电工电子实验室智能辅助管理系统设计与研究.pdf

ISSN1672-4305CN12-1352/N实 验 室 科 学LABORATORY SCIENCE第 26 卷 第 4 期 2023 年 8 月Vol.26 No.4 Aug.2023 电工电子实验室智能辅助管理系统设计与研究隋首钢,乔 镔(山东建筑大学 信息与电气工程学院,山东 济南 250101)摘 要:人工智能技术的发展以及电工电子教育的普及为电工电子实验室的教学和管理环境提出了更高的要求。实验室管理系统提出了将智能化与人工管理相结合的管理模式,利用 python-web 开发技术实现系统软件平台设计,具有学生选课、退课、上传实验数据,教师排课、发布实验课程等功能。利用机器学习算法技术实现了对学生上传实验数据的聚类分析,将实验数据分为正确、操作错误以及机器故障三类数据,从而实现了学生成绩的自动评判以及设备故障辨识。另外,空调设备模块也基于机器学习算法技术,通过自动采集周围环境温度和湿度数据,实现了空调的自动控制,在综合考虑舒适度与节能的基础上,达到自主调节室温的实验室环境控制智能化。关键词:电工电子实验室;机器学习;Python-Web 开发;自动控制中图分类号:TP391 文献标识码:A doi:10.3969/j.issn.1672-4305.2023.04.012Design and research of intelligent auxiliary management system for electrical and electronic laboratorySUI Shougang,QIAO Bin(School of Information and Electrical Engineering,Shandong Jianzhu University,Jinan 250101,China)Abstract:The development of artificial intelligence technology and popularization of electrical and e-lectronic education have put forward higher requirements for the teaching and management environment of electrical and electronic laboratory.A management mode combining intelligence and manual man-agement is proposed for the laboratory management system.Using Python-Web development technolo-gy to realize the design of the system software platform,with the functions of students selecting cour-ses,quitting courses,uploading experimental data,teachers arranging courses,releasing experimental courses and so on.At the same time,the machine learning algorithm technology is used to realize the clustering analysis of the experimental data uploaded by students,and the experimental data is divided into three types:correct data,operation error data and machine fault data,so as to realize the automat-ic evaluation of students performance and equipment fault identification.In addition,the air condi-tioning equipment module is also based on machine learning algorithm technology,through the auto-matic collection of ambient temperature and humidity data,the automatic control of the air condition-ing,on the basis of comprehensive consideration of comfort and energy saving,to achieve the inde-pendent regulation of room temperature laboratory environment control intelligence.Key words:electrical and electronic laboratory;machine learning;python-web development;auto-matic control 收稿日期:2021-03-21 修改日期:2022-09-26作者简介:隋首钢,硕士,副教授,电工学教研室主任,研究方向为电工电子技术。E-mail:suisg 高校实验室是学校教学科研工作的重要组成部分,实验室建设与管理水平直接关系到人才培养的质量 1。电工电子教学实验室由于其面向对象广、工作量大、上课学生众多,因此其随之产生的实验数据也比较多。传统的手工检测和管理模式已经暴露出众多的缺点,主要包括数据溯源困难、无法共享,管理效率相对低下,另外对数据进行加工、统计和分析的过程也不够准确,不利于学生对其实验过程产隋首钢,等:电工电子实验室智能辅助管理系统设计与研究生的故障等问题进行改正和解决。因此我们需将智能化思维运用到电工电子实验室的管理模式中,来更加合理充分的利用教师资源,充分利用数据挖掘、聚类等算法技术对学生上传的实验数据进行分析和整理,提高教学效率。同时我们也利用算法实现了空调的自动控制,使空调自动的调节室温,为实验室建造一个温度适宜的环境。1 系统功能结构介绍1.1 系统架构本系统共分为两大部分,一是软件平台设计模块,二是算法设计模块。其中软件平台设计模块中具有三种用户角色身份,分别为学生、主任(管理员)和教师。主任角色权限最高,教师角色次之,学生角色权限最少。算法设计模块中主要利用机器学习算法对学生上传的实验数据进行分类及辨别,另外还需要利用有监督的机器学习算法对实验室的温、湿度数据进行分类和计算,实现空调的自动控制。1.2 系统功能需求在软件平台设计模块中,学生具有选课、上传实验数据、查看课程详情等权限;教师具有排课、发布课程、对实验数据进行分析和处理等权限。教师端需要对学生上传的实验数据进行聚类和分析,对学生的实验成绩进行评定和打分,并为教学管理提供一定的参考;主任即管理员角色,具有教师和学生二者的所有权限。除此之外主任还具有审核教师的排课并查看学生的选课等权限,对教师的教学管理和学生课程学习起到监督管理的作用。在算法设计模块中,对于学生上传的实验数据,采用基于 K-means 改进的 K-means+算法对其进行分类,然后利用数据可视化技术将学生上传的实验数据以图表的形式展现在教师面前,以此来直观的看出学生所做实验数据的准确性情况。分类完成后再采用 K 近邻算法对已经分类好的数据集和标签进行计算,最终实现对学生上传的实验数据进行分析辨别。对于空调设备模块,首先需要进行人体的舒适度调查,记录空调设备分类所需要的数据集,然后利用机器学习算法来实现对数据集的分类,根据环境的温湿度信息来最终实现空调的自动控制。2 软件平台设计2.1 Web 界面设计实验室管理系统的页面需简洁大方、主次分明、人性化,给人舒适感。基于 Web 技术设计的电工电子实验室智能辅助管理系统的软件页面部分 Web界面是作为用户和计算机进行交互的媒介,是设计中比较重要的内容。本管理系统的界面设计采用了 JavaScript、HT-ML、CSS 等相关前端技术。界面设计使用 HTML 标记语言来建立本系统的 Web 站点,HTML 能够运行在绝大部分主流的浏览器上,兼容性好,解析速度快,而且稳定性高。CSS 多级下拉菜单的使用主要是为了节省页面资源 2。而 CSS 中的动画可以控制多重的网页的样式与布局,可以大大提升网页开发的工作效率。JavaScript 是面向对象、解释型的高级语言 3,常用于 Web 页面客户端脚本语言,为网页增加动态功能和效果 4。在主界面中,设置个人信息或进行相关查询工作,接口规范中需要明确用户类型、用户名。页面中实验室管理包括实验室数据上传、选课、退课等字段。各部分都有权限设置,只有对应权限的管理员才能进行信息的修改与设置。若普通用户想具备申请权限,需向管理员申请修改权限。另外本系统的页面导航利用 CSS 实现,其多级下拉菜单不仅功能齐全,而且代码简洁,能给用户一个舒服的视觉感受。本系统中,设计的所有用户共用一个登录界面,登录成功后,由于用户角色权限的不同,其功能接口界面分别设计。系统的界面运行原理描述如图 1 所示。图 1 界面运行原理图2.2 数据库设计在整个管理系统中,数据库是支撑用户和浏览器之间网络访问和查询的主要部分,数据库位于整个实验室管理系统的底层,所有相关用户角色、权限操作等都是围绕数据库展开的。本系统的数据库采用 SQLite 这种轻量级、零配置、自给自足的软件库 5。数据库作为整个实验室管理系统各种用户数据的最终存储场所,需要其设计完整性强、效率高,另外数据库中的数据表设计也必须要紧密结合系统中各种用户角色的需求,在用户需求分析的基础上继续设计出与实验室的教学任务相关的功能模块和数据结构,以便于管理员角色后期对实验室系统的维护更新和教学业务的拓展。由于本系统是为实验室而设计的,是为学生、主任和教师服务的,因此本系统更需要重视数据维护,尽量使用最少的表格和最弱的关系来实现大量数据的存储。数据库的设计,要通过建立表来存储系统内部各用户产生的数据,其最终建立好的数据库模型如图 2 所示。94图 2 数据库模型原理图2.3 管理模块设计本系统中主任角色即是管理员角色,该角色登录成功后,进入后台管理界面,可以对数据库进行维护,其中包括对系统中已登录用户的数据的增、删、改、查等,还可用于审核教师提交的课程。另外管理员权限还有编辑、添加、删除用户权限,还可以通过编辑用户功能改变学生和教师的权限。除此之外该角色还可以修改公告表,通过对数据库的操作直接编辑完成教师课程的审核,该角色权限具有教师和学生这二者角色的所有权限,管理员角色还可以对教师和学生操作及管理系统的运行管理起到监督的作用。管理员的权限如图 3 所示。图 3 管理员权限2.4 教师模块设计教师权限登录成功后,进入相应的教师用户界面,该角色可以根据实验室的实际教学任务发布实验课程,并实现学生实验课的排课管理等功能,教师还可以发布与实验课程相关的公告表,并对学生上传的实验数据进行审核分类。另外,教师模块具有对学生选课审核功能。教师身份具有课程管理、课程详情、课程学生管理、课程实验管理、课程公告管理、课程实验批改这六个操作权限。教师权限如图 4 所示。2.5 学生模块设计学生可以对实验室的实验课时安排进行查询,也可以根据实验室的教学需求进行选课并提交实验数据和成绩。学生在进行实验时首先要登录实验室图 4 教师权限管理系统,以验证学号和密码的方式来识别用户身份,也可以通过默认的密码成功登录系统后来修改之前自己的账户密码。学生登录系统后就授予相应的权限,系统的默认角色就是学生,权限最低。学生成功登录系统后要进行信息录入,包括实验的时间、地点、实验内容。身份确认完之后,学生就可以对教师端发布的实验课程进行选课和退课,学生还可以查看教师发布的公告表,及时了解实验室的各种安排和其它公告信息。当学生做完实验时,对于学校统一安排的实验课程,学生还需要录入实验结果,并在实验完成后完成实验报告并提交到系统上,此时教师端可以自动生成电子版实验报告,方便教师检查以及成绩评定。学生所拥有权限如图 5 所示。图 5 学生权限3 算法设计3.1 数据分类算法设计电工电子实验室智能辅助管理系统创新性的实现了智能化管理。本系统中对于学生上传的实验数据采用基于 K-Means 改进的 K-Means+算法对其分类,分类完成后采用 K 近邻算法对其进行训练,并实现了对新传入实验数据的预测辨别功能。K-Means+算法是一种无监督的机器学习算法,它的功能就是单纯的对数据进行分类,其分类原理如下:首先,尽量选取距离相对较远的 k 个样本点作为数据集初始的聚类中心,然后利用欧式距离来间接判断不同数据和所选取样本点之间的相似性,其相似性是由距离远近来决定的。数据与样本点之间的距离越近,其相似度越高,距离越远,其相似性越低 6,最终将与距离样本点最近的数据分为一类。由于不同种类的数据之间其本身就存在很大的不同,因此 K-Means+算法完全适用于本系统中对学生上传的实验数据进行分类。其分类原理流程图如05 隋首钢,等:电工电子实验室智能辅助管理系统设计与研究图 6 所示。图 6 K-Means 算法原理图分类完成后,还需要对学生新上传的实验数据进行预测和辨别,这里采用有监督的K 近邻机器学习算法。K 近邻算法是根据数据类比来进行训练学习的 7-8。K 近邻算法是通过给定训练数据的集合来得出每一个个体的属性,对于还未分类的实例,首先需要在给定的训练数据集中找与该实例距离最近的k 个实例,然后利用欧式距离来判断未分类的实例与选中的 k 个实例的距离,距离越近,则表示该组实例为同一类数据的可能性就越大。如果数据集中的 k个实例的大多数属于某个分类的类别,即满足“少数服从多数”的原则,那么未分类的实例类别就会被分那 k 个实例中的大多数所属于的那个分类类别。也就是说,对于待分类的实例属于哪个类别是完全由那些 k 个实例“投票”决定的。因此 K 近邻算法最核心的问题就是 k 值的选择,若 k 值选择太小,则会造成很大的随机性和盲目性,若 k 值选取很大,则会造成系统迭代时间过长,浪费内存,拖慢电脑运行速度。K近邻算法原理流程图如图 7 所示。本系统中首先从实验台上读取数据,由于数据的读取具有很大盲目性和随机性,所以读取完数据后需要对数据进行预处理,将数据中的重复值和缺失值处理掉,然后再将预处理过的实验数据分为三类,即正常数据、机器故障数据和人为故障数据,即K-Means+算法中的 k 值为 3。分类完成后,教师端可以利用 Python 数据分析及可视化技术,通过Matplotlib 模块将实验数据展示在图像中,然后观察三类数据的分布情况,为接下来的教学工作及安排图 7 K 近邻算法原理图提供一定的参考作用。其算法流程如图 8 所示。图 8 数据分类可视化K-Means+算法分类完成后,其会为数据集中的每一类数据加上标签,作为接下来K 近邻算法模型的训练集。在对新数据的预测中,首先采用K 近邻算法建立一个分类算法辨别模型,对数据集中的每一类数据和其对应的标签进行训练和学习,这里我们选择 k值为 5,k 值为奇数的最大好处就是可以避免“平局”现象,待模型训练好后就可以对接下来做实验的学生上传的实验数据进行预测辨别了,此时教师端可以直接在电脑上查看学生新上传的实验数据属于哪一类,进而对学生的成绩进行打分评定。而不需要和传统的实验室教学模式一样,需学生做完实验后,自己记录在实验报告中,然后供授课教师们查看,既浪费了教师和学生的宝贵时间,也会不可避免的出现学生数据造假行为。其算法设计过程如图 9 所示。图 9 K 近邻算法训练及预测15其训练完成后和预测辨别的数据如图 10、图 11 所示。图 10 U 与 Ic聚类结果图 11 U 与 Ic数据辨别我们从聚类的结果可见 K-Means+已经根据数据可视化确定的 k 值将实验数据完整无误的聚成了三类,达到了预期效果。从电工实验室的运行特点来看,电工实验室中的实验不确定因素很多,其产生的实验数据差别也很大,但是依然有规律可循。学生做实验产生的实验测量数据,大部分是正确的,小部分才是错误的数据,也就科学了解释了在三个类簇中,必定有一个类别的数据量是最多的,可以直接判定该类别中的数据集是正确数据。其余两个类别中的零星分布的数据为不同错误类型的实验数据。从而验证改进后的聚类算法与数据可视化二者能够配合应用,共同实现学生的实验数据聚类。3.2 空调设备算法设计智能辅助管理系统不仅要在教学管理上体现出教学方式的智能化,也要在教学环境中体现出智慧化,其中的空调设备就是设备算法中的一个重要模块。空调设备模块采用有监督的逻辑回归算法,逻辑回归算法既可以解决二元分类也可以解决多元分类。逻辑回归算法原理为:对于输入的数据,当这个数据大于我们的阈值时,输出 1,小于阈值时则输出0。该模型的输出变量的范围 始 终 在 0 1 之间9-10。对于多元分类,逻辑回归算法会将其转换为特殊的二元分类来处理,即在众多类别中选取第一个类别作为二元分类中的第一个类别,其余剩下的类别作为二元分类的第二个类别,分别计算这两个类别的概率,然后再把众多类别中的第二个类别作为二元分类中的第一个类别,其余的作为二元分类的第二个类别,以此类推,预测出来的概率的最高的那个类别就是样本所属的类别。首先我们需要利用温、湿度传感器采集大量的有效的温、湿度信息,同时记录每组温度和湿度数据对应的空调状态标签,这里的空调状态标签为三个,即关闭状态、25和 27。关闭状态说明环境满足人体的舒适度要求;25为冬季空调设置于制热模式;27 为夏季空调设置于制冷模式,空调运转时检测环境湿度可自动变换加湿模式。按照上述三种空调状态运用逻辑回归算法建立一个分类算法模型,对所采集的数据和标签进行分类和训练,待模型的训练结果达到一定的准确性后,即可对新的温度和湿度数据进行分析和处理,判断当前的温度和湿度对应的标签是属于空调的哪一种状态。而最终空调会利用自身的温、湿度传感器实时检测实验室的温、湿度信息,然后自主地判断空调是否打开或者关闭,若要打开,空调也会自动调节温度和湿度,最终实现的是实验室温度和湿度由空调自动控制,而不需要人为的干预。其算法设计如图 12 所示。图 12 逻辑回归算法训练及预测4 结语电工电子实验室智能辅助管理系统改变了以往传统实验室依靠大量人力、物力的管理模式,采用了基于 Python-Web 开发的软件平台,将传统的线下管理模式转变为线上。该系统具有课程管理、实验数据管理等功能,降低了实验数据的溯源困难和避免学生实验数据的丢失,节约了实验室资源的同时也提高了实验室教学管理的效率。另外本系统采用了机器学习相关算法对学生上传的实验数据进行集中处理并聚类分析,教师可以利用软件平台和可视化技术,轻松地从电脑端直接查看学生上传的实验数据的分布性特点和准确性,为接下来的教学任务提供参考。空调设备也采用了机器学习算法,实现了空调能够根据自身的温度、湿度传感器来实时检测周围环境的温、湿度,并自主的控制空调的开关状态,实现了空调的自动控制,为实验室提供了一个温(下转第 57 页)25 王若璇,等:基于 USRP 与 LabVIEW 的频谱感知实验平台设计际应用,真正做到理论与实际的结合与统一,将掌握的知识运用并带回到实践中去。3.2 程序模块化,便于呈现系统工作原理LabVIEW 的一大特点为其编程语言图形化,这使编程的过程变得简单清晰,也使得程序变得更加直观易懂,更便于学生通过读懂系统程序从而理解系统的工作原理。频谱感知系统采用模块化的设计,使用图形化的语言编程更易于模块化地呈现频谱感知系统的工作原理,更易于学生掌握每一个模块的具体原理与实现过程。3.3 参数灵活配置,举一反三的教学效果USRP 具有配置灵活的特点,频谱感知实验教学平台的各项实验参数也均可自行设置与更改,这更便于学生在完成本文所设计的实验的基础上,将频谱感知技术应用于更多背景中并进行实验设计与实践。此外,学生还可以通过修改系统中某些模块的实现算法从而对系统的功能进行一定的扩展,从而培养学生触类旁通、举一反三的能力。4 结语本文搭建了基于 USRP 与 LabVIEW 的频谱感知实验教学平台,并以公共安全专用移动通信网络为背景设计了具体的实验内容且给出了实验结果。将频谱感知技术应用于公共安全网络,有利于提高有限频段的频谱资源利用率,从而可以在应急情况下保证通信网络的畅通,为公共安全提供可靠的网络服务。将频谱感知技术的理论教学、实验教学相结合,并将技术应用于解决现实中的实际问题,有益于学生在实验中加深对知识理论的理解,并培养学生理论联系实际、运用理论知识解决实际问题的能力。另外,基于 USRP 与 LabVIEW 的实验教学平台还可以应用于其余各类的研究生相关课程的教学与实验中,例如设计现代谱估计实验平台并将其应用于“近代信号处理”课程的教学中,从而有效辅助课程的理论知识教学。参考文献(References):1 马晓晓.认知无线电频谱感知技术的应用探讨J.数字技术与应用,2020,38(5):69-70.2 公安部第一研究所.公共安全宽带专用移动通信网络现状与发展趋势M.北京:清华大学出版社,2017.3 江晓林.认知无线电网络中频谱感知算法研究D.哈尔滨:哈尔滨工业大学,2015.4 王洪,陈祝明,郭睿刚.基于软件无线电平台的频谱感知实验设计J.实验科学与技术,2016,14(5):16-20.5 蔡超强.LabVIEW8.5 在信号频域分析教学中的应用J.实验科学与技术,2009,7(3):7-9.6 王慧.基于 LabVIEW 的虚拟仪器的实验教学研究D.上海:复旦大学,2008.7 魏宇恒.基于 LabVIEW 的通信虚拟实验系统的开发D.大庆:东北石油大学,2010.8 美国国家仪器为高校教育者提供创新的教学方案NI USRP-2920/21 为射频和通信实验教学引入全新的动手实践平台J.国外电子测量技术,2011,30(10):81.9 陈翔,曾祥健,邱继云.基于软件无线电的 RFID 教学实验平台J.教育教学论坛,2020(45):373-376.10 罗屹洁,徐煜华,崔丽.“通信系统综合实验”教学平台建设J.电气电子教学学报,2018,40(2):136-138.11 熊天意.认知无线电频谱感知技术研究D.西安:西安电子科技大学,2017.12 钱枫.认知无线电网络中频谱感知算法研究J.电子科技,2011,24(3):97-100.13 杨晓明,晋玉剑,李永红.经典功率谱估计 Welch 法的 MAT-LAB 仿真分析J.电子测试,2011(7):101-104.14 夏彩杰,王爱华,安建平.基于 CME 算法的数字窄带干扰抑制及改进J.数据采集与处理,2006(S1):114-118.15 周运伟.警用 PDT 标准的技术发展策略研究J.中国人民公安大学学报(自然科学版),2011,17(1):35-39.(上接第 52 页)度适宜的教学环境。本系统的应用将在实验室教学管理方面提升到了一个新的高度,为其它高校智能辅助实验室管理系统的研究与设计提供了参考。参考文献(References):1 范国婷,韦斯羽,王秀友,等.高校实验室管理系统的设计与实现J.通化师范学院学报,2020,41(8):76-81.2 亓才一.基于纯 CSS 的 Web 多级下拉菜单制作方法J.软件研发与应用,2020(8):11-13,16.3 邓绯.使用 JavaScript+JQuery 实现网页翻屏J.应用与开发,2020,36(6):134-135.4 单东林,张晓菲,魏然.锋利的 jQueryM.北京:人民邮电出版社,2009.5 陈忠菊.基于 SQLAlchemy 的研究和在数据库编程中的应用J.电脑编程技巧与维护,2015(1):62,85.6 李婧,徐胜蓝,万灿,等.基于自适应 k-means+算法的电力负荷特性分析J.南方电网技术,2019,13(2):13-19.7 皮亚宸.K 近邻分类算法的应用J.通讯世界,2019,26(1):286-287.8 加文海克(Gavin Hackeling).scikit-learn 机器学习M.2版.张浩然,译.北京:人民邮电出版社,2019:166-184.9 边玉宁,陆利坤,李业丽,等.基于逻辑回归的金融风投评分卡模型实现J.计算机科学,2020,47(z2):116-118.10 黄永昌.scikit-learn 机器学习:常用算法原理及编程实战M.北京:机械工业出版社,2018.75