CN110825768A - 一种基于云分析的远程电视异常处理方法及系统 - Google Patents
一种基于云分析的远程电视异常处理方法及系统 Download PDFInfo
- Publication number
- CN110825768A CN110825768A CN201910956437.5A CN201910956437A CN110825768A CN 110825768 A CN110825768 A CN 110825768A CN 201910956437 A CN201910956437 A CN 201910956437A CN 110825768 A CN110825768 A CN 110825768A
- Authority
- CN
- China
- Prior art keywords
- fault
- model
- data
- monitoring
- expert
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明提出的一种基于云分析的远程电视异常处理方法,包括:建立专家数据库,专家数据库中存储有多个故障模型,且每一个故障模型均关联有一个故障解决模型;在智能电视终端中设置状态监测点;对各状态监测点进行数据监控,并获取异常数据;从专家数据库中获取与异常数据匹配的故障模型作为匹配故障,通过匹配故障对应的故障解决模型对智能电视终端进行修正;修正失败,则通过人机交互对异常数据进行处理,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型添加到专家数据库中。本发明实现了实现了智能电视终端的故障远程智能化处理,提高了故障处理效率,并节约了人力成本。
Description
技术领域
本发明涉及技术领域,尤其涉及一种基于云分析的远程电视异常处理方法及系统。
背景技术
现在智能电视终端的问题诊断过程中,我们需要人工进行点对点的分析方法,反复的沟通和描述问题,频繁的人机交互和处理,大大加长了问题处理时间,降低了整体效率。
在当前互联网、云计算、移动通信等新一代信息技术的发展,使远程异常诊断和处理的实现有了坚实的技术基础。快速发展的新技术不仅可以优化企业的生产过程,而且将使智能终端异常诊断处理模式发生重大改变。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于云分析的远程电视异常处理方法及系统。
本发明提出的一种基于云分析的远程电视异常处理方法,包括:
S1、建立专家数据库,专家数据库中存储有多个故障模型,且每一个故障模型均关联有一个故障解决模型;
S2、在智能电视终端中设置状态监测点;
S3、对各状态监测点进行数据监控,并获取异常数据;
S4、从专家数据库中获取与异常数据匹配的故障模型作为匹配故障,通过匹配故障对应的故障解决模型对智能电视终端进行修正;
S5、判断异常数据是否消除;是,则返回步骤S3;
S6、否,则通过人机交互对异常数据进行处理,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型;
S7、将新的故障模型和对应的故障解决模型添加到专家数据库中,然后返回步骤S3。
优选的,步骤S2具体为:在智能电视终端中建立状态监测点,并对应每一个状态监测点的监控数据设置异常判定模型;步骤S3中,根据对应的异常判定模型对各状态监测点的监控数据进行异常判断,并获取异常数据。
优选的,步骤S1中,专家数据库中的故障模型分为多个大类,步骤S2中的状态监测点与各大类一一对应。
优选的,步骤S4具体为:首先对异常数据进行分析,并提取关键字;然后将异常数据与其状态监测点对应大类下的故障模型进行关键字匹配;
如果匹配成功,则根据对应的故障解决模型对智能电视终端进行修正;
如果匹配不成功,则通过模糊匹配从专家数据库中获取与异常数据匹配上的故障模型作为候选模型;然后通过置信度传播算法获取各候选模型的可信度,并根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正。
优选的,根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正的具体方式为:
S41、将候选模型根据可信度由高到低进行排序;
S42、优选选择可信度高的候选模型对应的故障解决模型对智能电视终端进行修正;
S43、判断异常数据是否消除;是,则返回步骤S3;
S44、否,则判断是否还有剩余的候选模型;
S45、是,则对智能电视终端进行异常数据还原,并获取下一个候选模型对应的故障解决模型对智能电视终端进行修正,然后返回步骤S43;
S46、否,则执行步骤S6。
一种基于云分析的远程电视异常处理系统,包括:异常监控子系统和专家子系统;专家子系统中包括专家数据库,专家数据库中存储有故障模型以及与每一个故障模型对应的故障解决模型;
异常监控子系统用于监控智能电视终端,并采集异常数据;专家子系统用于通过故障匹配,获取与异常数据匹配上的故障模型对应的故障解决模型并下发给智能电视终端进行修正;
专家子系统还用于在故障解决模型修复失败后,通过人机调试对智能电视终端进行修复,并生成新的故障模型和对应的故障解决模型添加到专家数据库中。
优选的,异常监控子系统包括数据采集模块和监测模块;专家子系统还包括:故障诊断模块和专家调试模块;
数据采集模块用于采集智能电视终端中设置的各状态监测点的监控数据;
监测模块与数据采集模块连接,用于对监控数据进行数据分析,并获取异常的监控数据作为异常数据;监测模块还用于根据故障诊断模块下发的目标解决模型对智能电视终端进行修正;
故障诊断模块分别连接监测模块、专家数据库和专家调试模块;
故障诊断模块用于从专家数据库中获取与异常数据匹配的故障模型,根据匹配上的故障模型对应的故障解决模型作为目标解决模型并下发给监测模块;
故障诊断模块还用于获取监测模块反馈的故障修复结果,并用于在目标解决模型不存在或者监测模块反馈会修复失败信息时,将异常数据发送给专家调试模块;
专家调试模块用于通过人机调试对智能电视终端进行修正,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型;
专家调试模块还连接专家数据库,用于将新的故障模型和对应的故障解决模型添加到专家数据库中。
优选的,故障诊断模块包括:异常缓存单元、语义分析单元、精确匹配单元、模糊匹配单元、置信度计算单元和模型下发单元;
异常缓存单元用于获取监测模块发送的异常数据;语义分析单元用于对异常数据进行语义分析并提取关键字;
精确匹配单元和模糊匹配单元均连接专家数据库;
精确匹配单元用于根据关键字在专家数据库中进行精确匹配,获取匹配上的故障模型作为目标模型;
模糊匹配单元用于在精确匹配失败时,根据关键字在专家数据库中进行模糊匹配,获取至少一个故障模型作为候选模型;
置信度计算单元用于根据置信度传播算法计算各候选模型的置信度;
模型下发单元分别连接精确匹配单元、模糊匹配单元和置信度计算单元,用于将目标模型或者关联有置信度的候选模型发送出去。
优选的,智能电视终端中设置的状态监测点包括:网络连接、通信、数据处理、数据存储、日志、应用模块、系统模块和异常诊断模块。
优选的,监测模块包括监测中心、监控数据库和适配器;监控数据库中对应每一个状态监测点设有一个数据类;监测中心用于获取数据采集模块发送的数据包,并对数据包进行解析后根据首部字段将监控数据归类后插入监控数据库;适配器用于根据监控数据库改动更新数据统计,并进行对比、分析和异常判断。
本发明提出的一种基于云分析的远程电视异常处理方法和系统,通过专家数据库的设置和故障匹配,实现了实现了智能电视终端的故障远程智能化处理,提高了故障处理效率,并节约了人力成本。当通过专家数据库匹配找出的故障解决模型验证无效,或者精确匹配和模糊匹配都失败时,则启用人机交互调试,由专家对异常数据进行分析判定并给出解决方案,以保证对电视机故障的全面覆盖。
本发明提供了一种全新的远程诊断方式,从各个环节的筛选和处理中大大减少了频繁的人机交互和时间成本,通过数据分析和系统自学习功能可以通过数据精确的判定问题并充分进行在测试。通过本发明可以实现自动化闭环修改和测试,本发明仅在系统无法进行问题诊断和解答时启用人机调试并加入专家数据库,可以不断减少重复性修改,并提高系统问题处理能力,有效的增加系统对问题的诊断和处理模型,提高智能电视终端的稳定性和各方面体验。
本发明通过云分析技术,把传统的监控系统远程化、网络化,对提高维修能力、降低异常率具有重要的意义和实际应用价值。
附图说明
图1为本发明提出的一种基于云分析的远程电视异常处理方法流程图;
图2为本发明提出的另一种基于云分析的远程电视异常处理方法流程图;
图3为本发明提出的另一种基于云分析的远程电视异常处理系统结构图;
图4为智能电视运行内存分析折线图;
图5为智能电视应用运行内存分析折线图;
图6为模糊推理结构模型图。
具体实施方式
参照图1,本发明提出的一种基于云分析的远程电视异常处理方法,包括以下步骤。
S1、建立专家数据库,专家数据库中存储有多个故障模型,且每一个故障模型均关联有一个故障解决模型。
S2、在智能电视终端中设置状态监测点。
具体的,本步骤中,可在智能电视终端通信、数据处理、数据存储、日志、应用模块、系统模块、异常诊断模块等关键位置上建立状态监测点。
S3、对各状态监测点进行数据监控,并获取异常数据。
本实施方式中,将不同状态监测点位按照不同数据类型和时钟周期进行数据监控,并将监控数据通过网络传输。
具体的,对智能电视通信模块可监测其网络连接、通信、及对服务器收发数据状况;对数据处理模块可监测其数据封包、发包、数据解析、显示等反应时间及运行状况;对数据存储可监测其内存使用情况;对日志可监测其是否有异常输出。
本实施方式中,对智能电视通信模块,监测其网络连接状况、检测时段内通信是否畅通和通信流量是否达到需求、对服务器收发数据的数据包回执状况;对数据处理模块,监测其数据封包状态、发包状态,对收到的数据解析、显示等算法的等反应时间及运行状况进行监测;对数据存储,可监测其内存使用情况,对系统内应用各内存占用情况按时钟周期上报,取得系统及各模块的运行情况;对日志,可监测其是否有异常输出,对整个测试期间的日志进行细化监测,对潜在的异常、错误进行抓取处理;对应用模块,可监测其是否在运行中出现卡顿、异常报错、数据及通信异常;对系统模块,可监测其是否在运行中出现无响应、OOM、系统错误、重启等功能异常。如此,本实施方式中,通过以上监测,实现了对测试期间软件关键点部分的数据进行全方位按需采集。
本实施方式步骤S2中,在智能电视终端中建立状态监测点,并对应每一个状态监测点的监控数据设置异常判定模型。以便步骤S3中,根据对应的异常判定模型对各状态监测点的监控数据进行异常判断,并获取异常数据。具体的,本实施方式中,对监控数据进行异常判断时,对有严格区间限制的数据如果不在正常区间范围内,则反馈异常;对稳定性和持续性有需求的数据,则根据数据的稳定性和持续性与预设阈值的对比进行异常判定。
以下,以图4为例。本实施例中,以智能电视终端的内存监测为例,其中x轴代表时间,y轴代表所占用运行内存,线条l代表0到t1时间段智能电视总体运行内存存占用情况,线条l1的代表应用a在0到t1时间段的运行内存占用情况,线条l2代表0到t1时间段智能电视自身系统占用总体运行内存的情况,线条l3代表应用b在0到t1时间段的运行内存占用情况,直线W代表智能电视整体运行内存警戒线,当l峰值大于y=W时,监测中心报告内存异常,标识位为W。异常报出后,对异常数据进行采集并上报。
S4、从专家数据库中获取与异常数据匹配的故障模型作为匹配故障,通过匹配故障对应的故障解决模型对智能电视终端进行修正。
具体实施时,步骤S1中,专家数据库中的故障模型分为多个大类,步骤S2中的状态监测点与各大类一一对应。具体的,本步骤S4中,首先对异常数据进行分析,并提取关键字;然后将异常数据与其状态监测点对应大类下的故障模型进行关键字匹配。这里,首先进行精确匹配,以保证匹配成功的故障模型与异常数据的一致,从而保证故障解决模型对异常数据对应的情况的修正效果。
如果匹配成功,则根据对应的故障解决模型对智能电视终端进行修正。
如果匹配不成功,则通过模糊匹配从专家数据库中获取与异常数据匹配上的故障模型作为候选模型;然后通过置信度传播算法获取各候选模型的可信度,并根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正。
本实施方式中,通过故障模型的分类,有利于提高匹配效率,从而提高故障处理效率。
参照图2,本实施方式中,根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正的具体方式为:
S41、将候选模型根据可信度由高到低进行排序。
S42、优选选择可信度高的候选模型对应的故障解决模型对智能电视终端进行修正。
S43、判断异常数据是否消除;是,则返回步骤S3。
S44、否,则判断是否还有剩余的候选模型。
S45、是,则对智能电视终端进行异常数据还原,并获取下一个候选模型对应的故障解决模型对智能电视终端进行修正,然后返回步骤S43。
S46、否,则执行步骤S6。
如图5所示实施例中,x轴代表时间,y轴代表所占用运行内存,线条l1代表0到t1时间段智能电视应用a运行能存占用情况,其中直线A为应用a内存警戒线;其中l1峰值大于Y=A时,出现异常,标志位为A;则专家数据库对A内存溢出情况进行精确匹配;当精确匹配无解决方案时,通过推理算法进行模糊匹配,将置信度由大到小的解决方案下发到智能电视终端进行修改并测试。
具体的,本实施方式中,采用如图6所示的现有的模糊推理结构进行模糊推理。模糊推理时,从异常数据或者异常类型出发,如请求数据多、图片缓存、内存泄漏等;然后根据预先设置的搜索策略和冲突消解策略,在专家数据库中找出可能满足条件的所有故障模型,根据反馈到专家数据库的异常数据与专家数据库进行模糊匹配,根据置信度传播算法,计算目标的置信度。当满足时,继续向下一层搜索,否则回溯,如此反复,直到找到匹配上的故障模型或最终节点结束。
S5、判断异常数据是否消除;是,则返回步骤S3。
S6、否,则通过人机交互对异常数据进行处理,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型。
本实施方式中,当通过专家数据库匹配找出的故障解决模型验证无效,或者精确匹配和模糊匹配都失败时,则启用人机交互调试,由专家对异常数据进行分析判定并给出解决方案,以保证对电视机故障的全面覆盖。
如此,本实施方式中,通过专家数据库和人机调试的配合,前者实现了智能电视终端的故障远程智能化处理,提高了故障处理效率,并节约了人力成本;后者补足了专家数据库的局限性。
S7、将新的故障模型和对应的故障解决模型添加到专家数据库中,然后返回步骤S3。本步骤中,通过对专家数据库的补充,实现了数据和经验的积累,有利于扩展智能电视终端故障远程智能化处理能力。
参照图3,本发明还提出了一种基于云分析的远程电视异常处理系统,包括:异常监控子系统和专家子系统。专家子系统中包括专家数据库,专家数据库中存储有故障模型以及与每一个故障模型对应的故障解决模型。
异常监控子系统用于监控智能电视终端,并采集异常数据。专家子系统用于通过故障匹配,获取与异常数据匹配上的故障模型对应的故障解决模型并下发给智能电视终端进行修正。
如此,本实施方式中,通过专家数据库的设置,实现了故障解决方案的积累,为智能电视终端故障的智能化处理奠定了基础。
本实施方式中,通过故障匹配获取故障解决模型,实现了在专家数据库中自动检索故障解决模型,保证了智能电视终端故障智能化处理的执行。
专家子系统还用于在故障解决模型修复失败后,通过人机调试对智能电视终端进行修复,并生成新的故障模型和对应的故障解决模型添加到专家数据库中。如此,通过人机调试,保证了专家数据库中没有的故障类型的故障的及时解决,并保证了专家数据库的即时扩充,从而实现了重复出现的异常数据在专家数据库中的匹配成功率,进一步降低了人力需求,提高了异常智能处理能力和效率。
本实施方式中,异常监控子系统包括数据采集模块和监测模块。专家子系统还包括:故障诊断模块和专家调试模块。
数据采集模块用于采集智能电视终端中设置的各状态监测点的监控数据。具体的,本实施方式中,通过在状态监测点上的各个关键数据位软件监测获取设备的工作状态信息,各个关键数据位或数据单元根据不同测试需求设置异步时钟定时监测数据位。具体的,在智能电视终端中设置的状态监测点,包括:网络连接、通信、数据处理、数据存储、日志、应用模块、系统模块、异常诊断模块等。数据采集模块通过对各个状态监测点的数据进行监测、采集、提取和统计,然后转换为有效数据上报。
本实施方式中,在各状态监测点进行监测时,根据各个数据位的监测频率不同,设定不同的时钟,以保证数据的正常采集
监测模块与数据采集模块连接,用于对监控数据进行数据分析,并获取异常的监控数据作为异常数据。监测模块还用于根据故障诊断模块下发的目标解决模型对智能电视终端进行修正。具体的,本实施方式中,监测模块对各状态监测点的监控数据进行判断是否处于正常运行的设定范围内,如果出现数据异常或偏移量大时,则将异常数据分析后整理成特定格式,再发送到专家子系统。
具体的,本实施方式中,监测模块判断数据是否异常,包括统计数据是否波动异常、是否存在异常区间范围、数据离散程度是否异常等。如果出现数据区间异常、日志错误、数据离散程度高、波动大,得出数据异常的结论时,则将异常数据分析后整理成特定格式,发送到故障诊断模块。
故障诊断模块分别连接监测模块、专家数据库和专家调试模块。
故障诊断模块用于从专家数据库中获取与异常数据匹配的故障模型,根据匹配上的故障模型对应的故障解决模型作为目标解决模型并下发给监测模块。
故障诊断模块还用于获取监测模块反馈的故障修复结果,并用于在目标解决模型不存在或者监测模块反馈会修复失败信息时,将异常数据发送给专家调试模块。
专家调试模块用于通过人机调试对智能电视终端进行修正,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型。
专家调试模块还连接专家数据库,用于将新的故障模型和对应的故障解决模型添加到专家数据库中。
本实施方式中,监测模块包括监测中心、监控数据库和适配器。监控数据库中对应每一个状态监测点设有一个数据类。监测中心用于获取数据采集模块发送的数据包,并对数据包进行解析后根据首部字段将监控数据归类后插入监控数据库。适配器用于根据监控数据库改动更新数据统计,并进行对比、分析和异常判断。
具体的,本实施方式中,故障诊断模块对异常数据进行解析后,首先精确匹配专家数据库中该类型异常问题;若匹配成功,则将故障解决模型下发到监测中心,有监测中心进行修改后重新测试。当精确匹配失败,故障诊断模块通过推理算法模糊匹配专家数据库中的故障模型,将模糊匹配上的故障解决方案根据置信度由大到小的顺序下发到监测中心进行修改并测试。
如此,本实施方式中,由监测中心进行数据整理,并根据专家子系统下发的故障解决模型对智能终端进行修正,使得专家子系统只提供解决方案,而不进行修复。即专家子系统只负责数据处理和发送,由监测模块进行故障修正操作,降低了专家子系统的工作负荷,有利于提高故障处理效率。
本实施方式中,可实现异常监控子系统与智能电视终端的一对一关联,专家子系统与异常监控子系统的一对多关联,从而降低了系统成本,并且通过覆盖面的扩展,有利于保证专家子系统的数据积累速度。
具体的,本实施方式中,故障诊断模块包括:异常缓存单元、语义分析单元、精确匹配单元、模糊匹配单元、置信度计算单元和模型下发单元。
异常缓存单元用于获取监测模块发送的异常数据。语义分析单元用于对异常数据进行语义分析并提取关键字。
精确匹配单元和模糊匹配单元均连接专家数据库。
精确匹配单元用于根据关键字在专家数据库中进行精确匹配,获取匹配上的故障模型作为目标模型。
模糊匹配单元用于在精确匹配失败时,根据关键字在专家数据库中进行模糊匹配,获取至少一个故障模型作为候选模型。
置信度计算单元用于根据置信度传播算法计算各候选模型的置信度。
模型下发单元分别连接精确匹配单元、模糊匹配单元和置信度计算单元,用于将目标模型或者关联有置信度的候选模型发送出去。具体的,模型下发单元将目标模型或者关联有置信度的候选模型发送给监测中心。
以上所述,仅为本发明涉及的较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于云分析的远程电视异常处理方法,其特征在于,包括:
S1、建立专家数据库,专家数据库中存储有多个故障模型,且每一个故障模型均关联有一个故障解决模型;
S2、在智能电视终端中设置状态监测点;
S3、对各状态监测点进行数据监控,并获取异常数据;
S4、从专家数据库中获取与异常数据匹配的故障模型作为匹配故障,通过匹配故障对应的故障解决模型对智能电视终端进行修正;
S5、判断异常数据是否消除;是,则返回步骤S3;
S6、否,则通过人机交互对异常数据进行处理,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型;
S7、将新的故障模型和对应的故障解决模型添加到专家数据库中,然后返回步骤S3。
2.如权利要求1所述的基于云分析的远程电视异常处理方法,其特征在于,步骤S2具体为:在智能电视终端中建立状态监测点,并对应每一个状态监测点的监控数据设置异常判定模型;步骤S3中,根据对应的异常判定模型对各状态监测点的监控数据进行异常判断,并获取异常数据。
3.如权利要求1所述的基于云分析的远程电视异常处理方法,其特征在于,步骤S1中,专家数据库中的故障模型分为多个大类,步骤S2中的状态监测点与各大类一一对应。
4.如权利要求3所述的基于云分析的远程电视异常处理方法,其特征在于,步骤S4具体为:首先对异常数据进行分析,并提取关键字;然后将异常数据与其状态监测点对应大类下的故障模型进行关键字匹配;
如果匹配成功,则根据对应的故障解决模型对智能电视终端进行修正;
如果匹配不成功,则通过模糊匹配从专家数据库中获取与异常数据匹配上的故障模型作为候选模型;然后通过置信度传播算法获取各候选模型的可信度,并根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正。
5.如权利要求4所述的基于云分析的远程电视异常处理方法,其特征在于,根据可信度由高到低的顺序逐一获取各候选模型对应的故障解决模型对智能电视终端进行修正的具体方式为:
S41、将候选模型根据可信度由高到低进行排序;
S42、优选选择可信度高的候选模型对应的故障解决模型对智能电视终端进行修正;
S43、判断异常数据是否消除;是,则返回步骤S3;
S44、否,则判断是否还有剩余的候选模型;
S45、是,则对智能电视终端进行异常数据还原,并获取下一个候选模型对应的故障解决模型对智能电视终端进行修正,然后返回步骤S43;
S46、否,则执行步骤S6。
6.一种基于云分析的远程电视异常处理系统,其特征在于,包括:异常监控子系统和专家子系统;专家子系统中包括专家数据库,专家数据库中存储有故障模型以及与每一个故障模型对应的故障解决模型;
异常监控子系统用于监控智能电视终端,并采集异常数据;专家子系统用于通过故障匹配,获取与异常数据匹配上的故障模型对应的故障解决模型并下发给智能电视终端进行修正;
专家子系统还用于在故障解决模型修复失败后,通过人机调试对智能电视终端进行修复,并生成新的故障模型和对应的故障解决模型添加到专家数据库中。
7.如权利要求6所述的基于云分析的远程电视异常处理系统,其特征在于,异常监控子系统包括数据采集模块和监测模块;专家子系统还包括:故障诊断模块和专家调试模块;
数据采集模块用于采集智能电视终端中设置的各状态监测点的监控数据;
监测模块与数据采集模块连接,用于对监控数据进行数据分析,并获取异常的监控数据作为异常数据;监测模块还用于根据故障诊断模块下发的目标解决模型对智能电视终端进行修正;
故障诊断模块分别连接监测模块、专家数据库和专家调试模块;
故障诊断模块用于从专家数据库中获取与异常数据匹配的故障模型,根据匹配上的故障模型对应的故障解决模型作为目标解决模型并下发给监测模块;
故障诊断模块还用于获取监测模块反馈的故障修复结果,并用于在目标解决模型不存在或者监测模块反馈会修复失败信息时,将异常数据发送给专家调试模块;
专家调试模块用于通过人机调试对智能电视终端进行修正,并根据异常数据和处理结果生成新的故障模型和对应的故障解决模型;
专家调试模块还连接专家数据库,用于将新的故障模型和对应的故障解决模型添加到专家数据库中。
8.如权利要求7所述的基于云分析的远程电视异常处理系统,其特征在于,故障诊断模块包括:异常缓存单元、语义分析单元、精确匹配单元、模糊匹配单元、置信度计算单元和模型下发单元;
异常缓存单元用于获取监测模块发送的异常数据;语义分析单元用于对异常数据进行语义分析并提取关键字;
精确匹配单元和模糊匹配单元均连接专家数据库;
精确匹配单元用于根据关键字在专家数据库中进行精确匹配,获取匹配上的故障模型作为目标模型;
模糊匹配单元用于在精确匹配失败时,根据关键字在专家数据库中进行模糊匹配,获取至少一个故障模型作为候选模型;
置信度计算单元用于根据置信度传播算法计算各候选模型的置信度;
模型下发单元分别连接精确匹配单元、模糊匹配单元和置信度计算单元,用于将目标模型或者关联有置信度的候选模型发送出去。
9.如权利要求7所述的基于云分析的远程电视异常处理系统,其特征在于,智能电视终端中设置的状态监测点包括:网络连接、通信、数据处理、数据存储、日志、应用模块、系统模块和异常诊断模块。
10.如权利要求9所述的基于云分析的远程电视异常处理系统,其特征在于,监测模块包括监测中心、监控数据库和适配器;监控数据库中对应每一个状态监测点设有一个数据类;监测中心用于获取数据采集模块发送的数据包,并对数据包进行解析后根据首部字段将监控数据归类后插入监控数据库;适配器用于根据监控数据库改动更新数据统计,并进行对比、分析和异常判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910956437.5A CN110825768B (zh) | 2019-10-10 | 2019-10-10 | 一种基于云分析的远程电视异常处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910956437.5A CN110825768B (zh) | 2019-10-10 | 2019-10-10 | 一种基于云分析的远程电视异常处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110825768A true CN110825768A (zh) | 2020-02-21 |
CN110825768B CN110825768B (zh) | 2021-10-29 |
Family
ID=69548913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910956437.5A Active CN110825768B (zh) | 2019-10-10 | 2019-10-10 | 一种基于云分析的远程电视异常处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825768B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111880977A (zh) * | 2020-07-16 | 2020-11-03 | 北京天维信通科技有限公司 | 故障自愈方法和装置、设备及存储介质 |
CN111950197A (zh) * | 2020-08-04 | 2020-11-17 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于人工智能语义的配网攻击及故障采集分析系统 |
CN113761187A (zh) * | 2020-06-07 | 2021-12-07 | 南亚科技股份有限公司 | 自然语言处理系统与方法及计算机可读存储介质 |
CN114973492A (zh) * | 2022-06-27 | 2022-08-30 | 江苏欧焙佳食品有限公司 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
CN115056228A (zh) * | 2022-07-06 | 2022-09-16 | 中迪机器人(盐城)有限公司 | 一种机器人的异常监控和处理系统及方法 |
CN116493282A (zh) * | 2023-04-12 | 2023-07-28 | 曲靖阳光新能源股份有限公司 | 基于机器视觉的单品硅片快速分选系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393666B (zh) * | 2011-09-21 | 2013-05-01 | 哈尔滨工业大学 | 一种探测器嵌入式自主故障监测与异常数据记录装置 |
CN105653430A (zh) * | 2016-01-04 | 2016-06-08 | 山东超越数控电子有限公司 | 一种处理服务器管理信息的方法、装置及系统 |
CN107612756A (zh) * | 2017-10-31 | 2018-01-19 | 广西宜州市联森网络科技有限公司 | 一种具有智能故障分析处理功能的运维管理系统 |
-
2019
- 2019-10-10 CN CN201910956437.5A patent/CN110825768B/zh active Active
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761187A (zh) * | 2020-06-07 | 2021-12-07 | 南亚科技股份有限公司 | 自然语言处理系统与方法及计算机可读存储介质 |
TWI756983B (zh) * | 2020-06-07 | 2022-03-01 | 南亞科技股份有限公司 | 自然語言處理系統與方法及非暫態電腦可讀取記錄媒體 |
US11645463B2 (en) | 2020-06-07 | 2023-05-09 | Nanya Technology Corporation | Natural language processing system, natural language processing method and non-transitory computer readable medium |
CN111880977A (zh) * | 2020-07-16 | 2020-11-03 | 北京天维信通科技有限公司 | 故障自愈方法和装置、设备及存储介质 |
CN111880977B (zh) * | 2020-07-16 | 2022-02-08 | 北京天维信通科技有限公司 | 故障自愈方法和装置、设备及存储介质 |
CN111950197A (zh) * | 2020-08-04 | 2020-11-17 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于人工智能语义的配网攻击及故障采集分析系统 |
CN114973492A (zh) * | 2022-06-27 | 2022-08-30 | 江苏欧焙佳食品有限公司 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
CN114973492B (zh) * | 2022-06-27 | 2023-09-19 | 江苏欧焙佳食品有限公司 | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 |
CN115056228A (zh) * | 2022-07-06 | 2022-09-16 | 中迪机器人(盐城)有限公司 | 一种机器人的异常监控和处理系统及方法 |
CN116493282A (zh) * | 2023-04-12 | 2023-07-28 | 曲靖阳光新能源股份有限公司 | 基于机器视觉的单品硅片快速分选系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110825768B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825768B (zh) | 一种基于云分析的远程电视异常处理方法及系统 | |
CN110730246A (zh) | 一种微服务架构下的分布式链路跟踪方法 | |
CN110333710B (zh) | 一种航天器在轨故障检测和故障处理系统及方法 | |
CN101783749B (zh) | 一种网络故障定位方法和装置 | |
CN106021062A (zh) | 关联故障的预测方法和系统 | |
CN103414916A (zh) | 一种故障诊断系统及方法 | |
CN102802182A (zh) | 一种无线传感器网络故障诊断装置及方法 | |
CN106506226A (zh) | 一种故障检测的启动方法及装置 | |
CN111708672A (zh) | 数据传输方法、装置、设备及存储介质 | |
CN109784629B (zh) | 一种基于神经网络的变电站工控网络故障定位方法 | |
CN112269673A (zh) | 一种数据中心智能运维管理系统及方法 | |
CN111487595A (zh) | 一种雷达远程维修系统及其使用方法 | |
CN113507397B (zh) | 一种基于云端运维收集终端设备状态自动巡检的方法 | |
CN115378841A (zh) | 设备接入云平台状态的检测方法及装置、存储介质、终端 | |
CN113495750B (zh) | 一种设备的升级检测方法、装置及服务器 | |
CN115203014A (zh) | 一种基于深度学习的生态服务异常修复系统及修复方法 | |
CN111240872A (zh) | 一种基于云计算的自助设备诊断方法 | |
CN218549944U (zh) | 一种智能变电站遥控信息故障诊断系统和装置 | |
CN111093221B (zh) | 基于集中式网络的无线网络监测系统 | |
TWI748672B (zh) | 自動讀表異常分析系統及其方法 | |
KR20170127876A (ko) | 로그 결함 분석 기반 장애 대응 시스템 및 방법 | |
CN108809768B (zh) | 一种共享交换平台的故障监控和恢复系统 | |
CN107276812B (zh) | 一种核电站Level2层冗余设备的故障诊断装置、系统和方法 | |
CN117194154A (zh) | 一种基于微服务的apm全链路监控系统及方法 | |
CN115150255A (zh) | 一种自适应的基于知识图谱的应用故障自动根因定位方法 |
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 |