控制器局域网络( Controller Area Network，CAN)已经成为国际标准( ISO 11898) ，是国际上应用最广泛的现场总线之一［1-2］。CAN 的高性能和可靠性已被认同，其使用早已经从汽车中控领域中应用到工业自动化、楼宇、船舶、医疗设备、工业设备等方面［1-7］。现场总线是当今自动化领域技术发展的热点之一，被称为自动化领域中的计算机局域网。它的出现为分布式控制系统实现各节点之间实时、可靠的数据通信提供了强有力的技术支持。
在综合研究多种实验室仪器设备管理的方法后，本文开发了一个基于 CAN 总线和 STM32F103 单片机的智能化仪器设备管理系统，并结合云平台构建的SaaS 应用，为实验室大型仪器的使用情况提供一个实时的监控系统。通过使用该系统，提高了仪器的使用率，降低了仪器管理的成本; 同时通过对仪器使用情况的历史数据分析做出相应决策，使实验室开放时间更加合理。
1、CAN 总线和云平台
1． 1、CAN 总线
CAN 总线作为有国际标准的现场总线，凭借着其强大的扩展性、可靠性和灵活性［4］，已被广泛应用于多种领域。CAN 总线一般是由数据链路层、物理层和应用层三部分结构组成。CAN 总线协议包含 5 种类型的帧: 数据帧、遥控帧、错误帧、过载帧和帧间隔［2］。
CAN 总线越来越受到工业界的重视，主要是因为 CAN协议是一个简单的多主通信协议［4］，其网络节点可达110 个［1，8］，同时具有: 多主控制、系统的柔韧性、速度快、通信距离远、具有错误检测、通知、恢复、故障封闭和连接节点多［1，4，6］等诸多特点。
1． 2、云平台
云平台 SaaS［9］，即软件即服务，为商用软件提供基于网络的访问。云平台的使用能够在一定程度上减少自建服务器的运维成本，并且稳定性也大大增加，避免了自建服务器因断电、宕机、升级等原因造成的服务暂停［10］。尤其是考虑到大多数计算机在差不多大部分时间是空闲的，SaaS 可能非常有效。
2、系统设计
2． 1、系统整体设计
大型仪器设备监控系统整体结构分为三层: 硬件系统层、Web 应用层和对接层，如图1 所示。硬件系统层主要负责电流信号的采集，Web 应用层主要负责仪器使用情况数据的展示，对接层主要负责硬件层和Web 应用层的数据同步，选择与云主机分离，能够减少故障率。数据从硬件系统层经过对接层流向 Web应用层，最终用户可以通过移动端或 PC 端查看仪器的实时使用情况，方便大型仪器使用的管理和使用。
图 1 系统整体结构
2． 2、电流检测硬件系统设计
硬件系统的电路设计采用单片机 STM32F103、CAN 控制器采用了 TJA1050，CAN 收发器使用的是MCP255-I / SN，电流互感器用的是 ZMT103C，CAN 转以太网采用的单片机是 STM32F207，由于电流互感器检测到的数值太小，所以硬件系统还包括 LM358 双运算放大电路等外围电路。硬件设计框图如图 2 所示。
图 2 硬件设计框图
硬件系统的软件设计的概要内容是通过单片机控制 ADC 电流信号采样以及转换成 UDP 报文发送到以太网上。具体就是通过对单片机 STM32F103 实现ADC、CAN 控制器、LED 灯、DMA 初始化和控制，将采集到的电流信号数据的多次采样取平均值、设置最小阀值来防止干扰信号等数据处理操作，把 CAN 报文转成 UDP 报文，发送 UDP 报文等操作。由于同一实验室仪器通常多于一台，ADC 采样需要多通道 DMA 采样，本系统可以支持多通道 ADC 同时采样。
2． 3、Web 应用设计
仪器使用情况的展示主要采用的是 B/S 模式构建的 Web 应用，以保证在有网络的地方能够方便的查看仪器使用的实时情况。对于实验室和仪器的添加以及相关操作需要结合硬件系统的标识信息进行操作，这样才能保证仪器和云端的一致性。Web 应用的整体框架如图 3 所示。
图 3 Web 应用整体框图
Web 应用后端采用 Java 语言编写，并结合 spring，hibernate 等最新框架技术。数据库采用的是 MySQL。
前端展示采用 Web 应用常用 html，css，js，jQuery，ajax等技术。对于已经完成的 Web 应用，选择使用云平台以减少自建服务器的运维成本并提高稳定性。
2． 4、硬件系统与 Web 应用对接设计
硬件系统采集到的电流信号以及标识信息封装到UDP 报文中，通过网络发送，云主机编写的 python 语言实现的 UDP 监控程序负责把收到的报文转成相应的实验室 ID、仪器 ID、相应的状态以及时间等参数存到 MySQL 数据库中，使用者可以通过网页查看该仪器的状态信息; 由于网络延时等原因，UDP 监控程序采用多线程技术，提升整体处理性能。
3、结果分析说明
3． 1、仪器使用率分析
收集 1 个月内大型仪器在使用系统前的人工记录数据和在使用系统后的使用日志信息，经过 ETL( 数据抽取、数据转换、数据装载) 过程预处理和异常点去除，将处理后的数据进行统计分析。选择其中 3 种仪器，可以得到表 1。表中，能够清楚地看出仪器使用率按次数和按时间的具体数值，通过对比，可以得出在使用该系统之后，仪器的使用次数和使用总时间得到了一定的提升，使用效率得到了提高。
表 1 使用系统前后仪器使用情况
3． 2、用户习惯分析
实验数据选择上面 3 台仪器使用系统后的使用日志，对用户使用仪器以开始时间和结束时间数值对进行 DBSCAN( 基于密度的聚类) 聚类［11-13］，聚类后的散点图如图 4 所示。在图中，坐标点代表仪器开始时间和结束时间，可以明显看出聚类结果为两个个簇，对于簇 A( Cluster A) 就代表了上午使用的时间分布，簇 B( Cluster B) 就 代 表 了 下 午 使 用 时 间 分 布。通 过DBSCAN 也能进行异常检测［14］，异常点( Outliers) 就表示该仪器由于忘记关电源或者硬件检测系统出了故障等因素造成的，进而可以对该仪器进一步检查。
图 4 用户习惯聚类散点图
3． 3、仪器使用率
提高和管理成本降低使用该系统之后，用户和管理员可以实时查看仪器使用状态，方便用户使用，避免集中使用所造成的时间冲突，从而使使用时间分布均匀，进而提高使用率。
在仪器管理上，仪器的使用监控全部由硬件层系统负责，可以减少实验室管理人员，从而减少人力资源。
根据图 4 用户习惯分析图，一天的仪器使用时间段可以得出中午 90 min 内仪器不在使用，在 18: 20 以后做实验的人员已基本离开。因此可以根据目前的用户习惯调整该实验室开放关闭时间，从而可以使实验室开放时间更加合理。
4、结 语
通过该系统对最近一个月的大型仪器的使用管理信息化、网络化和智能化［15-16］，用户能够对其使用状态等实时情况及时的掌握，有利于决定其是否使用，减少使用冲突。通过统计学知识和机器学习算法对历史数据分析，能够很直观的反应出仪器使用的具体情况以及用户的使用偏好，对于学校关于大型仪器设备做出相应决策提供了可靠依据，有助于提高仪器使用率和实验室开放时间的管理。本系统不仅仅可以应用于实验室大型仪器的监控，同时还可以应用于别的相似场景，将来可进一步拓展到智能家居等物联网方向。