CN111756600B - 一种实现多种交换机测试机的多通信系统及方法 - Google Patents

一种实现多种交换机测试机的多通信系统及方法 Download PDF

Info

Publication number
CN111756600B
CN111756600B CN202010590671.3A CN202010590671A CN111756600B CN 111756600 B CN111756600 B CN 111756600B CN 202010590671 A CN202010590671 A CN 202010590671A CN 111756600 B CN111756600 B CN 111756600B
Authority
CN
China
Prior art keywords
data
communication
switch
module
information
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.)
Active
Application number
CN202010590671.3A
Other languages
English (en)
Other versions
CN111756600A (zh
Inventor
王卓明
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.)
Xiamen Changjiang Electronic Technology Co ltd
Original Assignee
Xiamen Changjiang Electronic Technology Co ltd
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 Xiamen Changjiang Electronic Technology Co ltd filed Critical Xiamen Changjiang Electronic Technology Co ltd
Priority to CN202010590671.3A priority Critical patent/CN111756600B/zh
Publication of CN111756600A publication Critical patent/CN111756600A/zh
Application granted granted Critical
Publication of CN111756600B publication Critical patent/CN111756600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04L43/50—Testing arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

一种实现多种交换机测试机的多通信系统及方法，涉及交换机信息交换技术领域，本发明构建了包括交换机设备层、数据传输层、数据管理层、数据处理层和应用层的交互系统，实现了数据的采集、传输、处理和应用，使得多种不同类型的交换机都能实现远程数据监控。本发明在通信时，采用兼容式数据通信接口，适应多种交换机的需要。本发明的兼容式数据通信接口还具有数据通信协议转换的功能，能够实现不同通信协议之间的互转，实现了兼容多种交换机测试的目的。本发明通过信号测量单元实现多种不同通信，通过通道控制单元实现不同通信模块的信息切换，并且通过控制器、信息均衡器和通信调制器协调工作，实现不同型号交换机的通信和数据交互。

Description

一种实现多种交换机测试机的多通信系统及方法
技术领域
本发明涉及交换机通信技术领域，且更具体地涉及一种实现多种交换机测试机的多通信系统及方法。
背景技术
局域网中的交换机作为核心的网络设备，其质量和性能已经越来越受关注。在对交换机进行测试时，测试项目包括多种类型，比如基本功能测试、二层交换机功能测试、访问控制和Qos功能测试等，常见的类型有管理功能测试、接口测试、接口自协商测试、错误帧处理测试、超长帧处理测试、广播帧处理测试、端口镜像功能测试、标准生成树协议测试、vlan测试、汇聚测试、端口隔离测试、优先级队列测试、转发性能测试、可靠性和安全、运行维护和网络管理测试、SNMP管理测试等。因此，在对每种功能进行测试时，就会产生大量的测试数据信息，这些数据信息，处理起来就比较麻烦。
常规技术中，通常一种交换机采用一种通信方式，由于计算机的型号存在多种，在对多种不同型号的交换机进行测试时，存在的多种通信方式会有多种不同的数据测试工装，这就造成了大量的面积浪费和资源浪费，在多台交换机进行测试时，常规的通信方案就会造成测试拥堵的现象，如果实现不同型号的交换机测试机通信，在多种交换机测试机通信的情况下，如何实现通信是亟待解决的技术问题。
发明内容
针对现有技术的不足，本发明公开一种实现多种交换机测试机的多通信系统及方法，通过构建包括交换机设备层、数据传输层、数据管理层、数据处理层和应用层的交互系统，能够实现交换机多种通信形式的交互，并且本发明通过兼容式通信接口和通信接口转换单元，实现了不同类型的交换机的测试，通过主成分分析方法实现交换机大数据的降维，并利用FCM聚类算法实现了不同交换机、不同测试项目的数据处理和计算。
本发明采用以下技术方案：
一种实现多种交换机测试机的多通信系统，其中所述系统包括：
交换机设备层，其内设置有不同型号的交换机和交换机检测设备，所述交换机检测设备检测的数据集类型至少包括交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据，其中所述功能测试数据至少包括吞吐量测试数据、传输时延测试数据、丢包率测试数据或者背靠背测试数据；其中所述交换机检测设备设置有两种以上的兼容式通信接口，所述通信接口至少为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；其中所述交换机检测设备为一台测试机，所述交换机为两种以上型号的交换机，所述兼容式通信接口至少兼容两种不同形式的通信通道接口；
数据传输层，其内设置有线通信模块或无线通信模块，用于接收并传递所述交换机设备层检测到的交换机测试数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述数据传输层内还设置有多通信识别模块和通道控制单元，所述多通信识别模块用来识别多个交换机检测数据输出信息传递的通信接口的物理层通信参数，并且所述多通信识别模块包括信号接收单元、信号测量单元和信号输出单元，所述信号接收单元的输出端与所述信号测量单元的输入端连接，所述信号测量单元的输出端与所述信号输出单元连接；其中所述信号测量单元为基于CPU、RAM或ROM电路的测量单元，通过信号接收单元接收各通信接口传递数据的链路层、网络层、传输层或应用层的通信参数，其中所述通道控制单元用来根据所述通道识别单元识别出的信息进行切换信号传输通道，所述通道控制单元包括控制器、信息均衡器和通信调制器，其中：所述控制器分别与所述信息均衡器和通信调制器连接，所述控制器包括输入端口、中央控制单元和输出端口，所述输入端口的输出端与所述中央控制单元的输入端连接，所述中央控制单元的输出端与所述输出端口的输入端连接；其中所述中央控制单元为SC91F722微控制芯片，所述SC91F722微控制芯片至少连接有A/D转换单元、滤波电路和开关电路；所述信息均衡器包括发送滤波器、通信信道、接收滤波器、信息均衡模型和决策器，其中所述发送滤波器的输出端与所述通信信道的输入端连接，所述通信信道的输出端与所述接收滤波器的输入端连接，所述接收滤波器的输出端与所述信息均衡模型的输入端连接，所述信息均衡模型的输出端与所述决策器的输入端连接；所述通信调制器包括调制接口、扩频模块、调制模块、信道模块、扩频处理模块、解扩模块、解调模块和调制输出模块，其中所述调制接口的输出端与所述扩频模块的输入端连接，所述扩频模块的输出端与所述调制模块的输入端连接，所述调制模块的输出端与所述信道模块的输入端连接，所述信道模块的输出端与所述扩频处理模块的输入端连接，所述扩频处理模块的输出端与所述解扩模块的输入端连接，所述解扩模块的输出端与所述解调模块的输入端连接，所述解调模块的输出端与所述调制输出模块的输入端连接；
数据管理层，其内设置有云端处理器或者计算机管理系统，所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0 GHz，内核为四核，内存为8GDDR4，硬盘为1＊Intel企业级SSD，1＊SATA 1T，网卡为2＊千兆网口；工作机节点的硬件CPU型号为Intel XeonE53.0GHZ，所述工作机节点的内存为8GB，硬盘容量为1TB，其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；所述云端处理器还包括存储单元，主要用于存储交换机测试过程中的各种的测量数据信息，其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元；其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770 CPU@3.40GHz，内存为160GB；
数据处理层，其内设置有数据处理模块和数据融合模块，其中所述数据处理模块为聚类算法模块、蚁群算法模块、关联算法模块、决策树算法模块、BP神经网络算法模块、KNN算法模块、支持向量机算法模块、VSM法模型或k-近邻素算法模块；所述数据融合模块为
应用层，其内至少设置有主站、客户端或者计算机管理系统，用于对交换机的测试数据进行计算、存储或者远程、在线和实时监控，进而实现交换机测试状态的智能监控；其中：
所述交换机设备层的输出端与所述数据传输层的输入端连接，所述数据传输层的输出端与所述数据管理层的输入端连接，所述数据管理层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述应用层的输入端连接。
本发明还采用以下技术方案：
一种实现多种交换机测试机的多通信方法，其中包括以下步骤：
(S1)测试数据；通过交换机设备层内的各种交换机检测设备对不同型号、不同规格的交换机进行测试，利用兼容式通信接口实现不同型号交换机的各种参数的测试，并对产生的交换机数据进行清洗和抽样，输出纯净的数据信息，实现交换机的测试；
(S2)数据传输，通过有线通信模块或无线通信模块实现数据传输，并且通过有线通信模块或无线通信模块接收并传递所述交换机设备层检测到的交换机测试数据信息，通过兼容式通信接口实现不同通信信息的接收和发送，通过多通信识别模块实现不同数据通信信道的识别；
(S3)数据管理；通过云端处理器或者计算机管理系统内的存储单元实现交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据的存储，并实现多种测试数据的共享；
(S3)数据处理；通过数据处理模块对接收到的交换机数据信息进行数据预处理、数据融合和计算，最终输出计算后的交换机数据信息；
(S4)数据应用；接收计算层输出的数据信息，并对接收后的数据信息进行存储、使用或传递，以使上层中心管理能够实现数据查询、监控、追溯或管理。
进一步地，所述兼容式通信接口通过应用组合算法模型实现不同信息的通信。
进一步地，所述组合算法模型的构建方法为：
(1)信息参数数据采集；分别获取RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口的通信参数数据，由于通信通道接口不同，则收到的信息参数数据信息也不同；
(2)汇总读取的参数信息；以便于分析和处理；分别通过决策树算法模型、回归算法模型和BP神经网络算法模型计算通信通道的参数数据信息，其中所述决策树算法模型对各种不同数据信息进行分类；回归算法模型能够在获取的信息参数数据中，通过构建自变量与因变量之间的相关关系，构建信息参数数据影响变量之间的回归方程，把回归方程作为算法模型，进而揭示出影响信息参数数据的因变量之间的关系；所述BP神经网络算法模型按照误差逆传播算法训练的多层前馈网络，学习并存贮大量的输入和输出模式映射关系；
(3)信息调制，利用信息均衡器实现多信息传输时的信息均衡，利用通信调制器实现多通道联合通信调制；
(4)参数信息分析；将决策树算法模型、回归算法模型和BP神经网络算法模型输出数据汇总起来，构成组合计算算法模型，然后进行决策分析，输出交换机测量数据信息通道参数数据，将所述交换机测量数据信息通道参数数据与不同通信通道接口的通信协议进行匹配，进而选择出合适的数据通道。
进一步地，所述数据预处理的方法为大数据降维主成分分析方法。
进一步地，所述主成分分析方法的步骤为：
(1)标准化数据；假设交换机大数据样本数据纬度为p，随机向量为x＝(x1,x2,...,xp)T；则对于i个交换机大数据样本，存在：xi＝(xi1,xi2,...,xip)T，其中i＝1,2,...,n；当n＞p时，对样本阵元进行标准化变换，其中标准化变换公式为：
Figure BDA0002555382920000061
其中i＝1,2,...,n；j＝1,2,...,p；在公式(3)中，还存在：
Figure BDA0002555382920000062
Figure BDA0002555382920000063
(2)求出所述步骤(1)的标准化矩阵Z的相关系数矩阵；
R＝[rij]p； (4)
Figure BDA0002555382920000064
其中：
Figure BDA0002555382920000071
其中i,j＝1,2,...,p；
(3)确定主成分，通过求解相关矩阵R的特征方程得出，所述方程为：
|R-λIp|＝0 (7)
在确定n的值时，通过以下公式：
Figure BDA0002555382920000072
在公式(10)中的每个λj，j＝1,2,...,n，解方程组得出：
Rb＝λjb (9)
通过公式(11)得出特征向量
Figure BDA0002555382920000073
(4)然后再将标准化后的指标变量转换为主成分，则有
Figure BDA0002555382920000074
其中j＝1,2,...,n；并且U1称为第一主成分，U2称为第二主成分，Uj称为第j主成分；
(5)然后对n个主成分进行综合评价，并且对n个主成分进行加权求和，即得最终评价值，权数为每个主成分的方差贡献率。
进一步地，所述大数据融合的计算方法为：从接收到的交换机测试数据信息中筛选出多种交换机测试机输出的不同类型的测试数据；并构建数据融合函数，构建方法为：假设数据集函数记作为：y(t)＝f(d1(t),d2(t),...,dn(t))；其中i＝1,2,...,N；其中不同通信信道接口数据通信的网络节点为i,di(t)为不同通信信道接口网络节点i在t时刻采集到的数据信息，则数据融合函数可以构建为：
Figure BDA0002555382920000075
其中i＝1,2,...,N。
进一步地，交换机大数据计算的方法为FCM聚类算法，其中所述FCM聚类算法模型的构建方法为：
(1)确定聚类个数，在交换机测试机输出的数据信息中，抽取待分析交换机测试机故障类型样本，对聚类中心、聚类模型进行数据初始化，以获取更高的交换机测试数据训练精度，假设将故障信息与非故障信息区别开来，则将故障数据输出的数据集定义为：X＝{x1,x2,x3,...,xn},假设交换机检测数据样本聚集成c个数据类别，U表示为构建分类模型的模糊矩阵，Uij表示第i个样本属于第j类的隶属度；
(2)更新隶属度矩阵，通过更新的隶属度衡量出聚类目标函数最小化的划分矩阵U和聚类中心V，应用数学表达式为：
Figure BDA0002555382920000081
在公式(11)中，n表示为交换机检测数据输出不同数据集需要的数量，m表示为加权指数，dij为欧式距离公式，dij表示为交换机检测数据输出的数据类型xk与待分类聚类中心pi之间的距离，用公式表示为：
(dik)2＝||xk-pi||2； (12)
uik为矩阵U中第k种交换机检测数据样本对第i类的隶属程度；
其中聚类中心用公式表示为：
Figure BDA0002555382920000082
其中1≤i≤c；
(3)更新聚类中心矩阵，交换机检测输出数据类型中各个样本中心点来表示样本簇的中心点，交换机检测数据类型不同，则不同聚类信息样本数据的中心点也就不同，因此，每选择一种故障检测数据类型，则更新样本数据中心点与这些故障接线聚类信息数据中心之间的距离，在多次计算情况下，可将每次计算出的最小数据组成矩阵D，则：
Figure BDA0002555382920000091
其中，x为分类后计算出的最小值集合；
(4)反复计算目标函数，进行迭代计算，如果迭代计算的值小于最小误差，则按照隶属度矩阵对变电站样本点进行分类，如果没有小于最小误差值，则重新更新隶属度矩阵，进行步骤(2)的计算；
(5)然后输出分类结果；
进一步地，当dij＝0时，将交换机检测数据类型与聚类中心数据类型视为完全相同，当0≤dij≤1时，将交换机检测数据类型与聚类中心数据类型视为同类数据，当dij＞1时，将交换机检测数据类型与聚类中心数据类型视为不同类数据。
进一步地，交换机大数据计算的方法为APRIORI算法。
积极有益效果：
1、本发明构建了包括交换机设备层、数据传输层、数据管理层、数据处理层和应用层的交互系统，实现了数据的采集、传输、处理和应用，使得多种不同类型的交换机都能实现远程数据监控。
2、本发明在通信时，采用兼容式数据通信接口，取代了传统技术中一台交换机使用一个数据通信接口的问题，本发明的兼容式数据通信接口还具有数据通信协议转换的功能，能够实现不同通信协议之间的互转，实现了兼容多种交换机测试的目的。
3、本发明在通信时，通过信号测量单元实现多种不同通信；通过CPU、RAM或ROM电路的测量单元实现多种通信模块的测量，通过信号接收单元接收各通信接口传递数据的链路层、网络层、传输层或应用层的通信参数。
4、本发明通过通道控制单元实现不同通信模块的信息切换，能够根据通道识别单元识别出的信息进行切换信号传输通道，并且通过控制器、信息均衡器和通信调制器协调工作，实现多种交换机不同类型、不同型号和不同数据交互的通信。
5、本发明通过FCM聚类算法模型实现了不同交换机、不同测试项目的数据分类处理，能够根据交换机测试数据的种类，实现不同数据的类型的测量。
6、本发明通过采用APRIORI算法实现交换机不同类型的数据分类和数据关联，通过数据关联的方式实现不同交换机检测数据的分类。
7、本发明通过大数据降维主成分分析方法对不同类型的交换机测试数据进行降维，由于起始测试数据会存在大量的杂波信息和不规则的复杂数据信息，通过大数据降维主成分分析方法能够将复杂的数据信息简易化，便于用户使用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一种实现多种交换机测试机的多通信系统的架构示意图；
图2为本发明一种电能表检定流水线用多信息通道自动切换系统中均衡器接口电路的示意图；
图3为本发明一种电能表检定流水线用多信息通道自动切换系统中信息均衡器结构示意图；
图4为本发明一种电能表检定流水线用多信息通道自动切换系统中调制器结构示意图；
图5为本发明一种实现多种交换机测试机的多通信方法的流程示意图；
图6为本发明一种实现多种交换机测试机的多通信方法中组合算法模型的构建方法示意图；
图7为本发明一种实现多种交换机测试机的多通信方法中FCM聚类算法模型的构建方法。示意图；
图8为本发明一种实现多种交换机测试机的多通信方法中APRIORI计算的方法。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例(1)系统
如图1-图4所示，一种实现多种交换机测试机的多通信系统，其中所述系统包括：
交换机设备层，其内设置有不同型号的交换机和交换机检测设备，所述交换机检测设备检测的数据集类型至少包括交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据，其中所述功能测试数据至少包括吞吐量测试数据、传输时延测试数据、丢包率测试数据或者背靠背测试数据；其中所述交换机检测设备设置有两种以上的兼容式通信接口，所述通信接口至少为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；其中所述交换机检测设备为一台测试机，所述交换机为两种以上型号的交换机，所述兼容式通信接口至少兼容两种不同形式的通信通道接口；
数据传输层，其内设置有线通信模块或无线通信模块，用于接收并传递所述交换机设备层检测到的交换机测试数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述数据传输层内还设置有多通信识别模块和通道控制单元，所述多通信识别模块用来识别多个交换机检测数据输出信息传递的通信接口的物理层通信参数，并且所述多通信识别模块包括信号接收单元、信号测量单元和信号输出单元，所述信号接收单元的输出端与所述信号测量单元的输入端连接，所述信号测量单元的输出端与所述信号输出单元连接；其中所述信号测量单元为基于CPU、RAM或ROM电路的测量单元，通过信号接收单元接收各通信接口传递数据的链路层、网络层、传输层或应用层的通信参数，其中所述通道控制单元用来根据所述通道识别单元识别出的信息进行切换信号传输通道，所述通道控制单元包括控制器、信息均衡器和通信调制器，其中：所述控制器分别与所述信息均衡器和通信调制器连接，所述控制器包括输入端口、中央控制单元和输出端口，所述输入端口的输出端与所述中央控制单元的输入端连接，所述中央控制单元的输出端与所述输出端口的输入端连接；其中所述中央控制单元为SC91F722微控制芯片，所述SC91F722微控制芯片至少连接有A/D转换单元、滤波电路和开关电路；所述信息均衡器包括发送滤波器、通信信道、接收滤波器、信息均衡模型和决策器，其中所述发送滤波器的输出端与所述通信信道的输入端连接，所述通信信道的输出端与所述接收滤波器的输入端连接，所述接收滤波器的输出端与所述信息均衡模型的输入端连接，所述信息均衡模型的输出端与所述决策器的输入端连接；所述通信调制器包括调制接口、扩频模块、调制模块、信道模块、扩频处理模块、解扩模块、解调模块和调制输出模块，其中所述调制接口的输出端与所述扩频模块的输入端连接，所述扩频模块的输出端与所述调制模块的输入端连接，所述调制模块的输出端与所述信道模块的输入端连接，所述信道模块的输出端与所述扩频处理模块的输入端连接，所述扩频处理模块的输出端与所述解扩模块的输入端连接，所述解扩模块的输出端与所述解调模块的输入端连接，所述解调模块的输出端与所述调制输出模块的输入端连接；
数据管理层，其内设置有云端处理器或者计算机管理系统，所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0 GHz，内核为四核，内存为8GDDR4，硬盘为1＊Intel企业级SSD，1＊SATA 1T，网卡为2＊千兆网口；工作机节点的硬件CPU型号为Intel XeonE53.0GHZ，所述工作机节点的内存为8GB，硬盘容量为1TB，其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；所述云端处理器还包括存储单元，主要用于存储交换机测试过程中的各种的测量数据信息，其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元；其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770 CPU@3.40GHz，内存为160GB；
数据处理层，其内设置有数据处理模块和数据融合模块，其中所述数据处理模块为聚类算法模块、蚁群算法模块、关联算法模块、决策树算法模块、BP神经网络算法模块、KNN算法模块、支持向量机算法模块、VSM法模型或k-近邻素算法模块；所述数据融合模块为
应用层，其内至少设置有主站、客户端或者计算机管理系统，用于对交换机的测试数据进行计算、存储或者远程、在线和实时监控，进而实现交换机测试状态的智能监控；其中：
所述交换机设备层的输出端与所述数据传输层的输入端连接，所述数据传输层的输出端与所述数据管理层的输入端连接，所述数据管理层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述应用层的输入端连接。
通过上述描述，本发明构建了包括交换机设备层、数据传输层、数据管理层、数据处理层和应用层的交互系统，实现了数据的采集、传输、处理和应用，使得多种不同类型的交换机都能实现远程数据监控。本发明在通信时，采用兼容式数据通信接口，取代了传统技术中一台交换机使用一个数据通信接口的问题，本发明的兼容式数据通信接口还具有数据通信协议转换的功能，能够实现不同通信协议之间的互转，实现了兼容多种交换机测试的目的。
实施例(2)方法
如图5到图7所示，一种实现多种交换机测试机的多通信系统，其中包括以下步骤：
(S1)测试数据；通过交换机设备层内的各种交换机检测设备对不同型号、不同规格的交换机进行测试，利用兼容式通信接口实现不同型号交换机的各种参数的测试，并对产生的交换机数据进行清洗和抽样，输出纯净的数据信息，实现交换机的测试；
(S2)数据传输，通过有线通信模块或无线通信模块实现数据传输，并且通过有线通信模块或无线通信模块接收并传递所述交换机设备层检测到的交换机测试数据信息，通过兼容式通信接口实现不同通信信息的接收和发送，通过多通信识别模块实现不同数据通信信道的识别；
(S3)数据管理；通过云端处理器或者计算机管理系统内的存储单元实现交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据的存储，并实现多种测试数据的共享；
(S3)数据处理；通过数据处理模块对接收到的交换机数据信息进行数据预处理、数据融合和计算，最终输出计算后的交换机数据信息；
(S4)数据应用；接收计算层输出的数据信息，并对接收后的数据信息进行存储、使用或传递，以使上层中心管理能够实现数据查询、监控、追溯或管理。
在本发明中，所述兼容式通信接口通过应用组合算法模型实现不同信息的通信。所述组合算法模型的构建方法为：
(1)信息参数数据采集；分别获取RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口的通信参数数据，由于通信通道接口不同，则收到的信息参数数据信息也不同；
(2)汇总读取的参数信息；以便于分析和处理；分别通过决策树算法模型、回归算法模型和BP神经网络算法模型计算通信通道的参数数据信息，其中所述决策树算法模型对各种不同数据信息进行分类；回归算法模型能够在获取的信息参数数据中，通过构建自变量与因变量之间的相关关系，构建信息参数数据影响变量之间的回归方程，把回归方程作为算法模型，进而揭示出影响信息参数数据的因变量之间的关系；所述BP
神经网络算法模型按照误差逆传播算法训练的多层前馈网络，学习并存贮大量的输入和输出模式映射关系；
(3)信息调制，利用信息均衡器实现多信息传输时的信息均衡，利用通信调制器实现多通道联合通信调制；
(4)参数信息分析；将决策树算法模型、回归算法模型和BP神经网络算法模型输出数据汇总起来，构成组合计算算法模型，然后进行决策分析，输出交换机测量数据信息通道参数数据，将所述交换机测量数据信息通道参数数据与不同通信通道接口的通信协议进行匹配，进而选择出合适的数据通道。
其中所述组合计算算法模型的评价指标为拉格朗日函数。其中所述拉格朗日函数为：
Figure BDA0002555382920000161
在式(1)中，N为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口的通信参数信息数据；β1、β2、β3分别为组合模型中决策树算法模型、回归算法模型和BP神经网络算法模型的权值系数，h1i、h2i、h3i分别为组合模型中决策树算法模型、回归算法模型和BP神经网络算法模型对第i个不同的样本进行计算输出的结果值，λ为拉格朗日算子；
如果使拉格朗日函数输出最佳值，则求出拉格朗日函数的最小值，则有：
Figure BDA0002555382920000162
然后输出函数的极小值，则有：
Figure BDA0002555382920000163
则最后的计算模型输出为：
Figure BDA0002555382920000164
其中i＝1,2,...,n。
进一步地，利用信息均衡器实现多信息传输时进行信息均衡的方法是通过多通道联合通信信道的传递函数实现，所述传递函数为：
Figure BDA0002555382920000171
其中H为信号多径重组的特征传递函数，M为信道多径扩展的尺度，K(m)为第m个通信接口信道的时延，αmk为第n个通信信道中第k条路径的码间干扰强度，Tm表示波尔兹曼常数，τmk为功率增益；
其中通信信道的输出谱密度函数为：
Figure BDA0002555382920000172
其中bj为分数间隔采样系数，介于0.4-4.3之间,p是常数，介于3-7.5之间；i为不同的通信接口，j为i个信道接口中任意数量的信道接口，Ts、Tf和Tc分别表示不同信道接口的介质参数，cj为传播速度；信道均衡后的输出函数为:
Figure BDA0002555382920000173
其中p(t)表示在时间t的时域下的幅值，p(-t)为在相反时间t的时域下的幅值，hj(t)分别为组合模型中决策树算法模型、回归算法模型或BP神经网络算法模型对第i个不同的样本进行计算输出的结果值，ni(t)表示每个通道信息参数在任意时间t下的接口通信信息序列值。
在进一步的实施例中，利用通信调制器实现多通道联合通信调制的方法为：采用扩频序列码调制方法，采用BPSK调制解调进行多通道联合通信的码元调制，其中根据通信信道的噪声进行码间干扰抑制，输入调制序列m序列，最后输出时域滤波。
在进一步的实施例中，所述数据预处理的方法为大数据降维主成分分析方法。
在进一步的实施例中，所述主成分分析方法的步骤为：
(1)标准化数据；假设交换机大数据样本数据纬度为p，随机向量为x＝(x1,x2,...,xp)T；则对于i个交换机大数据样本，存在：xi＝(xi1,xi2,...,xip)T，其中i＝1,2,...,n；当n＞p时，对样本阵元进行标准化变换，其中标准化变换公式为：
Figure BDA0002555382920000181
其中i＝1,2,...,n；j＝1,2,...,p；在公式(3)中，还存在：
Figure BDA0002555382920000182
Figure BDA0002555382920000183
(2)求出所述步骤(1)的标准化矩阵Z的相关系数矩阵；
R＝[rij]p； (10)
Figure BDA0002555382920000184
其中：
Figure BDA0002555382920000185
其中i,j＝1,2,...,p；
(3)确定主成分，通过求解相关矩阵R的特征方程得出，所述方程为：
|R-λIp|＝0 (13)
在确定n的值时，通过以下公式：
Figure BDA0002555382920000191
在公式(10)中的每个λj，j＝1,2,...,n，解方程组得出：
Rb＝λjb (15)
通过公式(11)得出特征向量
Figure BDA0002555382920000192
(4)然后再将标准化后的指标变量转换为主成分，则有
Figure BDA0002555382920000193
其中j＝1,2,...,n；并且U1称为第一主成分，U2称为第二主成分，Uj称为第j主成分；
(5)然后对n个主成分进行综合评价，并且对n个主成分进行加权求和，即得最终评价值，权数为每个主成分的方差贡献率。
在进一步的实施例中，所述大数据融合的计算方法为：从接收到的交换机测试数据信息中筛选出多种交换机测试机输出的不同类型的测试数据；并构建数据融合函数，构建方法为：
假设数据集函数记作为：y(t)＝f(d1(t),d2(t),...,dn(t))；其中i＝1,2,...,N；其中不同通信信道接口数据通信的网络节点为i,di(t)为不同通信信道接口网络节点i在t时刻采集到的数据信息，则数据融合函数可以构建为：
Figure BDA0002555382920000194
其中i＝1,2,...,N。
在进一步的实施例中，交换机大数据计算的方法为FCM聚类算法，其中所述FCM聚类算法模型的构建方法为：
(1)确定聚类个数，在交换机测试机输出的数据信息中，抽取待分析交换机测试机故障类型样本，对聚类中心、聚类模型进行数据初始化，以获取更高的交换机测试数据训练精度，假设将故障信息与非故障信息区别开来，则将故障数据输出的数据集定义为：X＝{x1,x2,x3,...,xn},假设交换机检测数据样本聚集成c个数据类别，U表示为构建分类模型的模糊矩阵，Uij表示第i个样本属于第j类的隶属度；
(2)更新隶属度矩阵，通过更新的隶属度衡量出聚类目标函数最小化的划分矩阵U和聚类中心V，应用数学表达式为：
Figure BDA0002555382920000201
在公式(17)中，n表示为交换机检测数据输出不同数据集需要的数量，m表示为加权指数，dij为欧式距离公式，dij表示为交换机检测数据输出的数据类型xk与待分类聚类中心pi之间的距离，用公式表示为：
(dik)2＝||xk-pi||2； (18)
uik为矩阵U中第k种交换机检测数据样本对第i类的隶属程度；
其中聚类中心用公式表示为：
Figure BDA0002555382920000202
其中1≤i≤c；
(3)更新聚类中心矩阵，交换机检测输出数据类型中各个样本中心点来表示样本簇的中心点，交换机检测数据类型不同，则不同聚类信息样本数据的中心点也就不同，因此，每选择一种故障检测数据类型，则更新样本数据中心点与这些故障接线聚类信息数据中心之间的距离，在多次计算情况下，可将每次计算出的最小数据组成矩阵D，则：
Figure BDA0002555382920000211
其中，x为分类后计算出的最小值集合；
(4)反复计算目标函数，进行迭代计算，如果迭代计算的值小于最小误差，则按照隶属度矩阵对变电站样本点进行分类，如果没有小于最小误差值，则重新更新隶属度矩阵，进行步骤(2)的计算；
(5)然后输出分类结果；
在进一步的实施例中，当dij＝0时，将交换机检测数据类型与聚类中心数据类型视为完全相同，当0≤dij≤1时，将交换机检测数据类型与聚类中心数据类型视为同类数据，当dij＞1时，将交换机检测数据类型与聚类中心数据类型视为不同类数据。
在进一步的实施例中，交换机大数据计算的方法为APRIORI算法。在一种实施例中，如图8所示。在APRIORI计算中，假设最开始的交换机数据库里有4种不同的检测数据，假设组合为{A、C、D}，{B、C、E}，{A、B、C、E}，{B、E}，使用min_support＝2作为支持度阈值，则可筛选出来的频繁集为{B、C、E}，其算法示意图如图8所示。在计算过程中，将数据集中每个数据都进行单遍扫描，通过这种方式能够将单个项目中的数据信息支持度确定下来。完成后，可以输出频繁1-项集的不同数据集合，再进一步使用上轮的迭代算法，进一步计算最近发现的频繁(k-1)-项集，从而产生新的候选k-项集。为了更精确地计算，可以再次启动扫描，对数据库进行二次扫描，最终使子集函数确定包含在每个不同交易t内的待选k-项集。在计算待选项集中的不同数据的支持度计数，当支持度计数小于其候选项集中数据时，则可将该数据清除，上述操作步骤可以重复操作，当不再产生新的频繁项集，则表示算法结束。进而能够实现多种交换机大数据的计算。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (6)

1.一种实现多种交换机测试机的多通信系统，其特征在于：所述系统包括：
交换机设备层，其内设置有不同型号的交换机和交换机检测设备，所述交换机检测设备检测的数据集类型至少包括交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据，其中所述功能测试数据至少包括吞吐量测试数据、传输时延测试数据、丢包率测试数据或者背靠背测试数据；其中所述交换机检测设备设置有两种以上的兼容式通信接口所述通信接口至少为RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；其中所述交换机检测设备为一台测试机，所述交换机为两种以上型号的交换机，所述兼容式通信接口至少兼容两种不同形式的通信通道接口；所述兼容式数据通信接口还具有数据通信协议转换的功能，能够实现不同通信协议之间的互转；
数据传输层，其内设置有线通信模块或无线通信模块，用于接收并传递所述交换机设备层检测到的交换机测试数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述数据传输层内还设置有多通信识别模块和通道控制单元，所述多通信识别模块用来识别多个交换机检测数据输出信息传递的通信接口的物理层通信参数，并且所述多通信识别模块包括信号接收单元、信号测量单元和信号输出单元，所述信号接收单元的输出端与所述信号测量单元的输入端连接，所述信号测量单元的输出端与所述信号输出单元连接；其中所述信号测量单元为基于CPU、RAM或ROM电路的测量单元，通过信号接收单元接收各通信接口传递数据的链路层、网络层、传输层或应用层的通信参数，其中所述通道控制单元用来根据所述通道识别单元识别出的信息进行切换信号传输通道，所述通道控制单元包括控制器、信息均衡器和通信调制器，其中：所述控制器分别与所述信息均衡器和通信调制器连接，所述控制器包括输入端口、中央控制单元和输出端口，所述输入端口的输出端与所述中央控制单元的输入端连接，所述中央控制单元的输出端与所述输出端口的输入端连接；其中所述中央控制单元为SC91F722微控制芯片，所述SC91F722微控制芯片至少连接有A/D转换单元、滤波电路和开关电路；所述信息均衡器包括发送滤波器、通信信道、接收滤波器、信息均衡模型和决策器，其中所述发送滤波器的输出端与所述通信信道的输入端连接，所述通信信道的输出端与所述接收滤波器的输入端连接，所述接收滤波器的输出端与所述信息均衡模型的输入端连接，所述信息均衡模型的输出端与所述决策器的输入端连接；所述通信调制器包括调制接口、扩频模块、调制模块、信道模块、扩频处理模块、解扩模块、解调模块和调制输出模块，其中所述调制接口的输出端与所述扩频模块的输入端连接，所述扩频模块的输出端与所述调制模块的输入端连接，所述调制模块的输出端与所述信道模块的输入端连接，所述信道模块的输出端与所述扩频处理模块的输入端连接，所述扩频处理模块的输出端与所述解扩模块的输入端连接，所述解扩模块的输出端与所述解调模块的输入端连接，所述解调模块的输出端与所述调制输出模块的输入端连接；
数据管理层，其内设置有云端处理器或者计算机管理系统，所述云端处理器的硬件配置为Intel Xeon E3-1220v53.0GHz，内核为四核，内存为8GDDR4，硬盘为1＊Intel企业级SSD，1＊SATA 1T，网卡为2＊千兆网口；工作机节点的硬件CPU型号为Intel XeonE53.0GHZ，所述工作机节点的内存为8GB，硬盘容量为1TB，其中所述云端处理器内还设置有RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；所述云端处理器还包括存储单元，用于存储交换机测试过程中的各种的测量数据信息，其中所述存储单元包括个人云存储单元、私有云存储单元、公有云存储单元和混合云存储单元；其中所述云端处理器至少还包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述计算机管理系统的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz，内存为160GB；
数据处理层，其内设置有数据处理模块和数据融合模块，其中所述数据处理模块为聚类算法模块、蚁群算法模块、关联算法模块、决策树算法模块、BP神经网络算法模块、KNN算法模块、支持向量机算法模块、VSM法模型或k-近邻素算法模块；所述数据融合模块属于应用层，其内至少设置有主站、客户端或者计算机管理系统，用于对交换机的测试数据进行计算、存储或者远程、在线和实时监控，进而实现交换机测试状态的智能监控；
通过数据处理模块对接收到的交换机数据信息进行数据预处理，所述数据预处理的方法为大数据降维主成分分析方法，所述主成分分析方法的步骤为：
(1)标准化数据；假设交换机大数据样本数据纬度为p，随机向量为x＝(x1，x2，...，xp)T；则对于i个交换机大数据样本，存在：xi＝(xi1，xi2，...，xip)T，其中i＝1，2，...，n；当n＞p时，对样本阵元进行标准化变换，其中标准化变换公式为：
Figure 42613DEST_PATH_IMAGE001
其中i＝1，2，...，n；j＝1，2，...，p；
Figure 975934DEST_PATH_IMAGE002
Figure 379233DEST_PATH_IMAGE003
(2)求出所述步骤(1)的标准化矩阵Z的相关系数矩阵；
R＝[rij]p；(4)
Figure 107018DEST_PATH_IMAGE004
其中：
Figure 454822DEST_PATH_IMAGE005
其中i，j＝1，2，...，p；
(3)确定主成分，通过求解相关矩阵R的特征方程得出，所述方程为：
|R-λIp|＝0 (7)
在确定n的值时，通过以下公式：
Figure 926255DEST_PATH_IMAGE006
在公式(8)中的每个λj，j＝1，2，...，n，解方程组得出：
Rb＝λjb (9)
通过公式(9)得出特征向量
Figure 184061DEST_PATH_IMAGE007
(4)然后再将标准化后的指标变量转换为主成分，则有
Figure 472960DEST_PATH_IMAGE008
其中j＝1，2，...，n；并且U1称为第一主成分，U2称为第二主成分，Uj称为第j主成分；
(5)然后对n个主成分进行综合评价，并且对n个主成分进行加权求和，即得最终评价值，权数为每个主成分的方差贡献率；
其中：所述交换机设备层的输出端与所述数据传输层的输入端连接，所述数据传输层的输出端与所述数据管理层的输入端连接，所述数据管理层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述应用层的输入端连接；
所述兼容式通信接口通过应用组合算法模型实现不同信息的通信；所述组合算法模型的构建方法为：
(1)信息参数数据采集；分别获取RS232通信通道接口、RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口、CAN通信信道接口、USB通信信道接口、WIFI通信信道接口、ZigBee通信信道接口、蓝牙通信信道接口或光纤通信信道接口的通信参数数据，由于通信通道接口不同，则收到的信息参数数据信息也不同；
(2)汇总读取的参数信息；以便于分析和处理；分别通过决策树算法模型、回归算法模型和BP神经网络算法模型计算通信通道的参数数据信息，其中所述决策树算法模型对各种不同数据信息进行分类；回归算法模型能够在获取的信息参数数据中，通过构建自变量与因变量之间的相关关系，构建信息参数数据影响变量之间的回归方程，把回归方程作为算法模型，进而揭示出影响信息参数数据的因变量之间的关系；所述BP神经网络算法模型按照误差逆传播算法训练的多层前馈网络，学习并存贮大量的输入和输出模式映射关系；
(3)信息调制，利用信息均衡器实现多信息传输时的信息均衡，利用通信调制器实现多通道联合通信调制；
(4)参数信息分析；将决策树算法模型、回归算法模型和BP神经网络算法模型输出数据汇总起来，构成组合计算算法模型，然后进行决策分析，输出交换机测量数据信息通道参数数据将所述交换机测量数据信息通道参数数据与不同通信通道接口的通信协议进行匹配，进而选择出合适的数据通道。
2.一种实现多种交换机测试机的多通信方法，其特征在于：所述方法应用于权利要求1所述的实现多种交换机测试机的多通信系统，所述方法包括以下步骤：
(S1)测试数据；通过交换机设备层内的各种交换机检测设备对不同型号、不同规格的交换机进行测试，利用兼容式通信接口实现不同型号交换机的各种参数的测试，并对产生的交换机数据进行清洗和抽样，输出纯净的数据信息，实现交换机的测试；
(S2)数据传输，通过有线通信模块或无线通信模块实现数据传输，并且通过有线通信模块或无线通信模块接收并传递所述交换机设备层检测到的交换机测试数据信息，通过兼容式通信接口实现不同通信信息的接收和发送，通过多通信识别模块实现不同数据通信信道的识别；
(S3)数据管理；通过云端处理器或者计算机管理系统内的存储单元实现交换机的物体特性测试数据、功能测试数据、性能测试数据、管理测试数据或者可靠性测试数据的存储，并实现多种测试数据的共享；
(S4)数据处理；通过数据处理模块对接收到的交换机数据信息进行数据预处理、数据融合和计算，最终输出计算后的交换机数据信息；
(S5)数据应用；接收计算层输出的数据信息，并对接收后的数据信息进行存储、使用或传递，以使上层中心管理能够实现数据查询、监控、追溯或管理。
3.根据权利要求2所述的一种实现多种交换机测试机的多通信方法，其特征在于：所述大数据融合的计算方法为：从接收到的交换机测试数据信息中筛选出多种交换机测试机输出的不同类型的测试数据；并构建数据融合函数，构建方法为：
假设数据集函数记作为：y(t)＝f(d1(t)，d2(t)，...，dn(t))；其中i＝1，2，...，N；其中不同通信信道接口数据通信的网络节点为i，di(t)为不同通信信道接口网络节点i在t时刻采集到的数据信息，则数据融合函数可以构建为：
Figure 183427DEST_PATH_IMAGE009
其中i＝1,2,...,N。
4.根据权利要求2所述的一种实现多种交换机测试机的多通信方法，其特征在于：交换机大数据计算的方法为FCM聚类算法，其中所述FCM聚类算法模型的构建方法为：
(1)确定聚类个数，在交换机测试机输出的数据信息中，抽取待分析交换机测试机故障类型样本，对聚类中心、聚类模型进行数据初始化，以获取更高的交换机测试数据训练精度，假设将故障信息与非故障信息区别开来，则将故障数据输出的数据集定义为：X＝{x1，x2，x3，...，xn}，假设交换机检测数据样本聚集成c个数据类别，U表示为构建分类模型的模糊矩阵，Uij表示第i个样本属于第j类的隶属度；
(2)更新隶属度矩阵，通过更新的隶属度衡量出聚类目标函数最小化的划分矩阵U和聚类中心V，应用数学表达式为：
Figure 192971DEST_PATH_IMAGE010
在公式(11)中，n表示为交换机检测数据输出不同数据集需要的数量，m表示为加权指数，dij为欧式距离公式，dij表示为交换机检测数据输出的数据类型xk与待分类聚类中心pi之间的距离，用公式表示为：
(dik)2＝||xk-pi||2；(12)
uik为矩阵U中第k种交换机检测数据样本对第i类的隶属程度；
其中聚类中心用公式表示为：
Figure 695497DEST_PATH_IMAGE011
其中1≤i≤c；
(3)更新聚类中心矩阵，交换机检测输出数据类型中各个样本中心点来表示样本簇的中心点，交换机检测数据类型不同，则不同聚类信息样本数据的中心点也就不同，因此，每选择一种故障检测数据类型，则更新样本数据中心点与这些故障接线聚类信息数据中心之间的距离，在多次计算情况下，可将每次计算出的最小数据组成矩阵D，则：
Figure 499505DEST_PATH_IMAGE012
其中，x为分类后计算出的最小值集合；
(4)反复计算目标函数，进行迭代计算，如果迭代计算的值小于最小误差，则按照隶属度矩阵对变电站样本点进行分类，如果没有小于最小误差值，则重新更新隶属度矩阵，进行步骤(2)的计算；
(5)然后输出分类结果。
5.根据权利要求4所述的一种实现多种交换机测试机的多通信方法，其特征在于：当dij＝0时将交换机检测数据类型与聚类中心数据类型视为完全相同，当0≤dij≤1时，将交换机检测数据类型与聚类中心数据类型视为同类数据，当dij＞1时，将交换机检测数据类型与聚类中心数据类型视为不同类数据。
6.根据权利要求2所述的一种实现多种交换机测试机的多通信方法，其特征在于：交换机大数据计算的方法为APRIORI算法。
CN202010590671.3A 2020-06-24 2020-06-24 一种实现多种交换机测试机的多通信系统及方法 Active CN111756600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010590671.3A CN111756600B (zh) 2020-06-24 2020-06-24 一种实现多种交换机测试机的多通信系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010590671.3A CN111756600B (zh) 2020-06-24 2020-06-24 一种实现多种交换机测试机的多通信系统及方法

Publications (2)

Publication Number Publication Date
CN111756600A CN111756600A (zh) 2020-10-09
CN111756600B true CN111756600B (zh) 2022-03-01

Family

ID=72677119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010590671.3A Active CN111756600B (zh) 2020-06-24 2020-06-24 一种实现多种交换机测试机的多通信系统及方法

Country Status (1)

Country Link
CN (1) CN111756600B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533083B (zh) * 2020-12-01 2021-08-06 威创集团股份有限公司 一种usb光纤交换盒及系统
CN113242247B (zh) * 2021-05-17 2022-08-26 佳木斯大学 一种基于边缘计算的工业智能物联模块
CN113645096A (zh) * 2021-08-11 2021-11-12 四川华腾国盛科技有限公司 一种建筑智能化工程检测系统
CN113746822B (zh) * 2021-08-25 2023-07-21 广州市昇博电子科技有限公司 一种远程会议管理方法及系统
CN114244750B (zh) * 2022-01-20 2023-09-05 深圳豪成通讯科技有限公司 基于移动终端typec接口的rs485通信电路系统
CN116991786B (zh) * 2023-06-26 2024-05-07 深圳市晶存科技有限公司 测试板数据传输方法、装置、设备、存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7539489B1 (en) * 2003-04-04 2009-05-26 Veriwave, Incorporated Location-based testing for wireless data communication networks
US7673199B2 (en) * 2006-02-03 2010-03-02 Teradyne, Inc. Multi-stream interface for parallel test processing
US7984194B2 (en) * 2008-09-23 2011-07-19 Microsoft Corporation Dynamically configurable switch for distributed test lab
CN101800653A (zh) * 2010-03-23 2010-08-11 烽火通信科技股份有限公司 兼容以太网tx和fx接口的以太网盘pcb及制作方法
CN103777104B (zh) * 2014-02-24 2016-11-23 国家电网公司 数字化变电站二次信号传输系统延时特性测试装置及方法
CN106569108B (zh) * 2016-11-02 2019-09-27 上海斐讯数据通信技术有限公司 一种交换机的耐压检测系统及检测方法
CN107103050A (zh) * 2017-03-31 2017-08-29 海通安恒（大连）大数据科技有限公司 一种大数据建模平台及方法
CN107193271B (zh) * 2017-06-13 2019-04-26 青岛科技大学 用于工业信息物理系统的前置服务适配和故障诊断装置
CN109388530B (zh) * 2018-08-22 2021-12-10 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 一种面向刀片式服务器的自动化测试平台以及测试方法
CN109818798A (zh) * 2019-02-19 2019-05-28 上海海事大学 一种融合kpca和elm的无线传感器网络入侵检测系统及方法
CN110213222B (zh) * 2019-03-08 2021-12-10 东华大学 基于机器学习的网络入侵检测方法
CN110096630A (zh) * 2019-05-06 2019-08-06 吉林农业大学 一类基于聚类分析的大数据处理方法
CN111224840A (zh) * 2019-12-31 2020-06-02 江苏南高智能装备创新中心有限公司 具有故障诊断性能的网关系统及其方法

Also Published As

Publication number Publication date
CN111756600A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111756600B (zh) 一种实现多种交换机测试机的多通信系统及方法
CN109347668B (zh) 一种服务质量评估模型的训练方法及装置
CN109359385B (zh) 一种服务质量评估模型的训练方法及装置
CN101572623B (zh) 基于主客观组合评价的网络性能综合评价方法
Yan et al. A survey of traffic classification in software defined networks
CN114629802A (zh) 一种基于业务感知的电力通信骨干网络质量评估方法
CN110543500A (zh) 一种基于大数据的输变电设备健康评估平台
WO2022048050A1 (zh) 一种大数据信息采集系统及使用方法
CN116684878B (zh) 一种5g信息传输数据安全监测系统
CN105141446A (zh) 一种基于客观权重确定的网络设备健康度评估方法
CN109711664B (zh) 一种基于大数据的输变电设备健康评估系统
CN114048546A (zh) 一种基于图卷积网络和无监督域自适应的航空发动机剩余使用寿命预测方法
CN115879793A (zh) 一种电能表状态信息化评价系统
CN111600779B (zh) 一种兼容多种交换机的测试平台
CN115150248B (zh) 网络流量异常检测方法、装置、电子设备和存储介质
CN105634781B (zh) 一种多故障数据解耦方法和装置
CN116436802B (zh) 基于机器学习的智能控制方法及系统
Sun et al. Cooperative Perception Optimization Based on Self-Checking Machine Learning.
CN111626896A (zh) 一种建筑工程质量检测数据自动采集和信息管理系统
CN108540539A (zh) 一种空气污染智能监测系统
CN114726800A (zh) 一种基于模型解释的规则式应用流量分类方法及系统
Syal et al. Automatic detection of network traffic anomalies and changes
CN110544182B (zh) 一种基于机器学习技术的配电通信网融合控制方法及系统
Zheng et al. Flow-by-flow traffic matrix prediction methods: Achieving accurate, adaptable, low cost results
Lin et al. A semi-supervised approach for abnormal event prediction on large operational network time-series data

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