，所以需要有很多套算法分別進行計算后，獲取綜合結果。

繼續舉例：根據8 或10 個傳感器Remp（f）的值進行平均，獲取某個時間段汽車衡使用的狀態，結合該汽車衡的稱重次數（根據稱重記錄結果，例如：500～1 000次/車），來判斷汽車衡根據稱重次數的增加，使用狀態有沒有變差，根據以下經驗（可動態調整）：

50 000 次，汽車衡狀態為1；

100 000 次，汽車衡狀態為3；

200 000 次，汽車衡狀態為5；

……

同時與其他汽車衡進行橫向比較：

汽車衡狀態小于5，按目前的稱重頻率使用正常；

汽車衡狀態高于5，則需要保養；

汽車衡狀態高于7，則需要大修理。

2 遠程虛擬仿真技術和圖像壓縮技術

將汽車衡稱重儀表的操作顯示屏幕做成虛擬圖像，經過圖像壓縮技術，通過網絡TCP/IP 協議傳輸到計算機軟件，計算機軟件利用算法來解析壓縮文件，然后還原至計算機屏幕上。由于儀表的圖像很多，涉及所有的操作顯示界面，采用特殊的屏幕采集方式，利用算法軟件不斷地輪詢各個顯示界面（涉及不同像素和大小），同時還要將界面信息壓縮好后傳至辦公室計算機，實時性要求非常高。

辦公室計算機軟件還原顯示儀表操作界面后，這個只是完成了一部分顯示的功能，更重要的是進行遠程操作，才是真正意義上的仿真終端的實現。因此，軟件在顯示界面的同時，設計了仿真的虛擬按鍵，比如1～9 的數字鍵，上下左右的方向鍵及回車鍵等，當這些按鍵在獲取焦點并觸發“按下”的動作的同時，通過基于TCP/IP的網絡傳輸協議發送至汽車衡稱重儀表。

儀表接受對方的命令后，根據命令的定義不同，結合當前的顯示界面，進行不同功能實現（對傳感器參數的角差調整、編址和校正等調整設置；對汽車衡系統儀表自診斷、傳感器維護和日志文件等的維護），也實時地將界面壓縮文件反饋至計算機軟件進行同步顯示，做到任意一方操作，都能同步顯示統一功能界面。

其設計思想就是將汽車衡稱重儀表的界面顯示在遠程電腦上，并且界面的各個按鈕都可以操作，所顯示的稱重數據和信息與實物儀表完全一致。例如現在實物儀表顯示汽車衡稱重后儀表未歸零，而現在需要去現場實物儀表那做清零操作，就完全可以在辦公室電腦上對著這個遠程虛擬仿真界面的清零按鈕輕點一下鼠標，清零操作就完成了，與在實物儀表上操作的結果是一樣的。如果需要對實物儀表進行其他操作，比如查看衡器信息，對傳感器參數進行調整，對儀表進行設置等，都可以在這里完成。

所開發的軟件分為2 部分，一部分作為儀表軟件安裝在汽車衡稱重儀表，一部分作為終端軟件安裝在虛擬仿真終端。

儀表軟件實時采集顯示界面的圖案。汽車衡稱重儀表每次顯示不同的界面，軟件會實時地保存當前的圖片至儀表的內存，有幾種方式會觸發儀表保存顯示界面的圖片。第一，接到命令后需要切換儀表顯示的界面；第二，儀表界面顯示的內容發生變化，比如主界面的重量變化，傳感器內碼值、溫度等信息變化；第三，儀表界面沒有變化時，理論上每秒3～5 張圖片會自動保存至儀表內存。

觸發以上幾個條件后，儀表軟件會把界面圖片保存至內存，主要是2 方面的數據，第一是像素位置數據，類似于X、Y 坐標，第二是每個像素的顏色數據。然后需要壓縮圖像以提高傳輸效率，儀表軟件首先會確定圖像中哪些區域是相同的，哪些是不同的。包括了重復數據的圖像（例如儀表背景色藍色）就可以被壓縮，只有藍色的起始點和終結點需要被記錄下來。但是藍色可能被數字、標記符號等對象掩蓋，這些就需要另外記錄，這樣可以刪除一些重復數據，大大減少要保存的圖像尺寸。

壓縮后儀表軟件將壓縮數據通過TCP/IP 網絡協議傳輸到仿真終端，仿真終端的終端軟件解析壓縮數據，然后還原至仿真終端屏幕上，解析還原界面圖像的步驟與壓縮圖片相反。第一，獲取每個圖片的像素點位置數據，以X、Y 坐標的方式逐個還原；第二，根據顏色數據，以X、Y 坐標從上往下逐步還原，依據每個像素的顏色要求進行。

還原后，虛擬仿真終端軟件將界面圖片作為“Panel”，每個按鍵添加“Button”對象作為虛擬按鍵。當這些按鍵在獲取焦點并觸發“按下”的動作的同時，通過基于TCP/IP 的網絡協議（比如，開始命令02+按鈕命令縮寫“C”+結束命令0D 等）發送至汽車衡稱重儀表。

儀表軟件在接收命令后，根據命令的定義不同，結合當前的顯示界面，進行不同功能的實現（對傳感器參數的角差調整、編址和校正等調整設置；對汽車衡系統儀表自診斷、傳感器維護和日志文件等的維護），也實時地將界面壓縮文件反饋至仿真終端，由終端軟件進行同步顯示，做到任意一方操作，都是同步顯示統一功能界面。

3 有線和無線傳輸鏈路技術

計算機網絡的有線傳輸鏈路用光纖傳輸實現。而幾十臺乃至上百臺的汽車衡是分別放置在不同的區域，不能用有線傳輸鏈路傳輸時，就要考慮無線傳輸，目前使用的是2.4 GHz 的標準無線基站傳輸網絡，速度足夠快，穿墻能力強，無信號延遲現象。

4 通過短信或郵件實時傳送報警信息技術

計算機網絡中通常有短信或郵件服務器。如果通過短信與汽車衡管理者或技術人員手機進行聯系，需要在所開發的計算機軟件中設置端口、波特率、校驗位、數據位和停止位的參數值，并在接收短信列表中輸入接收人員的手機號碼。如果是通過郵件則需要在所開發的計算機軟件中設置郵件服務器網址、端口，并啟用SSL（Secure Socket Layer，安全套接層協議）、接收郵件人員的郵箱用戶名和密碼等。將郵件傳送到手機的人員，可以在郵箱中設置與手機相連。發送郵件的時間段和信息類型都可以在軟件上進行設定。

如此，一旦汽車衡發生故障，便可及時將故障信息傳送到手機上。

5 視頻再現技術

視頻再現技術能夠將現場的實時畫面傳送到計算機桌面上，讓汽車衡管理者和技術人員與現場汽車衡“零距離”接觸，結合傳送到計算機桌面的汽車衡運行狀態信息，使用遠程仿真終端對汽車衡進行設置、調整和故障排除。如果再配合對講設備或音頻傳播系統，對現場汽車衡進行法制檢定便成為可能。

將視頻信息傳送到計算機桌面需要對現場攝像機的類型和傳送圖像類型進行識別，以便在數據庫中確定存取圖像的格式，從而確定視頻再現的速度和清晰度。

一般地，現在單位里都建立了自己的視頻監控系統，這樣就不用重新開發這一視頻再現模塊，只需調用原視頻監控系統即可，既經濟又方便。

6 音頻傳播技術

音頻傳播技術的實現方法是，在閘口汽車衡通道司機停車位置安裝工控機，工控機上裝有麥克風和喇叭，線路接入網絡交換機，通過網絡交換機與位于辦公室內的通話控制臺相連，通話控制臺上同樣裝有麥克風、喇叭和具有選擇汽車衡通道的控制按鈕，這樣就實現了音頻交互傳播。

7 結束語

汽車衡在線智能診斷系統開發中所應用的9 大關鍵技術都是當前最先進的技術。這些關鍵技術包括但不限于汽車衡的“管、用、養、修”和在線智能診斷，對所有設備的“管、用、養、修”和在線智能診斷都具有前瞻性的指導意義。那就是，這一項目的組成要素——計算機網絡、數字傳感器、數字視頻設備、有線和無線數據傳輸設備提供了硬件聯網基礎，其融合了海量數據高速存儲技術、機器學習技術、遠程虛擬仿真技術、圖像壓縮技術、以短信或郵件實時傳送報警信息技術、視頻再現技術和音頻傳播技術等軟件開發方法，為建設智能化、自動化的企業設備管理提供了先進的集成模式，開創了“自動化集裝箱碼頭物聯網建設”的先河。