CN114416415A - 鸿蒙操作系统用远程在线故障检测方法及系统、存储介质 - Google Patents

Abstract

本发明公开了鸿蒙操作系统用远程在线故障检测方法及系统、存储介质，属于数据存储、智能检测分析应用领域。包括建立知识库，将知识库升级为特征知识库，特征知识库用于对典型故障特征存储、研究和管理，特征知识库存储多个算法模型，建立边缘部署和云端部署，对故障数据进行计算和处理，云端部署与边缘部署的交互，并引入边云协同故障检测算法，从而构建智能故障特征库，实现故障的在线检测。本发明实现鸿蒙操作系统远程在线故障检测，进一步解决设备高效运维问题；保障智能量测设备在复杂运行工况下，远程高效的进行操作系统故障特征识别与提取，建立云端部署和边缘部署交互的方案，引入核心算法，实现自识别与自诊断。

Description

鸿蒙操作系统用远程在线故障检测方法及系统、存储介质

技术领域

本发明属于数据存储、智能检测分析应用领域，特别是涉及鸿蒙操作系统用远程在线故障检测方法及系统、存储介质。

背景技术

目前鸿蒙操作系统实现了内核技术共享，并进一步增加开源组件，未来将进一步在分布式软总线、安全OS、设备驱动框架、以及新编程语言等方面实现共享，通过能力共享，实现生态互通及云边端协同，更好地服务数字化全场景。

鸿蒙系统设备市场运行数量大、系统复杂程度高、系统故障类型多且本地运维难度大，实现鸿蒙操作系统远程在线故障检测，可解决设备高效运维问题，因此如何保障智能量测设备在复杂运行工况下，远程并高效的进行操作系统故障特征识别与提取，进一步实现自识别故障、自诊断故障，这是目前鸿蒙系统故障检测关键点和难点。

发明内容

本发明为解决背景技术中存在的技术问题，提供了鸿蒙操作系统用远程在线故障检测方法及系统、存储介质。

本发明采用以下技术方案：鸿蒙操作系统用远程在线故障检测方法，包括：

构建边缘部署，从鸿蒙系统中采集原始故障数据；

构建云端部署，预先存储多个已知故障类型；

引入边云协同故障检测算法实现边缘部署与云端部署交互，对原始故障数据计算和分析，诊断当前的故障类型；

利用边缘部署提取原始故障数据中的典型故障特征并存储，创建典型故障特征与对应的故障类型关系并进行管理，构建智能特征故障库，实现远程在线检测。

在进一步的实施例中，所述边云协同故障检测算法包括边缘计算和云计算，所述云计算嵌入云端部署。

通过上述技术方案，基于边云协同计算的系统可以充分利用边缘计算和云计算的优势，在云端完成智能模型的训练，管理和调度各类资源来扩展服务模式并改善系统的动态性，边缘部署根据云端部署下发的策略迅速地请求，部署和销毁服务，根据云端部署训练好的模型实现数据的高效处理。

在进一步的实施例中，所述边缘部署的构建流程为：

搭建本地采集设备，接收原始故障数据；

在所述采集设备内设立特征知识库，对典型故障特征进行存储和管理；

引入边缘计算至所述特征知识库内。

通过上述技术方案，边缘计算模块靠近终端设备，用于对原始故障数据采集和预处理，用于进一步支撑云端应用。

在进一步的实施例中，所述特征知识库的构建包括以下步骤：

建立用户接口，接入鸿蒙系统；

引入故障诊断算法，建立特征知识获取模块，从原始故障数据获取初始故障特征数据；

嵌入推理机，基于初始故障特征数据推算出典型故障特征；

建立特征知识维护模块，并引入数据库管理系统对典型故障特征进行管理。

通过上述技术方案，特征知识库直接把数据库和数据库管理系统作为特征知识库的组成部分，让数据表对象（Table）来表示知识，用数据库管理系统来管理典型故障特征的存储、编辑、删改新查询和安全保护等工作。

在进一步的实施例中，所述故障诊断算法为基于运用所学的知识来综合处理系统中被诊断对象的运行状态与相关信息，并在此基础上评估和诊断系统运行状态与故障的过程。

通过上述技术方案，故障诊断算法通过深入分析系统中不可测量信息与可测量信息来检查整个系统是否处于正常运作状态。

在进一步的实施例中，所述边缘部署与云端部署交互步骤包括：

所述边缘部署对对原始故障数据进行第一次计算，得出训练数据模型并上传至云端部署；

云端部署对训练数据模型存储并进行云计算，依据故障类型的大数据，得出故障诊断模型；

所述边缘部署从云端部署下载故障诊断模型，边缘计算第二次对故障诊断模型进行计算，输出故障类型的结果数据。

通过上述技术方案，云端进行大数据分析优化和模型训练，训练好的模型或业务规则下发到边缘部署，边缘计算模块再基于新的模型或业务规则运行，从而诊断故障类型。

在进一步的实施例中，若训练数据模型与已知故障类型无法匹配，则基于训练数据模型生成新的故障类型，并将所述新的故障类型存储至云端部署，作为下一次的已知故障类型。

通过上述技术方案，云端部署不断扩充，实现对鸿蒙系统的故障类型的大数据存储。

在进一步的实施例中，所述特征知识库建立结果数据与典型故障特征的对应关系。

一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。

本发明的有益效果：实现鸿蒙操作系统远程在线故障检测，进一步解决设备高效运维问题；保障智能量测设备在复杂运行工况下，远程高效的进行操作系统故障特征识别与提取，建立云端部署和边缘部署交互的方案，引入核心算法，实现自识别与自诊断。

附图说明

图1基于边云协同算法的故障诊断的流程图。

图2为基于面向对象的关系数据库系统的总体结构示意图。

图3为云计算与边缘计算的特征对比示意图。

具体实施方式

基于上述背景技术中所提出的问题，本发明研究鸿蒙操作系统典型系统故障类型和特征提取方法，提出构建智能系统故障特征库方案；研究鸿蒙操作系统故障诊断方法，提出一种基于边云协同的远程在线故障检测算法方案，从而为这个新生的系统在不断升级、优化的过程中，做出具有启发性的技术改进或者技术参考。

本实施例的鸿蒙操作系统用远程在线故障检测方法，通过分析鸿蒙操作系统典型系统故障类型，基于深度学习算法提取典型故障特征；构建智能量测设备操作系统故障特征库，实现故障自识别与自诊断；研究提出故障库边缘部署和云端部署方案，提出基于边云协同的远程在线检测算法，其中包括在本地建立知识库，用于采集并存储数据，即基于本地端的硬件，构建数据库，进一步将知识库升级为特征知识库，特征知识库用于对典型故障特征存储、研究和管理，特征知识库还用于存储多个算法模型和工具，基于特征知识库进一步建立边缘部署，边缘部署从鸿蒙系统采集故障数据，并进行预处理，建立云端部署，预先存储多个已知故障类型的大数据，即已知故障类型为提前输入的鸿蒙系统的故障类型，例如内存泄漏、设备驱动异常、软总线设备适配故障、用户密码和权限被篡改、网络协议攻击等,云端部署同时不断接收并存储未知故障类型的数据，即不在提前输入类型中的其他新的故障类型对故障数据进行云计算和处理，将云端部署与边缘部署的交互，引入边云协同故障检测算法，从而进一步构建智能故障特征库，实现故障的在线检测。其中具体的在线检测方法为，一、从鸿蒙系统采集原始故障数据至边缘部署；二、边缘部署中对原始故障数据进行第一次边缘计算，得出故障训练模型，例如，边缘部署提取故障的系统日志及系统历史运行数据，将大量相同故障信息输入到特征知识库中，基于边缘计算计算故障共性特征，训练出相应模型；三、边缘部署上传故障训练模型至云端部署，云端部署对故障训练模型进行云计算，得出故障诊断模型；四、边缘部署下载故障诊断模型，边缘计算进行第二次计算分析，第二次边缘计算是对故障模型的识别诊断过程，其中故障诊断方法是基于贝叶斯网络，由于贝叶斯网络模型的训练需要消耗大量的存储和计算资源，而边缘节点资源有限，需要结合云端进行计算，进而根据下载的故障诊断模型进行故障诊断，从而实现远程在线检测。

基于上述技术方案，由于数据库和知识库的不同功能，数据库是对数据进行存储和研究，而知识库的主要功能是针对知识进行存储和管理，而故障数据及其典型特征的提取方法，不仅涉及到数据的采集和存储，还包括算法的存储以及对采集的挂红数据的分析计算，因此在进一步的实施例中，引入特征知识库，即用数据库关于信息存储、并发控制和故障恢复技术，改善诊断系统的性能，如数据库的基本范例（输入，检索等）可以作为新的特征知识库范例，数据库的基本目标（共享性、独立性、分布性）可作为新的特征知识库的基本目标，把数据库技术引入到知识系统的开发，优选有效法为，把智能技术引入到已有的数据库系统，特别是关系数据库系统中，从而建立特征知识库。其中特征知识库包括用户接口、特征知识获取模块、推理机、特征知识维护模块和数据库管理系统，用户接口用于传输鸿蒙系统的原始故障数据，特征知识获取模块连接于用户接口，特征知识获取模块引入故障诊断算法故障数据中获取初始故障特征数据，推理机连接于特征知识获取模块，推理机基于特征知识获取模块所获取的初始故障特征数据推算出典型故障特征，特征知识维护模块连接于推理机，其中推理机是一组程序，用来控制、协调整个系统，是在一定的控制策略下，专家系统根据问题信息（用户与专家系统交流的信息）及知识库中的知识执行对问题的求解。特征知识维护模块引入数据库管理系统对典型故障特征进行管理，从图 1 中可以看出，它直接把数据库和数据库管理系统作为特征知识库的组成部分，让数据表对象（Table）来表示知识，用数据库管理系统来管理知识的存储、编辑、删改新查询和安全保护等工作。这种知识系统的设计方法容易实现，对知识的管理也可以达到很高的水平。

进一步的，上述故障诊断算法为，基于运用所学的知识来综合处理系统中被诊断对象的运行状态与相关信息，并在此基础上评估和诊断系统运行状态与故障的过程，即通过深入分析系统中不可测量信息与可测量信息来检查整个系统是否处于正常运作状态，如果系统存在故障，就必须立即锁定故障发生的部位，了解故障的严重性以及造成故障的原因，并及时评估该故障对系统的危害性，然后有选择性、针对性的选择相应的措施来修复这一故障。总而言之，故障诊断算法的任务就是检测或预测系统的故障，并在此基础上采取相应的措施修复故障，以确保系统的正常运行。

通过上述技术方案，基于特征知识库的建立，需要进一步搭建本地数据采集、存储及计算分析方案，在进一步的实施例中，搭建边缘部署，包括采集设备、特征知识库及边缘计算模块，其中采集设备连接鸿蒙系统，为本地硬件存储设备，主要传输办法为，借用传感器从设备上采集数据，特征知识库搭建在采集设备内，特征知识库主要存放算法和工具，对原始故障数据进行计算和预处理，边缘计算模块存储于特征知识库内，边缘计算模块用于采集并预处理原始故障数据，得出故障训练模型，同时边缘计算模块靠近终端设备，用于对原始故障数据采集和预处理，用于进一步支撑云端应用。

通过上述技术方案，由于边缘计算的主要优势在于实时数据处理、用于边缘资源池内计算、支持高移动性和高QoS，并不足以支撑大容量的算法模型，难以得出准确的故障类型，同时传统边缘资源池存储有限，在进一步的实施例中，引入云计算，即设置云端部署，云端部署包括云端和云计算，其中云端用于不断接收并存储多个故障模型，云端还存储算法模型，即云计算，，云计算对故障训练模型进行大数据处理与分析，得出故障诊断模型，紧接着边缘部署下载故障诊断模型，边缘计算模块再次计算分析故障诊断模型，诊断出故障类型。其中云计算和边缘计算的应用场景有所不同，云计算擅长大规模、实时性要求低、周期长的大数据处理与分析，依据图2，云计算的的特点为：计算/存储能力强、服务器规模大、运行模型中心化、应用非实时、计算密集型场景、通信开销高、部署复杂；而边缘计算的特点为：计算能力中等、存储能力弱、服务器规模小、运行模型分布式、应用实时、高QoS应用、通信开销低、部署简单，因此云计算和边缘计算之间的关系互补协同，通过云计算和边缘计算的紧密协同可以更好地满足此类应用场景的需求，即利用边云协同故障检测算法，在云端部署完成智能模型的训练，管理和调度各类资源来扩展服务模式并改善系统的动态性，在边缘部署根据云端下发的策略迅速地请求，部署和销毁服务，根据云端训练好的模型实现数据的高效处理。

通过上述技术方案，为了进一步实现远程在线故障检测，进一步将上述的边缘部署和云端部署结合，实现构建本地和云端交互的智能故障特征库，在进一步的实施例中，云端部署与边缘部署的交互，并引入边云协同故障检测算法，边云协同故障检测算法包括边缘计算和云计算，即边缘计算靠近终端设备，是数据采集和预处理单元，对采集的原始故障数据进行计算分析得出故障训练模型，并上传至云端，云计算基于云端部署内存储的模型，进行大数据分析优化和模型训练，然后将训练好的模型或业务规则下发到边缘部署，边缘部署进行下载，边缘计算再基于新的模型或业务规则运行，进行故障类型的诊断，例如，对鸿蒙系统中内存泄漏这一故障的检测，首先本发明的边端部署对鸿蒙系统内所有进程的使用内存进行监测，定时进行统计计算分析，采集内存使用异常进程的日志及历史运行数据，并在本发明的特征知识库进行登记，进一步提取出内存使用异常进程的典型故障特征；接着，边端部署对采集的内存使用异常进程进行第一次边缘计算，运用训练好的内存泄露模型，对异常进程的内存使用情况进行计算识别，得出内存泄漏的训练数据模型；进一步的，边端部署将内存泄漏的训练数据模型上传至云端部署，利用云计算，对比已存储的故障类型的大数据，分析内存泄露的训练数据模型，确认内存泄露的故障诊断模型，边端部署下载内存泄露的故障诊断模型，并进行第二次边缘计算，识别故障类型，输出故障类型的结果数据，其中，当云端部署对比已存储的故障大数据时，没有找到内存泄露的训练模型相对应的故障大数据时，则对内存泄露的训练模型进行云端存储，作为新的故障类型。诊断的结果数据存储在特征知识库中，特征知识库内建立结果数据与典型故障特征的对应关系并进行管理，从而进一步构建智能特征故障库，实现远程在线检测。

Claims (10)

1.鸿蒙操作系统用远程在线故障检测方法，其特征在于，包括：

构建边缘部署，从鸿蒙系统中采集原始故障数据；

构建云端部署，预先存储多个已知故障类型；

引入边云协同故障检测算法实现边缘部署与云端部署交互，对原始故障数据计算和分析，诊断当前的故障类型；

利用边缘部署提取原始故障数据中的典型故障特征并存储，创建典型故障特征与对应的故障类型关系并进行管理，构建智能特征故障库，实现远程在线检测。

2.根据权利要求1所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述边云协同故障检测算法包括边缘计算和云计算，所述云计算嵌入云端部署。

3.根据权利要求1所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述边缘部署的构建流程为：

搭建本地采集设备，接收原始故障数据；

在所述采集设备内设立特征知识库，对典型故障特征进行存储和管理；

引入边缘计算至所述特征知识库内。

4.根据权利要求3所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述特征知识库的构建包括以下步骤：

建立用户接口，接入鸿蒙系统；

引入故障诊断算法，建立特征知识获取模块，从原始故障数据获取初始故障特征数据；

嵌入推理机，基于初始故障特征数据推算出典型故障特征；

建立特征知识维护模块，并引入数据库管理系统对典型故障特征进行管理。

5.根据权利要求4所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述故障诊断算法为基于运用所学的知识来综合处理系统中被诊断对象的运行状态与相关信息，并在此基础上评估和诊断系统运行状态与故障的过程。

6.根据权利要求1所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述边缘部署与云端部署交互步骤包括：

所述边缘部署对对原始故障数据进行第一次计算，得出训练数据模型并上传至云端部署；

云端部署对训练数据模型存储并进行云计算，对比已知故障类型的大数据，得出故障诊断模型；

所述边缘部署从云端部署下载故障诊断模型，边缘计算第二次对故障诊断模型进行计算，输出故障类型的结果数据。

7.根据权利要求6所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，若训练数据模型与已知故障类型无法匹配，则基于训练数据模型生成新的故障类型，并将所述新的故障类型存储至云端部署，作为下一次的已知故障类型。

8.根据权利要求6所述的鸿蒙操作系统用远程在线故障检测方法，其特征在于，所述特征知识库建立结果数据与典型故障特征的对应关系。

9.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

Images