CN110537347A - 用于检测和确定无线电网络的故障概率的方法和中央计算机 - Google Patents

用于检测和确定无线电网络的故障概率的方法和中央计算机 Download PDF

Info

Publication number
CN110537347A
CN110537347A CN201880025900.8A CN201880025900A CN110537347A CN 110537347 A CN110537347 A CN 110537347A CN 201880025900 A CN201880025900 A CN 201880025900A CN 110537347 A CN110537347 A CN 110537347A
Authority
CN
China
Prior art keywords
operating
central computer
probability
operating condition
value
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.)
Granted
Application number
CN201880025900.8A
Other languages
English (en)
Other versions
CN110537347B (zh
Inventor
T·吉尔斯多夫
B·明希
C·沃尔夫
M·哈弗内尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Audi AG
Original Assignee
Audi AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Audi AG filed Critical Audi AG
Publication of CN110537347A publication Critical patent/CN110537347A/zh
Application granted granted Critical
Publication of CN110537347B publication Critical patent/CN110537347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0686—Additional information in the notification, e.g. enhancement of specific meta-data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]

Abstract

本发明涉及一种用于检测和确定无线电网络(4)的故障概率(pA)的方法。该方法的特征在于，通过无线电网络(4)的设备(3)循环地向中央计算机(1)传输运行参数(2)，其中，每个传输的运行参数(2)包括相应的设备(3)的运行值(5)和运行值(5)的检测时刻(t)。通过访问中央计算机(1)可以随时查看传输的所有参数和值。中央计算机(1)循环地存储所有运行参数(2)的在预给定的时间段(T)内检测到的运行值(5)作为相应的运行情况(8)并检查无线电网络(4)是否存在故障(A)。中央计算机(1)循环地基于存储的运行情况(8)和故障(A)创建模型(12)，该模型为每个可能的运行情况(8)分配故障概率(pA)。

Description

用于检测和确定无线电网络的故障概率的方法和中央计算机
技术领域
本发明涉及一种用于检测和确定无线电网络的故障概率的方法以及一种被安排用于执行该方法的中央计算机。特别是涉及WLAN网络(WLAN-无线局域网)。
背景技术
大规模的无线电网络基础设施包括多个接入点并被设置用于大量终端设备，因此需要对其可靠性进行特殊的设计和监控。网络基础设施的过载或设计错误可能导致功能限制或无线电网络完全失效。特别是在工业设备中，其组件通过无线电网络进行通信，无线电网络的故障会导致生产过程的中断，这可能会带来很高的经济损失。
为了能确保无线电网络的可靠性，已经开发了可以优化无线电网络基础设施的规划和控制的方法和设备。
在文献DE 10 2006 016 800 A1中描述了一种以测量技术辅助的迭代方法，其目的是借助于建筑物的3D模型和用于确定相关性能参数的经验模型在建筑物中构建最佳的无线网络。在该方法的范围内，建筑物中的WLAN接入点的布置通过3-D模型和实验收集的数据进行优化。在该方法的一种改进方案中提出，还在真实的数据交通中重复地并且迭代地检测实验数据。
在文献US 2002/0168993 A1中，描述了一种用于IEEE 802.11h WLAN的功率控制和连接调整的路径损耗估计。在该方法的范围内，测量在接收器和发射器之间的路径损耗，并基于该测量结果对接收器进行功率调整和连接调整。
在文献DE 10 2015 204 246 A1中描述了一种用于WLAN网络的功率调整的设备和方法。其中，以使得在参考WLAN模块处接收到的信号强度小于预定阈值的方式来调整WLAN模块的发送功率。
文献US 2016/0057639 A1描述了一种用于在分散的无线网络中为移动设备动态提供实时服务的方法。在此，预测接收区域和在该接收区域中发生网络错误的可能性。
在文献US 9 531 522 B2中描述了一种用于在网络中前瞻性地进行资源分配的方法。在此，为网络中的设备的请求分配用于回答该请求时间窗。
文献US 2015/0148040 A1描述了一种用于分析通信网络中的传输过程的异常相关机制。在此，评估与在无线电单元之间的传输过程中的错误有关的时间序列。
在上述发明中，说明了描述无线电网络的规划或实现用于确保无线电网络运行的功率调整的方法。在包括多个用户的无线电网络中，可能不能仅通过调整发送功率来维持运行。在这种情况下，必须能够在即将发生故障之前采取适当的措施，以便仍能确保无线电网络的运行。
发明内容
因此本发明的目的是，提供一种可以确定无线电网络的负荷程度的方法。
该目的通过独立权利要求的主题实现。通过从属权利要求的特征、以下描述和附图公开了本发明的有利的改进方案。
本发明提供了一种用于检测和确定无线电网络的故障概率的方法。在此提出，通过无线电网络的设备循环地/周期性地向中央计算机传输运行参数，其中每个传输的运行参数包括相应设备的运行值和运行值的检测时刻。中央计算机循环地将所有运行参数的在分别预给定的时间段内检测到的运行值存储为相应的运行情况。中央计算机循环地基于所存储的运行情况来创建模型，该模型给每个可能的运行情况分配故障概率。换句话说，无线电网络的设备定期向中央计算机传输运行参数，运行参数分别包括运行值和检测时刻。在确定的时间段内检测到的值被汇总并被存储为相应的运行情况。可以通过访问中央计算机随时查看这些运行情况。中央计算机在确定的时间段内检查无线电网络是否存在故障。中央计算机使用存储的运行情况和识别的故障来创建模型，该模型为每个可能的运行情况分配故障概率。概率值可以例如通过计数在给定的运行情况中发生故障的次数来获得。计数到的故障与观察该运行情况的总次数之比得到概率。故障可以例如存在于，设备中的至少一台设备已从无线电网络断开连接或被切断。
例如，无线电网络可以是WLAN网络。无线电网络的设备包括中间设备或基础设施设备，对此可以考虑例如接入点和/或路由器和/或中继器，无线电网络的设备还包括终端设备，例如具有与无线电网络兼容的无线电模块的设备。
运行参数可以是描述设备状态并例如涉及该设备与无线电网络的连接的参数。运行参数包括运行值和该运行值的检测时刻。运行参数可以包括例如：发送功率和/或接收功率；由相应设备识别到的无线电网络中的其他设备的数量；传输频率；所传输的、校正的、有错误的或接收到的包的数量；错误消息；或信号质量。与设备本身相关的运行参数可以包括例如功率消耗、运行状态、系统版本、或温度、或设备的存储器负荷程度、或地理位置。中央计算机可以是服务器或具有至少一个微处理器的计算器。相应的运行情况是所有运行参数的汇编，这些参数根据其检测时刻在相应的预给定的时间段中被检测到并且应理解为无线电网络在相应的时间段中的瞬时记录。时间段可以是例如1分钟至1小时的持续时间。无线电网络的故障是无线电网络的如下状态，在该状态下该无线电网络不满足或不再能以预定的程度满足预定的功能。其不仅被理解为所有设备的完全失效，而且还被理解为例如如下状态，在该状态下例如单个设备无法与无线电网络进行必要程度的交互。模型例如可以是数学模型，该数学模型基于经验值或者该数学模型是一种模拟。模型可以被设计成，针对运行情况给出故障概率。利用每个进一步存储的运行情况和有关存在故障的信息，可以随着每个循环/周期调整模型。换句话说，就是迭代地改进模型。该模型不仅可以计算实际的运行情况的失败概率，而且还可以对于改变的运行情况输出至少一个运行参数和/或失败概率。因此，在改进措施方面，在无线电网络扩展了特定空间位置上的中继器时，可以预测所得的接收功率。因此，对于所规划的运行情况，也可以预测或外推出故障概率。
提出，中央计算机为每个新存储的运行情况循环地计算发生故障的概率。换句话说，在每次成功传输运行情况之后，中央计算机通过模型来计算当前存在的故障概率。这导致以下优点：可以识别出无线电网络的故障概率增加的趋势。
将当前的故障概率与预先确定的警告阈值进行比较，当超过警告阈值时将导致生成警告信号。换句话说，可以基于故障概率确定警告阈值，超过该阈值将导致发出警告信号。例如，在计算出的故障概率高于警告阈值例如2％时，由中央计算机发送或发出电子邮件形式的警告信号。由此得到的优点是，如果故障概率过大，即高于警告阈值，则可以采取应对措施。
对于每个当前的运行参数输出差值，该差值根据概率分布在其余运行值保持不变时将导致超出警告阈值。换句话说，中央计算机为运行参数的当前运行值确定将导致超过警告阈值的差值。由此得到的优点是，使用户明确，各个运行参数的余量有多大，或者为了降低故障概率必须将余量调整至何值。因此，可以找到临界的运行参数。
本发明的改进方案提出，故障包括至少一个指示参数的指示值的至少一次在预先确定的值范围内的出现。指示参数可以包括如下的运行参数，该运行参数的运行值是关于无线电网络的功能的陈述。这可以包括例如接收功率和/或错误接收的包的数量。可以如此选择预先确定的值范围，使得如果相应的指示参数具有在该值范围内的指示值，则不再确保无线电网络的正常工作。例如，故障可以被定义为，低于设备的确定的接收功率。
本发明的改进方案提出，借助模式识别算法通过使运行情况与分别发生的故障相关联来产生用于分配故障概率的模型。换句话说，将运行情况和无线电网络的故障用作模式识别算法的输入值，该模式识别算法可从中建立模型。模式识别算法可以是用于对海量数据进行分析处理的程序(大数据工具)的程序代码。特别地，可以使用机器学习的方法或人工神经网络。由此得到优点是，不必对因果关系进行人工定义，由于数据量的复杂性和规模，用户无法检测到该因果关系。因此，该算法可以通过识别运行情况和故障之间的模式来创建故障概率的模型。
本发明的一个改进方案提出，中央计算机通过外推方法确定预测的运行情况并且当在预测的运行情况下超过警告阈值时产生警告信号。换句话说，从所存储的运行情况创建运行情况的在将来时刻的预测或趋势，并且如果针对预测的运行情况计算出超过警告阈值的故障概率，则生成警告信号。在一个简单的例子中，可以线性地外插出在几个小时的时间段内恒定减小的接收功率，并且如果该外插对于下一小时预测了具有高于警告阈值的故障概率的运行情况，则生成警告信号。因此可以及时地适配于无线电网络。
本发明的改进方案提出，为确定的时间段确定无线电网络外部的边界参数并且将其分配给运行情况，并且在创建模型的过程中由中央计算机考虑所述边界参数。换句话说，除了故障和运行情况之外，还可以将无线电网络外部的边界参数与确定的时间段相关联。无线电网络外部的边界参数可以包括描述无线电网络在其下工作的边界条件的值。边界条件可以包括例如供电电压的电压波动或维护工作。由此得到的优点是，还可以检测与无线电网络不直接相关、但是可能会对故障概率产生影响的边界条件。例如，故障可能归因于对设备进行的维护工作。通过边界参数，模型可以将故障与边界参数相关联，而不与时间段的运行情况相关联。
本发明还包括中央计算机，其被设置为执行所述方法之一。
本发明还包括根据本发明的中央计算机的改进方案，其具有如已经结合根据本发明的方法的改进方案所描述的特征。因此，在此不再次描述根据本发明的中央计算机的相应的改进方案。
附图说明
下面描述本发明的实施列。对此示出：
图1示出中央计算机的示意图；
图2示出如何能通过中央计算机实施的方法流程图；和
图3示出用于确定故障概率的可能模型。
具体实施方式
下面说明的实施例是本发明的优选实施方式。在这些实施例中，实施方式的所描述的各部分各自代表本发明的可视为彼此独立的各个特征，这些特征也彼此独立地改进本发明，因此也单独地或以与示出的组合不同的组合被视为本发明的组成部分。此外，所描述的实施方式也可以通过本发明的已经描述的其他特征来补充。
在附图中，功能相同的元件均设有相同的附图标记。
图1示出了中央计算机1，无线电网络4的设备3周期性地向该中央计算机传输运行参数2。运行参数2可以包括运行值5和运行值5的相应检测时刻t。无线电网络4可以是例如GSM无线电网络或WLAN无线电网络。设备3可以是例如用作基础设施设备的接入点或中继器，也可以是终端设备、例如微型计算机或微控制器，其通过适当的无线电模块连接到无线电网络。运行参数2可以是与相应设备3本身有关的数据，或者可以是涉及设备3与无线电网络4的交互作用的数据。这些数据可以包括例如接收功率和/或发送功率。中央计算机1还可以接收由外部的传感器单元7检测到的边界参数6。中央计算机可以将在时间段T中检测到的运行参数2和边界参数6分配给相应的运行情况8。因此，运行情况8表示无线电网络4在确定的时间段T中的瞬时记录。这种时间段T也与关于故障A的存在的信息相关联。故障A可以包括例如出现了在预先确定的值范围11内的、指示参数10的指示值9。指示参数10可以是如下运行参数2，该运行参数为了无线电网络4的正常运行必须具有确定的值。中央计算机1可被安排用于根据所存储的数据来创建模型12，该模型给确定的运行情况8分配故障概率pA。
图2示出根据本发明的用于确定无线电网络4的故障概率pA的方法的可能的流程。在步骤P1中，无线电网络4的设备3将运行参数2周期性地传输到中央计算机1。在步骤P2中，中央计算机1存储作为相应的工作情况8的、所有运行参数2的在预定的时间段T中被检测到的运行值5，并且检查无线电网络4是否存在故障A。中央计算机1可以基于所存储的工作情况8而创建P3模型12，该模型为每个可能的运行情况8分配故障概率pA。中央计算机1可被安排用于，针对每个新存储的运行情况8自动计算P4故障概率pA。也可以定义故障概率pA的警告阈值pAc。可以规定，中央计算机1将针对新存储的运行情况8计算出的故障概率pA与警告阈值pAc进行比较P5，并且在超过警告阈值pAc时产生PW警告信号W。也可以通过中央计算机1为每个当前的运行参数2输出差值2'，该差值在其他运行参数2的运行值5保持不变时将导致P6警告阈值pAc被超过。中央计算机1还可以通过外推法确定P7预测的运行情况8'，并且在超过预测的运行情况8'的故障概率pAc的情况下，产生PW警告信号W。
图3示出了用于确定无线电网络的故障概率的可能模型。示出了三个区域pA1、pA2、pA3，这些区域根据两个运行值5'、5”描述了三个不同的故障概率。
总体而言，这些示例示出了如何通过本发明提供一种用于监控无线电网络的故障概率的方法。

Claims (6)

1.一种用于检测和确定无线电网络(4)的故障概率(pA)的方法，其特征在于，
a.通过中央计算机(1)从无线电网络(4)的设备(3)循环地接收运行参数(2)并通过输入端提供运行参数，其中，每个所传输的运行参数(2)包括相应的设备(3)的运行值(5)和运行值(5)的检测时刻t(P1)，
b.中央计算机(1)循环地存储所有运行参数(2)的在预给定的时间段(T)内检测到的运行值(5)作为相应的运行情况(8)，并检查无线电网络(4)是否存在故障(A)(P2)，
c.中央计算机循环地基于所存储的运行情况(8)和故障(A)创建模型(12)，该模型为每个可能的运行情况(8)分配故障概率(pA)(P3)，
d.中央计算机(1)为每个新存储的运行情况(8)计算故障概率(pA)，
e.中央计算机(1)将故障概率(pA)与预先确定的警告阈值(pAc)相比较(P5)，并在警告阈值(pAc)被超过时产生(PW)警告信号(W)，和
f.为每个当前的运行参数(2)输出差值(2')(P6)，该差值在其他运行参数(2)的运行值(5)保持不变的情况下会导致警告阈值(pAc)被超过。
2.根据权利要求1所述的方法，其特征在于，故障(A)包括至少一个指示参数(10)的指示值(9)的至少一次出现。
3.根据前述权利要求中任一项所述的方法，其特征在于，借助于模式识别算法通过将运行情况(8)与相应出现的故障(A)相关联来产生用于分配故障概率的模型(12)。
4.根据前述权利要求中任一项所述的方法，其特征在于，中央计算机(1)借助于外推法确定(P7)预测的运行情况并在预测的运行情况中警告阈值被超过时，产生(PW)警告信号(W)。
5.根据前述权利要求中任一项所述的方法，其特征在于，将确定的时间段(T)与无线电网络外部的边界参数(6)相关联，该边界参数在创建模型时被中央计算机考虑并被外部的传感器(7)检测(PE)。
6.一种中央计算机(1)，其被安排用于实施上述权利要求中任一项所述的方法。
CN201880025900.8A 2017-04-20 2018-04-17 用于检测和确定无线电网络的故障概率的方法和中央计算机 Active CN110537347B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017206631.8A DE102017206631A1 (de) 2017-04-20 2017-04-20 Verfahren zur Erfassung und Bestimmung einer Ausfallwahrscheinlichkeit eines Funknetzwerkes und Zentralrechner
DE102017206631.8 2017-04-20
PCT/EP2018/059701 WO2018192889A1 (de) 2017-04-20 2018-04-17 Verfahren zur erfassung und bestimmung einer ausfallwahrscheinlichkeit eines funknetzwerkes und zentralrechner

Publications (2)

Publication Number Publication Date
CN110537347A true CN110537347A (zh) 2019-12-03
CN110537347B CN110537347B (zh) 2023-07-14

Family

ID=62002141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880025900.8A Active CN110537347B (zh) 2017-04-20 2018-04-17 用于检测和确定无线电网络的故障概率的方法和中央计算机

Country Status (5)

Country Link
US (1) US11159388B2 (zh)
EP (1) EP3408970B1 (zh)
CN (1) CN110537347B (zh)
DE (1) DE102017206631A1 (zh)
WO (1) WO2018192889A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109246048B (zh) * 2018-10-30 2021-02-02 广州海格通信集团股份有限公司 一种基于深度学习的物理层安全通信方法和系统
CN110265888B (zh) * 2019-06-28 2021-01-05 贵阳研卓电子科技有限公司 Pdu电源控制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048738A1 (en) * 2005-10-28 2007-05-03 International Business Machines Corporation Clustering process for software server failure prediction
CN104915552A (zh) * 2015-05-27 2015-09-16 百度在线网络技术（北京）有限公司 一种预测系统故障的方法及装置
CN105743595A (zh) * 2016-04-08 2016-07-06 国家新闻出版广电总局无线电台管理局 中短波发射机故障预警方法及装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3470683B2 (ja) * 2000-05-26 2003-11-25 日本電気株式会社 ネットワーク運用管理システム及び装置故障確率管理方法
US6978151B2 (en) 2001-05-10 2005-12-20 Koninklijke Philips Electronics N.V. Updating path loss estimation for power control and link adaptation in IEEE 802.11h WLAN
US7751325B2 (en) * 2003-08-14 2010-07-06 At&T Intellectual Property Ii, L.P. Method and apparatus for sketch-based detection of changes in network traffic
US7451210B2 (en) * 2003-11-24 2008-11-11 International Business Machines Corporation Hybrid method for event prediction and system control
US8145745B1 (en) * 2005-12-28 2012-03-27 At&T Intellectual Property Ii, L.P. Method and apparatus for network-level anomaly inference
DE102006016800A1 (de) 2006-01-23 2007-08-30 Ghmt Ag Messtechnisch unterstütztes iteratives Verfahren zum Zweck des Aufbaus eines optimalen drahtlosen Netzwerks in einem Gebäude mit Hilfe eines 3D-Modells dieses Gebäudes und empirischer Modelle zur Ermittlung der relevanten Performance-Parameter
US20070192065A1 (en) * 2006-02-14 2007-08-16 Sun Microsystems, Inc. Embedded performance forecasting of network devices
AU2008356120A1 (en) * 2007-11-07 2009-11-12 Edsa Micro Corporation Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network
WO2012050912A1 (en) * 2010-09-28 2012-04-19 The Ohio State University System and method for proactive resource allocation
US9918258B2 (en) * 2013-11-26 2018-03-13 At&T Intellectual Property I, L.P. Anomaly correlation mechanism for analysis of handovers in a communication network
US9571982B2 (en) * 2014-08-20 2017-02-14 Software Ag System and method for dynamically providing real-time service for a mobile wireless device
DE102015204246A1 (de) 2015-03-10 2016-09-15 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren zur Leistungsanpassung eines WLAN-Netzwerkes
US10491754B2 (en) * 2016-07-22 2019-11-26 Level 3 Communications, Llc Visualizing predicted customer bandwidth utilization based on utilization history
US10127125B2 (en) * 2016-10-21 2018-11-13 Accenture Global Solutions Limited Application monitoring and failure prediction
US9900790B1 (en) * 2016-12-08 2018-02-20 Futurewei Technologies, Inc. Prediction of performance indicators in cellular networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048738A1 (en) * 2005-10-28 2007-05-03 International Business Machines Corporation Clustering process for software server failure prediction
CN104915552A (zh) * 2015-05-27 2015-09-16 百度在线网络技术（北京）有限公司 一种预测系统故障的方法及装置
CN105743595A (zh) * 2016-04-08 2016-07-06 国家新闻出版广电总局无线电台管理局 中短波发射机故障预警方法及装置

Also Published As

Publication number Publication date
WO2018192889A1 (de) 2018-10-25
US20200351170A1 (en) 2020-11-05
US11159388B2 (en) 2021-10-26
CN110537347B (zh) 2023-07-14
DE102017206631A1 (de) 2018-10-25
EP3408970A1 (de) 2018-12-05
EP3408970B1 (de) 2021-07-28

Similar Documents

Publication Publication Date Title
EP2755416B1 (en) Method and apparatus for remotely locating wireless network fault
CN108293005B (zh) 用于共享状态相关信息的方法和设备
KR20220003513A (ko) 머신 러닝을 이용한 근본 원인 분석 및 자동화
CN102165811B (zh) 具有节制点的无线网状网络和用于识别无线网状网络内的节制点的方法
US9693120B2 (en) System and method for transmitting measurement signals in spatially extensive supply networks
CN110647115B (zh) 一种基于工业互联网操作系统的数据采集方法
CN103731173A (zh) 在无线通信网络中操作的收发机、网络传输系统和方法
JP5523577B2 (ja) 監視制御システムの通信方法及び監視制御システム
JP2016208375A (ja) 干渉制御装置、干渉制御方法及びスマートメータ
CN113255953B (zh) Rru欠压风险预测方法、装置、系统、设备及介质
CN110537347A (zh) 用于检测和确定无线电网络的故障概率的方法和中央计算机
CN107395451B (zh) 上网流量异常的处理方法、装置、设备及存储介质
CN107194571B (zh) 一种基于风险量化控制的通信设备备件配置方法
CN116106648A (zh) 一种配电柜智能监测方法
Ma et al. Uncoordinated coexisting IEEE 802.15. 4 networks for machine to machine communications
CN112788636B (zh) 小区状态的确定方法、装置及网管系统
CN112838942A (zh) 网络运维方法、电子设备以及存储介质
CN109813954A (zh) 一种移动机器人的电流监控的方法及装置
EP4057707B1 (en) Method for controlling the average power transmitted by a base radio station
CN109327293A (zh) 跳变通道控制方法以及服务器、数据传输节点和系统
CN113765995B (zh) 用于工业自动化的无线通信
JP2020155796A (ja) 通信システム、通信方法、及び通信プログラム
CN108702227B (zh) 用于测定无线电连接的信号质量的方法
CN105744542A (zh) 一种检测无线通信设备的方法和装置
CN105578604A (zh) 离散窄带系统的半静态资源同步的方法、基站及终端

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
GR01 Patent grant
GR01 Patent grant