CN116953859A - 一种多通道高速光口连接器及光连接方法 - Google Patents
一种多通道高速光口连接器及光连接方法 Download PDFInfo
- Publication number
- CN116953859A CN116953859A CN202311202079.1A CN202311202079A CN116953859A CN 116953859 A CN116953859 A CN 116953859A CN 202311202079 A CN202311202079 A CN 202311202079A CN 116953859 A CN116953859 A CN 116953859A
- Authority
- CN
- China
- Prior art keywords
- performance index
- feature vector
- port connector
- speed optical
- context semantic
- 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.)
- Pending
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000013307 optical fiber Substances 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims description 116
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 25
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 15
- 239000000835 fiber Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000008439 repair process Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 206010000117 Abnormal behaviour Diseases 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/24—Coupling light guides
- G02B6/36—Mechanical coupling means
- G02B6/38—Mechanical coupling means having fibre to fibre mating means
- G02B6/3807—Dismountable connectors, i.e. comprising plugs
- G02B6/3833—Details of mounting fibres in ferrules; Assembly methods; Manufacture
- G02B6/385—Accessories for testing or observation of connectors
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/24—Coupling light guides
- G02B6/36—Mechanical coupling means
- G02B6/38—Mechanical coupling means having fibre to fibre mating means
- G02B6/3807—Dismountable connectors, i.e. comprising plugs
- G02B6/3873—Connectors using guide surfaces for aligning ferrule ends, e.g. tubes, sleeves, V-grooves, rods, pins, balls
- G02B6/3885—Multicore or multichannel optical connectors, i.e. one single ferrule containing more than one fibre, e.g. ribbon type
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/24—Coupling light guides
- G02B6/36—Mechanical coupling means
- G02B6/38—Mechanical coupling means having fibre to fibre mating means
- G02B6/3807—Dismountable connectors, i.e. comprising plugs
- G02B6/3895—Dismountable connectors, i.e. comprising plugs identification of connection, e.g. right plug to the right socket or full engagement of the mating parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种多通道高速光口连接器及光连接方法，其包括：光纤阵列，包括多根输入光纤和多根输出光纤，其中，每根所述输入光纤和每根所述输出光纤形成一个光纤通道；光开关，用于根据控制信号切换所述光纤通道；控制电路，用于根据控制指令生成所述控制信号；以及，故障检测控制器，用于检测多通道高速光口连接器是否存在故障；这样，可以及时发现连接器中的故障，并及时修复或更换故障部件，以确保数据的可靠传输；同时，对于提高传输速率、稳定性和可靠性具有重要意义。
Description
技术领域
本发明涉及智能化光口连接技术领域，并且更具体地，涉及一种多通道高速光口连接器及光连接方法。
背景技术
随着信息通信技术的快速发展，对于高速、高带宽的光纤通信需求不断增长。多通道高速光口连接器作为光纤通信中的重要组成部分，承担着将多个通道的光信号进行快速切换、有效传输和连接的任务。
然而，现有的光口连接器缺乏故障检测和保护功能，不能及时发现和处理故障。因此，期待一种优化的光口连接器。
发明内容
为了解决上述技术问题，提出了本发明。本发明的实施例提供了一种多通道高速光口连接器及光连接方法，其包括：光纤阵列，包括多根输入光纤和多根输出光纤，其中，每根所述输入光纤和每根所述输出光纤形成一个光纤通道；光开关，用于根据控制信号切换所述光纤通道；控制电路，用于根据控制指令生成所述控制信号；以及，故障检测控制器，用于检测多通道高速光口连接器是否存在故障。这样，可以及时发现连接器中的故障，并及时修复或更换故障部件，以确保数据的可靠传输。同时，对于提高传输速率、稳定性和可靠性具有重要意义。
本发明第一方面，提供了一种多通道高速光口连接器，其包括：
光纤阵列，包括多根输入光纤和多根输出光纤，其中，每根所述输入光纤和每根所述输出光纤形成一个光纤通道；
光开关，用于根据控制信号切换所述光纤通道；
控制电路，用于根据控制指令生成所述控制信号；
以及，故障检测控制器，用于检测多通道高速光口连接器是否存在故障；
所述故障检测控制器，包括：
数据获取模块，用于获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；
联合分析模块，用于对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；
以及，连接器故障确定模块，用于基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
本发明第二方面，提供了一种多通道高速光连接方法，其包括：
获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；
对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；
以及，基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
本发明的有益效果为：本发明可以及时发现连接器中的故障，并及时修复或更换故障部件，以确保数据的可靠传输，对于提高传输速率、稳定性和可靠性具有重要意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的多通道高速光口连接器的框图。
图2为根据本发明实施例的多通道高速光口连接器中故障检测控制器的框图。
图3为根据本发明实施例的多通道高速光连接方法的流程图。
图4为根据本发明实施例的多通道高速光连接方法架构的示意图。
图5为根据本发明实施例的多通道高速光口连接器的应用场景图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有说明，本发明实施例所使用的所有技术和科学术语与本发明的技术领域的技术人员通常理解的含义相同。本发明中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明的范围。
在本发明实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本发明实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例可以除了在这里图示或描述的那些以外的顺序实施。
在介绍了本发明的基本原理之后，下面将参考附图来具体介绍本发明的各种非限制性实施例。
应可以理解，多通道高速光口连接器是一种用于光纤通信系统中的关键组件，用于连接和传输多个通道的光信号。多通道高速光口连接器提供了高速、高带宽的光纤连接，可以有效地切换和传输多个通道的光信号，实现数据的快速传输和连接。
多通道高速光口连接器通常采用多芯光纤的设计，每个通道都有一个独立的光纤芯。这样的设计可以支持同时传输多个通道的光信号，提供更高的数据传输能力。连接器的设计和制造需要特殊的工艺和材料，以确保光信号的稳定传输和连接质量。
多通道高速光口连接器在光纤通信系统中扮演着重要的角色，广泛应用于数据中心、电信网络、计算机网络和广播电视等领域，用于连接光纤设备、传输高速数据、视频和音频信号。
多通道高速光口连接器应具备以下特点：1.高速传输能力，能够支持高速数据传输，满足不断增长的带宽需求。2.低插损和低衰减，连接器应具有低插损和低衰减的特性，以确保光信号的传输质量和稳定性。3.可靠性和稳定性，连接器应具备良好的物理连接性能，能够在长时间使用和恶劣环境条件下保持稳定的连接。4.可重复性和可维护性，连接器应具备良好的可重复性，能够多次插拔而不影响连接质量，并且易于维护和更换。5.故障检测和保护功能，连接器应具备故障检测和保护功能，能够及时发现和处理连接器中的故障，避免数据传输中断或质量下降。
随着信息通信技术的快速发展，多通道高速光口连接器的需求不断增长，对其性能和功能提出了更高的要求。不断的研发和创新将进一步推动多通道高速光口连接器的发展，以满足日益增长的光纤通信需求。
应可以理解，故障检测工作对于多通道高速光口连接器非常重要，其原因在于，故障检测可以及时发现连接器中的故障，例如光信号衰减、断裂等问题，并通过及时修复或更换故障部件，避免数据传输中断或质量下降，确保数据的可靠传输。同时，对于提高传输速率、稳定性和可靠性，从而提升整个光纤通信系统的性能也具有重要意义。
更具体地，故障检测可以及时发现连接器中的故障，例如光信号衰减、断裂、损坏等问题。通过监测连接器的性能指标和运行状态，可以快速检测到故障的发生，并采取相应的措施进行修复。
多通道高速光口连接器承担着传输大量数据的任务，如果连接器存在故障但未及时检测和处理，可能导致数据传输中断。通过故障检测，可以在故障发生时及时采取措施修复，避免数据传输的中断，确保数据的连续传输。
连接器中的故障会导致光信号的衰减、失真或丢失，从而影响数据传输的质量。通过故障检测，可以及时发现连接器中的故障，避免信号质量下降，确保数据的可靠传输。
多通道高速光口连接器是光纤通信系统的关键组成部分，其性能和稳定性直接影响整个系统的性能。通过故障检测，可以及时发现和处理连接器中的故障，提高系统的稳定性和可靠性，保证通信系统的正常运行。
故障检测工作对于多通道高速光口连接器的重要性在于及时发现故障、避免数据传输中断、保证数据传输质量以及提高系统性能和稳定性。通过故障检测，可以及时采取措施修复故障，确保光纤通信系统的正常运行和高质量的数据传输。
现有的故障检测方式主要通过监测光功率和测试信号完整性等，无法全面检测连接器的各种故障模式，并且大多需要人工介入或手动操作，缺乏自主性和自动化能力。
在本发明的一个实施例中，图1为根据本发明实施例的多通道高速光口连接器的框图。如图1所示，根据本发明实施例的多通道高速光口连接器，包括：光纤阵列1，包括多根输入光纤11和多根输出光纤12，其中，每根所述输入光纤11和每根所述输出光纤12形成一个光纤通道；光开关2，用于根据控制信号切换所述光纤通道；控制电路3，用于根据控制指令生成所述控制信号；以及，故障检测控制器4，用于检测多通道高速光口连接器是否存在故障。
在本发明的一个实施例中，所述光纤阵列1包括多根输入光纤11和多根输出光纤12。每根输入光纤11和输出光纤12形成一个光纤通道，光纤通道用于传输光信号，连接器的输入和输出光信号通过光纤通道进行传输。光纤阵列1提供了光纤的插拔接口，使得光信号可以从一个通道传输到另一个通道。
所述光开关2根据控制信号切换光纤通道，可以根据控制指令控制光信号的路由，将输入光纤的信号切换到指定的输出光纤通道，实现光信号的选择性传输和连接。光开关2的切换操作由控制电路生成的控制信号控制。
所述控制电路3根据控制指令生成控制信号，接收来自外部的控制指令，根据指令的内容生成相应的控制信号，控制光开关的工作状态。控制电路3起到控制和调度光开关的作用，使得光信号可以按需切换和传输。
所述故障检测控制器4检测多通道高速光口连接器是否存在故障，可以监测连接器的性能指标和运行状态，例如光信号的强度、衰减、失真等，以及连接器的物理状态，如插拔状态、连接稳定性等。通过故障检测控制器4，可以及时发现连接器中的故障，并采取相应的措施进行修复或报警。
光纤阵列、光开关、控制电路和故障检测控制器是多通道高速光口连接器中的关键元件。它们共同协作，实现光信号的传输、切换和故障检测，确保连接器的正常运行和高质量的数据传输。其中，为了实现所述故障检测控制器的准确识别，本发明的技术构思是通过获取连接器的性能指标，并监测与分析运行过程中的异常模式和故障特征，实现故障的及时检测和预测，以帮助运维人员及时采取措施修复故障，减少连接器的停机时间和影响。
图2为根据本发明实施例的多通道高速光口连接器中所述故障检测控制器的框图，如图2所示，所述故障检测控制器4，包括：数据获取模块110，用于获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；联合分析模块120，用于对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；以及，连接器故障确定模块130，用于基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
其中，在所述数据获取模块110中，确保在预定时间段内获取多个预定时间点的性能指标数据。所述数据获取模块与连接器或其他监测设备进行通信，以获取连接器的性能指标数据，例如光信号强度、衰减、失真等。注意要确保数据的准确性和完整性，以便进行后续的故障检测分析。其中，通过获取多个预定时间点的性能指标数据，可以获得连接器在不同时间段的性能状态，从而更全面地了解连接器的运行情况，有助于发现潜在的故障模式或异常情况，并提供数据基础用于故障检测和分析。
在所述联合分析模块120中，对多个预定时间点的性能指标数据进行联合分析，以得到性能指标上下文语义特征向量。所述联合分析模块应用数据分析和机器学习算法，对性能指标数据进行处理和挖掘，提取出有意义的特征向量。其中，通过联合分析多个时间点的性能指标数据，可以捕捉到连接器性能的动态变化和趋势，有助于识别出与故障相关的特征模式或异常行为，并提供更准确的故障检测和判定依据。
在所述连接器故障确定模块130中，基于性能指标上下文语义特征向量，确定多通道高速光口连接器是否存在故障。所述连接器故障确定模块应用故障诊断算法和规则，对特征向量进行分析和比对，以判断连接器是否发生故障。其中，通过基于性能指标上下文语义特征向量进行故障确定，可以提高故障检测的准确性和可靠性。通过对特征向量的分析，可以识别出与故障相关的模式或异常情况，并及时发出故障报警或采取相应的故障处理措施。
故障检测控制器的各个模块在获取性能指标数据、联合分析数据和确定连接器故障方面起着重要作用。它们通过数据处理和分析，提供了全面的性能状态信息，并能够准确判断连接器是否存在故障，从而实现故障检测和故障处理的目标。
具体地，所述数据获取模块110，用于获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据。
基于此，在本发明的技术方案中，首先，获取多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据，其中，所述性能指标数据包括传输速率、信号强度和延迟。其中，传输速率是指在单位时间内通过连接器传输的数据量。对于光纤通信系统，传输速率通常以比特率（bits per second，bps）来表示，如兆比特每秒（Mbps）或千兆比特每秒（Gbps）。传输速率越高，表示连接器能够更快地传输数据，具备更高的数据处理能力。
信号强度是指光信号的强度或功率水平。在光纤通信中，信号强度通常以光功率（单位为瓦特或分贝毫瓦）来衡量。较高的信号强度表示光信号更强，有利于提高信号的传输质量和抵抗信号衰减。信号强度的监测可以帮助检测连接器是否存在光信号衰减、损耗或其他信号质量问题。
延迟是指信号从输入端口传输到输出端口所需的时间。在光纤通信中，延迟通常以时间单位（如毫秒或微秒）来表示。较低的延迟表示连接器能够更快地传输信号，有助于实现实时性要求高的应用，如视频传输、高频交易等。延迟的监测可以帮助检测连接器是否存在传输延迟过高或不稳定的问题。
这些性能指标数据可以通过使用合适的测试设备和仪器来获取和监测。定期收集和记录这些指标数据可以提供对连接器性能的全面了解，并帮助判断连接器是否存在故障或性能问题。在进行故障检测和故障排除时，这些性能指标数据可以作为重要的参考依据。获取多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据对最后确定连接器是否存在故障起着重要作用，这些性能指标数据可以提供连接器在不同时间点的运行状态和性能表现，从而帮助进行故障检测和判断。
其中，通过对多个时间点的性能指标数据进行比对和分析，可以识别出与故障相关的模式或异常行为。例如，如果在某个时间点出现了性能衰减、信号丢失或失真等异常情况，那么可能表示连接器存在故障。通过获取多个时间点的数据，可以捕捉到这些故障模式的出现频率和持续时间，从而更准确地判断连接器是否存在故障。
通过对多个时间点的性能指标数据进行趋势分析，可以了解连接器性能的动态变化。如果性能指标在连续的时间点上呈现出不断恶化或波动的趋势，那么可能表示连接器存在潜在的故障问题。通过获取多个时间点的数据，可以发现这种趋势并及时采取措施进行故障排查和修复。
获取多个时间点的性能指标数据可以提供更全面的故障判定依据，单个时间点的数据可能受到临时干扰或误差的影响，而通过对多个时间点的数据进行综合分析，可以排除偶发性问题，提高故障判定的准确性和可靠性。多个时间点的数据可以提供更全面的性能状态信息，帮助确定连接器是否存在故障。
获取多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据对最后确定连接器是否存在故障非常重要。这些数据提供了故障模式识别、故障趋势分析和故障判定依据，有助于实现准确的故障检测和故障处理。
具体地，所述联合分析模块120，用于对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量。包括：时空邻域分布特征提取单元，用于提取所述多个预定时间点的性能指标数据之间的时空邻域分布特征以得到性能指标时序关联特征图；以及，感知域增强单元，用于对所述性能指标时序关联特征图进行感知域增强以得到所述性能指标上下文语义特征向量。
在本发明中，首先，从多个预定时间点的性能指标数据中提取时空邻域分布特征，通过提取时空邻域分布特征，可以获得性能指标的时序关联特征图，有助于发现性能指标之间的模式、趋势和异常行为，从而更好地理解连接器的运行状态和性能变化。
然后，通过对时序关联特征图的处理，感知域增强单元可以捕捉到更高层次的语义信息，提取出性能指标的上下文语义特征向量。上下文语义特征向量可以更好地表示连接器的整体性能状态，并为后续的故障判定和分析提供更准确的输入。
时空邻域分布特征提取单元和感知域增强单元可以在多个预定时间点的性能指标数据分析中发挥重要作用。它们通过提取时空关联特征和增强语义信息，提供了更全面、准确的性能指标描述，有助于更好地理解连接器的性能状态、检测故障和进行故障分析。
接着，提取所述多个预定时间点的性能指标数据之间的时空邻域分布特征以得到性能指标时序关联特征图。也就是，考虑到所述多个预定时间点的性能指标数据在相近的时间邻域内具有较高的关联性，通过这样的方式可以更好地捕捉连接器性能在时间和空间上的相关性和变化模式。
在本发明的一个具体示例中，所述时空邻域分布特征提取单元，用于提取所述多个预定时间点的性能指标数据之间的时空邻域分布特征以得到性能指标时序关联特征图的编码过程，包括：先将所述多个预定时间点的性能指标数据按照时间维度和性能指标样本维度排列为时序空间性能指标输入矩阵；随后，将所述时序空间性能指标输入矩阵通过基于卷积神经网络模型的性能指标时序关联特征提取器以得到性能指标时序关联特征图。
通过将性能指标数据排列为时序空间性能指标输入矩阵，可以将时间维度和性能指标样本维度结合起来，形成一个二维的输入结构。这样的输入结构可以更好地保留性能指标数据在时间和空间上的关联性。卷积神经网络（CNN）模型可以有效地从二维输入中提取特征，并具有对图像和序列数据进行关联性学习的能力。
基于卷积神经网络模型的性能指标时序关联特征提取器可以通过卷积层、池化层和其他神经网络层的组合，从时序空间性能指标输入矩阵中提取出时序关联特征图。这些特征图可以捕捉到性能指标之间的时序关系和空间分布情况。通过学习这些特征，可以更好地理解性能指标的演变趋势、周期性变化和异常行为。
性能指标时序关联特征图的生成可以提供对连接器性能的更深入理解，可以帮助发现隐藏在性能指标数据中的模式和趋势，提供更全面的性能分析和故障检测。此外，卷积神经网络模型还可以通过参数共享和局部感知机制来减少模型的参数量，提高计算效率。
换言之，基于卷积神经网络模型的性能指标时序关联特征提取器对于时序空间性能指标输入矩阵的处理可以带来有益的效果，能够提取出时序关联特征图，从而增强对连接器性能的理解和分析能力。
然后，对所述性能指标时序关联特征图进行感知域增强以得到所述性能指标上下文语义特征向量。也就是，虽然提取局部的邻域特征模式可以有效识别该区域内的强关联信息，但是却忽略了长距离依赖下的关联信息，通过感知域增强可以来弥补长距离依赖下的关联信息的缺失。
在本发明的一个具体示例中，所述感知域增强单元，用于：对所述性能指标时序关联特征图进行感知域增强以得到所述性能指标上下文语义特征向量的编码过程，包括：先将所述性能指标时序关联特征图沿通道维度的各个特征矩阵分别展开为特征向量以得到多个性能指标局部关联特征向量；再将所述多个性能指标局部关联特征向量通过基于转换器模块的上下文编码器以得到性能指标上下文语义特征向量。
首先，对于性能指标时序关联特征图中的每个特征矩阵，沿着通道维度将其展开为一个特征向量，这样可以将每个特征矩阵中的局部关联性信息编码为一个特征向量。然后，使用基于转换器模块的上下文编码器来处理多个性能指标局部关联特征向量，以获得性能指标的上下文语义特征向量，转换器模块可以通过自注意力机制和位置编码来捕捉特征向量之间的关联性和上下文信息。
通过这样的编码过程，可以将性能指标时序关联特征图中的局部关联特征向量转化为具有上下文语义的特征向量。每个特征向量都包含了该特征在不同时间点上的局部关联性信息，并考虑了与其他特征向量之间的关联性，这样的特征向量可以更好地表示性能指标的整体状态和语义信息。
所述感知域增强单元可以增强性能指标数据的表达能力，提取更高层次的语义信息，并考虑到特征向量之间的关联性。通过引入上下文信息，可以更好地理解性能指标的整体趋势、变化模式和异常行为。这对于故障识别、分析和决策制定都非常有帮助。
应可以理解，在本发明中，上下文编码器旨在挖掘得到词序列中上下文之间的隐藏模式，可选地，编码器包括：CNN(Convolutional Neural Network，卷积神经网络)、Recursive NN(RecursiveNeural Network，递归神经网络)、语言模型(Language Model)等。基于CNN的方法对于局部特征有比较好的提取效果，但其对于句子中的长程依赖(Long-term Dependency)问题效果欠佳，因此基于Bi-LSTM(Long Short- Term Memory，长短期记忆网络)的编码器被广泛使用。Recursive NN把句子当作树状结构而非序列进行处理，从理论上而言具有更强的表示能力，但其存在样本标注难度大、深层易梯度消失、难以并行计算等弱点，因此在实际应用中使用 较少。Transformer是应用广泛的网络结构了，同时具有CNN和RNN的特性，对于全局特征有较好的提取效果，同时相较于RNN(RecurrentNeuralNetwork，循环神经网络)在并行计算上具有一定优势。
具体地，所述连接器故障确定模块130，用于基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。所述连接器故障确定模块130，包括：特征分布优化单元，用于对所述性能指标上下文语义特征向量进行特征分布优化以得到优化性能指标上下文语义特征向量；以及，分类结果生成单元，用于将所述优化性能指标上下文语义特征向量通过分类器以得到分类结果，所述分类结果用于表示所述多通道高速光口连接器是否存在故障。
通过对特征向量进行归一化、标准化或其他统计方法，可以使得特征向量在不同维度上的分布更加均匀、合理，有助于消除特征之间的偏差，提高特征的可比性和区分度。优化后的特征向量能够更好地反映性能指标的特征，为后续的分类任务提供更准确的信息。
进一步地，分类器可以是各种机器学习算法或深度学习模型，用于对优化特征向量进行分类。分类结果可以表示多通道高速光口连接器是否存在故障，通过对优化特征向量进行分类，可以实现对连接器状态的判断和故障识别。
在本发明中，特征分布优化单元能够提高特征向量的表达能力和区分度，减少特征之间的冗余和偏差，从而提高分类器的性能。分类结果生成单元能够利用优化后的特征向量进行准确的分类，实现对连接器状态的判断和故障识别。这对于实时监测和维护多通道高速光口连接器的性能和可靠性非常有益。
在本发明的一个实施例中，所述特征分布优化单元，包括：级联子单元，用于将所述多个性能指标局部关联特征向量级联以获得级联特征向量；以及，优化子单元，用于通过所述级联特征向量来对所述性能指标上下文语义特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到所述优化性能指标上下文语义特征向量。
在本发明的技术方案中，将所述多个性能指标局部关联特征向量通过基于转换器模块的上下文编码器以得到性能指标上下文语义特征向量时，通过对每个性能指标局部关联特征向量所表达的性能指标数据的时序-样本交叉维度关联特征进行沿所述卷积神经网络模型的通道维度的上下文关联编码，可以提升所述性能指标上下文语义特征向量的特征分布的全局性，但是，这也会使得所述性能指标上下文语义特征向量在一定程度上偏离所述性能指标局部关联特征向量的性能指标数据的时序-样本交叉维度关联特征的原始表达。
基于此，本发明的申请人首先将所述多个性能指标局部关联特征向量级联以获得
级联特征向量，例如记为，并通过具有性能指标数据的时序-样本交叉维度关联特征的
原始表达的级联特征向量来对所述性能指标上下文语义特征向量，例如记为进行
希尔伯特空间启发式序列跟踪均衡化，具体表示为：以如下优化公式通过所述级联特征向
量来对所述性能指标上下文语义特征向量进行希尔伯特空间启发式序列跟踪均衡化以得
到所述优化性能指标上下文语义特征向量；其中，所述优化公式为：
，
，
其中，是所述级联特征向量，/>是所述性能指标上下文语义特征向量，/>是所述性能指标上下文语义特征向量的转置向量，/>是所述优化性能指标上下文语义特征向量，/>表示所述级联特征向量/>和所述性能指标上下文语义特征向量的级联向量的二范数，/>表示所述级联特征向量/>和所述性能指标上下文语义特征向量/>的所有特征值构成的并集集合的均值，且所述级联特征向量/>和所述性能指标上下文语义特征向量/>均为行向量，/>表示按位置点乘，/>表示向量加法，/>是所述级联特征向量中所有位置的特征值的集合，/>是所述性能指标上下文语义特征向量中所有位置的特征值的集合。
这里，利用具有内积的希尔伯特空间的完备内积空间特性，来通过所述级联特征向量和所述性能指标上下文语义特征向量/>的序列聚合的集合性均值（collectiveaverage），探索所述级联特征向量/>和所述性能指标上下文语义特征向量/>在上下文编码关联下的基于序列的空间分布启发式（heuristics），从而将所述性能指标上下文语义特征向量/>的各个局部特征分布转化为融合空间内的序列跟踪实例（tracked instance），以实现序列的特征空间分布的跟踪小片段认知的（tracklet-aware）分布均衡化。这样，就通过所述性能指标上下文语义特征向量相对于所述多个性能指标局部关联特征向量的分布均衡化，实现了所述性能指标上下文语义特征向量对于所述性能指标数据的时序-样本交叉维度关联特征的表达，从而改进了所述性能指标上下文语义特征向量通过分类器得到的分类结果的准确性。
进而，将所述性能指标上下文语义特征向量通过分类器以得到分类结果，所述分类结果用于表示所述多通道高速光口连接器是否存在故障。分类器可以学习和识别不同故障模式对应的特征模式，从而能够准确地检测和识别连接器的故障，有助于及时发现和处理连接器的异常情况，避免进一步的损坏或故障扩散。
通过不断地将性能指标上下文语义特征向量输入分类器进行分类，可以实现对多通道高速光口连接器状态的实时监测。一旦分类结果表明连接器存在故障，可以及时发出预警信号，以便采取相应的维修或替换措施，有助于提高连接器的可靠性和稳定性，减少故障对系统性能的影响。通过分析分类结果，可以了解连接器的故障模式和频率，帮助进行故障分析和维护优化，可以根据不同故障模式的出现情况，制定相应的维护计划和策略，提高连接器的寿命和性能。同时，还可以对故障数据进行统计和分析，为连接器的设计和改进提供参考。
综上，基于本发明实施例的多通道高速光口连接器被阐明，通过获取连接器的性能指标，并监测与分析运行过程中的异常模式和故障特征，实现故障的及时检测和预测，以帮助运维人员及时采取措施修复故障，减少连接器的停机时间和影响。
在本发明的一个实施例中，图3为根据本发明实施例的多通道高速光连接方法的流程图。图4为根据本发明实施例的多通道高速光连接方法架构的示意图。如图3和图4所示，所述多通道高速光连接方法，包括：210，获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；220，对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；以及，230，基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
本领域技术人员可以理解，上述多通道高速光连接方法中的各个步骤的具体操作已经在上面参考图1到图2的多通道高速光口连接器的描述中得到了详细介绍，并因此，将省略其重复描述。
图5为根据本发明实施例的多通道高速光口连接器的应用场景图。如图5所示，在该应用场景中，首先，获取所述多通道高速光口连接器（例如，如图5中所示意的M）在预定时间段内多个预定时间点的性能指标数据（例如，如图5中所示意的C）；然后，将获取的性能指标数据输入至部署有多通道高速光口连接算法的服务器（例如，如图5中所示意的S）中，其中所述服务器能够基于多通道高速光口连接算法对所述性能指标数据进行处理，以确定所述多通道高速光口连接器是否存在故障。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (9)
1.一种多通道高速光口连接器，其特征在于，包括：
光纤阵列，包括多根输入光纤和多根输出光纤，其中，每根所述输入光纤和每根所述输出光纤形成一个光纤通道；
光开关，用于根据控制信号切换所述光纤通道；
控制电路，用于根据控制指令生成所述控制信号；以及
故障检测控制器，用于检测多通道高速光口连接器是否存在故障；
所述故障检测控制器，包括：
数据获取模块，用于获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；
联合分析模块，用于对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；以及
连接器故障确定模块，用于基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
2.根据权利要求1所述的多通道高速光口连接器，其特征在于，所述性能指标数据包括传输速率、信号强度和延迟。
3.根据权利要求2所述的多通道高速光口连接器，其特征在于，所述联合分析模块，包括：
时空邻域分布特征提取单元，用于提取所述多个预定时间点的性能指标数据之间的时空邻域分布特征以得到性能指标时序关联特征图；以及
感知域增强单元，用于对所述性能指标时序关联特征图进行感知域增强以得到所述性能指标上下文语义特征向量。
4.根据权利要求3所述的多通道高速光口连接器，其特征在于，所述时空邻域分布特征提取单元，用于：
将所述多个预定时间点的性能指标数据按照时间维度和性能指标样本维度排列为时序空间性能指标输入矩阵；以及
将所述时序空间性能指标输入矩阵通过基于卷积神经网络模型的性能指标时序关联特征提取器以得到所述性能指标时序关联特征图。
5.根据权利要求4所述的多通道高速光口连接器，其特征在于，所述感知域增强单元，用于：
将所述性能指标时序关联特征图沿通道维度的各个特征矩阵分别展开为特征向量以得到多个性能指标局部关联特征向量；以及
将所述多个性能指标局部关联特征向量通过基于转换器模块的上下文编码器以得到所述性能指标上下文语义特征向量。
6.根据权利要求5所述的多通道高速光口连接器，其特征在于，所述连接器故障确定模块，包括：
特征分布优化单元，用于对所述性能指标上下文语义特征向量进行特征分布优化以得到优化性能指标上下文语义特征向量；以及
分类结果生成单元，用于将所述优化性能指标上下文语义特征向量通过分类器以得到分类结果，所述分类结果用于表示所述多通道高速光口连接器是否存在故障。
7.根据权利要求6所述的多通道高速光口连接器，其特征在于，所述特征分布优化单元，包括：
级联子单元，用于将所述多个性能指标局部关联特征向量级联以获得级联特征向量；
以及，优化子单元，用于通过所述级联特征向量来对所述性能指标上下文语义特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到所述优化性能指标上下文语义特征向量。
8.根据权利要求7所述的多通道高速光口连接器，其特征在于，所述优化子单元，包括：以优化公式通过所述级联特征向量来对所述性能指标上下文语义特征向量进行希尔伯特空间启发式序列跟踪均衡化以得到所述优化性能指标上下文语义特征向量；
其中，所述优化公式为：
，
，
其中，是所述级联特征向量，/>是所述性能指标上下文语义特征向量，/>是所述性能指标上下文语义特征向量的转置向量，/>是所述优化性能指标上下文语义特征向量，/>表示所述级联特征向量/>和所述性能指标上下文语义特征向量/>的级联向量的二范数，/>表示所述级联特征向量/>和所述性能指标上下文语义特征向量/>的所有特征值构成的并集集合的均值，且所述级联特征向量/>和所述性能指标上下文语义特征向量/>均为行向量，/>表示按位置点乘，/>表示向量加法，/>是所述级联特征向量中所有位置的特征值的集合，/>是所述性能指标上下文语义特征向量中所有位置的特征值的集合。
9.一种应用如权利要求1所述的多通道高速光口连接器的多通道高速光连接方法，其特征在于，包括：
获取所述多通道高速光口连接器在预定时间段内多个预定时间点的性能指标数据；
对所述多个预定时间点的性能指标数据进行联合分析以得到性能指标上下文语义特征向量；以及
基于所述性能指标上下文语义特征向量，确定所述多通道高速光口连接器是否存在故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311202079.1A CN116953859A (zh) | 2023-09-18 | 2023-09-18 | 一种多通道高速光口连接器及光连接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311202079.1A CN116953859A (zh) | 2023-09-18 | 2023-09-18 | 一种多通道高速光口连接器及光连接方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116953859A true CN116953859A (zh) | 2023-10-27 |
Family
ID=88442813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311202079.1A Pending CN116953859A (zh) | 2023-09-18 | 2023-09-18 | 一种多通道高速光口连接器及光连接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116953859A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09292309A (ja) * | 1996-04-26 | 1997-11-11 | Anritsu Corp | 光パルス試験装置 |
| CN101252393A (zh) * | 2008-04-01 | 2008-08-27 | 武汉光迅科技股份有限公司 | 一种具有光纤自动切换单元的光缆自动监测系统 |
| CN108259083A (zh) * | 2018-04-11 | 2018-07-06 | 金帆智华（北京）科技有限公司 | 一种对光纤光栅网络故障进行检测的方法 |
| CN111917466A (zh) * | 2020-07-24 | 2020-11-10 | 中山水木光华电子信息科技有限公司 | 一种光纤故障点监控识别系统及方法 |
| CN115913357A (zh) * | 2022-12-01 | 2023-04-04 | 深圳市超维网络有限公司 | 一种用于光纤宽带信息传输监测系统 |
| CN116318384A (zh) * | 2023-03-24 | 2023-06-23 | 深圳市哲菩科技发展有限公司 | 一种光通信网络故障监测系统及方法 |
| CN116726788A (zh) * | 2023-08-10 | 2023-09-12 | 克拉玛依市紫光技术有限公司 | 一种压裂用交联剂的制备方法 |
| CN116760772A (zh) * | 2023-08-21 | 2023-09-15 | 北京中科网芯科技有限公司 | 汇聚分流器的管控系统及其方法 |
-
2023
- 2023-09-18 CN CN202311202079.1A patent/CN116953859A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09292309A (ja) * | 1996-04-26 | 1997-11-11 | Anritsu Corp | 光パルス試験装置 |
| CN101252393A (zh) * | 2008-04-01 | 2008-08-27 | 武汉光迅科技股份有限公司 | 一种具有光纤自动切换单元的光缆自动监测系统 |
| CN108259083A (zh) * | 2018-04-11 | 2018-07-06 | 金帆智华（北京）科技有限公司 | 一种对光纤光栅网络故障进行检测的方法 |
| CN111917466A (zh) * | 2020-07-24 | 2020-11-10 | 中山水木光华电子信息科技有限公司 | 一种光纤故障点监控识别系统及方法 |
| CN115913357A (zh) * | 2022-12-01 | 2023-04-04 | 深圳市超维网络有限公司 | 一种用于光纤宽带信息传输监测系统 |
| CN116318384A (zh) * | 2023-03-24 | 2023-06-23 | 深圳市哲菩科技发展有限公司 | 一种光通信网络故障监测系统及方法 |
| CN116726788A (zh) * | 2023-08-10 | 2023-09-12 | 克拉玛依市紫光技术有限公司 | 一种压裂用交联剂的制备方法 |
| CN116760772A (zh) * | 2023-08-21 | 2023-09-15 | 北京中科网芯科技有限公司 | 汇聚分流器的管控系统及其方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109787979B (zh) | 一种电力网络事件和入侵的检测方法 | |
| CN111460887B (zh) | 一种基于物联网的光缆监测分析系统 | |
| JP2020123951A (ja) | 光モジュールの故障を予測するための方法、装置、およびデバイス | |
| CN116614177B (zh) | 一种光纤状态多维度参量监测系统 | |
| CN116527136A (zh) | 智能光纤网络在线监测系统及方法 | |
| CN111970050A (zh) | 一种基于异常检测的联合监测调制格式和光信噪比的系统 | |
| CN116880402A (zh) | 智慧工厂协同管控系统及其方法 | |
| CN117375237A (zh) | 基于数字孪生技术变电站运维方法及系统 | |
| US11632182B2 (en) | Real-time detection of interfering device | |
| CN117152925B (zh) | 基于大数据的电力通信数据处理系统 | |
| CN117093952B (zh) | 基于电力设备运行状态的智能控制方法及系统 | |
| CN116953859A (zh) | 一种多通道高速光口连接器及光连接方法 | |
| CN116405110B (zh) | 一种多芯光缆故障定位分析设备 | |
| CN116679139A (zh) | 电缆更换监测系统及方法 | |
| CN115080641A (zh) | 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 | |
| Gao et al. | Fault prediction in electric power communication network based on improved DenseNet | |
| CN113837608A (zh) | 一种基于大数据分析的烟草制丝管控及预警平台 | |
| CN203120069U (zh) | 一种视频质量检测装置及系统 | |
| CN117255193B (zh) | 一种5g网络监控器的远程终端状态检测方法及系统 | |
| CN201893880U (zh) | 一种机顶盒的测试系统 | |
| CN104284185A (zh) | 视频图像质量巡检方法及系统 | |
| CN117648237B (zh) | 性能测试过程自动监控方法 | |
| CN118075314B (zh) | 发电企业智能治安安全监控方法及系统 | |
| CN117408537B (zh) | 一种能够实现实时风险预测的电能质量监测系统 | |
| CN112468346B (zh) | 一种基于简单网络管理协议的设备监视及预警可视化系统 |
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 |