CN117376189A - 一种基于工业物联网的服务通信数据处理方法及系统 - Google Patents
一种基于工业物联网的服务通信数据处理方法及系统 Download PDFInfo
- Publication number
- CN117376189A CN117376189A CN202311480037.4A CN202311480037A CN117376189A CN 117376189 A CN117376189 A CN 117376189A CN 202311480037 A CN202311480037 A CN 202311480037A CN 117376189 A CN117376189 A CN 117376189A
- Authority
- CN
- China
- Prior art keywords
- nodes
- data
- things
- industrial internet
- communication
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 101
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000547 structure data Methods 0.000 claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 230000005856 abnormality Effects 0.000 claims abstract description 11
- 238000003062 neural network model Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000009776 industrial production Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- 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
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明涉及物联网技术领域,公开了一种基于工业物联网的服务通信数据处理方法,包括:获取工业物联网数据;基于工业物联网数据进行采样生成序列单元;基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;将图结构数据输入神经网络模型,输出通信节点是否异常的值;本发明能够通过时序和通信节点之间的信息传播关系来发现工业物联网中的通信节点的异常。
Description
技术领域
本发明涉及物联网技术领域,更具体地说,它涉及一种基于工业物联网的服务通信数据处理方法。
背景技术
工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器,以及移动通信、智能分析等技术不断融入到工业生产过程各个环节,从而大幅提高制造效率。与传统的工业网络不同,工业物联网混合组织了有线、无线、移动通信,通信网络更加复杂,通信节点的种类包括传感器、移动终端、基站等,复杂的构造使工业物联网不再像传统的基于总线的网络那样可以通过数据在时序上的异常来发现通信节点的异常。
发明内容
本发明提供了一种基于工业物联网的服务通信数据处理方法,能够通过时序和通信节点之间的信息传播关系来发现工业物联网中的通信节点的异常。
本发明的至少一个实施例中提供了一种基于工业物联网的服务通信数据处理方法,包括以下步骤:
步骤101,获取工业物联网数据;
步骤102,基于工业物联网数据进行采样生成序列单元;
步骤103,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征;
步骤104,将图结构数据输入神经网络模型,神经网络模型包括隐藏层和全连接层,隐藏层的计算公式如下:
H0=X(1)
u(t)=σ(WuG(t)+WuG[H(t-1)]+bu)
r(t)=σ(WrG(t)+WrG[H(t-1)]+br)
C(t)=tanh(WcX(t)+WcG[r(t)⊙H(t-1)]+bc)
H(t)=(1-u(t))⊙C(t)+u(t)⊙H(t-1)
其中X(1)和X(t)分别表示第一个时间步和第t个时间步输入的输入特征矩阵,第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量;表示图结构数据的邻接矩阵与单位矩阵的和,/>表示/>的度矩阵,H0表示初始特征矩阵,H(t)、H(t-1)分别表示第t个和第t-1个时间步的输出特征矩阵;u(t)表示第t个时间步的第一门控矩阵,r(t)表示第t个时间步的第二门控矩阵,⊙表示点积,G[X(t)]、G[H(t-1)]、G[r(t)⊙H(t -1)]分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵,W、Wu、Wr、Wc分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数,bu、br、bc分别表示第一偏置参数、第二偏置参数和第三偏置参数;
全连接层依次输入第N个时间步的输出特征矩阵的行向量,输出对应的通信节点是否异常的值。
进一步地,采样是按照工业物联网数据产生的时间进行采样的,采样的时间间隔相同;
对序列单元按照采样的时间进行排序。
进一步地,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元。
进一步地,全连接层输入输出特征矩阵的第i个行向量,输出的是第i个通信节点是否异常的值,第i个通信节点与图结构数据的第i个节点映射。
进一步地,全连接层输出第一值和第二值,如果第一值大于第二值,则表示通信节点异常,否则表示通信节点不异常。
进一步地,通信节点的异常包括采集数据的功能异常或传输数据的功能异常。
进一步地,通信节点的通信数据首先通过文本协议转换为可解读的文本,然后通过语义编码的方式获得节点的初始特征。
进一步地,第t个图结构数据的来源与第t个序列单元。
本发明的至少一个实施例中提供了一种基于工业物联网的服务通信数据处理系统,包括:
服务器,获取工业物联网数据;
序列生成模块,基于工业物联网数据进行采样生成序列单元。
图结构数据生成模块,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元;
图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征。
判别模块,将图结构数据输入神经网络模型,输出通信节点是否异常的值;
播报模块,其用于将异常的通信节点的ID发送给设备管理人员。
本发明的至少一个实施例中提供一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行前述的一种基于工业物联网的服务通信数据处理方法的步骤
附图说明
图1是本发明的一种基于工业物联网的服务通信数据处理方法的流程图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,可以在不脱离本说明书内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1所示,一种基于工业物联网的服务通信数据处理方法,包括以下步骤:
步骤101,获取工业物联网数据;
服务器可以获取传感器输出的数据。其中,在工业物联网中,传感器可以监测到工业生产线上的物理量,并输出各类参数(例如温度、速度、气体成分等)至与传感器相连接的服务器。
步骤102,基于工业物联网数据进行采样生成序列单元。
采样是按照工业物联网数据产生的时间进行采样的,采样的时间间隔相同;
在本发明的一个实施例中,对序列单元按照采样的时间进行排序。
步骤103,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元。
图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征。
通信节点的通信数据首先通过文本协议转换为可解读的文本,然后通过语义编码的方式获得节点的初始特征。
语义编码的方法可以是独热编码等方法。
步骤104,将图结构数据输入神经网络模型,神经网络模型包括隐藏层和全连接层,隐藏层的计算公式如下:
H0=X(1)
u(t)=σ(WuG(t)+WuG[H(t-1)]+bu)
r(t)=σ(WrG(t)+WrG[H(t-1)]+br)
C(t)=tanh(WcX(t)+WcG[r(t)⊙H(t-1)]+bc)
H(t)=(1-u(t))⊙C(t)+u(t)⊙H(t-1)
其中X(1)和X(t)分别表示第一个时间步和第t个时间步输入的输入特征矩阵,第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量;表示图结构数据的邻接矩阵与单位矩阵的和,/>表示/>的度矩阵,H0表示初始特征矩阵,H(t)、H(t-1)分别表示第t个和第t-1个时间步的输出特征矩阵;u(t)表示第t个时间步的第一门控矩阵,r(t)表示第t个时间步的第二门控矩阵,⊙表示点积,G[X(t)]、G[H(t-1)]、G[r(t)⊙H(t -1)]分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵,W、Wu、Wr、Wc分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数,bu、br、bc分别表示第一偏置参数、第二偏置参数和第三偏置参数。
全连接层依次输入第N个时间步的输出特征矩阵的行向量,输出对应的通信节点是否异常的值;
第t个图结构数据的来源与第t个序列单元。
全连接层输入输出特征矩阵的第i个行向量,输出的是第i个通信节点是否异常的值,第i个通信节点与图结构数据的第i个节点映射。
由于所有图结构数据都来源于同一个工业互联网,因此所有图结构数据中的节点和节点的连接关系都是相同的,仅是初始特征不同。
在本发明的一个实施例中,全连接层输出第一值和第二值,如果第一值大于第二值,则表示通信节点异常,否则表示通信节点不异常。
在本发明的前述实施例中,通信节点的异常包括采集数据的功能异常或传输数据的功能异常。
本发明基于前述的一种基于工业物联网的服务通信数据处理方法,提供一种基于工业物联网的服务通信数据处理系统,包括:
服务器,获取工业物联网数据;
序列生成模块,基于工业物联网数据进行采样生成序列单元。
图结构数据生成模块,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元;
图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征。
判别模块,将图结构数据输入神经网络模型,输出通信节点是否异常的值;
播报模块,其用于将异常的通信节点的ID发送给设备管理人员。
本发明提供一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行前述的一种基于工业物联网的服务通信数据处理方法的步骤。
上面对本实施例的实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内。
Claims (10)
1.一种基于工业物联网的服务通信数据处理方法,其特征在于,包括以下步骤:
步骤101,获取工业物联网数据;
步骤102,基于工业物联网数据进行采样生成序列单元;
步骤103,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征;
步骤104,将图结构数据输入神经网络模型,神经网络模型包括隐藏层和全连接层,隐藏层的计算公式如下:
H0=X(1)
u(t)=σ(WuG(t)+WuG[H(t-1)]+bu)
r(t)=σ(WrG(t)+WrG[H(t-1)]+br)
C(t)=tanh(WcX(t)+WcG[r(t)⊙H(t-1)]+bc)
H(t)=(1-u(t))⊙C(t)+u(t)⊙H(t-1)
其中X(1)和X(t)分别表示第一个时间步和第t个时间步输入的输入特征矩阵,第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量;表示图结构数据的邻接矩阵与单位矩阵的和,/>表示/>的度矩阵,H0表示初始特征矩阵,H(t)、H(t-1)分别表示第t个和第t-1个时间步的输出特征矩阵;u(t)表示第t个时间步的第一门控矩阵,r(t)表示第t个时间步的第二门控矩阵,⊙表示点积,G[X(t)]、G[H(t-1)]、G[r(t)⊙H(t-1)]分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵,W、Wu、Wr、Wc分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数,bu、br、bc分别表示第一偏置参数、第二偏置参数和第三偏置参数;
全连接层依次输入第N个时间步的输出特征矩阵的行向量,输出对应的通信节点是否异常的值。
2.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,采样是按照工业物联网数据产生的时间进行采样的,采样的时间间隔相同;
对序列单元按照采样的时间进行排序。
3.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元。
4.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,全连接层输入输出特征矩阵的第i个行向量,输出的是第i个通信节点是否异常的值,第i个通信节点与图结构数据的第i个节点映射。
5.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,全连接层输出第一值和第二值,如果第一值大于第二值,则表示通信节点异常,否则表示通信节点不异常。
6.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,通信节点的异常包括采集数据的功能异常或传输数据的功能异常。
7.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,通信节点的通信数据首先通过文本协议转换为可解读的文本,然后通过语义编码的方式获得节点的初始特征。
8.根据权利要求1所述的一种基于工业物联网的服务通信数据处理方法,其特征在于,第t个图结构数据的来源与第t个序列单元。
9.一种基于工业物联网的服务通信数据处理系统,其特征在于,其用于执行如权利要求1-8任一所述的一种基于工业物联网的服务通信数据处理方法,包括:
服务器,获取工业物联网数据;
序列生成模块,基于工业物联网数据进行采样生成序列单元;
图结构数据生成模块,基于序列单元生成图结构数据,图结构数据包括节点以及连接节点的边,图结构数据的节点映射于工业物联网中的通信节点,工业物联网中的通信节点,工业物联网中的通信节点包括传感器、以及位于传感器与服务器之间的数据传输链路上的通信单元;
图结构数据中的两个节点之间存在边,表示这两个节点映射的通信节点之间存在数据传输关系;
基于序列单元中的通信节点的通信数据来生成图结构数据中的节点的初始特征;
判别模块,将图结构数据输入神经网络模型,输出通信节点是否异常的值;
播报模块,其用于将异常的通信节点的ID发送给设备管理人员。
10.一种存储介质,其特征在于,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行如权利要求1-8任一所述的一种基于工业物联网的服务通信数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311480037.4A CN117376189A (zh) | 2023-11-08 | 2023-11-08 | 一种基于工业物联网的服务通信数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311480037.4A CN117376189A (zh) | 2023-11-08 | 2023-11-08 | 一种基于工业物联网的服务通信数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117376189A true CN117376189A (zh) | 2024-01-09 |
Family
ID=89390986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311480037.4A Pending CN117376189A (zh) | 2023-11-08 | 2023-11-08 | 一种基于工业物联网的服务通信数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117376189A (zh) |
-
2023
- 2023-11-08 CN CN202311480037.4A patent/CN117376189A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2680636A1 (en) | Reporting method, detection method, device and system for network state | |
CN102821414B (zh) | 基于gui图形交互界面的cwsn通讯数据管理系统和方法 | |
CN105808652A (zh) | 在线客服的实现方法和装置 | |
Zhang et al. | Error probability bounds for balanced binary relay trees | |
Sun et al. | A physarum-inspired algorithm for minimum-cost relay node placement in wireless sensor networks | |
CN112995172A (zh) | 物联网设备和物联网平台之间对接的通信方法及通信系统 | |
CN113325708B (zh) | 基于异构多智能体的多无人机系统的故障估计方法 | |
CN112929452B (zh) | 一种基于物联网边缘网关的消息协同推送方法 | |
CN117376189A (zh) | 一种基于工业物联网的服务通信数据处理方法及系统 | |
Jia et al. | Information-defined networks: A communication network approach for network studies | |
CN105210349A (zh) | 无线通信品质信息处理装置及通信系统 | |
Sasso et al. | Interaction-based distributed learning in cyber-physical and social networks | |
WO2019235161A1 (ja) | データ分析システムおよびデータ分析方法 | |
CN107688878B (zh) | 空气质量预测方法及装置 | |
WO2023041992A1 (en) | Systems and methods for performing root cause analysis | |
Liu et al. | Reliability evaluation for wireless sensor network based on weighted voting system with unreliable links | |
Ibraheem et al. | Internal network monitoring with dnn and network tomography for in-vehicle networks | |
CN116456347B (zh) | 一种终端信息处理方法 | |
Liu et al. | Reliability evaluation for wireless sensor network based on hierarchical weighted voting system | |
Blanchard et al. | Energy and activity monitoring over wireless sensor networks | |
CN109526018A (zh) | 一种具有骨干节点的线性无线传感器网络性能分析方法 | |
CN118074861A (zh) | 一种传输冗余的消除方法、装置、设备及存储介质 | |
CN113360292B (zh) | 消息处理方法、装置、电子设备、存储介质和程序产品 | |
CN117370724B (zh) | 一种数据异常预测模型的生成和更新方法及系统 | |
WO2022105374A1 (zh) | 信息处理方法、模型的生成及训练方法、电子设备和介质 |
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 |