CN114079502A - 一种光模块健康状态检测方法和检测装置 - Google Patents

Abstract

根据本发明实施例提供的一种光模块健康状态检测方法、检测装置以及计算机存储介质，通过获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据；将获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果；将状态计算结果与预设的判断条件进行比较，根据比较结果确定光模块的健康状态。在某些实施过程中，通过获取光模块在预设时间段内的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法，根据计算结果和判断条件进行比较即可确定光模块在预设时间段内的健康状态，从而提前预测光模块的健康情况。

Description

一种光模块健康状态检测方法和检测装置

技术领域

本发明实施例涉及但不限于通信技术领域，具体而言，涉及但不限于一种光模块健康状态检测方法和检测装置。

背景技术

光模块是当今核心网、无线网等网络产品的核心部件之一，主要用于通信业务的光电转换。光模块一旦失效就会导致下游网络业务的中断，因此，为了保证网络的正常运行，光模块的内置寄存器中通常会设置偏置电流的告警门限，当光模块检测到偏置电流超过预设门限即触发告警。

目前的光模块激光器的性能随温度升高而降低，为了保证性能，温度越高所需的偏置电流就会越高。同时，为了避免温度升高导致偏置电流从而出现频繁告警的问题，生产厂家会将偏置电流的门限设置得非常高，导致光模块产生告警时已经处于失效或即将失效的状态，导致预警效果很差。

发明内容

本发明实施例提供的一种光模块健康状态检测方法和检测装置，主要解决的技术问题是目前的光模块告警方法无法及时有效的进行报警，提供了一种可提前预测光模块的健康状态的方法。

为解决上述技术问题，本发明实施例提供一种光模块健康状态检测方法，包括：获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据；将所述获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果；将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

本发明实施例还提供一种光模块健康状态的检测装置，包括：数据获取单元，用于获取所述光模块的工作温度、偏置电流、输出功率和偏置电流的数据；计算单元，用于根据预设的状态检测算法，计算工作温度、偏置电流和输出功率的数据，得到状态计算结果；预警单元，用于将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

本发明实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现上述的一种光模块健康状态检测方法的步骤。

根据本发明实施例提供的一种光模块健康状态检测方法、检测装置以及计算机存储介质，通过获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据；将获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果；将状态计算结果与预设的判断条件进行比较，根据比较结果确定光模块的健康状态。在某些实施过程中，通过获取光模块在预设时间段内的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法，根据计算结果和判断条件进行比较即可确定光模块在预设时间段内的健康状态，从而提前预测光模块的健康情况。

本发明其他特征和相应的有益效果在说明书的后面部分进行阐述说明，且应当理解，至少部分有益效果从本发明说明书中的记载变的显而易见。

附图说明

图1为本发明实施例一的一种光模块健康状态检测方法的流程图；

图2为本发明实施例一的一种光模块健康状态检测方法的详细流程图；

图3为本发明实施例二的一种光模块健康状态检测方法的四个劣化阶段的示意图；

图4为本发明实施例三的光模块H853CA56985处于第一劣化阶段的历史数据曲线图；

图5为本发明实施例三的光模块EB150500040100处于第二劣化阶段的历史数据曲线图；

图6为本发明实施例三的光模块EB150400280832处于第三劣化阶段的历史数据曲线图；

图7为本发明实施例三的光模块H8541A63811处于第四劣化阶段的历史数据曲线图；

图8为本发明实施例四的一种光模块健康状态的检测装置的示意图；

图9为本发明实施例四的一种光模块健康状态的检测装置中各单元的配合示意图；。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一：

为了能够提前预测到光模块的健康状态，需要对光模块的历史数据进行分析，通过分析这些历史数据即可知道光模块当前的健康状态，从而预测光模块在何时出现故障。为了能够准确的预测光模块的健康状态，本实施例提供了一种光模块健康状态检测方法。

请参见图1，图1为本实施例提供的一种光模块健康状态检测方法的流程图，光模块健康状态检测方法的流程步骤包括：

步骤S101、获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据。

在一些实施例中，预设时间段即时获取光模块的工作温度、偏置电流和输出功率的数据的时间间隔，获取光模块数据的时间间隔可以根据实际情况进行设置，例如当设备运行在通风良好的地方时，由于散热条件良好，可以适当延长两次获取数据的时间间隔；当设备运行在封闭的地方时，由于散热条件较差，需要适当缩短两次获取数据的时间间隔。

步骤S102、将所述获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果。

在一些实施例中，通过预设状态检测算法，可以快速准确的确定出光模块在该时间段内的健康状态。该预设算法是在历史数据的基础上，总结出来的一组或多组计算方法。

步骤S103、将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

在一些实施例中，所述获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据包括：从所述预设时间段中分别获取N个采样点的工作温度、偏置电流和输出功率的数据。光模块在工作的过程中，工作温度、偏置电流和输出功率通常是完整的曲线，在实际获取数据的过程中，可以将预设时间段分为N个采样点，每一个采样点获取一次工作温度、偏置电流和输出功率的数据，采样点的数据与多，计算得出来的结果也就越准确。

在一些实施例中，在所述获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据之前还包括：获取所述光模块的偏置电流最高工作门限和输出功率最低工作门限的数据。该光模块的偏置电流最高工作门限和输出功率最低工作门限的数据，通常是光模块生产厂家在出厂时标注的数据，在一些情况下，还可以通过分析历史数据来确定光模块的偏置电流最高工作门限和输出功率最低工作门限的数据。

在一些实施例中，所述预设的状态检测算法包括:将采集到的工作温度、偏置电流和输出功率的数据，求皮尔森相关系数，得到工作温度-偏置电流和工作温度-输出功率两组计算结果；若所述工作温度-偏置电流和工作温度-输出功率之间的正相关系数大于阈值，则所述光模块状态正常；若所述工作温度-偏置电流和工作温度-输出功率之间的正相关系数小于等于阈值，则所述光模块状态异常。可参见图2中的步骤S202。

在一些实施例中，所述预设的状态检测算法还包括:当确定所述光模块状态异常时，以一次项函数拟合所述光模块的偏置电流序列，得到斜率计算结果；若所述斜率大于0且大于等于预设斜率值，则所述光模块处于亚健康状态。可参见图2中的步骤S203。在该步骤中，若所述斜率大于0且大于等于预设斜率值，则所述光模块处于亚健康状态，这里的预设斜率值为一个经验值，是在实际应用中总结出来的数值，例如在目前的常见光模块中，当光模块的偏置电流-时间曲线在一周的取样间隔内增加幅度达到6mA/天，即是斜率大于等于0.17时即可确定该光模块处于亚健康状态。需要说明的是，这里给出的具体示例只是为了便于理解本发明，并不用于限制本发明，经验数值在实际应用中会根据不同型号和不同工作环境等因素进行调整。

在一些实施例中，所述预设的状态检测算法还包括:当所述斜率小于等于0时，计算所述光模块的偏置电流序列的均值；若所述光模块的偏置电流序列的均值大于所述光模块的偏置电流最高工作门限的预设比值，且皮尔森相关系数计算得出的工作温度-输出功率系数小于负相关系数阈值，则所述光模块处于风险告警状态。可参见图2中的步骤S204。

在一些实施例中，所述预设的状态检测算法还包括:当所述光模块不满足风险告警状态时，以一次项函数拟合所述光模块的输出功率序列，得到斜率计算结果；若所述斜率小于0且小于等于预设斜率值，则所述光模块处于高风险告警状态。可参见图2中的步骤S205。在该步骤中，若所述斜率小于0且小于等于预设斜率值，则所述光模块处于高风险告警状态，这里的预设斜率值为一个经验值，是在实际应用中总结出来的数值，例如在目前的常见光模块中，当光模块的输出功率-时间曲线在一周的取样间隔内减小幅度达到0.05dB/天，即是斜率小于等于-0.05时即可确定该光模块处于高风险告警状态。需要说明的是，这里给出的具体示例只是为了便于理解本发明，并不用于限制本发明，经验数值在实际应用中会根据不同型号和不同工作环境等因素进行调整。

在一些实施例中，所述预设的状态检测算法还包括:当所述光模块不满足高风险告警状态时，计算所述光模块的输出功率序列的均值；若所述光模块的输出功率序列的均值小于所述光模块的输出功率最低工作门限值，则所述光模块处于故障状态。可参见图2中的步骤S206。

本发明实施例提供的一种光模块健康状态检测方法，通过获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据；将获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果；将状态计算结果与预设的判断条件进行比较，根据比较结果确定光模块的健康状态。通过获取光模块在预设时间段内的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法，根据计算结果和判断条件进行比较即可确定光模块在预设时间段内的健康状态，从而提前预测了光模块的健康情况。

实施例二：

在运营商网络的运维场景中，因为光模块失效导致的局部网络业务中断的情况不在少数。一般来说，光模块在内部偏置电流不变的情况下，其输出功率和工作温度呈现反比关系，为了保持稳定的光功率输出，光模块内部的光功率反馈控制单元会通过调整偏置电流将模块的输出功率控制在一个稳定的水平上；但随着激光器的老化，激光器的量子效率随之降低，维持稳定输出光功率所需的偏置电流会越来越高。

根据上述分析，本实施例提出了光模块劣化过程中的四个阶段：劣化阶段1，历史温度数据和偏置电流不再高度正相关，偏置电流持续上调；劣化阶段2，偏置电流持续保持于最高门限附近，此时输出功率变化和模块温度变化负相关；劣化阶段3，输出功率开始持续下降；劣化阶段4，输出功率降至工作门限值以下，光模块已发生故障。以劣化阶段来确定光模块的健康状态的流程化步骤可参见图3。

实施例三：

本实施例以劣化阶段的方式表示对本发明实施例提供的一种光模块健康状态检测方法进行解释和说明。流程的步骤包括：

步骤S1、获取光模块温度、电流、输出功率的历史数据。光模块温度、电流、输出功率的历史数据包括了一段时间内的数据，以及光模块上锁标注的最高工作门限和输出功率最低工作门限的数据。

步骤S2、计算温度序列和偏置电流序列的皮尔森相关系数，若两者相关系数大于0.9，则说明光模块无潜在故障。

步骤S3、若步骤S2未满足，则以一次多项式拟合光模块的偏置电流序列，若一次项系数即斜率显著大于0，则光模块处于劣化第一阶段。

以光模块H853CA56985为例，该模块在采样区间内呈现出电流持续上升的趋势，即劣化第一阶段的特征，算法的实施步骤如下:

第一步：计算此模块的历史温度、偏置电流序列的皮尔森相关系数为0.45，远小于阈值0.9，初步判断此模块存在潜在故障。

第二步：以一次项函数拟合此模块偏置电流序列，得到斜率为0.29，显著大于0，此光模块偏置电流异常上升，属于劣化第一阶段的模块，算法终止。

附图4展示了此光模块的工作温度、偏置电流以及输出光功率的曲线图，可以明显看到中图黄色曲线，即偏置电流的异常上升，告警单元可据此结果发出光模块亚健康状态告警。

步骤S4、若步骤S3未满足，则计算光模块偏置电流序列的均值以及温度序列和功率序列的皮尔森相关系数，若前者在光模块偏置电流最高工作门限的80％以上，且后者小于-0.9，则光模块处于劣化第二阶段。

以光模块EB150500040100为例，该模块在采样区间内呈现出持续高电流且温度-功率负相关，即劣化第二阶段的特征，算法的实施步骤如下:

第一步：计算此模块的历史温度、偏置电流序列的皮尔森相关系数为0.375，远小于阈值0.9，初步判断此模块存在潜在故障。

第二步：以一次项函数拟合此模块偏置电流序列，得到斜率为-0.006，不显著大于0，此条件不满足，转下一步骤。

第三步：计算偏置电流平均值为75.7mA，大于厂家提供的门限80mA的80％即64mA；同时温度-功率序列的皮尔森相关系数为-0.92，小于门限-0.9。两个条件都满足，符合激光器劣化第二阶段的特征，算法终止。

附图5展示了此光模块的工作温度、偏置电流以及输出光功率的曲线图，可以观测到此模块的电流均值、温度-功率的负相关性，告警单元可据此结果发出光模块风险状态告警。

步骤S5、若步骤S4未满足，则以一次多项式拟合光模块的输出功率序列，若一次项系数即斜率显著小于0，则光模块处于劣化第三阶段。

以光模块EB150400280832为例，该模块在采样区间内呈现出输出功率持续下降的趋势，即劣化第三阶段的特征，算法的实施步骤如下:

第一步：计算此模块的历史温度、偏置电流序列的皮尔森相关系数为0.458，远小于阈值0.9，初步判断此模块存在潜在故障。

第二步：以一次项函数拟合此模块偏置电流序列，得到斜率为-0.0014，不显著大于0，此条件不满足，转下一步骤。

第三步：计算温度-功率序列的皮尔森相关系数为-0.101，大于门限-0.9。此条件不满足，转下一步骤。

第四步：以一次项函数拟合此模块输出功率序列，得到斜率为-0.067，显著小于0，符合激光器劣化第三阶段的特征，算法终止。图6为光模块劣化第三阶段真实历史数据曲线图。

步骤S6、若步骤S5未满足，则计算光模块输出功率序列的均值，若均值小于光模块厂商提供的最低工作功率，则光模块处于劣化第四阶段。

以光模块H8541A63811为例，该模块在采样区间内呈现出输出功率持续低于最低工作门限的情况，即劣化第四阶段的特征，算法的实施步骤如下:

第一步：计算此模块的历史温度、偏置电流序列的皮尔森相关系数为-0.986，远小于阈值0.9，初步判断此模块存在潜在故障。

第二步：以一次项函数拟合此模块偏置电流序列，得到斜率为-0.073，不显著大于0，此条件不满足，转下一步骤。

第三步：计算温度-功率序列的皮尔森相关系数，由于此时功率读数持续为最低，无法计算有效相关系数值，转下一步骤。

第四步：以一次项函数拟合此模块输出功率序列，得到斜率为0，不显著小于0，转下一步骤。

第五步：计算输出功率的均值为-40dBm，远小于厂家提供的-16dBm的最低功率门限，符合激光器劣化第四阶段的特征，算法终止。图7为光模块劣化第四阶段真实历史数据曲线图。

实施例四：

本实施例还提供了一种光模块健康状态的检测装置，参见图8所示，其包括：

数据获取单元100，用于获取所述光模块的工作温度、偏置电流、输出功率和偏置电流的数据；

计算单元200，用于根据预设的状态检测算法，计算工作温度、偏置电流和输出功率的数据，得到状态计算结果；

预警单元300，用于将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

在一些实施例中，计算单元200包括：

相关系数计算单元：用于计算温度-电流，温度-功率的皮尔森相关系数；

均值计算单元：用于计算历史偏置电流、输出功率的均值；

斜率计算单元：用于计算偏置电流、输出功率的一次项系数；

逻辑判断单元：用于根据计算单元的计算结果，判断光模块的故障等级。

在一些实施例中，预警单元300包括故障预警单元：用于根据逻辑判断单元的输出结果，发出告警。

参见图9，图9是根据上述单元，给出的一种光模块健康状态的检测装置中各单元间的配合方式的示意图，装置由数据获取单元、相关系数计算单元、均值计算单元、斜率计算单元、逻辑判断单元以及告警单元组成，配合方式遵循如下步骤:

第一步：数据获取单元从网管预定义接口获取全网或部分光模块的历史温度、偏置电流以及输出功率数据。

第二步：相关系数计算单元从数据获取单元中获取温度、偏置电流以及输出功率数据，分别计算温度-电流序列以及温度-功率序列的皮尔森相关系数。

第三步：均值计算单元从数据获取单元中获取电流、输出功率序列数据，分别计算两个序列的均值。

第四步：斜率计算单元从数据获取单元中获取偏置电流、输出功率序列数据，分别用一次项函数拟合两个序列，计算电流、功率的斜率值。

第五步：逻辑判断单元根据相关系数计算单元、均值计算单元以及斜率计算单元的计算结果，计算得到此模块的故障告警等级。

第六步：告警单元根据逻辑判断单元给出的光模块故障告警等级，发出对应级别的告警。

本实施例还提供了一种计算机可读存储介质，该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically Erasable Programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。

本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序，其存储的一个或者多个计算机程序可被处理器执行，以实现上述实施例一和实施例四中的光模块健康状态检测方法的至少一个步骤。

可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。

此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种光模块健康状态检测方法，其特征在于，包括：

获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据；

将所述获取的工作温度、偏置电流和输出功率的数据代入预设的状态检测算法中，得到状态计算结果；

将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

2.如权利要求1所述的光模块健康状态检测方法，其特征在于，所述获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据包括：

从所述预设时间段中分别获取N个采样点的工作温度、偏置电流和输出功率的数据。

3.如权利要求2所述的光模块健康状态检测方法，其特征在于，在所述获取预设时间段内光模块的工作温度、偏置电流和输出功率的数据之前还包括：

获取所述光模块的偏置电流最高工作门限和输出功率最低工作门限的数据。

4.如权利要求3所述的光模块健康状态检测方法，其特征在于，所述预设的状态检测算法包括:

将采集到的工作温度、偏置电流和输出功率的数据，求皮尔森相关系数，得到工作温度-偏置电流和工作温度-输出功率两组计算结果；

若所述工作温度-偏置电流和工作温度-输出功率之间的正相关系数大于阈值，则所述光模块状态正常；

若所述工作温度-偏置电流和工作温度-输出功率之间的正相关系数小于等于阈值，则所述光模块状态异常。

5.如权利要求4所述的光模块健康状态检测方法，其特征在于，所述预设的状态检测算法还包括:

当确定所述光模块状态异常时，以一次项函数拟合所述光模块的偏置电流序列，得到斜率计算结果；

若所述斜率大于0且大于等于预设斜率值，则所述光模块处于亚健康状态。

6.如权利要求5所述的光模块健康状态检测方法，其特征在于，所述预设的状态检测算法还包括:

当所述斜率小于等于0时，计算所述光模块的偏置电流序列的均值；

若所述光模块的偏置电流序列的均值大于所述光模块的偏置电流最高工作门限的预设比值，且皮尔森相关系数计算得出的工作温度-输出功率系数小于负相关系数阈值，则所述光模块处于风险告警状态。

7.如权利要求6所述的光模块健康状态检测方法，其特征在于，所述预设的状态检测算法还包括:

当所述光模块不满足风险告警状态时，以一次项函数拟合所述光模块的输出功率序列，得到斜率计算结果；

若所述斜率小于0且小于等于预设斜率值，则所述光模块处于高风险告警状态。

8.如权利要求7所述的光模块健康状态检测方法，其特征在于，所述预设的状态检测算法还包括:

当所述光模块不满足高风险告警状态时，计算所述光模块的输出功率序列的均值；

若所述光模块的输出功率序列的均值小于所述光模块的输出功率最低工作门限值，则所述光模块处于故障状态。

9.一种光模块健康状态的检测装置，起特征在于，包括：

数据获取单元，用于获取所述光模块的工作温度、偏置电流、输出功率和偏置电流的数据；

计算单元，用于根据预设的状态检测算法，计算工作温度、偏置电流和输出功率的数据，得到状态计算结果；

预警单元，用于将所述状态计算结果与预设的判断条件进行比较，根据比较结果确定所述光模块的健康状态。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的一种光模块健康状态检测方法的步骤。

Images