CN109905278A - 基于大数据的基站故障检测方法、装置和存储介质 - Google Patents
基于大数据的基站故障检测方法、装置和存储介质 Download PDFInfo
- Publication number
- CN109905278A CN109905278A CN201910154191.XA CN201910154191A CN109905278A CN 109905278 A CN109905278 A CN 109905278A CN 201910154191 A CN201910154191 A CN 201910154191A CN 109905278 A CN109905278 A CN 109905278A
- Authority
- CN
- China
- Prior art keywords
- base station
- value
- probability
- fault detection
- malfunction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于大数据的基站故障检测方法。该方法包括：接收基站传来的监测自身环境的监控数据；根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；根据所述概率值判断基站是否发生故障。本发明还公开了一种基站故障检测装置及存储介质。本发明对基站的大量运作数据通过算法模型计算进行分析，能够提高基站故障的检测效率和预警效率。
Description
技术领域
本发明涉及基站维护领域，尤其涉及一种基于大数据的基站故障检测方法、装置和存储介质。
背景技术
随着智能手机和智能终端的普及，移动网络运营的重心从通话走向数据，人们对于移动网络信息的需求量与日俱增。随着5G时代的到来，需要投入建设的基站数量也越来越多。为保证基站的运维管理，会利用动力及环境集中监控管理系统(简称：动环监控系统)对基站进行监控。
然而，业内的大多数动环监控系统依然采用传统的监控模式，即采用数据采集、存储、呈现、并结合人工筛选、凭借运维人员经验判断等进行运维调度，监控等。然而，对于高密度基站而言，这种人工监控方式需要投入较多的人力和物力，同时，也存在故障的检测效率不高，故障预警不及时等缺点，影响基站的运营管理。
发明内容
本发明的主要目的在于提供一种基于大数据的基站故障检测方法、装置和存储介质，旨在实现提高基站故障的检测效率和预警效率。
为实现上述目的，本发明提供一种基于大数据的基站故障检测方法，所述基于大数据的基站故障检测方法包括以下步骤：
接收基站传来的监测自身环境的监控数据；
根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；
根据所述概率值判断基站是否发生故障。
可选地，所述预设的故障概率算法为：
其中，P表示算法输出的故障概率值，N为影响基站正常运行的影响因子的总个数，i为影响基站正常运行的N个影响因子中的第i个因子，pi为影响因子i的概率占比，Ri为影响因子i的权重。
可选地，所述根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值的步骤包括：
对所述监控数据进行预处理，获得所述监控数据中多个影响因子的数值；
对所述多个影响因子数值进行计算，获得所述影响因子的权重值和概率占比；
利用预设的故障概率算法对所述影响因子的权重值和概率占比进行计算，获得所述基站的故障概率值。
可选地，所述根据所述概率值判断基站是否发生故障的步骤包括：
根据所述故障概率值与预设的阈值进行比较，判断基站是否发生故障。
可选地，所述基于大数据的基站故障检测方法还包括以下步骤：
若故障概率值大于预设的阈值，则发送故障预警信息，以使得基站运维人员根据所述故障预警信息进行故障排除。
可选地，所述基于大数据的基站故障检测方法还包括以下步骤：
若故障概率值小于预设的阈值，则保存故障概率值。
可选地，所述监控数据的影响因子包括电压变化值、温度变化值、湿度变化值、水位变化值和/或环境影响值。
可选地，所述基于大数据的基站故障检测方法还包括以下步骤：
对所述监控数据进行预处理，获得所述监控数据中的监控时间，基站编号和基站位置信息；
根据所述监控时间，基站编号和基站位置信息判断是否需要进行基站故障检测。
此外，为实现上述目的，本发明还提供一种基站故障检测装置，所述基站故障检测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基站故障检测程序，所述基站故障检测程序被所述处理器执行时实现如上所述的基于大数据的基站故障检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基站故障检测程序，所述基站故障检测程序被处理器执行时实现上述的基于大数据的基站故障检测方法的步骤。
本发明提供一种基于大数据的基站故障检测方法、装置和存储介质。在该方法中，接收基站传来的监测自身环境的监控数据；根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；根据所述概率值判断基站是否发生故障。通过上述方式，本发明利用大数据技术，对基站的大量运作数据通过算法模型计算进行分析，输出各基站目标设备的故障概率预警参数值，确保运维人员能够根据获取到的预警参数，及时地开展故障排除工作，降低基站故障率，同时，利用大数据技术提高故障检测准确度，能有效对基站的故障情况进行检测，确保基站的运行安全。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明基于大数据的基站故障检测方法第一实施例的流程示意图；
图3为本发明基于大数据的基站故障检测方法第二实施例的流程示意图；
图4为本发明基于大数据的基站故障检测方法第三实施例的流程示意图；
图5为本发明基于大数据的基站故障检测方法第四实施例的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑、便携计算机等具有数据处理功能的终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基站故障检测程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基站故障检测程序，并执行以下操作：
接收基站传来的监测自身环境的监控数据；
根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；
根据所述概率值判断基站是否发生故障。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
所述预设的故障概率算法为：
其中，P表示算法输出的故障概率值，N为影响基站正常运行的影响因子的总个数，i为影响基站正常运行的N个影响因子中的第i个因子，pi为影响因子i的概率占比，Ri为影响因子i的权重。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
对所述监控数据进行预处理，获得所述监控数据中多个影响因子的数值；
对所述多个影响因子数值进行计算，获得所述影响因子的权重值和概率占比；
利用预设的故障概率算法对所述影响因子的权重值和概率占比进行计算，获得所述基站的故障概率值。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
根据所述故障概率值与预设的阈值进行比较，判断基站是否发生故障。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
若故障概率值大于预设的阈值，则发送故障预警信息，以使得基站运维人员根据所述故障预警信息进行故障排除。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
若故障概率值小于预设的阈值，则保存故障概率值。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
所述监控数据的影响因子包括电压变化值、温度变化值、湿度变化值、水位变化值和/或环境影响值。
进一步地，处理器1001可以调用存储器1005中存储的基站故障检测程序，还执行以下操作：
对所述监控数据进行预处理，获得所述监控数据中的监控时间，基站编号和基站位置信息；
根据所述监控时间，基站编号和基站位置信息判断是否需要进行基站故障检测。
本发明基站故障检测设备的具体实施例与下述基于大数据的基站故障检测方法各实施例基本相同，在此不作赘述。
参照图2，图2为本发明基于大数据的基站故障检测方法第一实施例的流程示意图，所述基于大数据的基站故障检测方法包括：
步骤S100，接收基站传来的监测自身环境的监控数据；
本发明可以用于监控多个基站的环境状况，特别是随着5G时代的到来，越来越多的通信类基站。接收基站传来的监控数据，该监控数据为监控该基站运行的环境数据。如温度，湿度，水位和电压等，也可以为其他环境数据，如天气，气候等。该环境监控数据可以通过传感器如温度传感器、湿度传感器、水位传感器，电压传感器等获得，也可以通过气象、电网、市政等接口实时获取。
步骤S200，根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；
在获取监控基站环境的监控数据后，根据预设的故障概率算法对监控数据进行计算，获得基站的故障概率值。该预设的故障概率算法为：
其中，P表示算法输出的故障概率值，N为影响基站正常运行的影响因子的总个数，i为影响基站正常运行的N个影响因子中的第i个因子，pi为影响因子i的概率占比，Ri为影响因子i的权重。
根据该算法，就可以通过根据监控数据中的监控数值的大小利用大数据运算确定该数值的故障概率值。利用大数据模型对数值进行准确判断，减少人为判断，增加判断故障概率的准确度，提高检测效率。如监控数据中包含温度值，就可以根据温度值，利用故障概率算法计算该温度值的故障概率值。比如基站内温度低于或高于正常值，基站面临温度告警的风险增加，与正常温度值差异越大，基站面临温度告警风险越大；如果基站内的温度传感器在当前时间节点之前的几分钟内迅速上升/下降，甚至升/降到温度的阈值，这说明基站面临温度告警的风险极具增加；恶劣天气(如高温)，基站面临温度告警的风险增加；这些情况下，计算出来的故障概率值就越大。
步骤S300，根据所述概率值判断基站是否发生故障。
在获得基站的故障概率值后，就可以通过该故障概率值进行一个故障的初步判断，判断故障发送的可能大小。如监控数据中包含温度值，就可以根据温度值，利用故障概率算法计算该温度值的故障概率值，进而，根据该故障概率值对该基站的故障情况进行一个基本的判断，进而，根据判断情况做进一步的安排。
本发明提供一种基于大数据的基站故障检测方法、装置和计算机存储介质。在该方法中，接收基站传来的监测自身环境的监控数据；根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；根据所述概率值判断基站是否发生故障。通过上述方式，本发明利用大数据技术，对基站的大量运作数据通过算法模型计算进行分析，输出各基站目标设备的故障概率预警参数值，确保运维人员能够根据获取到的预警参数，及时地开展故障排除工作，降低基站故障率，同时，利用大数据技术提高故障检测准确度，能有效对基站的故障情况进行检测，确保基站的运行安全。
请参阅图3，图3为本发明基于大数据的基站故障检测方法第二实施例的流程示意图。
基于上述实施例，本实施例中，步骤S200包括：
步骤S210，对所述监控数据进行预处理，获得所述监控数据中多个影响因子的数值；
在获得基站的监控数据后，监控数据中，除了包含影响基站运行的环境数据即影响因子如电压、水位等之外，可能包含其他信息，如基站的编号，传感器的编号等，这些与影响基站故障的环境数据相干的其他数据。因此，需要对监控数据进行预处理，排除掉不相干的数据，留下与故障概率有关的监控数值即影响因子如电压变化值、温度变化值、湿度变化值、水位变化值和/或环境影响值等数值，环境影响值为环境因素对基站的多个影响值，以停电告警为例，该环境告警值可以为恶劣天气影响值、电网异常值、用电高峰期影响值和电压变化速率值等多个直接或间接导致告警的因数。
步骤S220，对所述多个影响因子数值进行计算，获得所述影响因子的权重值和概率占比；
在获得基站故障影响因子数值后，对基站故障影响因子进行计算得到影响因子的权重和概率占比。权重值可以通过控制变量法确定，即同一时间保持一个输入变量，固定其他变量为给定值，通过对大量数据的演示，得到权重值比与各影响因子不同情况下的比对关系表；进行根据大数据训练，通过该比对关系表得到该影响因子的权重。
同样，基站影响因子的概率占比值可以通过将大量真实的动环监控系统告警数据输入算法模型进行学习，得到各影响因子对基站告警的概率占比值，其中，基站告警包括停电告警，温度告警，水淹告警等，不同的告警形式受不同影响因子的影响，通过不同影响因子进行计算获得。
步骤S230，利用预设的故障概率算法对所述影响因子的权重值和概率占比进行计算，获得所述基站的故障概率值。
在获得基站影响因子的权重值和故障概率占比值之后，利用预设的故障概率算法进行计算，获得基站的故障概率值。该预设算法可以为
其中，P表示算法输出的故障概率值，N为影响基站正常运行的影响因子的总个数，i为影响基站正常运行的N个影响因子中的第i个因子，pi为影响因子i的概率占比，Ri为影响因子i的权重。
通过上述公式计算，可获得基站的故障概率值，进行根据故障概率值进行判断基站的故障概率情况。如以基站停电告警为例进行说明：风险数据产生时，若电表设备的电压值低于或高于正常值，概率占比为pi，权重为Ri，故障概率为pi，*Ri，与正常电压值差异越大，Ri越大；风险数据产生时，电表的电压读数呈不断下降趋势，此时概率占比为P2，权重为R2，故障概率为P2R2，下降趋势越明显、越快，权重R2越大；用电高峰期夏季和白天，概率占比为P3，权重为R3，故障概率为P3*R3，夏季温度越高、白天越接近用电峰值，R3越大；有恶劣天气如台风等、概率占比为P4，权重为R4，故障概率为P4*R4，台风级别越高，R4越大；电网异常情况，概率占比为P5，权重为R5，故障概率为P5*R5，电网异常越严重，比如需要停点倒闸、故障严重，需要长时间维修等，R5越大。
请参阅图4，图4为本发明基于大数据的基站故障检测方法第三实施例的流程示意图。
基于上述实施例，本实施例中，步骤S300包括：
步骤S310，根据所述故障概率值与预设的阈值进行比较，判断基站是否发生故障。
对基站故障概率值进行判断确认基站的故障概率大小，可以通过将该故障概率值与预设的概率阈值进行比较，进而根据比较结果确定基站的故障情况。如可以设定故障概率阈值为75％，当计算出来的基站故障概率值大于75％时，可以判定该基站发生故障，若故障概率值小于75％时，则判定该基站没有发生故障。
步骤S311，若故障概率值大于预设的阈值，则发送故障预警信息，以使得基站运维人员根据所述故障预警信息进行故障排除。
若计算出来的故障概率值大于预设的阈值，判定该基站发生故障，则需要将该故障信息发送给基站的运维人员进行维修处理。即给该基站发送故障预警信息，该故障预警信息可以发送给监控中心，让监控中心通知相应的运维人员，也可以直接发送给基站的运维人员进行维护。该故障预警信息可以包含基站的故障概率值，具体故障地点，故障时间等。
步骤S312，若故障概率值小于预设的阈值，则保存故障概率值。
若计算出来的故障概率值小于预设的阈值，判定该基站没有发生故障，则不需发送故障告警信息，只需将该故障概率值进行保存以便后续进行检索。保存该故障概率值时可以一并保存该故障概率值的基站编号，数据时间等信息。
请参阅图5，图5为本发明基于大数据的基站故障检测方法第四实施例的流程示意图。
基于上述实施例，本实施例还可以包括如下步骤：
步骤S400，对所述监控数据进行预处理，获得所述监控数据中的监控时间，基站编号和基站位置信息；
在对基站监控数据进行预处理，还可以通过预处理从监控数据中获得监控数据中的监控时间、基站编号和基站位置信息等数据。
步骤S500，根据所述监控时间，基站编号和基站位置信息判断是否需要进行基站故障检测。
通过基站的监控数据中的监控时间，基站编号和基站位置信息等数据信息判断是否需要继续进行基站故障概率值的计算。对监控数据有一个进一步的筛选判断，如当监控数据的监控时间为三个月以前，则通过判断无需根据该监控数据进行基站故障概率值的计算。
此外，本发明实施例还提出一种计算机可读存储介质。
本发明计算机可读存储介质上存储有基站故障检测程序，所述基站故障检测程序被处理器执行时实现如上所述的基于大数据的基站故障检测方法的步骤。
其中，在所述处理器上运行的基站故障检测程序被执行时所实现的方法可参照本发明基于大数据的基站故障检测方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的基站故障检测方法，其特征在于，所述基于大数据的基站故障检测方法包括以下步骤：
接收基站传来的监测自身环境的监控数据；
根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值；
根据所述概率值判断基站是否发生故障。
2.如权利要求1所述的基于大数据的基站故障检测方法，其特征在于，所述预设的故障概率算法为：
其中，P表示算法输出的故障概率值，N为影响基站正常运行的影响因子的总个数，i为影响基站正常运行的N个影响因子中的第i个因子，pi为影响因子i的概率占比，Ri为影响因子i的权重。
3.如权利要求1所述的基于大数据的基站故障检测方法，其特征在于，所述根据预设的故障概率算法对所述监控数据进行计算，得到基站的故障概率值的步骤包括：
对所述监控数据进行预处理，获得所述监控数据中多个影响因子的数值；
对所述多个影响因子数值进行计算，获得所述影响因子的权重值和概率占比；
利用预设的故障概率算法对所述影响因子的权重值和概率占比进行计算，获得所述基站的故障概率值。
4.如权利要求1所述的基于大数据的基站故障检测方法，其特征在于，所述根据所述概率值判断基站是否发生故障的步骤包括：
根据所述故障概率值与预设的阈值进行比较，判断基站是否发生故障。
5.如权利要求4所述的基于大数据的基站故障检测方法，其特征在于，所述基于大数据的基站故障检测方法还包括以下步骤：
若故障概率值大于预设的阈值，则发送故障预警信息，以使得基站运维人员根据所述故障预警信息进行故障排除。
6.如权利要求4所述的基于大数据的基站故障检测方法，其特征在于，所述基于大数据的基站故障检测方法还包括以下步骤：
若故障概率值小于预设的阈值，则保存故障概率值。
7.如权利要求3所述的基于大数据的基站故障检测方法，其特征在于，所述监控数据的影响因子包括电压变化值、温度变化值、湿度变化值、水位变化值和/或环境影响值。
8.如权利要求1所述的基于大数据的基站故障检测方法，其特征在于，所述基于大数据的基站故障检测方法还包括以下步骤：
对所述监控数据进行预处理，获得所述监控数据中的监控时间，基站编号和基站位置信息；
根据所述监控时间，基站编号和基站位置信息判断是否需要进行基站故障检测。
9.一种基站故障检测装置，其特征在于，所述基站故障检测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基站故障检测程序，所述基站故障检测程序被所述处理器执行时实现如权利要求1至8中任一项所述基于大数据的基站故障检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基站故障检测程序，所述基站故障检测程序被处理器执行时实现如权利要求1至8中任一项所述基于大数据的基站故障检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910154191.XA CN109905278A (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的基站故障检测方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910154191.XA CN109905278A (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的基站故障检测方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109905278A true CN109905278A (zh) | 2019-06-18 |
Family
ID=66945977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910154191.XA Pending CN109905278A (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的基站故障检测方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109905278A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110413431A (zh) * | 2019-08-05 | 2019-11-05 | 吉林吉大通信设计院股份有限公司 | 一种针对于大数据平台故障的智能识别预警装置及方法 |
| CN111447106A (zh) * | 2020-03-18 | 2020-07-24 | 深圳市普威技术有限公司 | 一种故障检测方法、装置、存储介质及通信设备 |
| CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN113946913A (zh) * | 2021-12-20 | 2022-01-18 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 铁路行车故障检测方法、装置、电子设备及存储介质 |
| CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
| CN118200949A (zh) * | 2024-05-16 | 2024-06-14 | 江苏云博网络通信有限公司 | 一种通信设备的故障监测系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100313070A1 (en) * | 2009-06-03 | 2010-12-09 | International Business Machines Corporation | Broken-spheres methodology for improved failure probability analysis in multi-fail regions |
| CN106572494A (zh) * | 2015-10-08 | 2017-04-19 | 中兴通讯股份有限公司 | 基站故障检测方法及装置 |
| CN107271829A (zh) * | 2017-05-09 | 2017-10-20 | 安徽继远软件有限公司 | 一种配电设备运行状态分析方法及装置 |
| CN108320040A (zh) * | 2017-01-17 | 2018-07-24 | 国网重庆市电力公司 | 基于贝叶斯网络优化算法的采集终端故障预测方法及系统 |
| CN108491305A (zh) * | 2018-03-09 | 2018-09-04 | 网宿科技股份有限公司 | 一种服务器故障的检测方法及系统 |
| CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
-
2019
- 2019-02-28 CN CN201910154191.XA patent/CN109905278A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100313070A1 (en) * | 2009-06-03 | 2010-12-09 | International Business Machines Corporation | Broken-spheres methodology for improved failure probability analysis in multi-fail regions |
| CN106572494A (zh) * | 2015-10-08 | 2017-04-19 | 中兴通讯股份有限公司 | 基站故障检测方法及装置 |
| CN108320040A (zh) * | 2017-01-17 | 2018-07-24 | 国网重庆市电力公司 | 基于贝叶斯网络优化算法的采集终端故障预测方法及系统 |
| CN107271829A (zh) * | 2017-05-09 | 2017-10-20 | 安徽继远软件有限公司 | 一种配电设备运行状态分析方法及装置 |
| CN108491305A (zh) * | 2018-03-09 | 2018-09-04 | 网宿科技股份有限公司 | 一种服务器故障的检测方法及系统 |
| CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110413431A (zh) * | 2019-08-05 | 2019-11-05 | 吉林吉大通信设计院股份有限公司 | 一种针对于大数据平台故障的智能识别预警装置及方法 |
| CN111447106A (zh) * | 2020-03-18 | 2020-07-24 | 深圳市普威技术有限公司 | 一种故障检测方法、装置、存储介质及通信设备 |
| CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN112699104B (zh) * | 2020-12-11 | 2023-04-07 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
| CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
| CN113946913A (zh) * | 2021-12-20 | 2022-01-18 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 铁路行车故障检测方法、装置、电子设备及存储介质 |
| CN118200949A (zh) * | 2024-05-16 | 2024-06-14 | 江苏云博网络通信有限公司 | 一种通信设备的故障监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109905278A (zh) | 基于大数据的基站故障检测方法、装置和存储介质 | |
| CN103477606B (zh) | 用于检测、收集、传递和使用与环境条件和发生事件有关的信息的系统 | |
| AU2018267686A1 (en) | Connected devices for detecting and responding to events in an environment | |
| Islam et al. | Implementation of flash flood monitoring system based on wireless sensor network in Bangladesh | |
| CN109920192A (zh) | 火灾报警方法、系统及计算机可读存储介质 | |
| CN110942228A (zh) | 能耗控制方法、装置、计算机设备与存储介质 | |
| CN108052056A (zh) | Led照明灯具的状态监测方法、装置及系统 | |
| CN116700199B (zh) | 一种基于数字孪生技术的工厂生产控制方法及系统 | |
| CN109205430A (zh) | 电梯的安全检查装置、系统以及方法 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
| CN117370848B (zh) | 设备故障预测方法、装置、计算机设备及存储介质 | |
| CN107153160B (zh) | 一种风力发电机组全方位安全监控系统 | |
| CN106913313A (zh) | 一种睡眠监测方法及系统 | |
| CN108170060A (zh) | 危险源及环境监测报警系统及方法 | |
| CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
| CN107140495A (zh) | 一种电梯安全管理系统和方法 | |
| US20190227112A1 (en) | Device, system and method for indicating and predicting a status of an outdoor object | |
| CN115551060A (zh) | 低功耗数据监控方法 | |
| CN112907885B (zh) | 基于scnn的分散集中式家居图像火灾报警系统及方法 | |
| CN113642837A (zh) | 一种基于势态感知的电网调度系统 | |
| CN111882454A (zh) | 一种核电站重量监测系统及方法 | |
| CN110260884A (zh) | 一种生物监控方法、终端和服务器 | |
| CN117875720B (zh) | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 | |
| CN117854252B (zh) | 一种电力场所的越界告警方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
| RJ01 | Rejection of invention patent application after publication |