CN115580635A - 一种物联网终端的智能化故障诊断方法及系统 - Google Patents
一种物联网终端的智能化故障诊断方法及系统 Download PDFInfo
- Publication number
- CN115580635A CN115580635A CN202211174917.4A CN202211174917A CN115580635A CN 115580635 A CN115580635 A CN 115580635A CN 202211174917 A CN202211174917 A CN 202211174917A CN 115580635 A CN115580635 A CN 115580635A
- Authority
- CN
- China
- Prior art keywords
- equipment
- information
- fault
- transmission source
- acquisition
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
-
- 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
-
- 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
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供了一种物联网终端的智能化故障诊断方法及系统,涉及物联网故障诊断技术领域,对目标网络结构的物联网组成设备的信息进行确定,进行设备分类输出采集源设备和传输源设备,将采集源设备的信息和传输源设备的信息输入设备故障概率计算模型中,通过进行模型分析输出标识设备,基于标识采集源设备和标识传输源设备生成故障诊断库,并存储至所述云端服务器中,获取实时网络故障信息,根据故障诊断库进行设备定位输出故障设备,解决了现有技术中物联网的故障诊断方法由于智能度不足,且信息分析切入点与维度存在欠缺,易出现故障识别偏差,使得最终的故障设备定位结果精准度不足的技术问题,实现了物联网故障设备的智能化精准识别定位。
Description
技术领域
本发明涉及物联网故障诊断技术领域,具体涉及一种物联网终端的智能化故障诊断方法及系统。
背景技术
物联网作为多个网络信息的承载体,将被独立寻址的对象连接成互联互通的整体,基于信息传感器、激光扫描器等多种装置和技术,对需求信息进行采集,进而实现人与物、物与物等之间的信息交互,物联网已应用于多个领域,因而对于物联网的运行质量要求越来越高,当物联网出现故障时,需对其进行故障诊断以确定具体的故障设备,以便进行及时维修,因而对于物联网的故障设备检测准确度要求较高,现如今,可通过噪声监测或红外监测等方式确定故障信息以定位故障设备,但由于现有技术的局限性,使得最终的故障诊断结果较之实际存在偏差。
现有技术中,对于物联网的故障诊断方法由于智能度不足,且信息分析切入点与维度存在欠缺,易出现故障识别偏差,使得最终的故障设备定位结果精准度不足。
发明内容
本申请提供了一种物联网终端的智能化故障诊断方法及系统,用于针对解决现有技术中存在的物联网的故障诊断方法由于智能度不足,且信息分析切入点与维度存在欠缺,易出现故障识别偏差,使得最终的故障设备定位结果精准度不足的技术问题。
鉴于上述问题,本申请提供了一种物联网终端的智能化故障诊断方法及系统。
第一方面,本申请提供了一种物联网终端的智能化故障诊断方法,所述方法包括:连接所述物联网故障分析系统,获取目标网络结构;基于所述目标网络结构,确定物联网组成设备的信息;将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;获取实时网络故障信息;根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
第二方面,本申请提供了一种物联网终端的智能化故障诊断系统,所述系统包括:结构获取模块,所述结构获取模块用于连接所述物联网故障分析系统,获取目标网络结构;信息确定模块,所述信息确定模块用于基于所述目标网络结构,确定物联网组成设备的信息;信息分类模块,所述信息分类模块用于将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;故障标识模块,所述故障标识模块用于将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;诊断库生成模块,所述诊断库生成模块用于以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;故障信息获取模块,所述故障信息获取模块用于获取实时网络故障信息;设备定位模块,所述设备定位模块用于根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种物联网终端的智能化故障诊断方法,连接所述物联网故障分析系统获取目标网络结构,进而确定物联网组成设备的信息,对其按照采集源和传输源进行分类,输出采集源设备和传输源设备,将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,通过进行模型分析输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备,基于所述标识采集源设备和所述标识传输源设备生成故障诊断库,并存储至所述云端服务器中;获取实时网络故障信息,根据所述故障诊断库进行设备定位输出故障设备,解决了现有技术中存在的物联网的故障诊断方法由于智能度不足,且信息分析切入点与维度存在欠缺,易出现故障识别偏差,使得最终的故障设备定位结果精准度不足的技术问题,实现了物联网故障设备的智能化精准识别定位。
附图说明
图1为本申请提供了一种物联网终端的智能化故障诊断方法流程示意图;
图2为本申请提供了一种物联网终端的智能化故障诊断方法中目标网络结构所处环境的安全等级获取流程示意图;
图3为本申请提供了一种物联网终端的智能化故障诊断方法中故障设备输出流程示意图;
图4为本申请提供了一种物联网终端的智能化故障诊断系统结构示意图。
附图标记说明:结构获取模块11,信息确定模块12,信息分类模块13,故障标识模块14,诊断库生成模块15,故障信息获取模块16,设备定位模块17。
具体实施方式
本申请通过提供一种物联网终端的智能化故障诊断方法及系统,对目标网络结构的物联网组成设备的信息进行确定,进行设备分类输出采集源设备和传输源设备,将采集源设备的信息和传输源设备的信息输入设备故障概率计算模型中,通过进行模型分析输出标识设备,基于标识采集源设备和标识传输源设备生成故障诊断库,并存储至所述云端服务器中,获取实时网络故障信息,根据故障诊断库进行设备定位输出故障设备,用于解决现有技术中存在的物联网的故障诊断方法由于智能度不足,且信息分析切入点与维度存在欠缺,易出现故障识别偏差,使得最终的故障设备定位结果精准度不足的技术问题。
实施例一
如图1所示,本申请提供了一种物联网终端的智能化故障诊断方法,所述方法应用于物联网故障分析系统,所述系统与云端服务器通信连接,所述方法包括:
步骤S100:连接所述物联网故障分析系统,获取目标网络结构;
具体而言,随着信息科学技术的发展,物联网已成为万物互联、信息共享传输的主要平台,本申请提供的一种物联网终端的智能化故障诊断方法应用于所述物联网故障分析系统,所述系统与所述云端服务器通信连接,通过确定采集源设备与传输源设备并分别进行设备故障预测,基于预测结果进行故障设备的定位,首先,将所述物联网终端与所述物联网故障分析系统进行连接,基于所述物联网故障分析系统进行所述物联网关联设备的故障检测识别,对所述目标网络结构进行采集,所述目标网络结构为待进行故障诊断的多个连接设备、通信链路等构成的网络体系架构,示例性的,可通过构建网络拓扑图进行所述目标网络结构的可视化展示,以提升网络分析的秩序性,所述目标网络结构的获取为后续进行结构关联设备的分析检测提供了基础构构架信息。
步骤S200:基于所述目标网络结构,确定物联网组成设备的信息;
步骤S300:将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;
具体而言,基于所述物联网故障分析系统对所述物联网进行架构识别,确定所述目标网络结构,进一步对所述目标网络结构中所涵盖的组成设备进行确定,包括射频识别、传感器、全球定位系统、传感器网络、激光扫描器等,并对各设备分别进行用途确定,获取所属物联网组成设备的信息,其中,所述传感设备为所述目标网络结构中的基础的设备,通过将多种传感器与互联网结合起来以实现任何时间、任何地点的人与人、物之间的连接互通,进一步的,将所述采集源与所述传输源作为设备划分标准,依据设备用途对所述物联网组成设备的信息进行划分,将用于进行信息采集的设备作为所述采集源设备,例如传感器,将用于进行信息传输的设备作为所述传输源设备,例如传感器网络,通过进行所述采集源设备与所述传输源设备的划分,便于后续基于设备性能进行针对性故障诊断评估。
步骤S400:将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;
步骤S500:以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;
具体而言,判断所述目标网络结构的安全等级是否达标,当不达标时,构建所述故障概率计算模型,将其作为设备故障分析计算的辅助工具,可有效保障最终故障概率计算结果的客观性,将所述采集源设备的信息与所述传输源设备的信息输入所述设备故障概率计算模型中,通过进行数据采集准确性-环境影响分析,确定各设备的相关系数,以确定设备故障概率,进一步进行设备故障概率筛选,基于所述采集源设备与所述传输源设备分别确定预设相关系数,将其作为相关系数判断筛选的临界值,获取对大于等于预设相关系数的设备,并进行设备标识,以便进行识别区分,确定所述标识采集源设备与所述标识传输源设备,进一步的,确定所述标识采集源设备与所述标识传输源设备中各设备可能存在的设备故障类型与故障特征,进行信息整合生成所述故障诊断库,将其存储至所述云端服务器中,所述云端服务器可基于所述诊断数据库的信息量自行进行扩充,同时可进行故障设备的识别定位。
进一步而言,本申请步骤S400还包括:
步骤S410:获取所述目标网路结构的网络环境信息;
步骤S420:根据所述网络环境信息,分析所述目标网络结构所处环境的安全等级;
步骤S430:若所述目标网络结构所处环境的安全等级小于预设安全等级,获取输入指令;
步骤S440:根据所述输入指令,将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中。
具体而言,对所述目标网络结构的网络环境信息进行采集,所述网络环境信息包括了网络资源、链接路径与网络工具的结合,基于所述网络环境信息对所述目标网络结构所处的环境进行安全等级分析,通过调取所述目标网络结构的历史攻击信息,对历史攻击信息进行防护效果分析,确定对历史攻击信息的防护比例,基于此判定所述目标网络结构所处环境的安全等级,进一步判断所述目标网络结构所处环境的安全等级是否小于所述预设安全等级,所述预设安全等级为目标网络结构达到正常运维标准所需的安全等级,当小于时,表明所述目标网络结构的安全等级不达标,可能存在设备故障,获取所述输入指令,所述输入指令为信息传输的开始指令,随着所述输入指令的生成,将所述采集源设备信息与所述传输源设备信息输入所述设备故障概率计算模型中,进而进行故障概率计算,通过对目标网络结构进行安全等级分析,当安全等级不达标时再进行设备故障概率计算,避免无效做功造成资源浪费。
进一步而言,如图2所示,根据所述网络环境信息,分析所述目标网络结构所处环境的安全等级,本申请步骤S420还包括:
步骤S421:根据所述目标网络结构的网络管理系统终端,获取历史攻击信息,包括攻击周期、攻击数量和攻击强度;
步骤S422:获取用于所述目标网络结构的安全配置信息,包括安全加密信息、安全防护信息和安全预警信息;
步骤S423:根据所述历史攻击信息和所述安全配置信息的防护比例,获取网络安全等级;
步骤S424:将所述网络安全等级作为所述目标网络结构所处环境的安全等级。
具体而言,基于所述目标网络结构的网络管理系统终端对网络曾受到的历史攻击进行数据提取,例如篡改伪造信息数据、窃听、数据销毁等,进而对提取的数据基于攻击类型进行分类,确定各类型攻击信息的所述攻击周期、所述攻击数量与所述攻击强度,对相关信息进行整合处理获取所述历史攻击信息,进一步对所述目标网络结构的所述安全加密信息、所述安全防护信息与所述安全预警信息进行采集,对上述信息进行归类整合处理确定所述安全配置信息,所述安全配置信息为目标网络对攻击的防护配置信息,与攻击信息进行信息对抗以护卫网络环境安全,对所述历史攻击信息与所述安全配置信息进行信息匹配,确定其中安全配置信息对匹配的攻击信息的防护效果,进而确定所述防护比例,即对攻击的抵挡比例,以此为基准确定所述网络安全等级,示例性的,可预设安全等级判定标准,例如将防护比例为100%确定为最高级,随着防护比例的缩减,对应的安全等级同步降低,进而将所述网络安全等级确定为所述目标网络结构所处环境的安全等级,通过进行历史攻击信息的防护分析确定安全等级,可提高最终确定的网络安全等级与目标网络的匹配度。
进一步而言,本申请步骤S440还包括:
步骤S441:将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中;
步骤S442:根据所述设备故障概率计算模型,对所述采集源设备进行数据采集准确性-环境影响分析,获取采集源相关系数集合;
步骤S443:根据所述设备故障概率计算模型,对所述传输源设备进行数据传输准确性-环境影响分析,获取传输源相关系数集合;
步骤S444:以所述采集源相关系数集合和所述传输源相关系数集合作为故障概率计算结果,获取所述标识采集源设备和标识传输源设备。
具体而言,当所述目标网络结构所处环境的安全等级小于预设安全等级时,表明所述目标网络结构安全等级不达标,将所述采集源设备的信息与所述传输源设备的信息输入所述设备故障概率计算模型中,所述设备故障概率计算模型为进行故障概率分析的辅助计算工具,可有效保障最终概率计算结果的准确性与客观性。
通过所述设备故障概率计算模型对所述采集源设备的数据采集准确性与环境影响进行分析,例如噪声,当被检测信号较弱时,环境噪声可能会干扰信号甚至淹没信号,造成数据采集偏差,确定影响数据采集准确性的多个相关因素并确定各影响因素的数据采集偏差度,生成对应的相关系数,所述相关系数为影响因素与影响度的可视化表述,一种采集源设备可能存在着多个环境影响因素,对多个环境因素的相关性进行综合评估,确定采集源相关系数,分别对多个采集源设备进行相关系数分析,生成所述采集源相关系数集合,同理,对所述传输源设备的数据传输准确性与环境影响进行分析,例如静电、电磁辐射、热噪声等一定程度上会影响传输速率与传输准确度,通过进行影响性分析获取所述传输源相关系数集合,包括多个传输源相关系数,将所述采集源相关系数集合与所述传输源相关系数集合作为各设备的故障概率计算结果。
进一步对所述采集源相关系数与所述传输源相关系数分别进行筛选,排除其中相关系数较低,即故障概率较低的设备,对其余的所述采集源相关系数与所述传输源相关系数对应的设备分别基于不同序列号进行标识,获取所述标识采集源设备与所述标识传输源设备,通过进行设备相关系数的分析确定设备故障概率,以确保故障概率与设备的实际契合度。
进一步而言,本申请步骤S444还包括:
步骤S4441:根据所述采集源相关系数集合,获取大于等于第一预设相关系数的N个采集源设备,其中,所述第一预设相关系数为基于需求采集准确度设置的相关性临界值;
步骤S4442:根据所述传输源相关系数集合,获取大于等于第二预设相关系数的M个传输源设备,其中,所述第二预设相关系数为基于需求传输准确度设置的相关性临界值;
步骤S4443:对所述N个采集源设备进行标识,输出所述标识采集源设备;
步骤S4444:对所述M个传输源设备进行标识,输出所述标识传输源设备。
具体而言,获取所述第一预设相关系数,所述第一预设相关系数为基于需求采集准确度设置的相关性临界值,当所述采集源相关系数大于等于所述第一预设相关系数时,表明该采集源设备可能存在潜在性故障风险,基于所述第一预设相关系数对所述采集源相关系数集合进行筛选,确定大于等级所述第一预设相关系数的N个采集源设备,基于相关系数大小对所述N个采集源设备进行顺序性排列,依据同系列序列号对所述N个采集源设备进行标识,输出所述标识采集源设备,同理,确定所述第二预设相关系数,即基于需求传输准确度设置的相关性临界值,基于所述第二预设相关系数对所述传输源相关系数集合进行筛选,确定大于等级所述第二预设相关系数的M个传输源设备,基于相关系数大小对所述M个传输源设备进行顺序性排列标识,输出所述标识传输源设备,通过设定预设相关系数进行设备筛选,排除部分故障概率较小的设备,确定标识设备的分析优先级,以降低后续故障分析信息量,提高分析条理性与分析速率。
步骤S600:获取实时网络故障信息;
步骤S700:根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
具体而言,当网络运行出现故障时,例如出现配置错误、信息泄露、访问异常等状况,无法正常应用时,对实时网络故障信息进行采集,进一步对所述实时网络故障信息进行故障类型与故障特征分析,所述实时网络故障信息可能由于所述采集源设备或所述传输源设备故障引起,遍历所述故障诊断库,并与所述故障诊断库中故障信息进行适配性分析,通过进行故障识别检测确定相匹配的故障诊断设备,进一步对所述实时网络故障信息对应的故障设备进行识别定位,其中可能存在多个同源设备,为避免造成同源设备的误判,基于数据路径进行链接设备识别,确定该设备为所述故障设备,以保障故障设备识别的准确度。
进一步而言,如图3所示,根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备,本申请步骤S700还包括:
步骤S710:将所述故障诊断库作为第一遍历库;
步骤S720:根据所述标识采集源设备和所述标识传输源设备,获取所述采集源设备和所述传输源设备中的剩余采集源设备和剩余传输源设备;
步骤S730:根据所述剩余采集源设备和所述剩余传输源设备,生成第二遍历库,其中,所述第一遍历库的遍历优先级大于所述第二遍历库;
步骤S740:以所述第一遍历库和所述第二遍历库对所述实时网络故障信息进行设备定位,输出所述故障设备。
具体而言,基于所述标识采集源设备和所述标识传输源设备生成故障诊断库,将所述故障诊断库作为所述第一遍历库,所述第一遍历库具有最高优先级,将所述采集源设备与所述传输源设备作为总的设备集,筛选其中排除所述标识采集源设备与所述标识传输源设备后的剩余设备,以确定所述剩余采集源设备与所述剩余传输源设备,进而获取所述剩余采集源设备与所述剩余传输源设备中各设备可能存在的设备故障类型与故障特征,进行信息整合生成所述第二遍历库,所述第一遍历库的优先级高于所述第二遍历库,进一步的,对所述实时网络故障信息与所述第一遍历库与所述第二遍历库进行顺序性匹配识别,确定所述实时网络故障信息中覆盖的故障类型与特征,进一步进行设备定位确定与其相适配的故障设备,通过构建多个不同优先级的遍历库进行设备顺序性定位识别,以提高故障设备定位过程的有序性,降低定位偏差风险。
进一步而言,本申请步骤S740还包括:
步骤S741:根据所述实时网络故障信息,输出异常数据源;
步骤S742:以所述异常数据源的数据类型和数据特征,在所述第一遍历库中进行设备遍历,获取定位设备;
步骤S743:判断所述定位设备是否为多同源设备,若所述定位设备为多同源设备,根据所述异常数据源的数据路径,获取所述故障设备。
具体而言,采集所述实时网络故障信息,对所述实时网络故障信息进行数据异常分析判定,筛选其中的异常检测数据作为所述异常数据源,进一步对所述异常数据源进行数据类型与数据特征提取,进而遍历所述第一遍历库,确定与所述数据类型与所述数据特征相适配的设备,作为所述定位设备,进一步的,判断所述定位设备是否为多同源设备,示例性的,当所述定位设备为传感器时,所述定位设备中可能存在着多个一模一样的传感器,需对其进行进一步的判断以确定故障传感器,当所述定位设备为多同源设备时,进一步对所述异常数据源进行数据路径采集,基于数据路径确定相连接的定位设备,将其确定为所述故障设备,通过对所述定位设备进行同源分析判定,可避免同源设备的误判,提高故障设备定位准确度。
实施例二
基于与前述实施例中一种物联网终端的智能化故障诊断方法相同的发明构思,如图4所示,本申请提供了一种物联网终端的智能化故障诊断系统,所述系统包括:
结构获取模块11,所述结构获取模块11用于连接所述物联网故障分析系统,获取目标网络结构;
信息确定模块12,所述信息确定模块12用于基于所述目标网络结构,确定物联网组成设备的信息;
信息分类模块13,所述信息分类模块13用于将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;
故障标识模块14,所述故障标识模块14用于将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;
诊断库生成模块15,所述诊断库生成模块15用于以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;
故障信息获取模块16,所述故障信息获取模块16用于获取实时网络故障信息;
设备定位模块17,所述设备定位模块17用于根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
进一步而言,所述系统还包括:
参数信息获取模块,所述参数信息获取模块用于获取所述目标网路结构的网络环境信息;
等级分析模块,所述等级分析模块用于根据所述网络环境信息,分析所述目标网络结构所处环境的安全等级;
等级判断模块,所述等级判断模块用于若所述目标网络结构所处环境的安全等级小于预设安全等级,获取输入指令;
信息输入模块,所述信息输入模块用于根据所述输入指令,将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中。
进一步而言,所述系统还包括:
模型输入模块,所述模型输入模块用于将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中;
采集源系数获取模块,所述采集源系数获取模块用于根据所述设备故障概率计算模型,对所述采集源设备进行数据采集准确性-环境影响分析,获取采集源相关系数集合;
传输源系数获取模块,所述传输源系数获取模块用于根据所述设备故障概率计算模型,对所述传输源设备进行数据传输准确性-环境影响分析,获取传输源相关系数集合;
设备标识模块,所述设备标识模块用于以所述采集源相关系数集合和所述传输源相关系数集合作为故障概率计算结果,获取所述标识采集源设备和标识传输源设备。
进一步而言,所述系统还包括:
采集源设备筛选模块,所述采集源设备筛选模块用于根据所述采集源相关系数集合,获取大于等于第一预设相关系数的N个采集源设备,其中,所述第一预设相关系数为基于需求采集准确度设置的相关性临界值;
传输源设备筛选模块,所述传输源设备筛选模块用于根据所述传输源相关系数集合,获取大于等于第二预设相关系数的M个传输源设备,其中,所述第二预设相关系数为基于需求传输准确度设置的相关性临界值;
采集源设备标识模块,所述采集源设备标识模块用于对所述N个采集源设备进行标识,输出所述标识采集源设备;
传输源设备标识模块,所述传输源设备标识模块用于对所述M个传输源设备进行标识,输出所述标识传输源设备。
进一步而言,所述系统还包括:
历史攻击信息获取模块,所述历史攻击信息获取模块用于根据所述目标网络结构的网络管理系统终端,获取历史攻击信息,包括攻击周期、攻击数量和攻击强度;
安全配置信息获取模块,所述安全配置信息获取模块用于获取用于所述目标网络结构的安全配置信息,包括安全加密信息、安全防护信息和安全预警信息;
安全等级获取模块,所述安全等级获取模块用于根据所述历史攻击信息和所述安全配置信息的防护比例,获取网络安全等级;
等级确定模块,所述等级确定模块用于将所述网络安全等级作为所述目标网络结构所处环境的安全等级。
进一步而言,所述系统还包括:
第一遍历库确定模块,所述第一遍历库确定模块用于将所述故障诊断库作为第一遍历库;
剩余设备获取模块,所述剩余设备获取模块用于根据所述标识采集源设备和所述标识传输源设备,获取所述采集源设备和所述传输源设备中的剩余采集源设备和剩余传输源设备;
第二遍历库生成模块,所述第二遍历库生成模块用于根据所述剩余采集源设备和所述剩余传输源设备,生成第二遍历库,其中,所述第一遍历库的遍历优先级大于所述第二遍历库;
故障设备输出模块,所述故障设备输出模块用于以所述第一遍历库和所述第二遍历库对所述实时网络故障信息进行设备定位,输出所述故障设备。
进一步而言,所述系统还包括:
数据源输出模块,所述数据源输出模块用于根据所述实时网络故障信息,输出异常数据源;
定位设备获取模块,所述定位设备获取模块用于以所述异常数据源的数据类型和数据特征,在所述第一遍历库中进行设备遍历,获取定位设备;
设备判断模块,所述设备判断模块用于判断所述定位设备是否为多同源设备,若所述定位设备为多同源设备,根据所述异常数据源的数据路径,获取所述故障设备。
本说明书通过前述对一种物联网终端的智能化故障诊断方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种物联网终端的智能化故障诊断方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种物联网终端的智能化故障诊断方法,其特征在于,所述方法应用于物联网故障分析系统,所述系统与云端服务器通信连接,所述方法包括:
连接所述物联网故障分析系统,获取目标网络结构;
基于所述目标网络结构,确定物联网组成设备的信息;
将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;
将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;
以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;
获取实时网络故障信息;
根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标网路结构的网络环境信息;
根据所述网络环境信息,分析所述目标网络结构所处环境的安全等级;
若所述目标网络结构所处环境的安全等级小于预设安全等级,获取输入指令;
根据所述输入指令,将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中;
根据所述设备故障概率计算模型,对所述采集源设备进行数据采集准确性-环境影响分析,获取采集源相关系数集合;
根据所述设备故障概率计算模型,对所述传输源设备进行数据传输准确性-环境影响分析,获取传输源相关系数集合;
以所述采集源相关系数集合和所述传输源相关系数集合作为故障概率计算结果,获取所述标识采集源设备和标识传输源设备。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述采集源相关系数集合,获取大于等于第一预设相关系数的N个采集源设备,其中,所述第一预设相关系数为基于需求采集准确度设置的相关性临界值;
根据所述传输源相关系数集合,获取大于等于第二预设相关系数的M个传输源设备,其中,所述第二预设相关系数为基于需求传输准确度设置的相关性临界值;
对所述N个采集源设备进行标识,输出所述标识采集源设备;
对所述M个传输源设备进行标识,输出所述标识传输源设备。
5.如权利要求2所述的方法,其特征在于,根据所述网络环境信息,分析所述目标网络结构所处环境的安全等级,所述方法还包括:
根据所述目标网络结构的网络管理系统终端,获取历史攻击信息,包括攻击周期、攻击数量和攻击强度;
获取用于所述目标网络结构的安全配置信息,包括安全加密信息、安全防护信息和安全预警信息;
根据所述历史攻击信息和所述安全配置信息的防护比例,获取网络安全等级;
将所述网络安全等级作为所述目标网络结构所处环境的安全等级。
6.如权利要求1所述的方法,其特征在于,根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备,所述方法还包括:
将所述故障诊断库作为第一遍历库;
根据所述标识采集源设备和所述标识传输源设备,获取所述采集源设备和所述传输源设备中的剩余采集源设备和剩余传输源设备;
根据所述剩余采集源设备和所述剩余传输源设备,生成第二遍历库,其中,所述第一遍历库的遍历优先级大于所述第二遍历库;
以所述第一遍历库和所述第二遍历库对所述实时网络故障信息进行设备定位,输出所述故障设备。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述实时网络故障信息,输出异常数据源;
以所述异常数据源的数据类型和数据特征,在所述第一遍历库中进行设备遍历,获取定位设备;
判断所述定位设备是否为多同源设备,若所述定位设备为多同源设备,根据所述异常数据源的数据路径,获取所述故障设备。
8.一种物联网终端的智能化故障诊断系统,其特征在于,所述系统包括:
结构获取模块,所述结构获取模块用于连接所述物联网故障分析系统,获取目标网络结构;
信息确定模块,所述信息确定模块用于基于所述目标网络结构,确定物联网组成设备的信息;
信息分类模块,所述信息分类模块用于将所述物联网组成设备的信息按照采集源和传输源进行分类,输出采集源设备和传输源设备;
故障标识模块,所述故障标识模块用于将所述采集源设备的信息和所述传输源设备的信息输入设备故障概率计算模型中,根据所述设备故障概率计算模型,输出标识设备,其中,所述标识设备包括标识采集源设备和标识传输源设备;
诊断库生成模块,所述诊断库生成模块用于以所述标识采集源设备和所述标识传输源设备,生成故障诊断库,将所述故障诊断库存储至所述云端服务器中;
故障信息获取模块,所述故障信息获取模块用于获取实时网络故障信息;
设备定位模块,所述设备定位模块用于根据所述故障诊断库,对所述实时网络故障信息进行设备定位,输出故障设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211174917.4A CN115580635B (zh) | 2022-09-26 | 2022-09-26 | 一种物联网终端的智能化故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211174917.4A CN115580635B (zh) | 2022-09-26 | 2022-09-26 | 一种物联网终端的智能化故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115580635A true CN115580635A (zh) | 2023-01-06 |
CN115580635B CN115580635B (zh) | 2023-06-13 |
Family
ID=84583482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211174917.4A Active CN115580635B (zh) | 2022-09-26 | 2022-09-26 | 一种物联网终端的智能化故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115580635B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011060651A1 (zh) * | 2009-11-18 | 2011-05-26 | 华为技术有限公司 | 故障链路定位方法、告警根因分析方法及设备、系统 |
CN106384210A (zh) * | 2016-10-28 | 2017-02-08 | 贵州电网有限责任公司贵阳供电局 | 一种基于检修风险收益的输变电设备检修优先级排序方法 |
CN110209999A (zh) * | 2018-02-28 | 2019-09-06 | 广州地铁集团有限公司 | 一种车载设备故障趋势预测方法 |
CN110334740A (zh) * | 2019-06-05 | 2019-10-15 | 武汉大学 | 人工智能推理融合的电力设备故障检测定位方法 |
CN111682960A (zh) * | 2020-05-14 | 2020-09-18 | 深圳市有方科技股份有限公司 | 一种物联网网络及设备的故障诊断方法及装置 |
CN111865652A (zh) * | 2020-06-02 | 2020-10-30 | 广东电网有限责任公司 | 公网无线通信通道故障诊断方法、计算机设备、存储介质 |
CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
CN112345874A (zh) * | 2021-01-11 | 2021-02-09 | 北京三维天地科技股份有限公司 | 一种基于5g的实验室仪器设备在线故障诊断方法及系统 |
CN112507286A (zh) * | 2020-11-02 | 2021-03-16 | 苏州热工研究院有限公司 | 基于状态的设备故障概率分析方法、装置及电子设备 |
CN112507290A (zh) * | 2020-12-07 | 2021-03-16 | 国电南瑞科技股份有限公司 | 配电设备故障概率预判方法、装置及存储介质 |
CN113556369A (zh) * | 2020-04-24 | 2021-10-26 | 国网辽宁省电力有限公司 | 基于电力物联网的电网设备管控方法及管控系统 |
CN114285732A (zh) * | 2021-12-23 | 2022-04-05 | 中国建设银行股份有限公司 | 一种网络故障定位方法、系统、存储介质及电子设备 |
CN114418146A (zh) * | 2022-01-24 | 2022-04-29 | 浙江省机电设计研究院有限公司 | 基于规则引擎的机电设备故障诊断方法、系统及终端 |
CN114519437A (zh) * | 2022-02-18 | 2022-05-20 | 江苏兴教科技有限公司 | 一种基于云的故障诊断分析及报修的微服务方法及系统 |
CN115001937A (zh) * | 2022-04-11 | 2022-09-02 | 北京邮电大学 | 面向智慧城市物联网的故障预测方法及装置 |
CN115081997A (zh) * | 2022-08-18 | 2022-09-20 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
-
2022
- 2022-09-26 CN CN202211174917.4A patent/CN115580635B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011060651A1 (zh) * | 2009-11-18 | 2011-05-26 | 华为技术有限公司 | 故障链路定位方法、告警根因分析方法及设备、系统 |
CN106384210A (zh) * | 2016-10-28 | 2017-02-08 | 贵州电网有限责任公司贵阳供电局 | 一种基于检修风险收益的输变电设备检修优先级排序方法 |
CN110209999A (zh) * | 2018-02-28 | 2019-09-06 | 广州地铁集团有限公司 | 一种车载设备故障趋势预测方法 |
CN110334740A (zh) * | 2019-06-05 | 2019-10-15 | 武汉大学 | 人工智能推理融合的电力设备故障检测定位方法 |
CN113556369A (zh) * | 2020-04-24 | 2021-10-26 | 国网辽宁省电力有限公司 | 基于电力物联网的电网设备管控方法及管控系统 |
CN111682960A (zh) * | 2020-05-14 | 2020-09-18 | 深圳市有方科技股份有限公司 | 一种物联网网络及设备的故障诊断方法及装置 |
CN111865652A (zh) * | 2020-06-02 | 2020-10-30 | 广东电网有限责任公司 | 公网无线通信通道故障诊断方法、计算机设备、存储介质 |
CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
CN112507286A (zh) * | 2020-11-02 | 2021-03-16 | 苏州热工研究院有限公司 | 基于状态的设备故障概率分析方法、装置及电子设备 |
CN112507290A (zh) * | 2020-12-07 | 2021-03-16 | 国电南瑞科技股份有限公司 | 配电设备故障概率预判方法、装置及存储介质 |
CN112345874A (zh) * | 2021-01-11 | 2021-02-09 | 北京三维天地科技股份有限公司 | 一种基于5g的实验室仪器设备在线故障诊断方法及系统 |
CN114285732A (zh) * | 2021-12-23 | 2022-04-05 | 中国建设银行股份有限公司 | 一种网络故障定位方法、系统、存储介质及电子设备 |
CN114418146A (zh) * | 2022-01-24 | 2022-04-29 | 浙江省机电设计研究院有限公司 | 基于规则引擎的机电设备故障诊断方法、系统及终端 |
CN114519437A (zh) * | 2022-02-18 | 2022-05-20 | 江苏兴教科技有限公司 | 一种基于云的故障诊断分析及报修的微服务方法及系统 |
CN115001937A (zh) * | 2022-04-11 | 2022-09-02 | 北京邮电大学 | 面向智慧城市物联网的故障预测方法及装置 |
CN115081997A (zh) * | 2022-08-18 | 2022-09-20 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115580635B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106462702B (zh) | 用于在分布式计算机基础设施中获取并且分析电子取证数据的方法和系统 | |
US10078317B2 (en) | Method, device and computer program for monitoring an industrial control system | |
KR101951526B1 (ko) | 스마트팩토리 플랫폼을 위한 인터페이스 미들웨어 시스템 및 그 동작방법 | |
US20230013544A1 (en) | Method, Apparatus and System for Detecting Abnormal Operating States of a Device | |
KR102301201B1 (ko) | IoT 센서 기반 회전 기기의 정밀 상태 진단 장치 및 방법 | |
CN117538710B (zh) | 用于局部动态放电监测的智能预警方法及系统 | |
CN107291475B (zh) | 通用型phm应用配置方法和装置 | |
CN114726654A (zh) | 一种应对云计算网络攻击的数据分析方法及服务器 | |
US11755007B2 (en) | System and method for determining a health condition and an anomaly of an equipment using one or more sensors | |
CN106201887B (zh) | 一种离线数据任务的验证方法及装置 | |
CN117672255B (zh) | 基于人工智能和设备运行声音的异常设备识别方法及系统 | |
CN118018245A (zh) | 用于区块链网络的数据交换过程安全风险智能识别方法 | |
CN118013284A (zh) | 一种基于工业云平台的设备故障管理系统及方法 | |
CN117783769A (zh) | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 | |
CN117857084A (zh) | 一种基于深度学习的网络安全态势感知方法和系统 | |
KR20220132824A (ko) | 배전설비 상태 이상 개소 감시 시스템 및 방법 | |
CN115580635A (zh) | 一种物联网终端的智能化故障诊断方法及系统 | |
KR101984257B1 (ko) | 클라우드기반 빅데이터분석시스템 및 방법 | |
CN114553588B (zh) | 一种基于人工智能的互联网金融数据防护方法及服务器 | |
CN116049638A (zh) | 一种变压器震动检测方法、系统、设备及存储介质 | |
CN115097070A (zh) | 一种实验室智能一体化管理系统及方法 | |
KR20230072164A (ko) | 불량률 제로를 위한 제품의 품질 관리 시스템 | |
US20220228949A1 (en) | A method for estimation of malfunction using sound | |
CN113360360A (zh) | 业务系统故障检测方法、装置、电子设备及存储介质 | |
CN118169560B (zh) | 基于多维传感的电机绕组故障监测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |