基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法.docVIP

基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法 　　摘要：为解决大量工业远程监控数据在通用分组无线服务（GPRS）网络上的传输延迟问题，提出了基于改进科学计算浮点数压缩（FPC）算法的工业远程监控数据无损压缩方法。首先，根据工业监控数据中浮点数部分的特点对原FPC算法中的预测器结构进行改进，并将该改进算法作为浮点数部分的压缩算法； 然后，与区间编码相结合作为整个数据域的压缩方法。改进前后的浮点数部分压缩实验结果表明改进的FPC算法提高了预测器的预测精度，且在保持较高压缩效率的同时提高了压缩率。与通用无损压缩算法相比，所提算法提高了12%以上的平均压缩率，减少了38.5%以上的平均压缩时间，使得传输时间降低了23.7%以上，在传输数据量大且传输速率不高的情况下大大提高了监控的实时性。 　　关键词：通用分组无线服务；工业远程监控数据；无损压缩； 科学计算浮点数压缩算法；区间编码 　　中图分类号： TP391.1 　　文献标志码：A 　　0引言 　　近年来，随着工业规模的不断扩大，工业技术的不断发展以及自动化水平的不断提高，工业监控从传统的现场监控发展到了远程监控模式[1]。对于工业远程监控系统而言，其数据传输的可靠性、实时性和网络覆盖范围的灵活性是评价其性能的主要指标[2]。通用分组无线服务（General Packet Radio Service， GPRS）无线网络以其覆盖范围广、实时在线、按量计算等优点[2]，在工业远程监控中比其他有线和无线方式的传输网络应用更加广泛[3]。但GPRS的网络传输速率不高，传输大量数据时会造成系统传输延迟，在各行业远程监控系统中，为高效利用GPRS网络有限的通信通道完成数据的传输，研究人员提出了适用于多种数据形式通用无损压缩方法[4]及有损压缩方法，通用无损压缩方法有基于Huffman编码技术的方法[5-7]，解决了如全球定位系统（Global Positioning System， GPS）数据、记录数据等数据的压缩传输问题；基于LZW（LempelZivWelch）算法的数据压缩算法[8-10]，通过建立快速字典查找方法，减少文本数据及电能数据的压缩时间，提升传输效率。有损压缩方法有基于小波变换与LZW等算法的结合方法[11-13]，能够快速压缩监测的电能和震动数据的波形文件。工业监控数据的精度要求使得有损压缩是不适合的，只能以无损压缩实现压缩传输，然而通用的无损压缩算法由于忽略浮点数本身的特性[14]及监控数据间的关系，在工业监控数据的无损压缩上无法取得很好的效果。 　　文献[15]分析了双浮点型科学计算浮点数的特点后提出的科学计算浮点数压缩（Floating Point data Compression， FPC）算法能够提供较高的压缩吞吐量，适合监控数据的压缩，但压缩率普遍不高。本文根据FPC算法直接应用时预测器结构的不足，将其改进后作为工业监控数据中浮点数部分的压缩算法，提出基于改进FPC算法的工业监控数据无损压缩方法――BFPC（Block Floating Point data Compression），实验结果表明对FPC算法的预测器的改进能够提高预测精度，提高浮点数部分压缩率，BFPC方法与经典的通用无损压缩算法相比，在压缩率和压缩效率上都有所提高，大幅减少了传输时间，提高了监控系统实时性。 　　1工业远程监控数据特点 　　现在的大型工业生产过程都是通过一些可编程控制器如PLC（Programmable Logic Controller）进行控制的，远程数据的监控就是对控制器中所采集的传感器值和所输出的控制值进行定义后通过无线网络GPRS向远程服务器端传输，其传输数据的结构如图1所示，数据值前的数据格式及数据地址作为数据值的定义部分是为了方便远程接收端的解析，远程服务器端接收后再对接收值进行实时显示及定时存储。为了满足计算与显示精度，监控值存储时会转化为单精度浮点数，其精度的要求决定本文研究的是其无损压缩方法。 　　浮点数形式的存储与其他数据类型的存储方式有本质的不同，单精度浮点数根据IEEE754[16]的存储规则如图2所示，可以看出通用的无损压缩算法由于忽略了浮点数尾数部分的变化幅度大的特点，始终以字节为单位进行压缩，导致基于统计的无损压缩算法的各字节出现频度相近，基于字典的无损压缩算法出现相同字符串可能低，即通用无损压缩算法对浮点数据的压缩一直不理想。除了浮点数存储的特点，工业远程监控数据还存在其他的特点，对于稳定的控制系统而言，其监控值随时间的变化是很微小的，而且工业现场所监控的传感器值都有其物理意义，比如温度、流量等，同一种生产工艺相同物理意义的值之间存在很强的规律性。 　　2FPC算法的改进 　　FPC算法的原理简单