水泥生产过程中智能语音预警系统的建立

随着自动化技术的发展，工业过程的规模也逐渐增大，生产系统也变得更加庞大，设备或者生产单元之间的关系也不可避免地变得更加复杂。在水泥生产过程中，关联的设备或者生产单元可能会导致微小故障不断传播与扩大。报警系统的作用是设置报警变量并进行实时监测，一旦发现报警变量的监测值出现异常，就将当前报警变量的异常信息及时反馈给操作者，同时将系统运行状态的异常，以报警的形式记录并保存下来。目前，实际的生产过程中报警信息仅用于给监控人员查看，缺少语音播放形式，容易造成报警记录遗漏。通过语音形式播报报警信息，还可以提醒生产作业人员及时处理报警故障和异常，对提高生产过程中报警信息的处理的效率和实时性具有重要意义。本文提出了基于智能语音预警方法，通过工艺段的不同为用户筛选对应的报警信息，通过设定报警复报时间避免短时间内大量重复的报警，利用TTS（TextToSpeech）引擎将报警文本转为语音输出，达到既能有效提醒操作员设备异常，又不会频繁地输出语音报警信息引起用户反感。

1、系统整体架构智能语音预警系统是集报警处理、报警分类、语音合成及基础数据为一体的预警文本显示转向语音播报的功能系统，模块示意如图1所示。报警处理：对于已确认的报警和已自动恢复的报警采取报警抑制措施，在设定时间段内不再产生报警，减少短时间内报警次数，超过设定时间后，重新接收新产生的报警。报警分类：按照生产工艺段划分报警分类，如生料磨段报警、回转窑段报警等。语音合成：传统的报警提示以文字为主，大量的报警信息条闪烁容易产生视觉疲劳和重要信息漏看。将报警提示文本通过语音引擎合成为声音播放出来，容易引起重视，同时通过过报警抑制、报警分类、语音播报间隔处理的模块，也不会产生频繁的语音播报。权限控制：主要为操作员分配所属用户权限组及用户权限分配等，来确保被相应操作员获取。图1系统模块示意

2、系统构成2.1系统数据流智能语音预警系统的数据基础是报警数据，而报警数据的基础是实时数据采集、报警规则、语音报警条件筛选等。本文基于WinCCOA建立智能语音预警系统，实现流程如图2所示，现场各系统、设备通过各类驱动接入到WinCCOA产生实时数据，实时数据和报警规则产生报警信息，报警处理模块抑制频繁报警的产生，语音报警条件筛选出报警信息文本，最后通过语音引擎合成后播放。2.2数据采集系统采用OPCDA、Modbus、西门子S7Driver采集现场设备和DCS系统数据。OPC驱动主要对接水泥线DCS，采集水泥生产设备的运行参数，如生料磨、煤磨、窑、水泥磨、风机等设备的电流、温度、转速、振动、压力等运行参数。Modbus驱动采集智能电表数据，如三相电压、电流、功率因数、有功电度、无功电度、功率等数据。图2语音报警实现流程西门子S7Driver采集脱硫脱硝系统数据，如NOx、SO2、CO、烟尘等浓度数据。这些数据是实时监控和预警的基础，需要在WinCCOA控制台添加各类驱动程序并在系统管理界面配置各类驱动参数保证驱动能够连接到DCS系统、OPC服务器、PLC、智能电表等。再建立数据点配置数据地址、采集周期采集需要的生产数据。水泥线生产过程监控系统采用一体化设计思想，完成多层级的画面展示、趋势监测、综合报表展示，以及交互式应用的统一组态和发布。建立厂级（一级单位）、车间级（二级单位）、设备级（三级单位）的监控系统，利用系统实时监测功能，及时记录报警信息。水泥线生产过程的窑尾工序监控画面如图3所示。图3窑尾工序监控画面2.3WinCCOA语音合成播报软件中的语音技术主要包括两方面的内容，一个是语音识别（Speechrecognition），另外一个是语音合成（Speechsynthesis），即文本语音转换系统（TTS）。TTS系统用合成语音合成文本字符串和文件到声音音频流。而语音识别系统则是转换人类的声音语音流到可读的文本字符串或者文件。这两个工作，都是通过各种语音引擎来完成的。微软所提供的SAPI（全称TheMicrosoftSpeechAPI），正是在应用程序和语音引擎之间提供一个高级别的接口，它实现了所有必需的对各种语音引擎的实时的控制和管理等低级别的细节。语音引擎通过DDI层（设备驱动接口）和SAPI进行交互，应用程序通过API层和SAPI通信。通过使用这些API，我们可以快速开发在语音识别或语音合成方面应用程序。SAPI应用程序编程接口（API）无须实现语音识别和文本语音转换的应用程序所需要的高层代码，使语音技术更加容易使用并且扩大了应用的范围。TTS系统使用合成语音合成文本字符串和文件到声音音频流[8]。WinCCOA语音合成播报使用SAPI里的TTS，通过脚本筛选报警信息、调用SAPI的TTS，将报警文本转为语音并以合适的速度播放出来，流程见图4。图4语音合成播报流程2.4语音预警条件语音报警脚本通过当前登录用户的权限组和报警分类做匹配，筛选出对应报警信息，通过语音合成引擎播放报警文本。筛选报警信息流程如图5所示。图5语音预计条件2.5报警规则报警处理脚本监视每条到来的报警，当报警的状态转为已确认或已恢复，会采用取消报警激活来抑制其下次报警。抑制时间可通过基础数据报警规则配置界面来设定。流程如图6所示。2.6报警复报通过报警抑制处理，在设定时间内不会产生同一问题的报警，超过设定时间后，报警会激活，如果故障未解除则新的报警能够正常产生。抑制的时间主要通过延时函数及多线程处理，保证功能正常又不会阻碍系统其他程序正常执行。图6报警规则

3、系统数据库设计3.1数据库及开发工具系统采用双数据库，本地采用InfluxDB数据库（短周期存储）、数据库服务器采用PostgreSQL（长时间存储）数据库，实时数据及生成的预警数据并行归档到InfluxDB和PostgreSQL，如图7所示。图7PostgreSQL数据库数据存档表InfluxDB是一个由InfluxData开发的开源时序型数据。它由G语言写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的数据监控，IoT行业的实时数据存储等场景。PostgreSQL是一款对象关系型数据库。它拥有现代关系型数据库基本的特性：（1）使用关系型模型作为数据模型；（2）使用锁和WAL日志实现事务的原子性，使用查询处理器运行检测实现事务的一致性，使用锁和MVCC实现了事务的隔离性，使用WAL日志完成了事务的持久性；（3）具有完善、先进的查询处理器，能够使用动态规划，遗传算法进行基于成本的代价优化；（4）使用进程模型作为工作模型；（5）具有丰富的系统函数、类型、接口、插件、前端工具、语法等。WinCCOA数据归档功能被设计为采用InfluxDB作为本地实时数据和报警数据的存储数据库，使用PostgreSQL（也支持MSSQL（需要购买），这里选用PostgreSQL（开源免费））作为远程存储数据库，通过WinCCOA管理实时数据表的创建、归档及过期数据清理，以及斜率、突变计算公式、报警阈值的配置。同时，PostgreSQL作为关系型数据库，支持自定表结构，可支持时序数据之外的其他关系型数据存储，如工序、设备、数据点建模。PostgreSQL数据库开发工具采用pgAdmin4或Navicat等图形管理工具。3.2数据表设计系统采用PostgreSQL建立新的工序、设备、数据点建模数据表。采用开放式数据库互联（ODBC）标准进行数据库的访问。软件平台提供操作界面给系统维护人员来配置，包括建立新的工序、设备、数据点建模，为用户提供表格式操作界面，用户可自行修改报警阈值及启用禁用报警。

4、测试结果及分析第一步，给某个点位配置报警上限并激活报警，例如选取813AI_II_AI80401II这个点位的METER属性（840.1轻式板喂机电流）配置报警上限30（此处为测试用值，不代表实际报警上限，实际报警上限由相关人员根据设备设计使用参数来确认），选择报警类HYZ_LIMIT。第二步，等待该属性值超过30时，触发上限报警，报警文本红底黑字。如图8所示。此时，报警抑制脚本捕捉到该条报警信息，由于报警刚产生，还未确认或恢复，不做处理，等待操作员确认该报警或属性值低于30时报警恢复，触发报警抑制功能，先自动取消报警激活，在等待设定的时长后，自动激活报警。图8产生上限报警在报警产生后，报警未确认或未恢复前，语音报警脚本会实时捕捉报警信息，后台打印报警文本（属性点描述+设定的报警文本，次数为“异常”），并以声音的形式播放出来。在报警被确认或恢复后，该报警信息不再语音播报。经多次人工改变属性值和通过采集设备实时数据，重复上面的