CN111953529A - 一种程控交换机的自诊断方法及系统 - Google Patents

一种程控交换机的自诊断方法及系统 Download PDF

Info

Publication number
CN111953529A
CN111953529A CN202010737922.6A CN202010737922A CN111953529A CN 111953529 A CN111953529 A CN 111953529A CN 202010737922 A CN202010737922 A CN 202010737922A CN 111953529 A CN111953529 A CN 111953529A
Authority
CN
China
Prior art keywords
fault
diagnosis
self
report
command
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
Application number
CN202010737922.6A
Other languages
English (en)
Inventor
高强
王龙
周瑾瑜
宋旅宁
林朝哲
王曦
田志峰
林宁
丘国良
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply 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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202010737922.6A priority Critical patent/CN111953529A/zh
Publication of CN111953529A publication Critical patent/CN111953529A/zh
Pending legal-status Critical Current

Links

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
    • H04L41/0677—Localisation of faults
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • 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
    • G06F16/242—Query formulation
    • 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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • H04L43/06—Generation of reports

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Monitoring And Testing Of Exchanges (AREA)

Abstract

本发明提供一种程控交换机的自诊断方法及系统，包括，步骤S1，接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；步骤S2，当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；步骤S3，根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；步骤S4，根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。本发明实现故障原因的精准分析，对不同的故障原因赋予不同的故障编码，实现自恢复处理。

Description

一种程控交换机的自诊断方法及系统
技术领域
本发明涉及电力系统自动化技术领域，特别是涉及一种程控交换机的自诊断方法及系统。
背景技术
在现代技术迅猛发展的背景下，通信俨然已经成为现代化建设不能缺少的内容，通信技术覆盖到生活的各个领域。为保障通信质量与畅通度，程控交换机对此发挥了很大的作用。由于程控交换机会时常发生故障，所以必须以此为基础做好维护与处理工作。
现有的程控交换机具有一定的自诊断功能，其可以进行定期诊断测试和随机诊断测试，其中定期诊断可以通过人机命令，使交换设备在话务负荷清闲时，对系统作一次全面测试，而随机诊断测试是在交换设备运行过程中，对程控交换机的故障根据不同的级别、类型以及影响范围进行不同方式的反映、警告，并通过存储器的记忆等形式反映出程控交换机所存在的各种问题。但是，现有的程控交换机的自诊断功能只是大致诊断出故障原因，而无法实现故障原因的精准诊断，经常出现误诊断的情况，并且，其诊断出原因后还需要人工处理介入以恢复正常，而无法实现自恢复。
发明内容
本发明的目的在于，提出一种程控交换机的自诊断方法及系统，以解决现有方法无法实现故障原因的精准诊断，经常出现误诊断的情况、无法实现自恢复的技术问题。
根据第一方面，本发明提供一种程控交换机的自诊断方法，包括以下步骤：
步骤S1，接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；
步骤S2，当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
步骤S3，根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；
步骤S4，根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。
优选地，所述步骤S2包括：通过自诊断程序初步诊断所述程控交换机的故障类型、设备信息以及故障原因，根据所述初步诊断确定的故障类型以及故障原因生成初步故障报告；其中，所述故障类型包括单板故障、数据配置故障、光缆故障中的一种或多种。
优选地，所述步骤S3包括：判定所述数据库中是否存在有与所述初步故障报告对应的故障确诊方案；
若所述数据库中存在与所述初步故障报告对应的故障确诊方案，则调取该对应的故障确诊方案对故障报告进行故障确诊，获得故障原因；
若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则对所述故障报告进行标记并发出告警信息。
优选地，所述步骤S3还包括：当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；
将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
优选地，所述BP神经网络的预先训练过程包括：
获取所述程控交换机中每块单板的特征参数，输入BP神经网络；
根据所述每块单板的特征参数对单板的状态类别进行编码，并输出与单板的特征参数对应的编码结果作为BP神经网络的期望值；
根据所述每块单板的特征参数和对应的编码结果组成状态样本，作为训练样本输入所述BP神经网络中，对所述BP神经网络进行训练，确定各神经元的连接权值。
优选地，所述BP神经网络包括：隐层和输出层；所述隐层至少包括14个神经元；所述输出层至少包括n个神经元，其中，n为所述程控交换机中单板数量值。
优选地，该方法还包括：若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
根据第二方面，本发明还提供一种程控交换机的自诊断系统，用以实现第一方面所述程控交换机的自诊断的方法，所述系统包括：
指令判断单元，用于接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；
自诊断单元，用于当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
故障确诊分析单元，用于根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；以及
故障解决单元，用于根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。
优选地，所述故障确诊分析单元，还用于：当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；以及，将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
优选地，所述故障确诊分析单元，还用于：若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
综上，实施本发明的实施例，具有如下的有益效果：
本发明实施例提供的程控交换机的自诊断方法及系统，对输入的自诊断命令的字符和格式进行核查，防止出现误操作，先生成初步的故障报告，再分析其故障原因，实现故障原因的精准分析，对不同的故障原因赋予不同的故障编码，执行对应的调取故障解决方案解决故障，从而实现自恢复处理，无需人为干预，自诊断过程更加智能化。
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，下面将对实施例或现有技术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性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的程控交换机的自诊断方法的主流程示意图。
图2为本发明提供的程控交换机的自诊断系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明提供的一种程控交换机的自诊断方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
步骤S1，接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令，以确保输入的自诊断命令是合法指令，防止出现误操作和非法操作，确保了自诊断的安全性；
步骤S2，当所述输入的自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
具体实施例中，通过自诊断程序初步诊断所述程控交换机的故障类型、设备信息以及故障原因，根据所述初步诊断确定的故障类型以及故障原因生成初步故障报告，只能分析出大概的故障原因范围，无法实现精准排查；所述故障类型包括单板故障、数据配置故障、光缆故障中的一种或多种；所述的故障报告中包含初步判定的故障类型，例如，单板故障或者数据配置故障或者光缆故障，而关于单板故障，由于程控交换机是由相互关联的一系列单板相互配合组成的，因此初步的故障报告中无法精准判定具体是哪一块单板出现了故障。另外，数据配置故障和光缆故障也包括很多中故障原因，初步的故障报告无法诊断出具体的故障原因。
步骤S3，根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码，实现故障原因的精准分析，编码模块15根据所述故障原因数据生成与所述故障原因相对应的故障编码；
具体实施例中，判定所述数据库中是否存在有与所述初步故障报告对应的故障确诊方案；
若所述数据库中存在与所述初步故障报告对应的故障确诊方案，则调取该对应的故障确诊方案对故障报告进行故障确诊，获得故障原因；
若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则对所述故障报告进行标记并发出告警信息；若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
程控交换机是由相互关联的一系列单板相互配合完成一定功能的通信设备，当某单板故障告警时会导致其它单板无法完成预定功能而告警，接着又会导致另一些相关单板的告警。因此，可以通过理论分析相关单板的关联关系，整理出完备的设备告警关联关系数据，再设计BP网络模型并对其进行训练，可实现对故障原因的迅速准确定位。
具体实施例，单板故障是程控交换机出现故障频率最高的一种故障类型，对于单板故障的故障原因分析，具体为：
当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；
将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
再具体的，所述BP神经网络的预先训练过程包括：
获取所述程控交换机中每块单板的特征参数，输入BP神经网络；
根据所述每块单板的特征参数对单板的状态类别进行编码，并输出与单板的特征参数对应的编码结果作为BP神经网络的期望值；
根据所述每块单板的特征参数和对应的编码结果组成状态样本，作为训练样本输入所述BP神经网络中，对所述BP神经网络进行训练，确定各神经元的连接权值。步骤S4，根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序；
具体实施例中，基于生成的故障报告从预设的故障确诊数据库中对应地调取故障确诊方案，所述故障确诊数据库中基于不同的故障报告预先对应存储有故障确诊方案；
利用调取的故障确诊方案对故障报告进行故障确诊以分析得到故障原因；
其中，基于一个故障报告对应存储有一个、两个或多个故障确诊方案，当存在两个或多个故障确诊方案时，基于时间戳按照存储的时间顺序依次调取故障确诊方案执行。所述故障确诊数据库基于大量的历史数据，根据不同的故障报告对应存储有故障确诊程序，每个故障确诊程序均是经过实际检验且确定可以分析出故障原因的。另外，具体基于生成的故障报告的关键词从预设的故障确诊数据库中对应地调取故障确诊方案，关键词包括初步判定的故障类型；
若基于生成的故障报告从预设的故障确诊数据库中无法查找到对应的故障确诊方案，则对该故障报告进行标记并发出告警信息以通知人工处理；
将人工处理过程按预设格式录入故障诊断数据库中以形成新的故障确诊报告，并将其与标记的故障报告关联存储。
通过不断地往故障诊断数据库中输入人工处理结果从而源源不断地增加新的故障确诊报告，并将其与之前标记的故障报告关联存储，一旦后续出现相同或者近似的故障报告时可以快速地调取故障确诊方案进行故障确诊。随着故障诊断数据库在实践过程中的不断丰富，后续的故障确诊过程会更加准确、快捷。
具体的一个实施例中，通过分析，抽取反映程控交换机中各块单板的状态的特征参数作为BP神经网络的输入。例如，程控交换机中包括有n块单板，则BP神经网络的输入模式对应为(X1，X2，X3.....Xn)，其中，Xi表示反映第i块单板的状态的特征参数。其中，所述特征参数可以是电流值、电压值、功率值等一些可以体现出每块单板工作状态的物理量；
对每块单板的状态类别分别进行编码，并将其作为BP神经网络的期望输出。例如，当单板的状态为正常时，将其状态编码为0，当单板的状态为故障时，将其状态编码为1。可以理解，每块单板的编码与输入的该块单板对应的特征参数相对应，即当Xi超过阈值时，判定其故障，则对应的编码为1，当Xi未超过阈值时，判定其正常，则对应的编码为0，输入的编码的数量与特征参数的数量相一致且一一对应；
其中，所述BP神经网络包括：隐层和输出层；所述隐层至少包括14个神经元，传递函数为logsig型函数；所述输出层至少包括n个神经元，传递函数为pureline线型函数，其中，n为所述程控交换机中单板数量值，也即与输入的编码数量和特征参数的数量相一致。例如，BP神经网络的输入、输出均为9维向量，输入的每一位代表9个不同的程控交换机单板，输出的9位中，1代表故障单板，0代表无故障。另外，由于所需要处理的数据量不大，所以BP神经网络模型没有设计作为数据缓冲的输入层；
每块单板的特征参数和对应的编码组成各种状态样本，既包括正常的状态样本和故障的状态样本，然后将各种状态样本组成训练样本输入至BP神经网络中进行训练，直至误差达到所要求的精度之后停止训练，确定BP神经网络中各个神经元的连接权值。其中，训练精度设定为10-5时，经过98次迭代就可以达到要求精度。另外，在本发明的其它一些实施例中，也可以将训练精度设置为10-4或者10-3，其中当训练精度为10-4时，需要47次迭代，当训练精度为10-3时，需要12次迭代，可见随着精度的提高，训练时间会延长，即迭代次数也会增加。表明训练精度越高，得到的结果误差越小，可靠性也越高，反之，训练精度越低，得到的结果误差越大，可靠性也越低。因此，技术人员可以根据实际精度和训练时间的需要对训练精度进行设定，在此不做具体限定；
再将故障报告中提取出的每块单板的特征参数输入至训练好的BP神经网络中进行状态识别，可以准确地判别出每块单板的状态，从而分析出故障单板，精准地分析出故障原因，快速地实现故障精准定位。
如图2所示，为本发明提供的一种程控交换机的自诊断系统的一个实施例的示意图。在该实施例中，所述系统用以实现上述实施例所述的程控交换机的自诊断方法；本实施例系统包括：
指令判断单元11，用于接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；
自诊断单元12，用于当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
故障确诊分析单元13，用于根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；
故障解决单元14，用于根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。
优选地，所述故障确诊分析单元，还用于：当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；以及，将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
优选地，所述故障确诊分析单元，还用于：若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
以上所描述的系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。
需说明的是，上述实施例所述系统与上述实施例所述方法对应，因此，上述实施例所述系统未详述部分可以参阅上述实施例所述方法的内容得到，此处不再赘述。
并且，上述实施例所述程控交换机的自诊断系统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。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的程控交换机的自诊断方法及系统，对输入的自诊断命令的字符和格式进行核查，防止出现误操作，先生成初步的故障报告，再分析其故障原因，实现故障原因的精准分析，对不同的故障原因赋予不同的故障编码，执行对应的调取故障解决方案解决故障，从而实现自恢复处理，无需人为干预，自诊断过程更加智能化。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种程控交换机的自诊断方法，其特征在于，包括以下步骤：
步骤S1，接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；
步骤S2，当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
步骤S3，根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；
步骤S4，根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。
2.如权利要求1所述的程控交换机的自诊断方法，其特征在于，所述步骤S2包括：
通过自诊断程序初步诊断所述程控交换机的故障类型、设备信息以及故障原因，根据所述初步诊断确定的故障类型以及故障原因生成初步故障报告；其中，所述故障类型包括单板故障、数据配置故障、光缆故障中的一种或多种。
3.如权利要求2所述的程控交换机的自诊断方法，其特征在于，所述步骤S3包括：
判定所述数据库中是否存在有与所述初步故障报告对应的故障确诊方案；
若所述数据库中存在与所述初步故障报告对应的故障确诊方案，则调取该对应的故障确诊方案对故障报告进行故障确诊，获得故障原因；
若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则对所述故障报告进行标记并发出告警信息。
4.如权利要求3所述的程控交换机的自诊断方法，其特征在于，所述步骤S3还包括：
当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；
将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
5.如权利要求4所述的程控交换机的自诊断方法，其特征在于，所述BP神经网络的预先训练过程包括：
获取所述程控交换机中每块单板的特征参数，输入BP神经网络；
根据所述每块单板的特征参数对单板的状态类别进行编码，并输出与单板的特征参数对应的编码结果作为BP神经网络的期望值；
根据所述每块单板的特征参数和对应的编码结果组成状态样本，作为训练样本输入所述BP神经网络中，对所述BP神经网络进行训练，确定各神经元的连接权值。
6.如权利要求5所述的程控交换机的自诊断方法，其特征在于，所述BP神经网络包括：隐层和输出层；所述隐层至少包括14个神经元；所述输出层至少包括n个神经元，其中，n为所述程控交换机中单板数量值。
7.如权利要求1-6任一所述的程控交换机的自诊断方法，其特征在于，该方法还包括：若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
8.一种程控交换机的自诊断系统，用以实现如权利要求1-3任一所述的方法，其特征在于，所述系统包括：
指令判断单元，用于接收自诊断命令，对所述自诊断命令的字符和格式进行检查，判断所述自诊断命令是否为合法指令；
自诊断单元，用于当所述自诊断命令为合法指令时，根据所述自诊断命令运行自诊断程序，并根据自诊断结果生成初步故障报告；
故障确诊分析单元，用于根据所述初步故障报告进行故障确诊分析，并根据分析结果生成故障编码；
故障解决单元，用于根据所述故障编码从数据库中调取对应的故障解决程序，并执行所述故障解决程序；其中，所述数据库中预先存储有与多个故障编码对应的多个故障解决程序。
9.如权利要求8所述的程控交换机的自诊断系统，其特征在于，所述故障确诊分析单元，还用于：当所述故障类型包括单板故障时，根据所述初步故障报告获取所述程控交换机的每块单板的特征参数；以及，将所述每块单板的特征参数输入经过预先训练的BP神经网络中进行状态识别，确定存在故障的单板。
10.如权利要求8所述的程控交换机的自诊断系统，其特征在于，所述故障确诊分析单元，还用于：若所述数据库中不存在与所述初步故障报告对应的故障确诊方案，则按预设格式录入数据库中，形成新的故障确诊报告，并将新的故障确诊报告与标记的故障报告关联存储。
CN202010737922.6A 2020-07-28 2020-07-28 一种程控交换机的自诊断方法及系统 Pending CN111953529A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010737922.6A CN111953529A (zh) 2020-07-28 2020-07-28 一种程控交换机的自诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010737922.6A CN111953529A (zh) 2020-07-28 2020-07-28 一种程控交换机的自诊断方法及系统

Publications (1)

Publication Number Publication Date
CN111953529A true CN111953529A (zh) 2020-11-17

Family

ID=73338335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010737922.6A Pending CN111953529A (zh) 2020-07-28 2020-07-28 一种程控交换机的自诊断方法及系统

Country Status (1)

Country Link
CN (1) CN111953529A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115333977A (zh) * 2022-08-11 2022-11-11 南京国电南自电网自动化有限公司 一种基于网络接口的系统诊断通道实现方法及装置
CN116232939A (zh) * 2022-12-30 2023-06-06 科动控制系统(苏州)有限公司 一种交换机监控方法、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701655A (zh) * 2014-01-13 2014-04-02 加弘科技咨询(上海)有限公司 交换机的故障自诊断、自恢复方法及系统
CN105847070A (zh) * 2016-05-31 2016-08-10 深圳市双赢伟业科技股份有限公司 一种交换机故障处理方法及装置
CN110208721A (zh) * 2019-07-09 2019-09-06 西南交通大学 一种级联三电平逆变器的故障诊断方法及装置
CN210222221U (zh) * 2019-07-09 2020-03-31 西南交通大学 一种级联三电平逆变器的故障诊断装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701655A (zh) * 2014-01-13 2014-04-02 加弘科技咨询(上海)有限公司 交换机的故障自诊断、自恢复方法及系统
CN105847070A (zh) * 2016-05-31 2016-08-10 深圳市双赢伟业科技股份有限公司 一种交换机故障处理方法及装置
CN110208721A (zh) * 2019-07-09 2019-09-06 西南交通大学 一种级联三电平逆变器的故障诊断方法及装置
CN210222221U (zh) * 2019-07-09 2020-03-31 西南交通大学 一种级联三电平逆变器的故障诊断装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115333977A (zh) * 2022-08-11 2022-11-11 南京国电南自电网自动化有限公司 一种基于网络接口的系统诊断通道实现方法及装置
CN115333977B (zh) * 2022-08-11 2023-08-15 南京国电南自电网自动化有限公司 一种基于网络接口的系统诊断通道实现方法及装置
CN116232939A (zh) * 2022-12-30 2023-06-06 科动控制系统(苏州)有限公司 一种交换机监控方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
EP1674958B1 (en) A diagnostic method and system
US6557115B2 (en) Real-time test controller
US5107500A (en) Diagnostic expert system
CN109800127A (zh) 一种基于机器学习的系统故障诊断智能化运维方法及系统
CN111665818B (zh) 一种核电厂数字化仪控验证系统及其方法
US20110314331A1 (en) Automated test and repair method and apparatus applicable to complex, distributed systems
CN111953529A (zh) 一种程控交换机的自诊断方法及系统
US5195095A (en) Algorithm for identifying tests to perform for fault isolation
CN109270921A (zh) 一种故障诊断方法及装置
US5282212A (en) Algorithm for identifying highly suspect components in fault isolation
CN116107794B (zh) 一种舰船软件故障自动诊断方法、系统及存储介质
CN112285484B (zh) 基于深度神经网络的电力系统故障诊断信息融合方法及装置
US5187785A (en) Algorithm for representing component connectivity
CN117221145A (zh) 基于物联网平台的设备故障预测性维护系统
CN116955071A (zh) 故障分类方法、装置、设备及存储介质
Syrotkina et al. Mathematical Methods for Detecting and Localizing Failures in Complex Hardware/Software Systems
CN113538997A (zh) 一种设备预测性维护学习系统
Raaphorst et al. Automated fault-tree generation for operational fault diagnosis
CN114791823B (zh) 基于人工智能的软件工程数据库维护与预警方法及系统
KR100206992B1 (ko) 피엘씨 고장진단방법
Sheppard et al. Incorporating Model-Based Reasoning in Interactive Maintenance Aids
CN118101532B (zh) 一种多协议兼容的网络设备自适应测试系统及方法
CN117370812A (zh) 一种燃料喷射系统的故障诊断方法、装置、系统及介质
CN117894134A (zh) 基于ai大模型的报警组件自动生成展示方法及系统
CN116743546A (zh) 云桌面的故障检测方法、装置、服务器和云桌面系统

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: 20201117