CN111682960A - 一种物联网网络及设备的故障诊断方法及装置 - Google Patents
一种物联网网络及设备的故障诊断方法及装置 Download PDFInfo
- Publication number
- CN111682960A CN111682960A CN202010405690.4A CN202010405690A CN111682960A CN 111682960 A CN111682960 A CN 111682960A CN 202010405690 A CN202010405690 A CN 202010405690A CN 111682960 A CN111682960 A CN 111682960A
- Authority
- CN
- China
- Prior art keywords
- fault
- diagnosis
- internet
- rule base
- things
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 description 23
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
-
- 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
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请公开了一种物联网网络及设备的故障诊断方法及装置,该方法包括:根据物联网设备的监测数据确定故障事件,故障事件用于指示物联网设备的设备异常和/或物联网设备所在网络的网络异常;将故障事件输入到诊断规则库获得至少一个故障原因;诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;诊断规则库是根据诊断知识图谱生成的,诊断知识图谱包括多个物联网设备的历史数据、专业知识库、多个故障事件和多个故障原因,多个物联网设备的历史数据和专业知识库用于推导多个故障事件和多个故障原因之间的映射关系;将至少一个故障原因发送至用户终端。实施本申请,可以实现对物联网网络及设备故障的及时、准确定位。
Description
技术领域
本申请涉及物联网领域,尤其涉及一种物联网设备及网络的故障诊断方法及装置。
背景技术
物联网(Internet of Things,IoT),即万物互联,将各种信息、传感器设备与互联网结合起来形成一个连通的网络,以实现在任何时间、地点、人、机、物的互联互通。物联网与个人及家庭生活、工业生产深度融合,为全社会带来了许多便利。
但是,在享受物联网带来便利的同时,由于物联网设备通常部署的较为分散,对通信网络的要求不尽相同,因此,一旦物联网设备或者物联网设备所在的网络出现故障,难以及时、准确对故障进行定位,从而导致故障长时间得不到解决甚至出现大面积故障,从而导致物联网的网络运营成本增加,降低了用户体验。
发明内容
本申请实施例公开了一种物联网网络及设备的故障诊断方法及装置,实现了对物联网网络及设备故障的及时、准确定位,有效避免了故障大面积存在以及长时间得不到处理的情况的发生。
第一方面,本申请实施例提供了一种物联网网络及设备的故障诊断方法,所述方法包括:根据物联网设备的监测数据确定故障事件,所述故障事件用于指示所述物联网设备的设备异常和/或所述物联网设备所在网络的网络异常;将所述故障事件输入到诊断规则库获得至少一个故障原因;所述诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;所述诊断规则库是根据诊断知识图谱生成的,所述诊断知识图谱包括多个物联网设备的历史数据、专业知识库、所述多个故障事件和所述多个故障原因,所述多个物联网设备的历史数据和所述专业知识库用于推导所述多个故障事件和所述多个故障原因之间的所述映射关系;将所述至少一个故障原因发送至用户终端。
可以看到,实施本申请实施例,通过从物联网设备的监测数据中确定其对应的故障事件,诊断规则库根据故障事件诊断获得故障原因,从而实现对物联网网络及设备故障的及时、准确定位,有效避免了故障大面积存在以及长时间得不到处理的情况的发生,提供了更好的物联网用户体验。
基于第一方面,在可能的实施例中,所述将所述故障事件输入到诊断规则库获得至少一个故障原因,包括:将所述故障事件输入所述诊断规则库中,根据所述故障事件查找所述诊断规则库中所述多个故障事件和所述多个故障原因之间的映射关系,获得至少一个故障原因。
基于第一方面,在可能的实施例中,所述方法还包括:将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端。
在诊断规则库根据故障事件诊断出多个故障原因的情况下,诊断规则库还可以诊断出各故障原因对应的概率,并将各故障原因对应的概率发送给用户终端。
基于第一方面,在可能的实施例中,在所述将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端之后,所述方法还包括:接收所述用户终端的反馈信息,所述反馈信息指示了真实故障,所述真实故障与所述至少一个故障原因对应的概率中最大概率对应的故障原因不一致;根据所述反馈信息更新所述诊断知识图谱;根据更新后的诊断知识图谱更新所述诊断规则库。
在用户终端接收到诊断规则库发送的多个故障原因以及多个故障原因对应的概率后,通常以最大概率对应的故障原因为依据进行故障处理。在一些可能的实施例中,用户可以对接收到的多个故障原因按照其概率从大到小进行排查确定真实故障,在真实故障与接收到的最大概率对应的故障不一致时,用户终端向服务器发送反馈信息,服务器根据接收到的反馈信息更新诊断知识图谱和诊断规则库,从而使诊断规则库更加完善。
基于第一方面,在可能的实施例中,所述诊断规则库中还包含所述多个故障原因对应的概率,所述根据所述反馈信息更新所述诊断知识图谱,包括:将所述故障事件与所述反馈信息指示的真实故障这组映射关系添加入所述诊断知识图谱中的所述专业知识库中以获得所述更新后的诊断知识图谱;更新后的诊断规则库中所述真实故障对应的概率改变,或者,所述更新后的诊断规则库中所述故障事件对应的至少一个故障原因中包含所述真实故障。
第二方面,本申请实施例提供了一种装置,应用于诊断物联网设备及网络,所述装置包括:处理单元,用于根据物联网设备的监测数据确定故障事件,所述故障事件用于指示所述物联网设备的设备异常和/或所述物联网设备所在网络的网络异常;诊断单元,用于将所述故障事件输入到诊断规则库获得至少一个故障原因;所述诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;所述诊断规则库是根据诊断知识图谱生成的,所述诊断知识图谱包括多个物联网设备的历史数据、专业知识库、所述多个故障事件和所述多个故障原因,所述多个物联网设备的历史数据和所述专业知识库用于推导所述多个故障事件和所述多个故障原因之间的所述映射关系;发送单元,用于将所述至少一个故障原因发送至用户终端。
基于第二方面,在可能的实施例中,所述诊断单元具体用于:将所述故障事件输入所述诊断规则库中,根据所述故障事件查找所述诊断规则库中所述多个故障事件和所述多个故障原因之间的映射关系,获得至少一个故障原因。
基于第二方面,在可能的实施例中,所述发送单元还用于:将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端。
基于第二方面,在可能的实施例中,所述装置还包括:接收单元,用于:接收所述用户终端的反馈信息,所述反馈信息指示了真实故障,所述真实故障与所述至少一个故障原因对应的概率中最大概率对应的故障原因不一致;优化单元:用于根据所述反馈信息更新所述诊断知识图谱;根据更新后的诊断知识图谱更新所述诊断规则库。
基于第二方面,在可能的实施例中,所述诊断规则库中还包含所述多个故障原因对应的概率,所述优化单元具体用于:将所述故障事件与所述反馈信息指示的真实故障这组映射关系添加入所述诊断知识图谱中的所述专业知识库中以获得所述更新后的诊断知识图谱;更新后的诊断规则库中所述真实故障对应的概率改变,或者,所述更新后的诊断规则库中所述故障事件对应的至少一个故障原因中包含所述真实故障。
第三方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读介质存储用于装置执行的程序代码,所述程序代码包括用于执行第一方面或者第一方面的任一可能的实现方式中的方法的指令。
第四方面,本申请实施例提供了一种计算机软件产品,该计算机程序软件产品包括程序指令,当该计算机软件产品被装置执行时,该装置执行前述第一方面或者第一方面的任一可能的实施例中的所述方法。该计算机软件产品可以为一个软件安装包,在需要使用前述第一方面的任一种可能的设计提供的方法的情况下,可以下载该计算机软件产品并在装置上执行该计算机软件产品,以实现第一方面或者第一方面的任一可能的实施例中的所述方法。
可以看到,实施本申请实施例,一方面,通过从物联网设备的监测数据中确定其对应的故障事件,诊断规则库根据故障事件诊断获得故障原因;另一方面,通过接收指示了物联网设备或其所在所网络的真实故障的反馈信息不断优化完善诊断规则库,从而实现了对物联网网络及设备故障的及时、准确定位,有效避免了故障大面积存在以及长时间得不到处理的情况的发生,提供了更好的物联网用户体验。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种应用的系统架构示意图;
图2是本申请实施例提供的一种物联网设备及网络的故障诊断方法的流程示意图;
图3是本申请实施例提供的一种诊断规则库的应用过程示意图;
图4是本申请实施例提供的一种诊断知识图谱和诊断规则库的训练示意图;
图5是本申请实施例提供的一种诊断知识图谱的示例图;
图6是本申请实施例提供的一种诊断规则库的示例图;
图7是本申请实施例提供的一种装置的结构示意图;
图8是本申请实施例提供的一种装置的功能结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是,在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
物联网(The Internet of Things,IOT)是新一代信息技术的重要组成部分,简单理解,物联网即为物物相连的互联网。一方面,物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和扩展的网络;另一方面,其用户终端和物联网设备延伸、扩展到了任何物体与物体之间,进行信息交换和通信。因此,物联网的定义是通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议,把任何物体与互联网相连接,进行信息交换和通信,以实现对物体的智能化识别、定位、跟踪、监控和管理的一种网络。在现阶段,物联网是借助各种信息传感技术与信息传输、处理技术,使管理的对象的状态能被感知、识别,而形成的局部应用网络。
参见图1,图1是申请实施例提供的一种应用的系统架构示意图,系统10至少包括服务器12、物联网设备14和用户终端16,其中,物联网设备14和服务器12通过有线网络或无线网络的方式连接进行通信,用户终端16和服务器12通过无线的方式进行连接通信。需要说明的是,服务器12还可以称作诊断服务器。
物联网设备14物联网设备可以是物联网网关上的通信设备、传感器和执行器等实体设备,物联网设备14用于向服务器12发送采集的监测数据,监测数据指示了该物联网设备的设备运行状态以及该物联网设备的网络运行状态,以供服务器12进行处理分析确定故障事件以及故障事件对应的故障原因,故障事件用于指示物联网设备的设备异常和/或物联网设备所在网络的网络异常。
服务器12可以是服务中心计算机,用于对物联网设备14将采集到的监测数据进行处理,从监测数据中确定故障事件,并将故障事件输入诊断规则库中经诊断获得诊断结果,诊断结果包括至少一个故障原因,并将诊断结果发送给用户终端16。在一些可能的实施例中,服务器12还用于接收用户终端16发送的反馈信息,反馈信息指示了真实故障,并根据反馈信息更新优化诊断知识图谱和诊断规则库。服务器12还用于基于物联网设备14的历史数据(例如,监测数据、告警信息、日志信息和关键性能参数等)以及预先存储的专业知识库建立诊断知识图谱。服务器12还被用于提供网络连接,例如DNS(Domain Name Server,域名服务器)服务,或者作为使用DHCP(Dynamic host configuration protocol,动态主机配置协议)或者其它合适的协议来分配IP地址给物联网设备14和用户终端16的网络地址服务器。
用户终端16可以是手机、显示屏、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Device,MID)、智能手环等可穿戴电子设备或者其他任意具有显示器的终端设备。用户终端16用于接收服务器12发送的对物联网设备14或物联网设备14所在网络的诊断结果,并将该诊断结果显示在用户终端16的显示屏上,诊断结果中还携带有多个原因对应的概率。在一些可能的实施例中,在真实故障与用户终端接收到的诊断结果最大概率对应的故障原因不一致时,用户终端16还可以向服务器12发送反馈信息,以使服务器12根据反馈信息更新诊断规则库。
在一些可能的实施例中,系统10还包括应用服务器(图未示),应用服务器分别与物联网设备14、服务器12连接,即物联网设备14通过应用服务器与服务器12(或称诊断服务器)通信,在此情况下,在物联网设备及网络存在故障时,应用服务器可以根据物联网设备14上传的监测数据转发给服务器12。
参见图2,基于上文所描述的系统架构,下面描述本申请实施例提供的一种物联网设备及网络的故障诊断方法,该方法包括但不限于一下步骤:
S101、物联网设备向服务器发送监测数据。
本申请实施例中,物联网设备向服务器发送数据信息,数据信息包括自身设备的监测数据,在物联网设备或物联网设备所在网络出现故障的情况下,监测数据隐性地指示了物联网设备的设备运行状态异常和/或物联网设备所在网络的网络运行状态异常。需要说明的是,物联网设备可以是物联网网关上的通信设备、传感器和执行器等实体设备。
监测数据可以是物联网设备工作时采集的数据,其可以是物联网设备当下工作状态下测量的数据、物联网设备在一段时间内的运行状态的监控数据,设备当前所在网络的相关参数信息等。
示例性地,物联网设备为GPS模块,GPS模块的监测数据包括某段时间内其所在的运动载体(例如,车辆)的位置坐标信息,测得的其所在车辆的运动速度、加速度、运动方向等,位置坐标、速度等信息上传至服务器的次数、上传时的网速、数据包的大小以及每次上传的时间等。
示例性地,物联网设备为光敏传感器,光敏传感器的监测数据包括光敏传感器接收的光强信号、测得的光强信号、数据上传的次数和时间、所在的网络类型、网络所在的频段、选择的频点、心跳周期等。
在一些可能的实施例中,若物联网设备通过应用服务器与诊断服务器通信,则物联网设备先将监测数据发送给应用服务器,应用服务器再将接收到的监测数据转发给诊断服务器,换句话说,即物联网设备通过应用服务器向诊断服务器发送监测数据。需要说明的是,这里的诊断服务器即为本申请实施例中的服务器。
需要说明的是,本申请实施例中的网络为物联网通信网络,例如,基于授权频段的蜂窝通信网络。示例性地,基于授权频段的蜂窝通信网络包括2G、3G、4G、5G以及NB-IoT(Narrow Band Internet of Things,窄带物联网)。
需要说明的是,本申请实施例中,物联网设备发送至服务器的监测数据既能反映物联网设备的运行状态又能反映物联网设备所在网络的相关信息,因此,服务器可以通过物联网设备发送的监测数据实现对物联网设备的设备异常和物联网设备所在网络的网络异常同时监测。
S102、服务器接收监测数据,根据监测数据确定故障事件。
本申请实施例中,服务器接收到监测数据后,可以对其进行预处理,例如,数据清洗、数据过滤和数据分类处理,也可以是ETL处理(即包括数据抽取、清洗和转换),本申请不做具体限定。通过预处理可以先过滤掉不重要的数据或告警信息,减少数据分析的工作量,然后根据预处理后的数据确定故障事件。
具体地,监测数据中包含文本信息以及数据信息,对于文本信息可采用深度学习网络模型识别文本信息中的关键术语并确定个关键术语之间的关联,例如:光敏传感器、4G、频段、频点、电池电量等,简单理解,关键术语表示实体;对于数据信息,在确定文本信息中的关键术语后,可以提取紧跟着该关键术语后的目标数据,将其与预先存储的该关键术语对应的标准数据做对比,判断目标数据是否在该关键术语的标准数据的范围内,以此判断每个关键术语对应的实体是否异常,再结合监测数据中各关键术语之间的关联关系可以综合确定故障事件。
举例来说,物联网设备为光敏传感器,服务器对光敏传感器上传的监测数据进行上述处理,监测数据的说明可参考S101中的说明,服务器经相关处理从监测数据中获得该光敏传感器在一段时间内接收的光强信号均在变化,但在该段时间内测得的光强信号值不变,则服务器可以确定故障事件为“光敏传感器数据测量异常”。
需要说明的是,故障事件可以是“某某设备上线慢”、“某某设备功能故障”、“某某设备器件故障”、“某某设备离线”、“召测超时”、“某某设备数据测量异常”等。可以理解,确定的故障事件的越具体,则对于该故障事件的根因诊断就越准确。
S103、服务器将故障事件输入诊断规则库中获得至少一个故障原因。
本申请实施例中,服务器将故障事件输入诊断规则库获得至少一个故障原因。需要说明的是,诊断规则库包括多个故障之间、多个故障原因以及两者之间的映射关系。所谓将故障事件输入诊断规则库中获得至少一个故障原因具体过程为:将故障事件输入诊断规则库,根据该故障事件查找诊断规则库中多个故障事件和多个故障原因之间的映射关系,从而获得该故障事件对应的至少一个故障原因。
在一些可能的实施例中,诊断规则库中还包括多个故障原因各自对应的概率,该概率用于表示其对应的故障原因导致对应的故障事件发生的准确率。因此,服务器将故障事件输入诊断规则库后,除了可以获得该故障事件对应的至少一个故障原因外,还可以获取上述至少一个故障原因中每个故障原因对应的概率。
在一些可能的实施例中,诊断规则库中还可以包含条件和对应的故障处理建议,对于同一故障事件,其所属的条件不同时,其对应的故障原因的处理建议也可能不同。需要说明的是,所谓条件可以是物联网设备所在的网络类型,例如,2G、3G、4G、5G或其他网络等,条件也可以是物联网设备或网络所在的环境:例如、城市市区、偏远山村、郊区、高海拔地区等。
示例性地,诊断规则库可以是包含故障事件-故障原因的映射表,可以是包含故障事件-故障原因-概率的映射表,或者,故障事件-故障原因-概率-处理建议的映射表等,还可以是包含故障事件-故障原因的映射分支图。在一些可能的实施例中,故障事件的类型可以进一步划分为设备故障事件或网络故障事件,则诊断规则库包含的是设备故障事件/网络故障事件-故障原因映射表或映射分支图,本申请不做具体限定。
需要说明的是,诊断规则库是基于诊断知识图谱自动生成的,诊断知识图谱是基于对物联网云-管-端的整体业务理解,根据专业知识库和人工智能相关算法形成的对各实体、各实体的相关参数信息、故障事件、故障原因、概率、处理意见等以及它们之间的关联的系统性描述。关于诊断知识图的描述可进一步参考下文的描述,为了说明书的简洁,在此不再赘述。
关于至少一个故障原因说明:诊断规则库中多个故障事件和多个故障原因之间的映射关系并不限定一对一或者一对多,换句话说,在诊断规则库中,可能存在某故障事件仅对应一个故障原因,也存在某故障事件对应多个故障原因。需要说明的是,若存在故障事件与故障原因为一对一的映射关系时,则故障原因对应的概率为100%;若存在故障事件与故障原因为一对多的映射关系时,则多个故障原因对应的概率之和为1。
下面不妨以故障事件-故障原因-概率为例说明诊断规则库,如表1所示,但本申请并不限定诊断规则库仅为表1所述的形式。表1中,故障事件为“光敏传感器数据测量异常”是,对应的故障原因仅有一个,即“PN结烧坏”;故障事件为“GPS模块离线”时,对应的故障原因由三个,分别为:“电池电量不足”、“供电电路异常”和“SIM卡欠费”,其中,“电池电量不足”对应的概率为0.6,“供电电路异常”对应的概率为0.3,“SIM卡欠费”对应的概率为0.1。
举例来说,若故障事件为“光敏传感器数据测量异常”,则其输入诊断规则库后获得的故障原因为“PN结烧坏”,在一些可能的实施例中,还可以获得在该故障事件下故障原因“PN结烧坏”对应的概率为1;若故障事件为“GPS模块离线”,则其输入诊断规则库后获得的故障原因为“电池电量不足(概率0.6)”、“供电电路异常(概率0.3)”和“SIM卡欠费(概率0.1)”。
在一些可能的实施例中,诊断规则库除了可以输出该故障事件对应的至少一个故障原因、各故障原因对应的概率外,还可以输出故障原因对应的处理建议。例如,若故障事件为“GPS模块离线”,则诊断规则库的输出为“设备电池电量不足(概率为0.6),更换设备带回检修;供电电路异常(概率为0.3),更换设备带回检修;SIM卡欠费(概率为0.1),确认SIM卡状态”。
S104、服务器向用户终端发送至少一个故障原因。
本申请实施例中,服务器在获得该故障事件对应的至少一个故障原因后,将至少一个故障原因发送给用户终端。示例性地,在诊断规则库输出的故障原因的数量为1时,服务器向用户终端发送这一个故障原因即可;在诊断规则库输出的故障原因的数量为多个(即大于1)时,诊断规则库还输出这多个故障原因中每个故障原因对应的概率,服务器除了向用户终端发送上述多个故障原因外,服务器还向用户终端发送该故障事件对应的多个故障原因中每个故障原因的概率。
示例性地,在诊断规则库根据某故障事件输出多个故障原因时,一具体实施中,服务器可以向用户终端发送一次信息,该信息中携带了多个故障原因以及各故障原因对应的概率。
示例性地,在诊断规则库根据某故障事件输出多个故障原因时,服务器也可以向用户终端发送两次信息,第一次信息中携带该故障事件对应的多个故障原因,第二次信息中携带有第一次信息中多个故障原因各自的概率,且第二次信息中的概率排列顺序与第一次信息中多个故障原因一一对应。
示例性地,在诊断规则库根据某故障事件输出多个故障原因时,服务器还可以向用户终端发送多次信息,每次发送的信息中仅包含多个故障原因中的一个以及该故障原因对应的概率,即服务器向用户终端发送信息的次数等于该故障事件对应的多个故障原因的个数。
需要说明的是,在诊断规则库针对某个故障事件的输入而输出多个故障原因时,这多个故障原因也可以理解成是诊断规则库根据输入的故障事件诊断出的故障原因候选项。由于每个故障原因都有对应的概率,其说明了该故障原因为造成该故障事件的可能性的大小,或者说该概率说明了其对应的故障原因为造成该故障事件的原因的准确率。可以理解,针对某一故障事件对应的多个故障原因,这多个故障原因的概率之和为1。
S105、服务器向用户终端发送至少一个故障原因以及其对应的概率。
可选地,服务器还可以向用户终端发送至少一个故障原因以及其各自对应的概率以供用户终端确定真实故障从而验证诊断规则库的输出结果。本步骤的相关描述可参考S104的相关描述。
S106、在真实故障与最大概率对应的故障原因不一致时,用户终端向服务器发送反馈信息。
可选地,本申请实施例中,用户终端接收到服务器发送的诊断结果(即至少一个故障原因以及各自对应的概率)后,可将该诊断结果显示在自身的显示屏上以使用户知晓服务器的诊断结果并根据该诊断结果验证诊断规则库对该故障事件的根因诊断是否准确。在诊断结果不准确时,用户终端向服务器发送反馈信息,反馈信息用于指示真实故障。
在一些可能的实施例中,用户终端除了可以通过在显示屏上显示诊断结果通知用户外,还可以以短信、震动、铃声、闪烁灯、语音播报、APP消息、小程序消息等方式通知用户接收到诊断结果,本申请不做具体限定。
需要说明的是,在诊断结果指示了多个故障原因的情况下,用户先根据诊断结果中各故障原因对应的概率按照从大到小的顺序逐个判断,并确定真实故障。在真实故障与诊断结果指示的故障原因不一致时,用户终端向服务器发送反馈信息,其中,反馈信息用于指示真实故障。
需要说明的是,用户对诊断结果指示的多个故障原因逐一排查以确定真实故障的结果存在以下几种情况:情况一:真实故障为诊断结果中最大概率对应的故障原因;情况二:真实故障为诊断结果指示的多个概率中非最大概率对应的故障原因中的一个,非最大概率包括次最大概率、最小概率等;情况三:真实故障不为诊断结果指示的多个故障原因中的任意一个,即说明当前的诊断规则库中该真实故障对应的故障事件下不包含该真实故障。因此,用户终端向服务器发送反馈信息的条件:在真实故障与诊断结果指示的故障不一致时,具体包括上述中的情况二和情况三。
一具体实施中,在真实故障与诊断结果指示的故障原因不一致时,即发生上述情况二和情况三时,用户终端接收用户输入的真实故障,并将真实故障携带于反馈信息中发送给服务器。
S107、服务器接收反馈信息,根据反馈信息更新诊断知识图谱,根据更新后的诊断知识图谱更新诊断规则库。
可选地,本申请实施例中,服务器接收到反馈信息后,根据反馈信息更新诊断知识图谱,由于诊断规则库是基于诊断知识图谱自动生成的,因此,根据更新后的诊断知识图谱更新诊断规则库以提升诊断规则库故障诊断的准确度。其中,反馈信息指示了物联网设备或物联网设备所在网络的真实故障,需要说明的是,反馈信息指示的真实故障可能为诊断结果指示的多个故障原因中除最大概率对应的故障原因外中的一个,也可能不为诊断结果指示的多个故障原因中的任意一个。通过反馈信息的方式实现诊断知识图谱和诊断规则库的更新,不断完善优化诊断知识图谱和诊断规则库,以提升诊断规则库对故障事件的根因诊断的准确性。
示例性地,若反馈信息指示的真实故障为诊断结果指示的多个故障原因中除最大概率对应的故障原因外的一个,即说明针对该故障事件诊断规则库给出的最大概率对应的故障原因是错误的,因此,将该故障事件与其对应的真实故障这组映射关系添加入诊断知识图谱的专业知识库中以此实现诊断知识图谱的更新,根据更新后的诊断知识图谱更新诊断规则库,更新完成后,诊断规则库中该故障事件下真实故障对应的概率变化为最大概率。
一具体实施中,假设故障事件“GPS模块离线”的诊断结果为“供电电路异常(概率为0.5);电池电量不足(概率为0.4);SIM卡欠费(概率为0.1)”,若反馈信息中的真实故障为“电池电量不足”,则根该反馈信息更新诊断知识图谱和诊断规则库,以使更新后的诊断规则库中该故障事件下“电池电量不足”的概率为这三个故障原因对应概率中最大的。
示例性地,若反馈信息指示的真实故障不为诊断结果指示的多个故障原因中的任意一个,即说明服务器对该故障事件的诊断不准确,诊断结果指示的多个故障原因中理应包含真实故障这个选项,因此,服务器根据该反馈信息将真实故障与该故障事件这组映射关系添加至诊断知识图谱中的专业知识库中,根据更新后的诊断知识图谱更新诊断规则库,以使更新后的诊断规则库中与该故障事件对应的故障原因中新增该真实故障,从而避免了下次诊断同一故障事件仍出现此错误。
一具体实施中,假设故障事件“GPS模块离线”的诊断结果为“供电电路异常(概率为0.6);SIM卡欠费(概率为0.4)”,若反馈信息中的真实故障为“电池电量不足”,则根据指示了真实故障“电池电路不足”的反馈信息依次更新诊断知识图谱和诊断规则库,以使更新后的诊断规则库中故障事件“GPS模块离线”对应的故障原因中有“电池电量不足”这一选项,并根据后续的诊断情况逐步调整该故障原因对应的概率。
需要说明的是,对于诊断知识图谱,还可以设定概率阈值,若某故障事件对应的某个故障原因的概率小于概率阈值时,则可认为该故障原因与该故障事件的对应规则为错误的或不合理的规则,因此,可以将该对应规则从诊断知识图谱中删除或导入黑名单,从而诊断规则库中也不会记录这条对应规则。
需要说明的是,S105-S107是对诊断知识图谱和诊断规则库的更新优化的补充,类似于模型的训练过程。在训练阶段,诊断知识图谱和诊断规则库建立好后,可以针对输入的故障事件得到输出的故障原因,并对这些故障原因进行验证确定真实故障,在真实故障与诊断规则库输出的最大概率对应的故障原因不一致时,即可通过S105-S107对诊断知识图谱和诊断规则库进行优化更新操作。
可以看出,实施本申请实施例,通过从物联网设备的监测数据中确定其对应的故障事件,诊断规则库根据故障事件诊断获得故障原因,实现了对物联网网络及设备故障的及时、准确定位,有效避免了故障大面积存在以及长时间得不到处理的情况的发生,大大降低了物联网的网络运营成本,提供了更好的物联网用户体验。
需要说明的是,诊断规则库是预先就建立好的,因此,图2的S102中的诊断规则库可直接进行应用。参见图3,图3是本申请提供的一种诊断规则库的应用过程示意图,如图3所示,对监测数据(其来自物联网设备)进行处理获得故障事件,将故障事件输入预先建立好的诊断规则库中,诊断规则库输出该故障事件对应的至少一个故障原因即完成了故障诊断的应用过程。需要说明的是,图3是对图2实施例的补充说明。
参见图4,图4是本申请实施例提供的一种诊断知识图谱和诊断规则库的训练示意图。
步骤一:收集五类数据。
在建立诊断知识图谱和诊断规则库前,需先收集五类数据,这五类数据分别为:监测数据、告警信息、关键性能参数(也可称KPI数据)、日志信息和专业知识库。其中,前四类数据(监测数据、告警信息、关键性能参数和日志信息)均来自物联网设备,前四类数据都是物联网设备的历史数据,前四类数据反映了物联网设备的运行状态以及物联网设备所在网络的运行状态,物联网设备的历史数据不仅包含指示了设备以及设备所在网络正常状态下的数据,还包含指示了设备以及设备所在网络异常状态下的数据。专业知识库预先存储于服务器中。
监测数据为物联网设备工作时的监控数据,告警信息用于提示物联网设备异常或物联网设备所在网络的运行状态异常,日志信息记录了执行登陆、数据发送等操作时物联网设备以及其所在网络的相关信息,例如:设备的登陆时间以及登陆次数、电池更换时间、、所在网络的类型、网络的频段以及频点、数据发送时间及次数等。关键性能参数(KeyPerformance Indicator,KPI)用于表征网络的性能,其包括激活成功率、切换成功率、网络时延等。专业知识库,简单理解,即为整合了物联网设备以及网络的常见故障原因及处理建议的映射关系信息。
步骤二:根据收集到的五类数据建立诊断知识图谱。
对收集到的专业知识库和物联网设备的历史数据(包括监测数据、告警信息、关键性能参数和日志信息)通过知识抽取、知识融合、知识众包等技术,来获取所需要的用于物联网设备及其所在网络的故障诊断的数据,而后通过知识表示和知识推理、知识链接等将知识规范有序的组织在一起并存储起来形成诊断知识图谱。
简单理解,建立诊断知识图谱的具体过程即为:对数据源(专业知识库和物联网设备的历史数据)进行实体抽取、关系抽取、属性抽取等,然后对抽取出的信息进行挖掘以获得新的实体连接以及新的关联规则,最后对获取到的所有信息进行融合,从而获得包含了多个物联网设备的历史数据、专业知识库、多个故障事件和多个故障原因的诊断知识图谱,其中,专业知识库和多个物理网设备的历史数据用于推导上述多个故障事件和上述多个故障原因之间的映射关系,以此完成诊断知识图谱的建立。需要说明的是,在一些可能的实施例中,建立的诊断知识图谱中还可以包含各故障原因对应的概率以及故障处理建议。
需要说明的是,所谓实体是指具有可区别性且独立存在的某种事物,例如,物联网设备(例如:路由器、交换机、温度传感器、温度传感器中的电子元件、全球定位系统(GlobalPositioning System,GPS)模块等)和网络等都为实体;所谓关系是指各实体之间的关系,其连接不同的实体,换句话说,即实体与实体之间的联系,通过关联关系将实体联系起来才能形成网状的知识结构;所谓属性是指对实体自身的描述,例如,型号、物理参数、颜色、适用条件、优劣、用途等。
具体实施中,可利用机器学习中的隐马尔可夫模型(Hidden Markov Model,HMM)、条件随机场(Conditional Random Field,CRF)、神经网络等算法进行数据源中实体的抽取;可利用基于模板的方法(例如,基于依存分析的)、监督学习(包括机器学习和深度学习中的至少一种)、弱监督学习(例如,远程监督学习)等进行数据源中实体信息之间关系的抽取。需要说明的是,关于实体抽取、关系抽取等所采用的上述方法在知识图谱的构建领域已应用的十分广泛,为了说明书的简洁,在此不再赘述。
参见图5,图5是本申请提供的一种诊断知识图谱的可视图示例,诊断知识图谱包含故障事件、推导理论和故障原因三部分,其中,推导理论这部分指示了专业知识库和的联网设备的历史数据,其用于推导故障事件部分和故障原因部分之间的映射关系,故障事件部分和故障原因部分容易理解,推到理论这部分中的圆圈都代表一个实体,圆圈与圆圈之间的连线表示这两个实体之间存在某种具体的关系。由图5可以看出,事件1经推导理论部分后查找到事件1对应的有三个故障原因:分别为原因A、原因C和原因D,事件2经推导理论部分后查找到事件2对应的仅有一个故障原因即原因B。
需要说明的是,图5只是一种诊断知识图谱的简单示例,本申请并不限定诊断知识图谱仅为此行驶。在一些可能的实施例中,诊断知识图谱中还可以包含各故障原因对应的概率以及各故障原因对应的故障处理建议。
步骤三:根据诊断知识图谱生成诊断规则库。
本申请实施例中,诊断知识图谱建立好后,再根据诊断知识图谱建立物联网设备和网络故障的诊断规则库,诊断规则库包含了物联网设备或物联网设备所在网络的故障事件-故障原因的映射关系。在一些可能的实施例中,诊断规则库还可以是包含了故障事件-故障原因-概率之间的映射关系或者故障事件-故障原因-概率-处理建议之间的映射关系,本申请不做具体限定。
需要说明的是,由于诊断规则库是基于诊断知识图谱生成的,因此,诊断规则库中所包含的内容在诊断知识图谱中都存在。诊断规则库直接抽取了诊断知识图谱的中的果(故障事件)与因(故障原因),是诊断知识图谱的简化展示,直接显示了果与因的对应关系。
参见图6,图6是本申请提供的一种诊断规则库的示例,图6所示的诊断规则库是根据图5所示的诊断知识图谱生成的。图6所示的诊断规则库直观地显示了故障事件和故障原因之间的映射关系,即事件1对应三个故障原因,分别为原因A、原因C和原因D;事件2对应一个故障原因即原因B。需要说明的是,图6仅是一种诊断规则库的简单示例,本申请并不限定诊断规则库仅为此形式。
需要说明的是,经过上述三个步骤建立好诊断知识图谱和诊断规则库后,诊断规则库即可用于图3所示的应用过程了,即根据监测数据确定故障事件,将故障事件输入诊断规则库中,其输出推理根因结果,图4中的推理根因结果即为图3中的至少一个故障原因,然后用户依据推理根因结果现场执行确认真实故障,即将各故障原因对应的概率按照从大到小的顺序进行排查以确定真实故障,在真实故障与最大概率对应的故障原因不一致时,通过用户终端发送的指示了真实故障的反馈信息更新诊断知识图谱,根据更新后的诊断知识图谱生成新的诊断规则库,由此即完成了诊断规则库的更新。
通过上述方式不断地优化诊断知识图谱和诊断规则库,以提高其对物联网设备故障以及网络故障诊断的准确性,从而实现对物联网网络及设备故障的及时、准确定位,有效避免了故障大面积存在以及长时间得不到处理的情况的发生。
参见图7,图7是本申请实施例提供的一种装置的结构示意图,装置20至少包括处理器201、存储器202、接收器203和发送器204,该接收器203和发送器204也可以替换为通信接口,用于为处理器201提供信息输入和/或输出。可选的,存储器202、接收器203、发送器204和处理器201通过总线连接或耦合。装置20可为图1中的服务器12。
接收器203用于接收联网设备发送的监测数据。发送器204用于在装置20处理器201对数据信息经处理分析以及故障诊断获得物联网设备的网络和/或设备故障诊断结果后,发送诊断结果给用户终端以使用户终端进一步确定真实故障所在。接收器203和发送器204可包括用于直接或通过空中接口与物联网设备、用户终端或其它实体设备通信的天线和芯片集。发送器204和收发器203组成通信模块,通信模块可被配置为根据一个或多个其它类型的无线通信(例如,协议)来接收和发送信息,所述无线通信诸如蓝牙、IEEE 802.11通信协议、蜂窝技术、全球微波互联接入(Worldwide Interoperability for MicrowaveAccess,WiMAX)或LTE(Long Term Evolution,长期演进)、ZigBee协议、专用短程通信(Dedicated Short Range Communications,DSRC)以及RFID(Radio FrequencyIdentification,射频识别)通信,等等。
处理器201执行各操作的具体实现可参考上述方法实施例中对物联网设备的监测数据进行处理、建立诊断知识图谱、生成诊断规则库等具体操作。处理器201可以由一个或者多个通用处理器构成,例如中央处理器(Central Processing Unit,CPU),或者CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(Application-Specific IntegratedCircuit,ASIC)、可编程逻辑器件(Programmable Logic Device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD)、现场可编程逻辑门阵列(Field-Programmable Gate Array,FPGA)、通用阵列逻辑(Generic Array Logic,GAL)或其任意组合。
存储器202可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器202也可以包括非易失性存储器(Non-VolatileMemory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);存储器202还可以包括上述种类的组合。存储器202可以存储程序以及数据,其中,存储的程序包括:故障诊断程序、诊断知识图谱建立程序、诊断规则库生成程序等,存储的数据包括:诊断知识图谱、诊断规则库、物联网设备的历史数据、专业知识库等。存储器202可以单独存在,也可以集成于处理器201内部。
在一些可能的实施例中,装置20还包括显示屏205,用于显示处理器201对物联网设备或物联网设备所在网络存在的故障的诊断结果。显示屏205可以是液晶显示器(LiquidCrystal Display,LCD)、有机或无机发光二极管(Organic Light-Emitting Diode,OLED)、有源矩阵有机发光二极体面板(Active Matrix/Organic Light Emitting Diode,AMOLED)等。
本申请实施例中,装置20用于实现上述图2实施例所描述的服务器侧的方法和图4实施例所描述相关训练方法。
参见图8,图8是本申请实施例提供的一种装置的功能结构示意图,装置30包括处理单元301、诊断单元302、发送单元303。可选地,在一些可能的实施例中,装置30还包括接收单元304和优化单元305。该装置30可以通过硬件、软件或者软硬件结合的方式来实现。
其中,处理单元301,用于根据物联网设备的监测数据确定故障事件,故障事件用于指示物联网设备的设备异常和/或物联网设备所在网络的网络异常;诊断单元302,用于将故障事件输入到诊断规则库获得至少一个故障原因;诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;诊断规则库是根据诊断知识图谱生成的,诊断知识图谱包括多个物联网设备的历史数据、专业知识库、多个故障事件和多个故障原因,多个物联网设备的历史数据和专业知识库用于推导多个故障事件和多个故障原因之间的映射关系;发送单元303,用于将至少一个故障原因发送至用户终端;接收单元304,用于接收用户终端的反馈信息,反馈信息指示了真实故障,真实故障与至少一个故障原因对应的概率中最大概率对应的故障原因不一致;优化单元305,用于根据反馈信息更新诊断知识图谱;根据更新后的诊断知识图谱更新诊断规则库。
该装置30的各功能模块可用于实现图2实施例所描述的服务器侧的方法,在图2实施例中,接收单元304可用于执行S102和S107,处理单元301用于执行S102,诊断单元302可用于执行S103、发送单元303可用于执行S104和S105,优化单元305可用于执行S107。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random AccessMemory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在上述的实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一个设备(可以是个人计算机,服务器,或者网络设备、机器人、单片机、芯片、机器人等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请实施例公开的进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种物联网网络及设备的故障诊断方法,其特征在于,所述方法包括:
根据物联网设备的监测数据确定故障事件,所述故障事件用于指示所述物联网设备的设备异常和/或所述物联网设备所在网络的网络异常;
将所述故障事件输入到诊断规则库获得至少一个故障原因;所述诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;所述诊断规则库是根据诊断知识图谱生成的,所述诊断知识图谱包括多个物联网设备的历史数据、专业知识库、所述多个故障事件和所述多个故障原因,所述多个物联网设备的历史数据和所述专业知识库用于推导所述多个故障事件和所述多个故障原因之间的所述映射关系;
将所述至少一个故障原因发送至用户终端。
2.根据权利要求1所述的方法,其特征在于,所述将所述故障事件输入到诊断规则库获得至少一个故障原因,包括:
将所述故障事件输入所述诊断规则库中,根据所述故障事件查找所述诊断规则库中所述多个故障事件和所述多个故障原因之间的映射关系,获得至少一个故障原因。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端。
4.根据权利要求3所述的方法,其特征在于,在所述将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端之后,所述方法还包括:
接收所述用户终端的反馈信息,所述反馈信息指示了真实故障,所述真实故障与所述至少一个故障原因对应的概率中最大概率对应的故障原因不一致;
根据所述反馈信息更新所述诊断知识图谱;
根据更新后的诊断知识图谱更新所述诊断规则库。
5.根据权利要求4所述的方法,其特征在于,所述诊断规则库中还包含所述多个故障原因对应的概率,所述根据所述反馈信息更新所述诊断知识图谱,包括:
将所述故障事件与所述反馈信息指示的真实故障这组映射关系添加入所述诊断知识图谱中的所述专业知识库中以获得所述更新后的诊断知识图谱;更新后的诊断规则库中所述真实故障对应的概率改变,或者,所述更新后的诊断规则库中所述故障事件对应的至少一个故障原因中包含所述真实故障。
6.一种装置,应用于诊断物联网设备及网络,其特征在于,所述装置包括:
处理单元,用于根据物联网设备的监测数据确定故障事件,所述故障事件用于指示所述物联网设备的设备异常和/或所述物联网设备所在网络的网络异常;
诊断单元,用于将所述故障事件输入到诊断规则库获得至少一个故障原因;所述诊断规则库包括多个故障事件、多个故障原因、以及两者之间的映射关系;所述诊断规则库是根据诊断知识图谱生成的,所述诊断知识图谱包括多个物联网设备的历史数据、专业知识库、所述多个故障事件和所述多个故障原因,所述多个物联网设备的历史数据和所述专业知识库用于推导所述多个故障事件和所述多个故障原因之间的所述映射关系;
发送单元,用于将所述至少一个故障原因发送至用户终端。
7.根据权利要求6所述的装置,其特征在于,所述诊断单元具体用于:
将所述故障事件输入所述诊断规则库中,根据所述故障事件查找所述诊断规则库中所述多个故障事件和所述多个故障原因之间的映射关系,获得至少一个故障原因。
8.根据权利要求6或7所述的装置,其特征在于,所述发送单元还用于:
将所述至少一个故障原因中每个故障原因对应的概率发送给用户终端。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
接收单元,用于:接收所述用户终端的反馈信息,所述反馈信息指示了真实故障,所述真实故障与所述至少一个故障原因对应的概率中最大概率对应的故障原因不一致;
优化单元:用于根据所述反馈信息更新所述诊断知识图谱;根据更新后的诊断知识图谱更新所述诊断规则库。
10.根据权利要求9所述的装置,其特征在于,所述诊断规则库中还包含所述多个故障原因对应的概率,所述优化单元具体用于:
将所述故障事件与所述反馈信息指示的真实故障这组映射关系添加入所述诊断知识图谱中的所述专业知识库中以获得所述更新后的诊断知识图谱;更新后的诊断规则库中所述真实故障对应的概率改变,或者,所述更新后的诊断规则库中所述故障事件对应的至少一个故障原因中包含所述真实故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405690.4A CN111682960A (zh) | 2020-05-14 | 2020-05-14 | 一种物联网网络及设备的故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405690.4A CN111682960A (zh) | 2020-05-14 | 2020-05-14 | 一种物联网网络及设备的故障诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111682960A true CN111682960A (zh) | 2020-09-18 |
Family
ID=72433584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010405690.4A Pending CN111682960A (zh) | 2020-05-14 | 2020-05-14 | 一种物联网网络及设备的故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111682960A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596936A (zh) * | 2020-12-04 | 2021-04-02 | 光大科技有限公司 | 系统故障原因的确定方法及装置、存储介质、电子装置 |
CN112732905A (zh) * | 2020-12-08 | 2021-04-30 | 银江股份有限公司 | 一种基于知识图谱的交通事故分析与防控方法及系统 |
CN113070906A (zh) * | 2021-04-07 | 2021-07-06 | 北京云迹科技有限公司 | 服务机器人系统及其网络故障的诊断方法和诊断装置 |
CN113778832A (zh) * | 2021-09-28 | 2021-12-10 | 京东方科技集团股份有限公司 | 设备信息处理方法及装置、可读存储介质、电子设备 |
CN113792154A (zh) * | 2021-08-30 | 2021-12-14 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN113938844A (zh) * | 2021-10-25 | 2022-01-14 | 深圳市中装云科技有限公司 | 网络连接监控方法、系统、计算机设备和存储介质 |
CN114691889A (zh) * | 2022-04-15 | 2022-07-01 | 中北大学 | 一种道岔转辙机故障诊断知识图谱构建方法 |
CN114867052A (zh) * | 2022-06-10 | 2022-08-05 | 中国电信股份有限公司 | 无线网络故障诊断方法、装置、电子设备和介质 |
CN115580635A (zh) * | 2022-09-26 | 2023-01-06 | 广州健新科技有限责任公司 | 一种物联网终端的智能化故障诊断方法及系统 |
CN115687580A (zh) * | 2022-09-22 | 2023-02-03 | 广州视嵘信息技术有限公司 | 搜索提醒补全的生成和重排序方法、装置、设备及介质 |
CN115801561A (zh) * | 2022-12-27 | 2023-03-14 | 中国联合网络通信集团有限公司 | 物联网故障处理方法、装置、设备及存储介质 |
CN115865630A (zh) * | 2023-02-28 | 2023-03-28 | 广东名阳信息科技有限公司 | 基于深度学习的网络设备故障诊断方法及系统 |
RU2801825C2 (ru) * | 2021-07-07 | 2023-08-16 | Кузнецов Яков Михайлович | Способ, комплекс обработки информации об отказах устройств беспроводных сенсорных сетей передачи данных и связанных сетей |
CN116882966A (zh) * | 2023-06-27 | 2023-10-13 | 广州慧云网络科技有限公司 | 一种运维设备巡检结果的故障判断方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105553747A (zh) * | 2016-01-29 | 2016-05-04 | 广州能迪能源科技股份有限公司 | 一种基于物联网的数据采集故障预警系统及其控制方法 |
CN107171819A (zh) * | 2016-03-07 | 2017-09-15 | 北京华为数字技术有限公司 | 一种网络故障诊断方法及装置 |
CN108306748A (zh) * | 2017-01-12 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 网络故障定位方法、装置及交互装置 |
CN109491816A (zh) * | 2018-10-19 | 2019-03-19 | 中国船舶重工集团公司第七六研究所 | 基于知识的故障诊断方法 |
CN109787817A (zh) * | 2018-12-28 | 2019-05-21 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 网络故障诊断方法、装置和计算机可读存储介质 |
CN109885021A (zh) * | 2019-02-15 | 2019-06-14 | 中国电力科学研究院有限公司 | 一种基于实时采集数据对采集设备进行监测的方法及系统 |
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110474814A (zh) * | 2019-08-29 | 2019-11-19 | 广州供电局有限公司 | 电力局域网故障诊断方法、装置 |
CN111030873A (zh) * | 2019-12-24 | 2020-04-17 | 迈普通信技术股份有限公司 | 一种故障诊断方法及装置 |
-
2020
- 2020-05-14 CN CN202010405690.4A patent/CN111682960A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105553747A (zh) * | 2016-01-29 | 2016-05-04 | 广州能迪能源科技股份有限公司 | 一种基于物联网的数据采集故障预警系统及其控制方法 |
CN107171819A (zh) * | 2016-03-07 | 2017-09-15 | 北京华为数字技术有限公司 | 一种网络故障诊断方法及装置 |
CN108306748A (zh) * | 2017-01-12 | 2018-07-20 | 阿里巴巴集团控股有限公司 | 网络故障定位方法、装置及交互装置 |
CN109491816A (zh) * | 2018-10-19 | 2019-03-19 | 中国船舶重工集团公司第七六研究所 | 基于知识的故障诊断方法 |
CN109787817A (zh) * | 2018-12-28 | 2019-05-21 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 网络故障诊断方法、装置和计算机可读存储介质 |
CN109885021A (zh) * | 2019-02-15 | 2019-06-14 | 中国电力科学研究院有限公司 | 一种基于实时采集数据对采集设备进行监测的方法及系统 |
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110474814A (zh) * | 2019-08-29 | 2019-11-19 | 广州供电局有限公司 | 电力局域网故障诊断方法、装置 |
CN111030873A (zh) * | 2019-12-24 | 2020-04-17 | 迈普通信技术股份有限公司 | 一种故障诊断方法及装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596936A (zh) * | 2020-12-04 | 2021-04-02 | 光大科技有限公司 | 系统故障原因的确定方法及装置、存储介质、电子装置 |
CN112732905A (zh) * | 2020-12-08 | 2021-04-30 | 银江股份有限公司 | 一种基于知识图谱的交通事故分析与防控方法及系统 |
CN112732905B (zh) * | 2020-12-08 | 2022-06-14 | 银江技术股份有限公司 | 一种基于知识图谱的交通事故分析与防控方法及系统 |
CN113070906A (zh) * | 2021-04-07 | 2021-07-06 | 北京云迹科技有限公司 | 服务机器人系统及其网络故障的诊断方法和诊断装置 |
CN113070906B (zh) * | 2021-04-07 | 2022-04-26 | 北京云迹科技股份有限公司 | 服务机器人系统及其网络故障的诊断方法和诊断装置 |
RU2801825C2 (ru) * | 2021-07-07 | 2023-08-16 | Кузнецов Яков Михайлович | Способ, комплекс обработки информации об отказах устройств беспроводных сенсорных сетей передачи данных и связанных сетей |
CN113792154B (zh) * | 2021-08-30 | 2023-06-23 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN113792154A (zh) * | 2021-08-30 | 2021-12-14 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN113778832A (zh) * | 2021-09-28 | 2021-12-10 | 京东方科技集团股份有限公司 | 设备信息处理方法及装置、可读存储介质、电子设备 |
CN113778832B (zh) * | 2021-09-28 | 2024-05-14 | 京东方科技集团股份有限公司 | 设备信息处理方法及装置、可读存储介质、电子设备 |
CN113938844A (zh) * | 2021-10-25 | 2022-01-14 | 深圳市中装云科技有限公司 | 网络连接监控方法、系统、计算机设备和存储介质 |
CN114691889B (zh) * | 2022-04-15 | 2024-04-12 | 中北大学 | 一种道岔转辙机故障诊断知识图谱构建方法 |
CN114691889A (zh) * | 2022-04-15 | 2022-07-01 | 中北大学 | 一种道岔转辙机故障诊断知识图谱构建方法 |
CN114867052A (zh) * | 2022-06-10 | 2022-08-05 | 中国电信股份有限公司 | 无线网络故障诊断方法、装置、电子设备和介质 |
CN114867052B (zh) * | 2022-06-10 | 2023-11-07 | 中国电信股份有限公司 | 无线网络故障诊断方法、装置、电子设备和介质 |
CN115687580A (zh) * | 2022-09-22 | 2023-02-03 | 广州视嵘信息技术有限公司 | 搜索提醒补全的生成和重排序方法、装置、设备及介质 |
CN115580635A (zh) * | 2022-09-26 | 2023-01-06 | 广州健新科技有限责任公司 | 一种物联网终端的智能化故障诊断方法及系统 |
CN115801561A (zh) * | 2022-12-27 | 2023-03-14 | 中国联合网络通信集团有限公司 | 物联网故障处理方法、装置、设备及存储介质 |
CN115865630A (zh) * | 2023-02-28 | 2023-03-28 | 广东名阳信息科技有限公司 | 基于深度学习的网络设备故障诊断方法及系统 |
CN115865630B (zh) * | 2023-02-28 | 2023-05-16 | 广东名阳信息科技有限公司 | 基于深度学习的网络设备故障诊断方法及系统 |
CN116882966A (zh) * | 2023-06-27 | 2023-10-13 | 广州慧云网络科技有限公司 | 一种运维设备巡检结果的故障判断方法和装置 |
CN116882966B (zh) * | 2023-06-27 | 2024-04-19 | 广东慧云科技股份有限公司 | 一种运维设备巡检结果的故障判断方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111682960A (zh) | 一种物联网网络及设备的故障诊断方法及装置 | |
CN103210357B (zh) | 具有改进诊断的手持现场维护工具 | |
Bal | An industrial Wireless Sensor Networks framework for production monitoring | |
US11881992B2 (en) | Intelligent plug-and-play point-to-multipoint internet of things (IoT) platform and method of managing and using the same | |
CN111125230B (zh) | 一种基于规则引擎的物联网平台的数据处理方法及系统 | |
CN110221581B (zh) | 工业控制网络监测装置和方法 | |
US10289522B2 (en) | Autonomous information technology diagnostic checks | |
Liu et al. | An evaluative study on iot ecosystem for smart predictive maintenance (iot-spm) in manufacturing: Multi-view requirements and data quality | |
US20160261972A1 (en) | Wireless device, wireless communication system, wireless module, interface module, and communication method | |
CN111541576A (zh) | 一种基于zigbee网络的设备可视化方法及系统 | |
CN116107282B (zh) | 一种基于企业应用集成的工业机器人预测性维护系统 | |
CN113472822A (zh) | 数据分流方法、装置、设备及介质 | |
Minovski et al. | Defining quality of experience for the internet of things | |
CN113885408A (zh) | 一种远程运维系统 | |
CN107920348B (zh) | 设备网络状态信息 | |
JP2018088176A (ja) | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム | |
CN116506278A (zh) | 一种基于zabbix的异常监控平台 | |
Daji et al. | Cloud-based asset monitoring and predictive maintenance in an industrial IoT system | |
CN111435238A (zh) | 自动发现并归类工厂电力与能量智能设备以供分析的方法 | |
CN109495302A (zh) | 链路监控方法、云端服务器及计算机可读存储介质 | |
CN102869006B (zh) | 无线传感器网络层次型入侵诊断处理系统及其方法 | |
US20230213920A1 (en) | Sensor control system for controlling a sensor network | |
US20210373540A1 (en) | Wireless Communication For Industrial Automation | |
CN113381880A (zh) | 物联网设备管理方法、装置及系统 | |
CN202998491U (zh) | 内河船载货物监测系统装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |