CN115460485B - 一种基于数据交互的层次化光网络模型及建模方法 - Google Patents
一种基于数据交互的层次化光网络模型及建模方法 Download PDFInfo
- Publication number
- CN115460485B CN115460485B CN202211037924.XA CN202211037924A CN115460485B CN 115460485 B CN115460485 B CN 115460485B CN 202211037924 A CN202211037924 A CN 202211037924A CN 115460485 B CN115460485 B CN 115460485B
- Authority
- CN
- China
- Prior art keywords
- data
- level
- digital twin
- model
- sub
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 98
- 230000003287 optical effect Effects 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims description 33
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 230000006978 adaptation Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 238000013496 data integrity verification Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 2
- 230000001427 coherent effect Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
- H04Q2011/0083—Testing; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于数据交互的层次化光网络模型及建模方法,涉及光通信技术领域。本发明提出了一种基于数据交互的层次化光网络模型及建模方法,采用形式统一的自相似迭代模型结构和层次化迭代建模方法,实现光网络运维管理的自动化,提升光网络运维管理效率;模型内部采用集中处理方式提高数据交互和数据分发的效率,各层级模型具备数据安全分析和处理能力,具有简约统一、安全高效、可扩展性强等优点。
Description
技术领域
本发明涉及光通信技术领域,具体是涉及一种基于数据交互的层次化光网络模型及建模方法。
背景技术
随着社会信息化革命的不断深入,5G移动互联网、物联网、数据中心、云计算的全面铺开和规模应用,层出不穷的新型应用对基础光网络规模、性能、安全和可靠性要求也不断提高。随着广网络结构和业务类型日趋复杂,运营商网络管理也越来越困难,网络源配置效率和网络运维成本的压力不断增加。究其原因,运营商光网络的运行和运维仍然还处于手工业的阶段。
要解决日益庞杂的光网络所面临的运维挑战,需借助数字化转型实现从手工运维到自动运维,实现光网络运维管理的自动化、智能化。
因此,亟需一种能够根据具体运维需求灵活定制、自动运维的光网络模型。
发明内容
本发明的目的是为了克服上述背景技术的不足,提供一种基于数据交互的层次化光网络模型及建模方法,实现光网络运维管理的自动化。
第一方面,提供一种基于数据交互的层次化光网络模型建模方法,包括以下步骤:
从最低层级开始,构建多个本级数字孪生子模型;采用多个本级数字孪生子模型构建其高一级数字孪生子模型;采用所有的最高层级数字孪生子模型构建光网络模型;
其中,除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型、输入数据处理模块、输出数据处理模块和内部数据交互模块;
所述输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求;
所述内部数据交互模块进行本级数字孪生子模型之间的数据交互;
所述输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
一些实施例中,每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口;
其中,本级数据接入接口和本级数据输出接口为该数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;
高级数据接入接口和高级数据输出接口为该数字孪生模型与高层级数字孪生模型进行数据交互的接口。
一些实施例中,所述内部数据交互模块进行本级数字孪生子模型之间的数据交互,包括:
进行输入数据的安全分析、数据综合处理、适配转换、数据分发以及安全处理。
一些实施例中,所述安全分析和安全处理均包括:数据完整性校验、数据加密解密和数据有效性分析。
一些实施例中,所述综合处理为采用集中处理方式,对模型内部交互数据进行综合分析和转换。
一些实施例中,采用智能算法、函数关系和/或映射关系实现所述数据交互和/或适配转换。
一些实施例中,各层级的所述数字孪生子模型从最低层级至最高层级依次对应材料、器件、模块、单盘、子架、设备、站点、光网络系统。
第二方面,提供一种基于数据交互的层次化光网络模型,所述光网络模型包括多层级的数字孪生子模型;其每一层级设有多个本级数字孪生子模型;除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型;
每个数字孪生子模型还包括输入数据处理模块、输出数据处理模块和内部数据交互模块;
所述输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求;
所述内部数据交互模块根据所述输入数据处理模块处理后的数据进行本级数字孪生子模型之间的数据交互;
所述输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
一些实施例中,每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口;
其中,本级数据接入接口和本级数据输出接口为该数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;
高级数据接入接口和高级数据输出接口为该数字孪生模型与高层级数字孪生模型进行数据交互的接口。
一些实施例中,所述光网络模型还包括外部数据输入接口、外部数据输出接口;
所述外部数据输入接口用于:接收所述光网络模型外部的输入数据;
所述外部数据输出接口用于:将所述光网络模型内的数据输出至外部。
与现有技术相比,本发明的优点如下:
本发明提出了一种基于数据交互的层次化光网络模型及建模方法,采用形式统一的自相似迭代模型结构和层次化迭代建模方法,实现光网络运维管理的自动化,提升光网络运维管理效率;模型内部采用集中处理方式提高数据交互和数据分发的效率,且各层级模型具备数据安全分析和处理能力,具有简约统一、安全高效、可扩展性强等优点。
附图说明
图1为本发明实施例的数字孪生模型及其输入输出组成的一种实现示例;
图2为本发明实施例的数字孪生模型输入数据处理模块的示意图;
图3为本发明实施例的数字孪生模型输出数据处理模块的示意图;
图4为本发明实施例的数字孪生模型内部数据交互模块示意图;
图5为本发明实施例的数字孪生模型内部结构及其层次化迭代的示意图;
图6示出了本发明实施例相干光收发模块的结构示意图;
图7示出了本发明实施例基于层次化建模方法的相干光收发模块的数字孪生模型的一种实现示例;
图8为本发明实施例的基于层次化建模方法的数字孪生网络模型的示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细描述。
参见图1所示,本发明实施例提供一种基于数据交互的层次化建模方法,包括以下步骤:
从最低层级开始,构建多个本级数字孪生子模型;采用多个本级数字孪生子模型构建其高一级数字孪生子模型;采用所有的最高层级数字孪生子模型构建光网络模型;
其中,除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型、一个输入数据处理模块、一个输出数据处理模块和一个内部数据交互模块。
每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口;其中,“本级数据接入接口”和“本级数据输出接口”为该数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;“高级数据接入接口”和“高级数据输出接口”为该数字孪生模型与高层级数字孪生模型进行数据交互的接口。
输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求。
内部数据交互模块根据所述输入数据处理模块处理后的数据进行本级数字孪生子模型之间的数据交互。
输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
所述“安全分析和安全处理”,包括数据完整性校验、数据加密解密、数据有效性分析等;
所述“综合处理”是指采用集中处理方式,对模型内部交互数据进行综合分析和转换;
所述“数据”类型包括但不限于:环境数据、结构尺寸、模块状态、外部输入、业务数据、评价数据等。其中,
业务数据:比特流(数据帧、控制字等)、光信号(相位、幅度、偏振态、光场模式、时隙)、电信号(电压、电流、相位、时序)等描述光网络、设备、板卡、器件等输入输出信号的变量和数据;
环境数据:温度、湿度、辐射强度、酸碱性等描述光网络、设备、板卡、器件等工作环境状态的变量和数据;
模块状态:工作、休眠、断电、死机等描述光网络、设备、板卡、器件等对象状态的变量和数据;
外部输入:控制命令、传感数据(模拟、数字、电压信号、电流信号、光信号)等描述光网络、设备、板卡、器件等对象外部输入的变量和数据;
结构尺寸:长、宽、高、半径、弧度等描述光网络、设备、板卡、器件等对象结构尺寸的变量和数据;
评价数据:衰减、损耗、色散(CD)、偏振态色散(PMD)、光信噪比(OSNR)、信噪比(SNR)、偏振态(SOP)、误码率(BER)、EVM、Q值等描述光网络、设备、板卡、器件等对象评价指标的变量和数据;
所述“数据交互”和“适配转换”方式包括但不限于:
智能算法:机器学习、数据挖掘、人工智能推导的对应关系;
专家函数:可用数学表达式描述的函数关系;
查表映射:输入输出的对应关系列表。
图1示出了本发明实施例所描述数字孪生模型及其输入输出组成的一种实现示例。
每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口。其中,“本级数据接入接口”和“本级数据输出接口”为该数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;“高级数据接入接口”和“高级数据输出接口”为该数字孪生模型与高层级数字孪生模型进行数据交互的接口。
图2示出了本发明实施例所描述数字孪生模型输入数据处理模块的一种实现示例。
输入数据处理模块完成外部输入数据的安全分析,综合处理、适配转换和数据分发,以满足内部子模型的数据输入要求。
图3示出了本发明实施例所描述数字孪生模型输出数据处理模块的一种实现示例。
输出数据处理模块对内部子模型对外输出的数据进行综合处理、适配转换、数据分发以及安全处理,提高模型间数据交互效率、灵活性和安全性。
图4示出了本发明实施例所描述数字孪生模型内部数据交互模块的一种实现示例。
内部数据交互模块负责孪生模型内部各自模型之间的数据交互,包括输入数据的安全分析,数据综合处理、适配转换、数据分发及其后的安全处理等。
图5示出了本发明实施例所描述数字孪生模型及其输入输出组成的一种实现示例。
一个Ln级数字孪生模型由N个L(n-1)级数字孪生子模型、一个Ln级输入数据处理模块、一个Ln级输出数据处理模块和一个L(n-1)级内部数据交互模块构成;
每个L(n-1)级数字孪生模型包括四组接口:一组L(n-1)级本级数据接入接口、一组L(n-1)级高级数据输入接口、一组L(n-1)级本级数据输出接口、一组L(n-1)级高级数据输出接口;其中,“本级数据接入接口”和“本级数据输出接口”为L(n-1)级数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;“高级数据接入接口”和“高级数据输出接口”为L(n-1)级数字孪生模型与高层级数字孪生模型进行数据交互的接口。
Ln级输入数据处理模块:完成Ln级数字孪生模型外部输入数据的安全分析,综合处理、适配转换和数据分发,以满足内部L(n-1)级数字孪生子模型的数据输入要求;
Ln级输出数据处理模块:对内部L(n-1)级数字孪生子模型对外输出的数据进行综合处理、适配转换、数据分发以及安全处理,提高模型间数据交互效率、灵活性和安全性;
L(n-1)级内部数据交互模块:Ln级数字孪生模型内部各L(n-1)级数字孪生子模型之间的数据交互,包括输入数据的安全分析,数据综合处理、适配转换、数据分发及其后的安全处理等。
值得说明的是,光网络数字孪生模型是对光网络实际物理组件的数字化抽象和描述,数字孪生模型的层级划与光网络实际物理组件层级结构一一对应。光网络系统中,低层级组件一般根据特定的功能进行聚合和封装构成高层级的组件。当前光网络系统的物理组件构成,从低层级到高层级,一般包括:
材料:制作光网络芯片和器件所采用的物质材料,例如光纤材料、光放大铒纤材料、激光器参杂材料等,不同的材料直接影响器件功能和性能特征;
器件:基于不同材料和结构设计,具有各种特定处理、转化、存储、传输、呈现、感知等功能的光电芯片和器件,例如DSP芯片、Framer芯片、调制器、激光器、光纤、光探测器等;
模块:为方便工程应用、施工和运维,将实现特定功能的多个器件组合集成封装所构成的网络组件形态,例如光缆、尾纤、电源变换模块、光收发模块、光放大模块、光性能监测模块等;
板卡:为方便工程应用、施工和运维,将实现特定功能的多个器件、模块组合集成封装所构成的网络组件形态,例如光纤色散补偿单盘、光放大单盘、光收发单盘、波长选择交叉单盘、电交叉单盘、光性能监测单盘等;
子架:为方便工程应用、施工和运维,将实现特定功能的多个器件、模块、板卡组合集成封装所构成的网络组件形态,例如光层子架、电层子架等;
设备:为方便工程应用、施工和运维,将实现特定功能的多个器件、模块、板卡、子架组合集成所构成的网络组件形态;
站点:为方便工程应用、施工和运维,将实现特定功能的多个模块、板卡、子架、设备集中安置在同一物理空间的网络组件形态;
光网络系统:特定功能的多个模块、板卡、子架、设备和站点组合完成多个站点之间数据光传输的网络形态。
下面结合图6和图7对本发明作进一步说明:
图6和图7示出了本发明实施例基于层次化建模方法的相干光收发模块的数字孪生模型的一种实现示例:
如图6所示,相干光收发模块由DSP芯片(包括ADC+DAC等辅助器件)、调制器(包括驱动器等辅助器件)、混频器(包括PD、TIA等辅助器件)激光器、MCU和电源几个主要部件(次级别物理部件)构成。相干光模块与同层级以及上一层级的物理部件的接口包括:
a)通过DSP芯片与外部进行业务数据的交互;
b)通过调制器实现光线发送路数据信号的输出;
c)通过MCU实现监控管控信号的交互;
d)通过混频器实现光线路接收数据信号的输入;
e)通过电源实现外部电源信号的输入;
在相干光模块内部,
a)DSP与调制器、混频器、MCU有直接的数据交互;其中,DSP向MCU交互状态信息,MCU向DSP发送管控信息;DSP向调制器发送待调制的数据信息;混频器向DSP发送混频后的数据信息;
b)调制器与MCU和激光器有直接的数据交互;其中,调制器向MCU发送状态信息,MCU向调制器发送管控信息;激光器向调制器发送连续光源信号;
c)激光器与调制器、混频器和MCU有直接的数据交互;其中,激光器向调制器和混频器输出连续光源信号;MCU向激光器输出控制信息;
d)混频器与DSP、MCU和激光器有直接的数据交互;其中,混频器向DSP提供混频后的数据信息;混频器向MCU提供状态信息,MCU向混频器提供控制信息;激光器向混频器提供光源信号;
e)MCU与DSP、激光器、调制器、混频器以及电源有直接的数据交互,负责协调各器件之间的相互配合;
f)电源为相干模块内部所有器件提供电源;
上述相干光模块采用本发明所述方法建模后,其模型的逻辑框架结构如图7所示:
相干光收发模块的孪生模型由6个其低一级数字孪生子模型(分别为DSP、MCU、调制器、混频器、激光器和电源),一个输入数据处理模块、一个输出数据处理模块和一个内部数据交互模块构成;
相干光收发模块的孪生模型包括如下四组接口:
a)一组本级数据接入接口:包括业务数据输入,管控信号输入,电源输入,主要用于相干光收发模块孪生模型与同层级其他数字孪生模型(如,帧封装器件数字孪生模型)进行数据交互;
b)一组高级数据输入接口:线路接收数据输入,主要用于相干光收发模块孪生模型与高层级其他数字孪生模型(如,光传输OTU板卡数字孪生模型)进行数据交互;
c)一组本级数据输出接口:业务数据输出,监测管控数据输出,主要用于相干光收发模块孪生模型与同层级其他数字孪生模型(如,帧封装器件数字孪生模型)进行数据交互;
d)一组高级数据输出接口;线路发送数据输出,主要用于相干光收发模块孪生模型与高层级其他数字孪生模型(如,光传输OTU板卡数字孪生模型)进行数据交互;
相干光收发模块孪生模型的输入数据处理模块:完成外部输入数据(线路接收数据、业务数据输入、管控信号输入和电源输入)的安全分析,综合处理、适配转换和数据分发,以满足内部子模型的数据输入要求;
相干光收发模块孪生模型的输出数据处理模块:对内部子模型对外输出的数据(包括通过DSP芯片与外部进行交互的业务数据,通过调制器实现光线路输出的数据,通过MCU实现交互的监控管控数据)进行综合处理、适配转换、数据分发以及安全处理,提高模型间数据交互效率、灵活性和安全性;
相干光收发模块孪生模型的内部数据交互模块:孪生模型内部各自模型(DSP、MCU、调制器、混频器、激光器和电源模块的孪生模型)之间的数据交互,包括输入数据的安全分析,数据综合处理、适配转换、数据分发及其后的安全处理等。
在经过所有层级搭建之后,便可构建光网络模型。图8示出了本发明实施例基于层次化建模方法的数字孪生网络模型的一种实现示例。
一个数字孪生网络包括N个L0级数字孪生模型、一个外部输入数据处理模块、一个外部输出数据处理模块、一个外部输入接口、一个外部输出接口和一个L0级内部数据交互模块;
外部输入的数据包括上层网络应用给数字孪生网络的数据输入和底层物理网络给数字孪生网络的数据输入;
外部输出的数据包括数字孪生网络输出给上层网络应用的数据反馈和数字孪生网络输出给底层物理网络的数据反馈;
每个L0级数字孪生模型包括四组接口:一组L0级本级数据接入接口、一组L0级高级数据输入接口、一组L0级本级数据输出接口、一组L0级高级数据输出接口;其中,“本级数据接入接口”和“本级数据输出接口”为L0级数字孪生模型与同层级其他数字孪生模型进行数据交互的接口;“高级数据接入接口”和“高级数据输出接口”为L0级数字孪生模型与数字孪生网络外部进行数据交互的接口。
外部输入数据处理模块:完成数字孪生网络外部输入数据的安全分析,综合处理、适配转换和数据分发,以满足内部L0级数字孪生子模型的数据输入要求;
外部输出数据处理模块:对内部L0级数字孪生子模型对外输出的数据进行综合处理、适配转换、数据分发以及安全处理,提高模型间数据交互效率、灵活性和安全性;
L0级内部数据交互模块:数字孪生网络内部各L0级数字孪生子模型之间的数据交互,包括输入数据的安全分析,数据综合处理、适配转换、数据分发及其后的安全处理等。
基于同一发明构思,本发明实施例还提供一种基于数据交互的层次化光网络模型,包括:
所述光网络模型包括多层级的数字孪生子模型;其每一层级设有多个本级数字孪生子模型;除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型;
每个数字孪生子模型还包括输入数据处理模块、输出数据处理模块和内部数据交互模块;
所述输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求;
所述内部数据交互模块根据所述输入数据处理模块处理后的数据进行本级数字孪生子模型之间的数据交互;
所述输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
作为优选的实施方式,所述光网络模型还包括外部数据输入接口、外部数据输出接口;
所述外部数据输入接口用于:接收所述光网络模型外部的输入数据;
所述外部数据输出接口用于:将所述光网络模型内的数据输出至外部。
作为优选的实施方式,所述进行本级数字孪生子模型之间的数据交互,包括输入数据的安全分析、数据综合处理、适配转换、数据分发以及安全处理。
作为优选的实施方式,各层级的所述数字孪生子模型从最低层级至最高层级依次对应材料、器件、模块、板卡、子架、设备、站点、光网络系统。
作为优选的实施方式,所述外部输入的数据包括高一级物理网络给本级数字孪生子模型的数据输入和低一级物理网络给本级数字孪生子模型的数据输入;
所述外部输出的数据包括本级数字孪生子模型输出给高一级物理网络应用的数据反馈和数字孪生网络输出给低一级物理网络的数据反馈。
所述“安全分析和安全处理”,包括数据完整性校验、数据加密解密(例如,输入数据格式和取值范围的评估分析)、数据有效性分析(例如,电源电压电流的取值评估分析)等;
所述“综合处理”是指采用集中处理方式,对模型内部交互数据进行综合分析和转换;
所述“数据”类型包括但不限于:环境数据、结构尺寸、模块状态、外部输入、业务数据、评价数据等。
本领域的技术人员可以对本发明实施例进行各种修改和变型,倘若这些修改和变型在本发明权利要求及其等同技术的范围之内,则这些修改和变型也在本发明的保护范围之内。
说明书中未详细描述的内容为本领域技术人员公知的现有技术。
Claims (10)
1.一种基于数据交互的层次化光网络模型建模方法,其特征在于,包括以下步骤:
从最低层级开始,构建多个本级数字孪生子模型;采用多个本级数字孪生子模型构建其高一级数字孪生子模型;采用所有的最高层级数字孪生子模型构建光网络模型;
其中,除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型、输入数据处理模块、输出数据处理模块和内部数据交互模块;
所述输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求;
所述内部数据交互模块进行本级数字孪生子模型之间的数据交互;
所述输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
2.如权利要求1所述的方法,其特征在于:
每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口;
其中,本级数据接入接口和本级数据输出接口为该数字孪生子模型与同层级其他数字孪生子模型进行数据交互的接口;
高级数据接入接口和高级数据输出接口为该数字孪生子模型与高层级数字孪生子模型进行数据交互的接口。
3.如权利要求1所述的方法,其特征在于,所述内部数据交互模块进行本级数字孪生子模型之间的数据交互,包括:
进行输入数据的安全分析、数据综合处理、适配转换、数据分发
以及安全处理。
4.如权利要求1所述的方法,其特征在于,所述安全分析和安全处理均包括:数据完整性校验、数据加密解密和数据有效性分析。
5.如权利要求1所述的方法,其特征在于,所述综合处理为采用集中处理方式,对模型内部交互数据进行综合分析和转换。
6.如权利要求1所述的方法,其特征在于,采用智能算法、函数关系和/或映射关系实现所述数据交互和/或适配转换。
7.如权利要求1所述的方法,其特征在于:各层级的所述数字孪生子模型从最低层级至最高层级依次对应材料、器件、模块、单盘、子架、设备、站点、光网络系统。
8.一种基于数据交互的层次化光网络模型,其特征在于:
所述光网络模型包括多层级的数字孪生子模型;其每一层级设有多个本级数字孪生子模型;除最低层级外,每个本级数字孪生子模型包括多个其低一级数字孪生子模型;
每个数字孪生子模型还包括输入数据处理模块、输出数据处理模块和内部数据交互模块;
所述输入数据处理模块用于对同级和/或高一级数字孪生子模型输入的数据进行安全分析、综合处理、适配转换以及数据分发,以适配内部数据交互模块的数据输入要求;
所述内部数据交互模块根据所述输入数据处理模块处理后的数据进行本级数字孪生子模型之间的数据交互;
所述输出数据处理模块用于对所述内部数据交互模块对同级和/或低一级数字孪生子模型输出的数据进行综合处理、适配转换、数据分发以及安全处理。
9.如权利要求8所述的光网络模型,其特征在于:
每个数字孪生子模型至少包括如下四组接口中的一组接口:一组本级数据接入接口、一组高级数据输入接口、一组本级数据输出接口、一组高级数据输出接口;
其中,本级数据接入接口和本级数据输出接口为该数字孪生子模型与同层级其他数字孪生子模型进行数据交互的接口;
高级数据接入接口和高级数据输出接口为该数字孪生子模型与高层级数字孪生子模型进行数据交互的接口。
10.如权利要求8所述的光网络模型,其特征在于:所述光网络模型还包括外部数据输入接口、外部数据输出接口;
所述外部数据输入接口用于:接收所述光网络模型外部的输入数据;
所述外部数据输出接口用于:将所述光网络模型内的数据输出至外部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211037924.XA CN115460485B (zh) | 2022-08-26 | 2022-08-26 | 一种基于数据交互的层次化光网络模型及建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211037924.XA CN115460485B (zh) | 2022-08-26 | 2022-08-26 | 一种基于数据交互的层次化光网络模型及建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115460485A CN115460485A (zh) | 2022-12-09 |
CN115460485B true CN115460485B (zh) | 2024-05-28 |
Family
ID=84301773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211037924.XA Active CN115460485B (zh) | 2022-08-26 | 2022-08-26 | 一种基于数据交互的层次化光网络模型及建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115460485B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568047A (zh) * | 2009-05-20 | 2009-10-28 | 华为技术有限公司 | 以太网无源光网络对多业务的支持方法、装置和系统 |
CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
CN112668237A (zh) * | 2020-12-25 | 2021-04-16 | 深圳华龙讯达信息技术股份有限公司 | 一种基于工业互联网云平台的数字孪生模型及其构建方法 |
CN114418462A (zh) * | 2022-03-28 | 2022-04-29 | 北京安盟信息技术股份有限公司 | 基于层次化数字孪生体的主力设备安全管理方法及系统 |
WO2022134775A1 (zh) * | 2020-12-22 | 2022-06-30 | 达闼机器人股份有限公司 | 数字孪生模型的运行方法、装置和电子设备 |
-
2022
- 2022-08-26 CN CN202211037924.XA patent/CN115460485B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568047A (zh) * | 2009-05-20 | 2009-10-28 | 华为技术有限公司 | 以太网无源光网络对多业务的支持方法、装置和系统 |
CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
WO2022134775A1 (zh) * | 2020-12-22 | 2022-06-30 | 达闼机器人股份有限公司 | 数字孪生模型的运行方法、装置和电子设备 |
CN112668237A (zh) * | 2020-12-25 | 2021-04-16 | 深圳华龙讯达信息技术股份有限公司 | 一种基于工业互联网云平台的数字孪生模型及其构建方法 |
CN114418462A (zh) * | 2022-03-28 | 2022-04-29 | 北京安盟信息技术股份有限公司 | 基于层次化数字孪生体的主力设备安全管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115460485A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kundrát et al. | Opening up ROADMs: let us build a disaggregated open optical line system | |
US20240078421A1 (en) | Two-dimensional photonic convolutional acceleration system and device for convolutional neural network | |
Zhang et al. | Experimental demonstration of fronthaul flexibility for enhanced CoMP service in 5G radio and optical access networks | |
Casellas et al. | Advances in SDN control and telemetry for beyond 100G disaggregated optical networks | |
CN115460485B (zh) | 一种基于数据交互的层次化光网络模型及建模方法 | |
TW202019133A (zh) | 軟體定義驅動的ict服務端對端協作系統 | |
Khan | Machine learning-enabled intelligent fiber-optic communications: major obstacles and the way forward | |
CN105187223A (zh) | 一种基于otn网络的规划及设计系统 | |
Li et al. | Digital twin-enabled power optimizer for multi-span transmission system using autoencoder | |
CN109719732B (zh) | 基于光神经网络的机器人系统 | |
Revathi et al. | Performance analysis of wave length division and sub carrier multiplexing using different modulation techniques | |
Newland et al. | Open optical communication systems at a hyperscale operator | |
CN113556183B (zh) | 一种量子通信系统 | |
Saghezchi et al. | Drive towards 6G | |
Gupta et al. | Performance analysis of eight-channel WDM optical network with different optical amplifiers for industry 4.0 | |
CN115733557A (zh) | 一种光信号传输损伤的自适应数字域补偿系统及补偿方法 | |
Jiang et al. | Blind and low-complexity modulation format identification based on signal envelope flatness for autonomous digital coherent receivers | |
Yan et al. | Dynamic abstraction of optical networks with machine learning technologies | |
Romanov et al. | Construction of the SDN transport network model using the T-API interface | |
CN115002217B (zh) | 调度方法、装置、设备及介质 | |
Sambo et al. | Guest editorial: Optical networks supporting interoperability and white boxes | |
Chlamtac et al. | Use of computational intelligence techniques for designing optical networks | |
WO2024109409A1 (zh) | 一种相干光模块的优化方法、装置及设备 | |
Bakhvalova et al. | Correcting the chromatic dispersion of a fronthaul fiber link in millimeter-wave radio-over-fiber networks | |
Nishizawa et al. | Fast WDM provisioning with minimal probing: the first field experiments for DC exchanges |
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 |