智能纺织空调云平台搭建与仿真

廉继红,贾凯莉,王延年

(西安工程大学 电子信息学院,陕西 西安 710048)

0 引 言

纺织产品的生产工艺对纺织车间的温度、湿度、含尘浓度等生产条件要求非常严格,满足工艺生产环境要求是生产高质量纺织品的前提和保证。在不同的环境下,车间环境参数与设定参数存在一定偏差,未能及时调整会造成断纱、产品质量下降和工作效率低等不良后果[1-4]。传统纺织厂空调系统主要依靠操作人员进行手动调节,存在自动化程度低、控制监测的时效性差、设备联网能力弱、信息管理能力相对滞后等问题[5]。物联网与云计算是推动制造业智能化和网络化的核心技术,采用该技术对纺织产业智能化转型具有重大意义[6-7]。

国内外纺织空调智能化控制领域较为先进的控制策略主要包括:基于模型预测、计算智能、自适应、离散事件、事件触发的控制等[8]。以瑞士洛瓦为代表的国外公司,能满足高端纺织品生产所需的温湿度,可以通过网络系统在客户端监测系统故障[9]。Banerjee等[10]通过将云任务分配给两个集群高端资源集群和低端资源集群分别进行资源分配,实现了更高的网络吞吐量和服务质量。国内纺织企业通过改造及技术升级,实现了空调风量、喷淋和新回风比例的自动控制[11],并且运用物联网、GPRS通信[12]、PROFIBUS-DP[13]等通信方式,实现了纺织空调控制设备的互联及现场和远程对环境数据的采集与控制,但仍存在智能化采集程度低,采集信号繁多等不足[14]。基于实际云服务系统的动态两级流量控制策略,可以有效提高服务节点的CPU使用率,但是将该策略运用到纺织空调物联网云平台还有待进一步研究[15]。

随着纺织行业信息化、智能化的发展,迫切需要将物联网、云计算、大数据等新技术逐步渗透到纺织厂生产的各个环节,提高生产效率,降低自身成本。本文基于物联网技术和云平台技术构建智能纺织空调信息监控系统,该系统可以对纺织厂不同车间的生产环境和空调自控系统参数等重要信息进行远程监测和智能化调控。

1 系统结构及工作原理

基于云平台的智能纺织空调信息监控系统结构示意图如图1所示,主要由多个分布于车间内外的传感器节点、每个车间的控制节点、主控中心和云平台组成一个物理网络,实现车间内环境参数的远程监测、数据传送和控制信号的收发等。

图 1 智能纺织空调信息监控系统结构示意图Fig.1 Structure scheme of intelligent textile air conditioning information monitoring system

智能纺织空调信息监控系统通过分布在各个车间内外的传感器,对每个车间内外的温湿度、车间内焓值和粉尘浓度等环境参数进行检测,每个车间的控制节点将传感器节点检测的温度、湿度、焓值及粉尘浓度等数据按一定智能算法计算出相应的参数值,然后将其与相应产品加工工艺所要求的环境参数设定值比较,若超出不同季节工艺要求的温湿度设定值范围,可以通过控制节点分别向风窗执行机构、风机和水泵发送控制命令,进行送风机、排风机、喷淋水泵、冷冻水泵及风窗开度等的控制,实现对车间温度、湿度、车间焓值、二氧化碳、粉尘浓度等参数的实时监控,并将检测和控制数据通过局域网实时传送给主控中心。

为了建立高效、高可靠性的纺织空调网络传输系统,将主控中心接收到的现场数据实时传输到工业云平台的数据中心,数据经由工业互联网云路由数据传输模块以GPRS、4G等方式传输到云终端节点,并存入云终端数据库中。云路数据传输模块由GPRS核心模块、SIM卡和天线3部分组成,通过选择合适的GPRS模块以TCP/IP方式实现数据交互,并把GPRS分组数据传送给GPRS服务器网关。云路由数据传输模块为用户提供高速、永远在线、透明传输的虚拟专用通信网络,支持可靠的多频通信,内嵌标准的TCP/IP协议栈,标准DB9、RS232接口。云路由数据传输模块能够自动获取动态IP,以TCP或UDP数据报传输方式与GPRS网络服务器之间的建立连接实现数据的双向传输,并能自动监测移动GPRS的网络状态完成在掉线时的自动拨号,通过GSM短信形式管理未登录GPRS网络时的网络连接状态和网络故障时的紧急控制。

在云端服务器的基础上对由主控中心上传的各类温湿度等环境数据、控制参数、报警信息等进行智能计算和分析,并构建基于云服务的智能空调信息系统平台。在云平台服务系统中,设置云环境监控系统负责获取各个服务节点的性能参数,通过Device Shadow服务对数据库中的性能参数数据进行实时更新;另一方面,在云平台中,通过Web网页显示云服务节点的性能参数,如CPU利用率、内存使用率、请求总数、CPU温度、响应时间等。另外,云环境监控系统给用户提供了相应的接口可以方便获取服务节点的性能参数。

智能纺织物联网云平台服务系统中, 纺织企业用户可以通过 PC 客户端浏览器、WEB 客户端、 手机 APP 等形式访问云平台服务器获取纺织车间环境与纺织空调自控系统实时状态监测数据、 统计分析数据、 故障/异常工况报警信息、 设备故障率分布曲线、 在线故障诊断信息等。 浏览器和手机终端等访问设备通过 TCP 连接方式与云平台服务器建立连接。

通信协议采用超文本传输协议 (HTTP,hyper text transfer protocol) 和消息队列遥测传输协议 (MQTT,message queuing telemetry transport), 客户终端可以通过向 WEB 服务器发送请求来获取实时信息, 也可以与 MQTT 云服务器之间建立一个长连接, 通过消息发布和消息订阅的方式, 实现纺织空调自控系统主控中心与客户终端之间的数据通信。

2 云平台负载均衡加权最小连接策略

在云计算环境下服务资源配置涉及到服务需求、服务资源、服务策略等多个要素,在云服务过程中需要通过服务资源配置来提供快捷化和优质化的服务[16-17]。本文采用硬件负载均衡的方式直接在服务器和外部网络间安装负载均衡设备实现负载均衡。负载均衡的过程中,用户服务需求的动态性、多样性、复杂性和不确定性大大增加了云计算环境下服务节点资源配置的复杂程度,影响负载均衡设备的资源配置能力,造成服务节点资源负载不均衡的现象,采用负载均衡策略能使云计算服务整体性能得到很大程度地提高。

负载均衡策略分为静态均衡和动态均衡,最小连接均衡策略是一种典型的动态负载均衡算法[18]。此算法将网络连接指向当前建立连接数最少的服务器,动态计算各个服务器当前建立的连接数来进行合理的负载分配。在服务器工作期间,当任务请求被负载均衡设备调度到某服务器时,需要对与该服务节点连接的个数进行实时统计,当一个任务请求被负载均衡设备调度到某台服务器等待处理时,此服务器当前的任务连接数加一;当连接超时、连接中止或者任务结束时,此服务器当前的任务连接数减一。根据智能纺织空调系统物联网云平台的分布式架构,本文采用加权最小连接算法作为动态流量下负载均衡策略,对各个服务节点进行负载均衡,将计算任务按均衡策略规则分配。

本文采用基于加权最小连接算法的负载均衡策略,根据每个服务节点的处理能力为每个服务节点引入一个额外的权值。加权最小连接算法的基本思想是:假设云平台有一组服务器为V={V0,V1,…,Vm,Vn-1},用W(i)表示服务器Vi的权值,由服务器Vi的处理能力决定,C(i)表示服务器Vi当前任务连接数。所有服务器当前任务连接的总数为Csum。当前的新连接请求通过负载均衡设备发送给服务器Vm,服务器Vm必须满足以下条件:

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

(1)

式中：i=0,1,…,n-1,且W(i)不为0。

因为Csum在每轮查找中为常量,因此式(1)的条件可以简化为

C(m)/W(m)

(2)

当新的云任务请求到达负载均衡服务器时,加权最小连接调度策略通过式(2)选择满足条件的服务器,即C(m)/W(m)最小的服务器节点响应用户请求。当有多个服务器同时满足式(1)时,由历史任务连接数最小的服务器响应用户请求。如果云服务系统中,服务权值标识为零就不再进行判断,则说明该服务器出现故障,此时不再给该服务节点分配任务请求。

3 实验与分析

3.1 实验环境

CloudSim是一款常用的云平台仿真工具,可以用来模拟物联网云平台调度处理的过程[19-22]。本文利用CloudSim创建纺织厂空调物联网云平台仿真环境,模拟纺织企业空调控制中心、云平台服务器、用户终端的集群调度过程,使用加权最小连接负载均衡策略作为调度分配算法进行仿真实验。

CloudSim的工作方式如图2所示,纺织企业用户列表为User1,User2,…,Usern,服务器虚拟机列表为VM1,VM2,…,VMm,空调自控系统控制请求的中心任务列表为Task1,Task2,…,Taskn,仿真云平台工作过程中,由数据代理模拟负载均衡服务器管理和调度任务列表中的纺织企业用户请求任务,所有的物理主机资源绑定到数据中心上,在数据中心上创建若干个服务器虚拟机,数据中心不直接参与调度,由数据代理将云任务分发给服务器虚拟机处理,完成用户终端、纺织空调控制中心和服务器虚拟机之间的数据交互,CloudSim的工作方式如图2所示。

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

图2中,通过在DatacenterBroker写入负载均衡策略,将一个批处理过程中n个独立任务配置给m个服务器虚拟机,并使得整个环境下的虚拟服务资源负载达到最优。在仿真实验过程中,主机的内存为8 G,硬盘为100 G,CPU为4 GHz,并在WindowsXP下利用Eclipse4.3和jdk1.7进行。为了模拟真实的实验环境,仿真中建立1个计算节点的数据中心,其内存为200 GB、运算平均速度5 000 MIPS(Million of Instructions Per Second)、带宽500 GB,且一直处于运行状态。

3.2 实验结果

仿真实验中设置服务器虚拟机个数为2～20个之间,运算平均速度在200 MIPS,云任务长度为20 000 MI(Million of Instructions),云任务个数分别取10个、20个、30个,统计每个云任务的等待时间和服务器虚拟机模拟运行的时间,云任务平均完成时间与服务器虚拟机数量的关系曲线如图3所示。

图 3 云任务平均完成时间与服务器虚拟机数量的关系曲线

由图3可知，本文构建的纺织空调云平台中,随着服务器虚拟机数量增多,极大缩短了云任务的平均完成时间。当云任务(cloudlet)数量为30个时,服务器虚拟机的数量从1台增加到2台,云任务的平均完成时间降低了61.8%,服务器虚拟机的数量从2台增加到10台,云任务的平均完成时间降低了56.4%。可以看出,合理地配置服务器虚拟机的数量,可以在节省服务器资源的情况下,大幅度缩短云任务的平均完成时间,提高云平台的通信性能。

设置服务器虚拟机数量为2时,通过实验测试,云任务平均完成时间与云任务平均长度关系曲线如图4所示。

图 4 云任务平均完成时间与云任务平均长度关系曲线

从图4可知,随着云任务平均长度增大,会出现调度失败及重调度,任务完成的平均时间就会大幅度增加。当云任务数量为20时,云任务平均长度从20 000降低到10 000时,服务器虚拟机完成任务的平均时间降低了58.81%,云任务平均长度从20 000降低到5 000时,服务器虚拟机完成任务的平均时间降低了78.89%。实验中,设置服务器虚拟机个数为2,平均任务长度为5 000时,虚拟平台达到最优运行效果,可以在较短时间内完成云任务且云任务平均长度满足空调系统通信要求,说明本文设计的物联网云平台能够满足实验需求。

4 结 语

现有的纺织企业空调系统温湿度靠人工调节或单机半自动调节,存在智能化程度低、信息时效性差等缺点。构建了基于云平台的智能纺织空调系统结构,系统由云平台远程监控系统、现场控制系统和用户终端3部分组成。系统采用工业以太网、GPRS通信和云计算等技术,针对云计算服务资源配置过程中存在的负载不均衡问题,提出一种加权最小连接负载均衡策略,完成了云平台构建的仿真实验,结果表明，设置服务器虚拟机个数为2、平均任务长度为5 000时,虚拟平台达到最优运行效果,可以在较短时间内完成云任务且云任务平均长度满足温湿度远程监测和控制的要求。该系统可以优化企业生产环境,提高纺织企业生产效率和信息化水平,降低劳动力成本,具有良好的应用前景。在纺织厂空调系统云平台设计方面,为了保证网络服务质量,还可以对网络流量分配策略进行更加深入地探究。