CN113507397B - 一种基于云端运维收集终端设备状态自动巡检的方法 - Google Patents
一种基于云端运维收集终端设备状态自动巡检的方法 Download PDFInfo
- Publication number
- CN113507397B CN113507397B CN202110759648.7A CN202110759648A CN113507397B CN 113507397 B CN113507397 B CN 113507397B CN 202110759648 A CN202110759648 A CN 202110759648A CN 113507397 B CN113507397 B CN 113507397B
- Authority
- CN
- China
- Prior art keywords
- inspection
- terminal equipment
- fault
- data
- calibration
- 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
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
-
- 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
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
-
- 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
- H04L43/0823—Errors, e.g. transmission errors
-
- 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
- H04L43/12—Network monitoring probes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种基于云端运维收集终端设备状态自动巡检的方法,包括:接收公有云巡检服务器发送的巡检请求;根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果;将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱;用以提供一种可靠性较高的自动化设备巡检服务,达到了自动巡检的目的,节省巡检时间,进而提高设备巡检的效率。
Description
技术领域
本发明涉及设备巡检技术领域,特别涉及一种基于云端运维收集终端设备状态自动巡检的方法。
背景技术
目前,在这个公有云大数据时代,公司IDC实体机房多为分布式分散在全国各地,且硬件设备也多为分布式网络接入互联网,设备型号,巡检复杂度,人工的方式费时费力,且容易造成人为操作失误,因此需要自动化巡检,释放人工,减少误操作;巡检服务器的使用公云服务器双线、BGP网络,减少网络环境的干扰,云服务备份可以增加巡检服务的可靠性。
因此,本发明提供了一种基于云端运维收集终端设备状态自动巡检的方法。
发明内容
本发明提供一种基于云端运维收集终端设备状态自动巡检的方法,用以提供一种可靠性较高的自动化设备巡检服务。
本发明提供一种基于云端运维收集终端设备状态自动巡检的方法,包括:
S1:接收公有云巡检服务器发送的巡检请求;
S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果;
S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,执行S1:接收公有云巡检服务器发送的巡检请求之前,包括:
监测所有终端设备之间的关联信号;
基于预设的终端设备编码和所述关联信号,获取相关联的终端设备对应的关联点位数据;
基于所述关联点位数据,从预设的关联方法配置中获取关联方法;
判断所述关联方法列表是否有效,若所述关联方法列表有效,则将终端设备的点位数据根据巡检区块进行划分,获得巡检区块对应的点位数据集合;
基于所述点位数据集合,建立每个巡检区块和公有云巡检服务器之间的通信链路和通信节点;
基于所述通信节点和每个巡检区块中包含的终端设备对应的点位数据,确定每个终端设备和对应通信节点的子通信链路;
若所述关联方法列表无效,则建立公有云巡检服务器和每个终端设备之间的直接通信链路。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,S1:接收公有云巡检服务器发送的巡检请求,包括:
获取预设的巡检项目,基于每个巡检项目的危急性生成巡检项目顺序;
基于所述巡检项目顺序,生成定时任务巡检计划;
基于所述定时任务巡检计划中包含的巡检项目生成多个巡检任务;
解析所述巡检任务,确定待巡检的终端设备和对应的巡检点;
基于每个巡检任务对应的巡检点和通信链路,获得每个巡检任务对应的执行时间和执行路径;
获得每个巡检项目按照自动巡检程序的巡检开始时间和巡检持续时间,并生成对应终端设备的巡检请求代码;
基于所述执行时间和所述执行路径,向对应的终端设备发送对应的巡检请求代码;
同时,监测对应终端设备的工作状态,并接收对应终端设备的应答信息;
基于所述工作状态,向对应的终端设备发送提醒信息;
其中,所述通信链路包括:直接通信链路、通信链路、子通信链路。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,接收对应终端设备的应答信息之后,还包括:
获取每个巡检请求对应的应答信息;
解析所述应答信息,确定可执行自动巡检的终端设备和不可执行自动巡检的终端设备;
获取不可执行自动巡检的终端设备对应的点位数据,并基于对应的点位数据生成第一预警信息;
当所述终端设备被反馈为不可执行自动巡检的终端设备的次数达到预设次数时,获取所述不可执行自动巡检的终端设备的实时运行数据;
将所述实时运行数据分割成固定长度的实时运行数据段,且每个实时运行数据段中包含多个实时运行特征数据;
基于预设的提取算法对所有实时运行数据段进行提取,获得提取结果;
对所述提取结果进行纠正处理,获得每个实时运行数据段对应的有效运行数据段;
对所述有效运行数据段进行特征提取,获得每个实时运行数据段对应的实时运行特征数据;
将所述实时运行特征数据进行融合处理,获得关键运行数据;
对所述关键运行数据进行去噪处理,并基于预设提取算法提取去噪处理后的关键运行数据中的有效关键数据;
构建故障判断神经网络;
将所述有效关键数据输入至所述故障判断神经网络,判断所述不可执行自动巡检的终端设备是否发生故障,并获得未发生故障的终端设备的故障预测率;
同时,将未发生故障的终端设备对应的点位数据和所述故障预测率纳入巡检反馈信息。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果,包括:
按照预设的处理规则分配方法,给所述定时任务巡检计划中包含的每个巡检任务分配对应的处理类;
基于所述处理类中预设的处理规则信息和预设的自动巡检程序,生成每个巡检任务对应的巡检程序;
基于每个巡检任务中确定的可执行自动巡检的终端设备对应的可执行巡检点,生成对应的新执行路径;
对新执行路径执行对应的巡检程序,并获取对应的巡检反馈信息;
其中,所述巡检反馈信息包括:所有终端设备状态参数和中继设备并发量和实时运行数据。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱,包括:
获取每个巡检任务中可执行巡检点对应的点位数据,并获取每个巡检任务对应的巡检反馈信息;
基于所述公有云巡检服务器中存储的终端设备的标准运行信息,判断获取到的巡检反馈信息是否需要校准;
若需要校准,根据所述巡检反馈信息从公有云巡检服务器中获取与所述巡检反馈信息相对应的校准数据和校准规则;
接收校准指令,并基于所述校准数据和校准规则对所述巡检反馈信息进行校准,得到标准巡检反馈信息;
基于云边协同的方法确定智能分析算法;
分析所述标准巡检反馈信息,并基于智能判断算法和所述点位数据,判断所述终端设备是否发生故障,获得判断结果;
基于判断结果获取故障终端设备的故障信息,并根据所述故障信息匹配预存的故障等级信息;
根据匹配结果确定所述故障终端设备的故障等级;
基于所述故障终端设备的故障等级,生成巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件;
将所述巡检邮件发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,生成巡检反馈信息列表之后,包括:
基于所述故障信息从所述巡检反馈信息列表中提取所述故障终端设备对应的巡检反馈数据;
基于预设的数据筛选模型,筛选出所述巡检反馈数据中的故障数据;
构建训练样本和预测样本,基于神经网络办法进行深度学习,得到故障类型判定模型;
将判定发生故障的终端设备对应的有效目标数据输入至所述故障类型判定模型,确定发生故障的终端设备对应的故障类型;
构建故障原因分析模型;
确定所述故障数据对应的数据编码,并将对应的数据编码和所述故障类型输入所述故障原因分析模型,生成对应的二次检测指令和对应的检测程序;
基于所述二次检测指令对每个故障终端设备执行对应的检测程序,获取每个故障终端设备对应的二次检测数据;
基于预设的故障分析算法对所述二次检测数据进行分析,得到每个故障终端设备发生故障的原因,并将所述故障原因存储至所述巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件,并将所述巡检邮件发送至对应巡检接受邮箱。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,基于所述校准数据和校准规则对所述巡检反馈信息进行校准,包括:
获取所述巡检反馈信息中包含的终端设备状态参数和中继设备并发量以及实时运行数据;
获取所述校准数据中所述终端设备状态参数对应的第一校准参数和所述中继设备并发量对应的第二校准参数;
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数、所述第二校准参数和所述实时运行数据以及校准规则,计算出校准后的终端设备状态参数和中继设备并发量,其包括:
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数和所述第二校准参数以及所述实时运行数据,计算出所述终端设备状态参数对应的第一校准因子和所述中继设备并发量对应的第二校准因子:
式中,为所述终端设备状态参数对应的第一校准因子,t1为所述终端设备的本次运行已使用时长,U1为所述终端设备的实时运行电压,A为所述终端设备状态参数,A1为所述第一校准参数,exp为以自然常数e为底的指数函数且自然常数e取值为2.72,α为所述公有云巡检服务器的损耗系数,β为所述公有云巡检服务器的运行负载波动系数,
I1为所述终端设备的实时运行电流,R1为所述终端设备的内阻值,t2为所述终端设备的已使用总时长,为所述中继设备并发量对应的第二校准因子,γ2为所述中继设备的老化系数,t3为所述中继设备的本次运行已使用时长,U2为所述中继设备的实时运行电压,B为所述中继设备并发量,B1为所述第二校准参数,I2为所述中继设备的实时运行电流,R2为所述中继设备的内阻值,t4为所述中继设备的已使用总时长;
基于所述第一校准因子和所述第二校准因子以及所述校准规则中包含的校准函数,计算出校准后的终端设备状态参数和中继设备并发量:
式中,A2为校准后的终端设备状态参数,为所述校准规则中包含的终端设备状态参数对应的校准函数,为所述校准规则中包含的中继设备状态参数对应的校准函数,θ1为所述终端设备状态参数的校准算法对应的误差因子,θ2为所述中继设备状态参数的校准算法对应的误差因子,B2为校准后的中继设备并发量;
基于校准后的终端设备状态参数和中继设备并发量,得到标准巡检反馈信息。
优选的,所述的一种基于云端运维收集终端设备状态自动巡检的方法,获得未发生故障的终端设备的故障预测率,包括:
获取所述巡检反馈信息中包含的有效目标数据;
基于所述有效目标数据,计算未发生故障的终端设备的故障预测率:
其中,σ为所述未发生故障的终端设备的故障预测率,且取值范围为[0,1),U1为所述未发生故障的终端设备的实时运行电压,I1为所述未发生故障的终端设备的实时运行电流,R1为所述未发生故障的终端设备的自身内阻值,e为自然常数且取值为2.72,t5为所述未发生故障的终端设备已经使用的时间值,t6为所述未发生故障的终端设备的理想使用时间;
将所述未发生故障的终端设备的故障率纳入所述巡检反馈信息列表。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于云端运维收集终端设备状态自动巡检的方法;
图2为本发明实施例中一种基于云端运维收集终端设备状态自动巡检的原理图。
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,此处所描述的优选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:
本发明提供了一种基于云端运维收集终端设备状态自动巡检的方法,如图1所示,包括:
S1:接收公有云巡检服务器发送的巡检请求;
S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果;
S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱。
该实施例中,所述一种基于云端运维收集终端设备状态自动巡检的方法需要Python代码依赖,底层代码开发自研基于python,需要安装相关pip依赖,实现自动巡检程序的系统依赖环境。
该实施例中,所述定时任务巡检计划包括:定时任务制定规划,是在公有云巡检服务器上定制定时任务,执行巡检程序的巡检时间、巡检内容的规则制定。
该实施例中,所述巡检结果包括:巡检数据收集写入文件,是通过所述巡检程序收集分布式机房设备的设备信息,并整理成对应表头的Excel表格。
该实施例中,所述公有云巡检服务器使用公云服务器双线、BGP网络,减少网络环境的干扰,云服务备份可以增加巡检服务的可靠性。
该实施例中,所述巡检请求是指所述公有云巡检服务器向需要进行自动巡检项目的终端设备发送是否可以进行巡检的请求代码,并接收来自对应终端设备的应答信息。
该实施例中,所述定时任务巡检计划根据所述终端设备需要进行的巡检项目的危急性生成的巡检项目顺序。
该实施例中,所述处理规则信息为对应于所述巡检项目的处理类包括的用于对所述终端设备的巡检处理指令和程序。
该实施例中,所述终端设备状态通过所述终端设备状态参数体现,所述终端设备状态参数通过巡检程序检测获得。
该实施例中,所述中继设备是在具有相同接口和相同介质访问控制协议的同构网段互联时,中间加入的仪器设备;
该实施例中,所述中继设备并发量具有相同接口和相同介质访问控制协议的同构网段互联时,中间加入的仪器设备同一时刻向服务器发送的请求数。
该实施例中,所述巡检结果即为巡检反馈信息列表,所述巡检反馈信息列表包括:所有终端设备状态、中继设备并发量、故障终端设备和未发生故障的终端设备对应的实时运行数据、故障终端设备的故障原因、未发生故障的终端设备的故障率等。
该实施例中,所述指定接收邮箱例如有:巡检检测人员的邮箱、终端设备使用者邮箱等。
上述技术方案的有益效果是:本发明提供了一种可靠性较高的自动化设备巡检服务,且由于采用公有云,由此增加了服务使用的可靠行、稳定性;同时,自动化巡检,节约了人工成本和时间消耗。
实施例2:
在上述实施例1的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,执行S1:接收公有云巡检服务器发送的巡检请求之前,包括:
监测所有终端设备之间的关联信号;
基于预设的终端设备编码和所述关联信号,获取相关联的终端设备对应的关联点位数据;
基于所述关联点位数据,从预设的关联方法配置中获取关联方法;
判断所述关联方法列表是否有效,若所述关联方法列表有效,则将终端设备的点位数据根据巡检区块进行划分,获得巡检区块对应的点位数据集合;
基于所述点位数据集合,建立每个巡检区块和公有云巡检服务器之间的通信链路和通信节点;
基于所述通信节点和每个巡检区块中包含的终端设备对应的点位数据,确定每个终端设备和对应通信节点的子通信链路;
若所述关联方法列表无效,则建立公有云巡检服务器和每个终端设备之间的直接通信链路。
该实施例中,所述关联信号是指所述终端设备之间可以在自动巡检时实现控制联动的信号,即表征可实现所述终端设备之间同时执行自动巡检程序的信号。
该实施例中,所述关联点位数据是指有关联信号的终端设备对应的点位数据;所述点位数据是包含所述终端设备编号、点位等信息数据的设备点位表,所述点位用于表征所述终端设备位置。
该实施例中,所述预设的关联方法配置是指预设的不同关联方法,包括:按照点位数据就近原则关联等。
该实施例中,所述关联方法包括:按照点位控制系统进行关联或者同时控制进行关联等。
该实施例中,所述巡检区块为将关联方法列表有效且存在同一关联信号的的终端设备所在点位划分成的区块。
该实施例中,每个终端设备和对应通信节点之间的通信链路即为所述子通信链路。
该实施例中,所述直接通信链路为公有云巡检服务器和每个终端设备之间的通信链路。
上述技术方案的有益效果是:通过判断所述终端设备之间的关联信号,可以判断所述终端设备之间是否可以建立关联关系,并通过关联关系可以进行区块划分,有利于提高所述公有云巡检服务器和所述终端设备之间的通信效率,并建立对应的通信链路,为后续计算通信时间提供条件,同时,也实现了根据巡检项目生成定时任务巡检计划,有利于后续自动巡检的进行。
实施例3:
在上述实施例2的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,S1:接收公有云巡检服务器发送的巡检请求,包括:
获取预设的巡检项目,基于每个巡检项目的危急性生成巡检项目顺序;
基于所述巡检项目顺序,生成定时任务巡检计划;
基于所述定时任务巡检计划中包含的巡检项目生成多个巡检任务;
解析所述巡检任务,确定待巡检的终端设备和对应的巡检点;
基于每个巡检任务对应的巡检点和通信链路,获得每个巡检任务对应的执行时间和执行路径;
获得每个巡检项目按照自动巡检程序的巡检开始时间和巡检持续时间,并生成对应终端设备的巡检请求代码;
基于所述执行时间和所述执行路径,向对应的终端设备发送对应的巡检请求代码;
同时,监测对应终端设备的工作状态,并接收对应终端设备的应答信息;
基于所述工作状态,向对应的终端设备发送提醒信息;
其中,所述通信链路包括:直接通信链路、通信链路、子通信链路。
该实施例中,所述巡检任务由巡检项目划分所得,例如有巡检某一终端设备的状态参数或实施运行数据等。
该实施例中,所述巡检点为待巡检的终端设备所在点,由对应的点位数据表示。
该实施例中,所述基于每个巡检任务对应的巡检点和通信链路,获得每个巡检任务对应的执行时间和执行路径包括:
基于每个巡检任务对应的巡检点和通信链路,以遍布所述巡检任务包含的所有巡检点且路径最短原则确定对应的执行路径;
基于每个巡检任务的执行路径确定通信时间所述通信时间即为所述执行时间,例如:每小时检查终端设备A的实时运行数据,对应的执行路径为100个单位长度,预设的传输速率为1ms/单位长度,则通信时间为100ms,则执行时间为100ms。
该实施例中,所述巡检请求代码为用于向所述终端设备发出巡检请求的代码。
该实施例中,所述醒信息代码为用于向对应的终端设备发出自动巡检提醒消息的代码。
该实施例中,每个巡检任务中包含的需要巡检的终端设备不同,根据每个巡检任务中包含的需要巡检的终端设备构成的最短通信链路,构成所述巡检任务对应的执行路径,所述执行路径由多条通信链路构成;
而所述通信链路是公有云巡检服务器、通信节点、中继设备、终端设备两两之间的连接路径(通信路径)。
上述技术方案的有益效果是:通过确定的通信链路和所述定时任务巡检计划,可以确定出每个巡检任务的巡检请求发送时间,有利于提高自动巡检的效率,也有利于根据巡检周期和巡检持续时间,保证巡检项目按时进行并完成。
实施例4:
在上述实施例3的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,接收对应终端设备的应答信息之后,还包括:
获取每个巡检请求对应的应答信息;
解析所述应答信息,确定可执行自动巡检的终端设备和不可执行自动巡检的终端设备;
获取不可执行自动巡检的终端设备对应的点位数据,并基于对应的点位数据生成第一预警信息;
当所述终端设备被反馈为不可执行自动巡检的终端设备的次数达到预设次数时,获取所述不可执行自动巡检的终端设备的实时运行数据;
将所述实时运行数据分割成固定长度的实时运行数据段,且每个实时运行数据段中包含多个实时运行特征数据;
基于预设的提取算法对所有实时运行数据段进行提取,获得提取结果;
对所述提取结果进行纠正处理,获得每个实时运行数据段对应的有效运行数据段;
对所述有效运行数据段进行特征提取,获得每个实时运行数据段对应的实时运行特征数据;
将所述实时运行特征数据进行融合处理,获得关键运行数据;
对所述关键运行数据进行去噪处理,并基于预设提取算法提取去噪处理后的关键运行数据中的有效关键数据;
构建故障判断神经网络;
将所述有效关键数据输入至所述故障判断神经网络,判断所述不可执行自动巡检的终端设备是否发生故障,并获得未发生故障的终端设备的故障预测率;
同时,将未发生故障的终端设备对应的点位数据和所述故障预测率纳入巡检反馈信息。
该实施例中,所述应答信息包括:表示对应的终端设备不可执行自动巡检的信息、对应的终端设备可执行自动巡检的信息。
该实施例中,所述第一预警信息用于向使用者或巡检监测人员发送的用于提示对应的终端设备不可执行此次自动巡检的信息。
该实施例中,所述实时运行数据段是指所述实时运行数据中包含的某段数据。
该实施例中,所述实时运行特征数据是指能够代表终端设备运行特征、性能特征的数据特征。
该实施例中,所述提取结果即为每个实时运行数据段包括的实时运行关键数据。
该实施例中,所述有效运行数据段即为纠错后的实时运行关键数据。
该实施例中,所述关键运行数据是由所有实时运行关键数据融合而成。
该实施例中,融合处理是指对所述实时运行特征数据,按照一定规则分析、综合,使所有实时运行特征数据融合为一个完整数据的过程。
该实施例中,所述去噪处理是指去除所述关键运行数据中的噪声数据。
该实施例中,有效关键数据是指经过一系列处理后无干扰和多余数据,用于判断所述不可执行自动巡检的终端设备是否发生故障。
上述技术方案的有益效果是:根据巡检请求对应的应答信息确定出不可执行自动巡检的终端设备,并重新确定执行路径,简化了自动巡检的过程,也提高了自动巡检的效率。
实施例5:
在上述实施例3的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果,包括:
按照预设的处理规则分配方法,给所述定时任务巡检计划中包含的每个巡检任务分配对应的处理类;
基于所述处理类中预设的处理规则信息和预设的自动巡检程序,生成每个巡检任务对应的巡检程序;
基于每个巡检任务中确定的可执行自动巡检的终端设备对应的可执行巡检点,生成对应的新执行路径;
对新执行路径执行对应的巡检程序,并获取对应的巡检反馈信息;
其中,所述巡检反馈信息包括:所有终端设备状态参数和中继设备并发量和实时运行数据。
该实施例中,所述预设的处理规则分配方法用于根据所述巡检任务的内容分配对应的处理类;
所述处理类根据所述巡检任务的内容对所述巡检项目中的数据和信息进行汇集、拼接、整合、统计、加工等直接处理。
该实施例中,所述新执行路径是去掉原执行路径中不可执行自动巡检的终端设备对应的巡检点后确定的新的最短通信链路。
上述技术方案的有益效果是:按照预设的处理规则分配方法,给所述定时任务巡检计划中包含的每个巡检任务分配对应的处理类,避免了巡检人员在被巡检设备中输入处理规则,即被巡检设备的巡检规则获取过程无需依靠人工完成,因此,可以节省巡检时间,进而提高设备巡检的效率。
实施例6:
在上述实施例1的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱,如图2所示,包括:
获取每个巡检任务中可执行巡检点对应的点位数据,并获取每个巡检任务对应的巡检反馈信息;
基于所述公有云巡检服务器中存储的终端设备的标准运行信息,判断获取到的巡检反馈信息是否需要校准;
若需要校准,根据所述巡检反馈信息从公有云巡检服务器中获取与所述巡检反馈信息相对应的校准数据和校准规则;
接收校准指令,并基于所述校准数据和校准规则对所述巡检反馈信息进行校准,得到标准巡检反馈信息;
基于云边协同的方法确定智能分析算法;
分析所述标准巡检反馈信息,并基于智能判断算法和所述点位数据,判断所述终端设备是否发生故障,获得判断结果;
基于判断结果获取故障终端设备的故障信息,并根据所述故障信息匹配预存的故障等级信息;
根据匹配结果确定所述故障终端设备的故障等级;
基于所述故障终端设备的故障等级,生成巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件;
将所述巡检邮件发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱。
该实施例中,所述云边协同是将云与边缘连接起来,将云端能力延伸到边缘侧,联动云端和边缘侧数据,实现边缘资源的远程管控、数据处理、数据分析、智能决策等。
该实施例中,所述基于所述公有云巡检服务器中存储的终端设备的标准运行信息,判断获取到的巡检反馈信息是否需要校准即为判断所述巡检反馈信息中包含的数据是否在标准运行信息的最大范围之内,若是,则无需校准,否则,需要进行校准。
该实施例中,所述智能判断算法用于判断所述标准巡检反馈信息中的数据费否在终端设备正常运行时对应的参数范围之内,从而获得判断是否故障的结果。
该实施例中,所述巡检反馈信息列表是巡检数据收集写入文件,是通过所述巡检程序收集分布式机房设备的设备信息,并整理成对应表头的Excel表格。
上述技术方案的有益效果是:通过判断所述巡检反馈信息是否需要校准,有利于保证巡检结果的准确性,并通过对校准后的巡检反馈信息进行分析和判断,可以判断终端设备是否发生故障,并更具故障信息进行等级划分,丰富了巡检结果的内容。
实施例7:
在上述实施例6的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,生成巡检反馈信息列表之后,包括:
基于所述故障信息从所述巡检反馈信息列表中提取所述故障终端设备对应的巡检反馈数据;
基于预设的数据筛选模型,筛选出所述巡检反馈数据中的故障数据;
构建训练样本和预测样本,基于神经网络办法进行深度学习,得到故障类型判定模型;
将判定发生故障的终端设备对应的有效目标数据输入至所述故障类型判定模型,确定发生故障的终端设备对应的故障类型;
构建故障原因分析模型;
确定所述故障数据对应的数据编码,并将对应的数据编码和所述故障类型输入所述故障原因分析模型,生成对应的二次检测指令和对应的检测程序;
基于所述二次检测指令对每个故障终端设备执行对应的检测程序,获取每个故障终端设备对应的二次检测数据;
基于预设的故障分析算法对所述二次检测数据进行分析,得到每个故障终端设备发生故障的原因,并将所述故障原因存储至所述巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件,并将所述巡检邮件发送至对应巡检接受邮箱。
该实施例中,所述二次检测指令用于根据故障数据控制对对应的故障终端设备的故障数据对应的数据进行二次检测。
该实施例中,所述巡检邮件单位发送是通过所诉巡检服务器通过邮件方式发送至对应巡检接受邮箱。
上述技术方案的有益效果是:通过对故障信息的分析和预设的故障原因分析模型,可以生成对应故障终端设备的检测命令,并对所述故障终端设备进行二次检测,通过对所述故障终端设备的二次检测数据的分析,判断出故障原因,丰富了巡检结果的内容,通过邮件的形式发送巡检结果,实现了巡检结果高效率高完整性地传输。
实施例8:
在上述实施例6的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,基于所述校准数据及校准规则对所述巡检反馈信息进行校准,包括:
所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,基于所述校准数据和校准规则对所述巡检反馈信息进行校准,包括:
获取所述巡检反馈信息中包含的终端设备状态参数和中继设备并发量以及实时运行数据;
获取所述校准数据中所述终端设备状态参数对应的第一校准参数和所述中继设备并发量对应的第二校准参数;
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数、所述第二校准参数和所述实时运行数据以及校准规则,计算出校准后的终端设备状态参数和中继设备并发量,其包括:
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数和所述第二校准参数以及所述实时运行数据,计算出所述终端设备状态参数对应的第一校准因子和所述中继设备并发量对应的第二校准因子:
式中,为所述终端设备状态参数对应的第一校准因子,t1为所述终端设备的本次运行已使用时长,U1为所述终端设备的实时运行电压,A为所述终端设备状态参数,A1为所述第一校准参数,exp为以自然常数e为敌的指数函数且自然常数e取值为2.72,α为所述公有云巡检服务器的损耗系数,β为公有云巡检服务器的运行负载波动系数,I1为所述终端设备的实时运行电流,R1为所述终端设备的内阻值,R1为所述终端设备的内阻值,t2为所述终端设备的已使用总时长,为所述中继设备并发量对应的第二校准因子,γ2为所述中继设备的老化系数,t3为所述中继设备的本次运行已使用时长,U2为所述中继设备的实时运行电压,B为所述中继设备并发量,B1为所述第二校准参数,I2为所述中继设备的实时运行电流,R2为所述中继设备的内阻值,t4为所述中继设备的已使用总时长;
基于所述第一校准因子和所述第二校准因子以及所述校准规则中包含的校准函数,计算出校准后的终端设备状态参数和中继设备并发量:
式中,A2为校准后的终端设备状态参数,为所述校准规则中包含的终端设备状态参数对应的校准函数,为所述校准规则中包含的中继设备状态参数对应的校准函数,θ1为所述终端设备状态参数的校准算法对应的误差因子,θ2为所述中继设备状态参数的校准算法对应的误差因子,B2为校准后的中继设备并发量;
基于校准后的终端设备状态参数和中继设备并发量,得到标准巡检反馈信息。
上述技术方案的有益效果是:计算所述终端设备状态参数对应的第一校准因子和所述中继设备并发量对应的第二校准因子过程中,考虑到了所述实时运行数据和所述终端设备状态参数、所述中继设备并发量的影响,基于所述第一校准因子和所述第二校准因子计算校准后的终端设备状态参数和中继设备并发量也考虑不到了终端设备的实施运行情况的影响,使得得到的巡检反馈数据更加准确。
实施例9:
在上述实施例4的基础上,本实施例提供了所述的一种基于云端运维收集终端设备状态自动巡检的方法,获得未发生故障的终端设备的故障预测率,包括:
获取所述巡检反馈信息中包含的有效目标数据;
基于所述有效目标数据,计算未发生故障的终端设备的故障预测率:
其中,σ为所述未发生故障的终端设备的故障预测率,且取值范围为[0,1),U1为所述未发生故障的终端设备的实时运行电压,I1为所述未发生故障的终端设备的实时运行电流,R1为所述未发生故障的终端设备的自身内阻值,e为自然常数且取值为2.72,t5为所述未发生故障的终端设备已经使用的时间值,t6为所述未发生故障的终端设备的理想使用时间;
将所述未发生故障的终端设备的故障率纳入所述巡检反馈信息列表。
上述技术方案的有益效果是:基于确定的未发生故障的终端设备的实施运行数据,预测出所述未发生故障的终端设备的故障率,将所述故障率纳入所述巡检反馈信息列表,丰富了巡检结果的内容。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于云端运维收集终端设备状态自动巡检的方法,包括:
S1:接收公有云巡检服务器发送的巡检请求;
S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果;
S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱;
其中,S2:根据定时任务巡检计划中的处理规则信息,获取所有终端设备状态、中继设备并发量,并得到巡检结果,包括:
按照预设的处理规则分配方法,给所述定时任务巡检计划中包含的每个巡检任务分配对应的处理类;
基于所述处理类中预设的处理规则信息和预设的自动巡检程序,生成每个巡检任务对应的巡检程序;
基于每个巡检任务中确定的可执行自动巡检的终端设备对应的可执行巡检点,生成对应的新执行路径;
对新执行路径执行对应的巡检程序,并获取对应的巡检反馈信息;
其中,所述巡检反馈信息包括:所有终端设备状态参数和中继设备并发量和实时运行数据。
2.如权利要求1所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,执行S1:接收公有云巡检服务器发送的巡检请求之前,包括:
监测所有终端设备之间的关联信号;
基于预设的终端设备编码和所述关联信号,获取相关联的终端设备对应的关联点位数据;
基于所述关联点位数据,从预设的关联方法配置中获取关联方法列表;
判断所述关联方法列表是否有效,若所述关联方法列表有效,则将终端设备的点位数据根据巡检区块进行划分,获得巡检区块对应的点位数据集合;
基于所述点位数据集合,建立每个巡检区块和公有云巡检服务器之间的通信链路和通信节点;
基于所述通信节点和每个巡检区块中包含的终端设备对应的点位数据,确定每个终端设备和对应通信节点的子通信链路;
若所述关联方法列表无效,则建立公有云巡检服务器和每个终端设备之间的直接通信链路。
3.如权利要求2所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,S1:接收公有云巡检服务器发送的巡检请求,包括:
获取预设的巡检项目,基于每个巡检项目的危急性生成巡检项目顺序;
基于所述巡检项目顺序,生成定时任务巡检计划;
基于所述定时任务巡检计划中包含的巡检项目生成多个巡检任务;
解析所述巡检任务,确定待巡检的终端设备和对应的巡检点;
基于每个巡检任务对应的巡检点和通信链路,获得每个巡检任务对应的执行时间和执行路径;
获得每个巡检项目按照自动巡检程序的巡检开始时间和巡检持续时间,并生成对应终端设备的巡检请求代码;
基于所述执行时间和所述执行路径,向对应的终端设备发送对应的巡检请求代码;
同时,监测对应终端设备的工作状态,并接收对应终端设备的应答信息;
基于所述工作状态,向对应的终端设备发送提醒信息;
其中,所述通信链路包括:直接通信链路、通信链路、子通信链路。
4.如权利要求3所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,接收对应终端设备的应答信息之后,还包括:
获取每个巡检请求对应的应答信息;
解析所述应答信息,确定可执行自动巡检的终端设备和不可执行自动巡检的终端设备;
获取不可执行自动巡检的终端设备对应的点位数据,并基于对应的点位数据生成第一预警信息;
当所述终端设备被反馈为不可执行自动巡检的终端设备的次数达到预设次数时,获取所述不可执行自动巡检的终端设备的实时运行数据;
将所述实时运行数据分割成固定长度的实时运行数据段,且每个实时运行数据段中包含多个实时运行特征数据;
基于预设的提取算法对所有实时运行数据段进行提取,获得提取结果;
对所述提取结果进行纠正处理,获得每个实时运行数据段对应的有效运行数据段;
对所述有效运行数据段进行特征提取,获得每个实时运行数据段对应的实时运行特征数据;
将所述实时运行特征数据进行融合处理,获得关键运行数据;
对所述关键运行数据进行去噪处理,并基于预设提取算法提取去噪处理后的关键运行数据中的有效关键数据;
构建故障判断神经网络;
将所述有效关键数据输入至所述故障判断神经网络,判断所述不可执行自动巡检的终端设备是否发生故障,并获得未发生故障的终端设备的故障预测率;
同时,将未发生故障的终端设备对应的点位数据和所述故障预测率纳入巡检反馈信息。
5.如权利要求1所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,S3:将所述巡检结果发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱,包括:
获取每个巡检任务中可执行巡检点对应的点位数据,并获取每个巡检任务对应的巡检反馈信息;
基于所述公有云巡检服务器中存储的终端设备的标准运行信息,判断获取到的巡检反馈信息是否需要校准;
若需要校准,根据所述巡检反馈信息从公有云巡检服务器中获取与所述巡检反馈信息相对应的校准数据和校准规则;
接收校准指令,并基于所述校准数据和校准规则对所述巡检反馈信息进行校准,得到标准巡检反馈信息;
分析所述标准巡检反馈信息,并基于智能判断算法和所述点位数据,判断所述终端设备是否发生故障,获得判断结果;
基于判断结果获取故障终端设备的故障信息,并根据所述故障信息匹配预存的故障等级信息;
根据匹配结果确定所述故障终端设备的故障等级;
基于所述故障终端设备的故障等级,生成巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件;
将所述巡检邮件发送至所述公有云巡检服务器,并通过公有云巡检服务器发送巡检邮件至指定接收邮箱。
6.如权利要求5所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,生成巡检反馈信息列表之后,包括:
基于所述故障信息从所述巡检反馈信息列表中提取所述故障终端设备对应的巡检反馈数据;
基于预设的数据筛选模型,筛选出所述巡检反馈数据中的故障数据;
构建训练样本和预测样本,基于神经网络办法进行深度学习,得到故障类型判定模型;
将判定发生故障的终端设备对应的有效目标数据输入至所述故障类型判定模型,确定发生故障的终端设备对应的故障类型;
构建故障原因分析模型;
确定所述故障数据对应的数据编码,并将对应的数据编码和所述故障类型输入所述故障原因分析模型,生成对应的二次检测指令和对应的检测程序;
基于所述二次检测指令对每个故障终端设备执行对应的检测程序,获取每个故障终端设备对应的二次检测数据;
基于预设的故障分析算法对所述二次检测数据进行分析,得到每个故障终端设备发生故障的原因,并将所述故障原因存储至所述巡检反馈信息列表;
基于所述巡检反馈信息列表生成巡检邮件,并将所述巡检邮件发送至对应巡检接受邮箱。
7.如权利要求5所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,基于所述校准数据和校准规则对所述巡检反馈信息进行校准,包括:
获取所述巡检反馈信息中包含的终端设备状态参数和中继设备并发量以及实时运行数据;
获取所述校准数据中所述终端设备状态参数对应的第一校准参数和所述中继设备并发量对应的第二校准参数;
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数、所述第二校准参数和所述实时运行数据以及校准规则,计算出校准后的终端设备状态参数和中继设备并发量,其包括:
基于所述终端设备状态参数、所述中继设备并发量、所述第一校准参数和所述第二校准参数以及所述实时运行数据,计算出所述终端设备状态参数对应的第一校准因子和所述中继设备并发量对应的第二校准因子:
式中,为所述终端设备状态参数对应的第一校准因子,为所述终端设备的老化系数,为所述终端设备的本次运行已使用时长,为所述终端设备的实时运行电压,为所述终端设备状态参数,为所述第一校准参数,exp为以自然常数e为底的指数函数且自然常数e取值为2.72,为所述公有云巡检服务器的损耗系数,为所述公有云巡检服务器的运行负载波动系数,为所述终端设备的实时运行电流,为所述终端设备的内阻值,为所述终端设备的已使用总时长,为所述中继设备并发量对应的第二校准因子,为所述中继设备的老化系数,为所述中继设备的实时运行电压,为所述中继设备并发量,为所述第二校准参数,为所述中继设备的实时运行电流,为所述中继设备的内阻值,为所述中继设备的已使用总时长;
基于所述第一校准因子和所述第二校准因子以及所述校准规则中包含的校准函数,计算出校准后的终端设备状态参数和中继设备并发量:
式中,为校准后的终端设备状态参数,为所述校准规则中包含的终端设备状态参数对应的校准函数,为所述校准规则中包含的中继设备状态参数对应的校准函数,为所述终端设备状态参数的校准算法对应的误差因子,所述中继设备状态参数的校准算法对应的误差因子,为校准后的中继设备并发量;
基于校准后的终端设备状态参数和中继设备并发量,得到标准巡检反馈信息。
8.如权利要求4所述的一种基于云端运维收集终端设备状态自动巡检的方法,其特征在于,获得未发生故障的终端设备的故障预测率,包括:
获取所述巡检反馈信息中包含的有效目标数据;
基于所述有效目标数据,计算未发生故障的终端设备的故障预测率:
其中,为所述未发生故障的终端设备的故障预测率,且取值范围为[0,1),为所述未发生故障的终端设备的实时运行电压,为所述未发生故障的终端设备的实时运行电流,为所述未发生故障的终端设备的自身内阻值,e为自然常数且取值为2.72,为所述未发生故障的终端设备已经使用的时间值,为所述未发生故障的终端设备的理想使用时间;
将所述未发生故障的终端设备的故障率纳入巡检反馈信息列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759648.7A CN113507397B (zh) | 2021-07-06 | 2021-07-06 | 一种基于云端运维收集终端设备状态自动巡检的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759648.7A CN113507397B (zh) | 2021-07-06 | 2021-07-06 | 一种基于云端运维收集终端设备状态自动巡检的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113507397A CN113507397A (zh) | 2021-10-15 |
CN113507397B true CN113507397B (zh) | 2022-03-08 |
Family
ID=78011207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110759648.7A Active CN113507397B (zh) | 2021-07-06 | 2021-07-06 | 一种基于云端运维收集终端设备状态自动巡检的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113507397B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114844920A (zh) * | 2022-04-21 | 2022-08-02 | 北京软通智慧科技有限公司 | 一种物联网设备盘点方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750753A (zh) * | 2012-06-25 | 2012-10-24 | 惠州紫旭科技有限公司 | 一种巡检系统及方法 |
US9369368B2 (en) * | 2013-04-06 | 2016-06-14 | Citrix Systems, Inc. | Systems and methods for capturing and consolidating packet tracing in a cluster system |
CN107395379A (zh) * | 2016-05-16 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 一种集群巡检系统及方法 |
CN106127879A (zh) * | 2016-06-24 | 2016-11-16 | 都城绿色能源有限公司 | 用于新能源发电设备的移动智能巡检管理系统及巡检方法 |
CN111491002B (zh) * | 2019-01-29 | 2023-12-05 | 杭州海康威视系统技术有限公司 | 设备巡检方法、装置、被巡检设备、巡检服务器及系统 |
CN110706364A (zh) * | 2019-09-30 | 2020-01-17 | 凌云天博光电科技股份有限公司 | 一种应用于网络设备运维的巡检方法及装置 |
CN111901204B (zh) * | 2020-08-06 | 2022-09-02 | 银联商务股份有限公司 | 一种云网络的巡检方法、装置及系统 |
-
2021
- 2021-07-06 CN CN202110759648.7A patent/CN113507397B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113507397A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109787817B (zh) | 网络故障诊断方法、装置和计算机可读存储介质 | |
US6363384B1 (en) | Expert system process flow | |
US6529954B1 (en) | Knowledge based expert analysis system | |
US20020194319A1 (en) | Automated operations and service monitoring system for distributed computer networks | |
CN109783552A (zh) | 一种数据清洗修复方法 | |
CN115118581B (zh) | 一种基于5g的物联网数据全链路监控和智能保障系统 | |
CN111988170B (zh) | 一种终端故障定位方法及装置 | |
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 | |
CN114691521A (zh) | 一种基于人工智能的软件测试平台 | |
CN117613908A (zh) | 基于配电网络的智能运维方法及系统 | |
CN113807713A (zh) | 一种产品质量评估方法及工业互联网标识解析系统 | |
CN104950832B (zh) | 钢铁厂控制系统 | |
CN116896499B (zh) | kubernetes Pod网络错误排查系统及方法 | |
CN117914758A (zh) | 一种智能量测复杂业务场景的全链路监测方法及系统 | |
CN110474821A (zh) | 节点故障检测方法及装置 | |
CN116299129A (zh) | 一种全光纤电流互感器状态检测分析方法、装置及介质 | |
CN115686921A (zh) | 一种多路径异常检测修复方法、装置、设备及介质 | |
CN113495750B (zh) | 一种设备的升级检测方法、装置及服务器 | |
CN110636246B (zh) | 视频通信云硬件终端的维护方法 | |
CN110703730A (zh) | 一种基于mes中数据采集测试方法和装置 | |
CN106708638A (zh) | 系统错误检测方法和装置 | |
CN106992873B (zh) | 保护组处理方法和装置 | |
CN111176916B (zh) | 数据存储故障诊断方法及系统 | |
CN110398791A (zh) | 一种可实现自诊断的智能基测箱 | |
CN112684299B (zh) | 利用失压信息的电力馈线故障区段高容错辨识方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |