CN117527545A - 车载以太网的异常监控方法、装置、电子设备及存储介质 - Google Patents
车载以太网的异常监控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117527545A CN117527545A CN202311531777.6A CN202311531777A CN117527545A CN 117527545 A CN117527545 A CN 117527545A CN 202311531777 A CN202311531777 A CN 202311531777A CN 117527545 A CN117527545 A CN 117527545A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- monitoring
- port
- switch
- determining
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 234
- 230000005856 abnormality Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 228
- 230000036541 health Effects 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Small-Scale Networks (AREA)
Abstract
本公开提供了一种车载以太网的异常监控方法、装置、电子设备及存储介质,涉及自动驾驶技术领域。具体实施方案为:通过车载以太网接收传感器采集的数据包,并对数据包进行解析;判断解析后数据包是否存在异常数据包;若存在异常数据包,对车载以太网进行全链路异常监控,确定全链路中的异常位置,其中全链路异常监控包括数据链路的异常监控和物理链路的异常监控。由此,本方案通过对传感器采集的数据包进行解析,确定存在的异常数据包,进而对数据链路和物理链路进行异常监控,可以实现快捷有效的异常监控,有助于快速定位异常,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,提升自动驾驶可靠性。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种车载以太网的异常监控方法、装置、电子设备及存储介质。
背景技术
车载以太网在自动驾驶控制器中是一种常用的接口,各类自动驾驶传感器全部采用以太网接口,但目前针对以太网接口常见的故障没有完备的测试方法。
发明内容
本公开提供了一种用于车载以太网的异常监控方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种车载以太网的异常监控方法,包括:通过车载以太网接收传感器采集的数据包,并对所述数据包进行解析;判断解析后数据包是否存在异常数据包;若存在异常数据包,对所述车载以太网进行全链路异常监控,确定全链路中的异常位置,其中所述全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
根据本公开的另一方面,提供了一种车载以太网的异常监控装置,包括:解析模块,用于通过车载以太网接收传感器采集的数据包,并对所述数据包进行解析;判断模块,用于判断解析后数据包是否存在异常数据包;监控模块,用于若存在异常数据包,对所述车载以太网进行全链路异常监控,确定全链路中的异常位置,其中所述全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的车载以太网的异常监控方法。
根据本公开另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序/指令,所述计算机指令用于使所述计算机执行上述一方面实施例所述的车载以太网的异常监控方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的车载以太网的异常监控方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的自动驾驶系统的结构示意图;
图2为本公开实施例提供的一种车载以太网的异常监控方法的流程示意图;
图3为本公开实施例提供的另一种车载以太网的异常监控方法的流程示意图;
图4为本公开实施例提供的另一种车载以太网的异常监控方法的流程示意图;
图5为本公开实施例提供的对交换机进行基础健康评估的的流程示意图;
图6为本公开实施例提供的另一种车载以太网的异常监控方法的流程示意图;
图7为本公开实施例提供的对以太网进行异常监控的流程示意图;
图8为本公开实施例提供的一种车载以太网的异常监控装置的结构示意图;
图9为用来实现本公开实施例的车载以太网的异常监控方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的车载以太网的异常监控方法、装置、电子设备及存储介质。
自动驾驶(Autonomous Driving)是一种基于计算机和传感器技术的先进驾驶系统,旨在使汽车能够在没有人类干预的情况下自主地进行行驶和操作。自动驾驶系统采用先进的通信、计算机、网络和控制技术,对汽车实现实时、连续控制。采用现代通信手段,直接面对汽车,可实现车地间的双向数据通信,传输速率快,信息量大,后续追踪汽车和控制中心可以及时获知前行汽车的确切位置,使得运行管理更加灵活,控制更为有效,更加适应汽车自动驾驶的需求。
图1所示的自动驾驶系统的结构框图。自动驾驶系统100包括:自动驾驶控制器20、第一传感器10、第n传感器30、监控上报单元40和自动驾驶云平台50。其中,自动驾驶控制器20包括:第一以太网端口物理层(Physical,PHY)芯片21,第n以太网PHY芯片22、以太网交换机23、微控制器24、中央计算控制器25。其中,n为大于等于2的自然数。
第一以太网PHY芯片21与以太网交换机23连接,用于传感器数据接入。第n以太网PHY芯片22,其特征在于限定n≥2,(基于自动驾驶控制器的特殊性,至少有2个以太网类型传感器接入)。
以太网交换机23,其特征在于至少包含4个端口,用于连接以太网PHY芯片和内部控制器(包括微控制器24和中央计算控制器25)。
微控制器24,用于监控交换机状态,故障信息上报等。
中央计算控制器25,自动驾驶控制器的核心计算模块,用于接收交换机传输过来的传感器数据,并对传感器数据解析,做数据包间隔和数据包结构的异常监控;
第一传感器10、第n传感器30,用于采集车辆的状态信息、车辆所处环境的信息等,并形成数据包,通过以太网交换机23传输至中央计算控制器25,进行数据解析。
监控上报单元40包含显示屏,可以实时提示故障信息,还包含无线通信模块,把故障信息实时报给自动驾驶云平台50。
图2为本公开实施例提供的一种车载以太网的异常监控方法的流程示意图。
如图2所示,该车载以太网的异常监控方法,可包括:
S201,通过车载以太网接收传感器采集的数据包,并对数据包进行解析。
需要说明的是,本公开实施例中车载以太网的异常监控方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地,执行主体可包括车载终端、车辆控制系统等。本公开实施例不作具体限定。
可以理解的是,车载以太网在自动驾驶车辆中是一种常用的接口,激光雷达、四维成像毫米波雷达、导航设备等传感器几乎全部采用以太网接口,这些传感器可以使用以太网技术进行数据通信。
在一些实现中,传感器通过采集车辆的状态信息、车辆所处环境的信息等,形成数据包,并通过以太网传输至中央计算控制器,进行数据解析,以获取传感器包时间间隔和包格式。
可以理解的是,包时间间隔指的是相邻数据包之间的时间间隔,也就是相邻数据包时间戳的差值。包格式指的是数据包在传输过程中的组织形式,由标准或协议规定。
示例性说明,如图1所示的自动驾驶系统的结构框图,第一传感器10至第n传感器30,通过采集数据信息形成数据包,基于以太网传输至以太网PHY芯片上,与以太网交换机23连接,进而中央计算控制器25可以接收交换机23传输数据包,并对数据包进行解析。
S202,判断解析后数据包是否存在异常数据包。
在一些实现中,通过对数据包进行解析后,可以获取数据包的包时间间隔和包格式,基于包时间间隔和包格式,可以判断是否存在异常数据包。
可选地,可以通过判断包时间间隔是否处于设定范围内,判断是否存在异常数据包。还可以通过判断包格式是否按照协议,也就是说包格式是否与协议一致,判断是否存在异常数据包。
可选地,若包时间间隔未处于设定范围内和/或包格式未按照协议,确定存在异常数据包。若包时间间隔处于设定范围内,且包格式未按照协议,确定不存在异常数据包。
可选地,若不存在异常数据包,表示传感器采集的数据正常,可以结束对车载以太网的全链路异常监控。
S203,若存在异常数据包,对车载以太网进行全链路异常监控,确定全链路中的异常位置,其中全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
在一些实现中,若确定存在异常数据包,可以通过对数据链路和物理链路进行异常监控,实现车载以太网的全链路异常监控。可选地,可以基于交换机的基础健康和交换机端口的流量,对数据链路进行异常监控。可选地,可以基于物理链路的连接状态,对物理链路进行异常监控。
在一些实现中,对数据链路进行异常监控可以包括判断交换机的是否通过基础健康监控,以及判断端口流量是否存在异常,若存在异常,可以确定出现异常的节点,进而确定全链路中的异常位置。
在一些实现中,对物理链路进行异常监控可以包括线束检测流程和信噪比检测流程,通过对线束进行检测和对信噪比进行检测,可以判断物理链路中是否存在异常,存在若存在异常,可以确定出现异常的节点,进而确定全链路中的异常位置。
根据本公开实施例提供的车载以太网的异常监控方法,通过传感器采集的数据包进行解析,并判断是否存在异常数据包,在存在异常数据包的情况下,对数据链路和物理链路进行异常监控,可以确定异常位置,实现快捷有效的异常监控,有助于快速定位异常,通过对以太网进行全链路的异常监控,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,有利于提升自动驾驶可靠性。
图3为本公开实施例提供的一种车载以太网的异常监控方法的流程示意图。
如图3所示,该车载以太网的异常监控方法,可包括:
S301,通过车载以太网接收传感器采集的数据包,并对数据包进行解析。
S302,判断解析后数据包是否存在异常数据包。
步骤S301-S302中的相关内容可参见上述实施例,这里不再赘述。
S303,若存在异常数据包,对数据链路上的交换机进行基础健康监控。
在一些实现中,由于交换机用于连接以太网中的各种设备,对交换机进行基础健康监控,可以及时发现交换机的异常或故障,避免交换机的异常对数据链路的影响。在图1的自动驾驶系统的结构框图中,交换机23与PHY芯片、微控制器24和中央计算控制器25连接,可以用于转发数据包。
可选地,可以通过对交换机的进行监控,获取交换机多个维度上的监控数据,基于监控数据可以确定交换机是否存在异常,若交换机未存在异常,确定交换机通过基础健康监控。
S304,若交换机通过基础健康监控,获取交换机的输入I/输出O端口的流量,并基于I/O端口的流量对数据链路上各传输节点进行异常监控。
在一些实现中,当交换机通过基础健康监控,通过获取交换机输入(Input,I)/输出(Output,O)端口的流量,可以根据流量的大小,判断数据链路上各传输节点是否出现异常,也就是进行异常监控,以判断交换机的数据传输是否出现异常,有助于定位异常。可选地,可以由微控制器获取I/O端口的流量。
可选地,可以通过查询交换机的寄存器获取标准流量范围,并将I/O端口的流量与标准流量范围进行比较,若I/O端口的流量处于标准范围内,确定中央控制器出现解析异常。其中,中央控制器出现解析异常可以包括但不限于:发出包间隔过大或过小故障、包数据格式错误等。
可选地,若流量未处于标准流量范围内,判断I/O端口的输入流量和输出流量是否相等,若输入流量和输出流量不相等,确定异常类型为数据交换异常。若输入流量和输出流量相等,查询流量异常的端口,确定异常类型为传感器输出数据异常。
S305,基于物理层连接状态,对物理链路进行异常监控。
在一些实现中,若流量未处于标准流量范围内,识别I/O端口中是否存在输入流量小于或者等于设定值的第二I/O端口。例如,可以将设定值设置为0,则I/O端口中输入流量小于或者等于0的端口为第二I/O端口。
在一些实现中,若存在第二I/O端口,获取第二I/O端口对应的物理层连接状态,并基于物理层连接状态,对物理链路进行异常监控,可以实现对以太网的全链路进行异常监控,推动了以太网在自动驾驶中的应用。
可选地,可以通过查询第二I/O端口对应PHY芯片的寄存器,获取第二I/O端口对应的物理层连接状态。
可选地,若第二I/O端口的物理层连接状态指示物理链路断连,开启线束检测(Virtual Cable Test,VCT)流程,其中,第二I/O端口为交换机中I/O端口流量异常的端口。
可选地,若第二I/O端口的物理层连接状态指示物理链路未断连,开启物理链路的信噪比(Signal to Interference plus Noise Ratio,SNR)测试流程。进而基于VCT流程或SNR测试流程,对物理链路进行异常监测,进行不同的检测流程,可以确定物理链路上不同方面的问题,使得异常监控更加全面。
在一些实现中,VCT流程可以包括判断终端匹配电阻是否异常和判断PHY芯片使能状态是否异常,可以对线束进行排查,快速鉴别异常故障的位置,以及排查芯片的使能问题。
可选地,可以通过获取终端匹配电阻,并判断终端匹配电阻是否异常,若终端匹配电阻异常,确定异常类型为线束故障。进而可以读取线束故障信息,并基于线束故障信息确定线束的故障类型,有助于针对不同的故障类型,实施相应的解决方法。其中,线束的故障类型可以包括但不限于:双线开路、单线开路、双线间短路、双线短地、双线短电源等。
可选地,可以通过判断终端匹配电阻是否在设定范围内,判断终端匹配电阻是否异常。若终端匹配电阻未在设定范围内,则终端匹配电阻异常。比方,设定范围为60欧姆至500欧姆,若终端匹配电阻为100欧姆,确定终端匹配电阻未异常。
可选地,若终端匹配电阻未异常,获取第二I/O端口对应的PHY芯片的使能状态,并PHY芯片使能状态是否异常判断。若PHY芯片使能状态指示PHY芯片使能异常,确定异常类型为PHY芯片使能异常。若PHY芯片使能未异常,确定异常类型为非线束原因导致的网络物理层失联。
在一些实现中,SNR测试流程可以包括判断SNR的大小和对传感器进行测试,可以检测物理链路的连接健康度,并监控传感器。可选地,可以通过查询第二I/O端口对应PHY芯片的寄存器,获取物理链路的SNR,若物理链路的SNR小于设定阈值,确定异常类型为物理链路的SNR过低。
可选地,若物理链路的SNR大于或者等于设定阈值,则对传感器进行网络连接量(Packet Internet Groper,Ping)测试。若传感器通过Ping测试,确定异常类型为第一传感器异常。若传感器未通过Ping测试,确异常类型为第二传感器异常。
在一些实现中,在检测到以太网的异常类型后,可以生成故障提示信息,在显示屏上显示,并上传至云端,以便对针对不同的故障类型,确定相应的解决方法。例如,可以由图1中的监控上报单元40中的显示屏,实时显示故障提示信息,并上传至自动驾驶云平台50。
根据本公开实施例提供的车载以太网的异常监控方法,通过传感器采集的数据包进行解析,并判断是否存在异常数据包,在存在异常数据包的情况下,对交换机进行基础健康监控,当交换机通过基础健康监控后,获取交换机的I/O端口的流量,并基于I/O端口的流量对数据链路上各传输节点进行异常监控,以及对物理链路进行VCT流程或SNR测试流程,可以以快速排查自动驾驶传感器复杂架构,确定异常位置,实现快捷有效的异常监控,有助于快速定位异常,通过对以太网进行全链路的异常监控,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,有利于提升自动驾驶可靠性。
在上述实施例的基础上。本公开实施例可以对交换机的基础健康监控过程进行解释说明,如图4所示,该交换机的基础健康监控过程,可包括:
S401,获取交换机的监控数据集合,监控数据集合中包括多个维度上的监控数据。
在一些实现中,可以通过对交换机的进行监控,获取交换机多个维度上的监控数据,基于监控数据可以确定交换机是否存在异常,若交换机未存在异常,确定交换机通过基础健康监控。其中,监控数据集合包括供电参数、版本信息、第一I/O端口的连接状态和内部错误标志位的一个或多个。
可选地,可以基于微控制器获取交换机各路供电参数和相关配置的版本信息。其中,供电参数包括供电电流和供电电压。版本信息包括固件版本信息和软件版本信息。其中,固件版本信息指的是在交换机处理器上运行程序的版本信息,软件版本信息指的是对交换进行配置的软件版本信息。
可选地,还可以基于微控制器获取交换机与端口物理层(Physical,PHY)芯片间的第一I/O端口的连接状态和内部错误标志位。其中,内部错位标志位包含一个或多个。
示例性说明,如图1所示的自动驾驶系统的结构框图中,微控制器24与交换机23相连,微控制器24可以对交换机23进行监控,并获取交换机的监控数据集合。
S402,基于监控数据集合对交换机进行基础健康评估,以确定监控数据集合是否存在异常的第一监控数据。
在一些实现中,可以基于监控数据集合中的各项监控数据,对交换机进行基础健康评估,可以及时发现交换机的异常或故障,避免交换机的异常对数据链路的影响。
可选地,可以将供电参数与标准供电参数范围进行比较,以判断交换机的供电是否异常,若交换机的供电异常,则确定供电参数为第一监控数据,并确定交互机的异常类型为供电异常故障。
进一步地,若交换机的供电正常,基于版本信息,判断交换机的相关配置是否异常,若交换机的相关配置异常,则确定版本信息为第一监控数据,并确定交互机的异常类型为配置异常。
进一步地,若交换机的相关配置正常,基于第一I/O端口的连接状态,判断第一端口连接是否异常,若第一端口连接异常,则确定第一I/O端口的连接状态为第一监控数据,并确定交换机的异常类型为连接异常,和/或输出第一端口的端口标识。
进一步地,若第一端口连接正常,基于内部错误标志位,判断交换机内部是否出现基础错误,若交换机内部出现基础错误,确定内部错误标志位为第一监控数据,并确定交换机的异常类型为内部错误。其中,基础错误可以包括但不限于:相位锁定环(Phase-LockedLoop,PLL)异常错误、解串器(SERializer/DESerializer,serdes)错误、内部结温异常等。
在一些实现中,若交换机的供电无异常、相关配置无异常、第一端口连接无异常且交换机内部无错误,确定交换机通过基础健康监控,可以进行后续的数据链路和物理链路的异常监控。
S403,若存在异常的第一监控数据,基于第一监控数据,确定交换机的异常类型。
在一些实现中,可以建立第一监控数据和异常类型的对应关系,不同的第一监控数据对应不同的异常类型。当存在异常的第一监控数据,也就是交换机未通过基础健康监控,可以确定第一监控数据并基于对应关系,确定交换机的异常类型。例如,若第一监控数据为版本信息,可以确定交互机的异常类型为配置异常。若第一监控数据为内部错误标志位,可以确定交换机的异常类型为内部错误。
根据本公开实施例提供的车载以太网的异常监控方法,通过传感器采集的数据包进行解析,并判断是否存在异常数据包,在存在异常数据包的情况下,通过获取交换机的异常监控数据,对交换机进行基础健康监控,当交换机通过基础健康监控后,获取交换机的I/O端口的流量,并基于I/O端口的流量对数据链路上各传输节点进行异常监控,进而对物理链路进行异常监控,可以确定异常位置,实现快捷有效的异常监控,有助于快速定位异常,通过对以太网进行全链路的异常监控,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,有利于提升自动驾驶可靠性。
如图5所示的对交换机进行基础健康评估的流程图,微控制器可以测量交换机的供电电压和供电电流作为供电参数,并将供电参数与标准供电参数范围进行比较,以判断交换机的供电是否异常,若交换机的供电异常,确定交互机的异常类型为供电异常故障。若交换机的供电正常,微控制器可以读取交换机的版本信息,并基于版本信息,判断交换机的相关配置是否异常,若交换机的相关配置异常,确定交互机的异常类型为配置异常。若交换机的相关配置正常,微控制器可以查询交换机与PHY芯片之间的第一I/O端口的连接状态,并基于第一I/O端口的连接状态,判断第一端口连接是否异常,若第一端口连接异常,确定交换机的异常类型为连接异常,和/或输出第一端口的端口标识。若第一端口连接正常,微控制器可以读取交换机基于内部错误标志位,判断交换机内部是否出现基础错误,若交换机内部出现基础错误,确定交换机的异常类型为内部错误。
进一步地,若交换机的供电无异常、相关配置无异常、第一端口连接无异常且交换机内部无错误,确定交换机通过基础健康监控。
图6为本公开实施例提供的一种车载以太网的异常监控方法的流程示意图。
如图6所示,该车载以太网的异常监控方法,可包括:
S601,通过车载以太网接收传感器采集的数据包,并对数据包进行解析。
S602,判断解析后数据包是否存在异常数据包。
S603,若存在异常数据包,对数据链路上的交换机进行基础健康监控。
S604,若交换机通过基础健康监控,获取交换机的输入I/输出O端口的流量。
S605,若I/O端口的流量处于标准范围内,确定中央控制器出现解析异常。
S606,若流量未处于标准流量范围内,判断I/O端口的输入流量和输出流量是否相等,若输入流量和输出流量不相等,确定异常类型为数据交换异常。
S607,识别I/O端口中是否存在输入流量小于或者等于设定值的第二I/O端口。
S608,若存在第二I/O端口,获取第二I/O端口对应的物理层连接状态。
S609,若第二I/O端口的物理层连接状态指示物理链路断连,开启线束检测VCT流程。
S610,获取终端匹配电阻,并判断终端匹配电阻是否异常,若终端匹配电阻异常,确定异常类型为线束故障。
S611,若终端匹配电阻未异常,获取第二I/O端口对应的PHY芯片的使能状态。
S612,若PHY芯片使能状态指示PHY芯片使能异常,确定异常类型为PHY芯片使能异常。
S613,若PHY芯片使能未异常,确定异常类型为非线束原因导致的网络物理层失联。
S614,若第二I/O端口的物理层连接状态指示物理链路未断连,开启物理链路的信噪比SNR测试流程。
S615,获取物理链路的SNR,若物理链路的SNR小于设定阈值,确定异常类型为物理链路的SNR过低。
S616,若物理链路的SNR大于或者等于设定阈值,则对传感器进行网络连接量Ping测试。
S617,若传感器通过Ping测试,确定异常类型为第一传感器异常。
S618,若传感器未通过Ping测试,确异常类型为第二传感器异常。
根据本公开实施例提供的车载以太网的异常监控方法,通过传感器采集的数据包进行解析,并判断是否存在异常数据包,在存在异常数据包的情况下,对交换机进行基础健康监控,当交换机通过基础健康监控后,获取交换机的I/O端口的流量,并基于I/O端口的流量对数据链路上各传输节点进行异常监控,以及对物理链路进行VCT流程或SNR测试流程,可以确定异常位置,实现快捷有效的异常监控,有助于快速定位异常,通过对以太网进行全链路的异常监控,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,有利于提升自动驾驶可靠性。
如图7所示的以太网的异常监控流程图。S701,中央计算控制器解析收到的传感器数据包,获取包时间间隔和包格式。S702,判断是否存在异常数据包,若不存在异常数据包,S703,数据正常,监控结束。若存在异常数据包,S704,开启交换机进行基础健康监控。S705,当交换机通过基础健康监控,S706,微控制器可以获取交换机I/O端口的流量,并将I/O端口的流量与标准流量范围进行比较。S707,当交换机未通过基础健康监控,输出交换机基础故障,输出具体故障名称。S708,若I/O端口的流量处于标准范围内,S710,确定中央控制器出现解析异常,可以输出“网络L3异常”表示中央控制器解析异常。若流量未处于标准流量范围内,S711,判断I/O端口的输入流量和输出流量是否相等。S714,若输入流量和输出流量相等,查询流量异常的端口,确定异常类型为传感器输出数据异常。S713,若输入流量和输出流量不相等,确定异常类型为交换机数据交换异常。
S709,若流量未处于标准流量范围内,识别I/O端口中是否存在输入流量等于0的第二I/O端口。S712,若存在第二I/O端口,通过查询第二I/O端口对应PHY芯片的寄存器,获取第二I/O端口对应的物理层连接状态。S715,判断是否发生物理层链路断链。若第二I/O端口的物理层连接状态指示物理链路断连,S716,开启线束检测(VCT)流程。通过获取终端匹配电阻,S719,判断终端匹配电阻是否异常,若终端匹配电阻异常,S718,确定异常类型为线束故障,可以输出“网络L1.0异常”表示线束故障。若终端匹配电阻未异常,S721,通过查询第二I/O端口对应的PHY芯片的使能状态,S722,判断PHY芯片的使能状态是否异常,若PHY芯片使能状态指示PHY芯片使能异常,S724,确定异常类型为PHY芯片使能异常,可以输出“网络L1.2异常”表示PHY芯片使能异常。若PHY芯片使能未异常,S727,确定异常类型为非线束原因导致的网络物理层失联,可以输出“网络L1.1异常”表示网络物理层失联。
若第二I/O端口的物理层连接状态指示物理链路未断连,S717,开启物理链路的SNR测试流程。获取物理链路的SNR,S720,判断SNR是否大于等于22dB。S722,若物理链路的SNR小于22dB,确定异常类型为物理链路的SNR过低,可以输出“网络L1.4异常”表示SNR过低。若物理链路的SNR大于或者等于22dB,S723,通过中央计算控制器确定Ping传感器,并对传感器进行Ping测试。S726,判断是否可Ping通,若传感器通过Ping测试,S729,确定异常类型为第一传感器异常,可以输出“网络L1.3异常”。若传感器未通过Ping测试,S728,确异常类型为第二传感器异常,可以输出“网络L1.5异常”。
其中,“网络L1.2异常”、“网络L3异常”表示故障提示信息,可以显示显示屏上,并上传至云端,以便对针对不同的故障类型,确定相应的解决方法。
与上述几种实施例提供的车载以太网的异常监控方法相对应,本公开的一个实施例还提供了一种车载以太网的异常监控装置,由于本公开实施例提供的车载以太网的异常监控装置与上述几种实施例提供的车载以太网的异常监控方法相对应,因此上述车载以太网的异常监控方法的实施方式也适用于本公开实施例提供的车载以太网的异常监控装置,在下述实施例中不再详细描述。
图8为本公开实施例提供的一种雷达盲区障碍物的检测装置的结构示意图。
如图8所示,本公开实施例的雷达盲区障碍物的检测装置800,包括解析模块801、判断模块802和监控模块803。
解析模块801,用于通过车载以太网接收传感器采集的数据包,并对所述数据包进行解析。
判断模块802,用于判断解析后数据包是否存在异常数据包。
监控模块803,用于若存在异常数据包,对所述车载以太网进行全链路异常监控,确定全链路中的异常位置,其中所述全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
在本公开的一个实施例中,所述监控模块803,还用于:对所述数据链路上的交换机进行基础健康监控;若所述交换机通过基础健康监控,获取所述交换机的输入I/输出O端口的流量,并基于所述I/O端口的流量对所述数据链路上各传输节点进行异常监控。
在本公开的一个实施例中,所述监控模块803,还用于:获取所述交换机的监控数据集合,所述监控数据集合中包括多个维度上的监控数据;基于所述监控数据集合对所述交换机进行基础健康评估,以确定所述监控数据集合是否存在异常的第一监控数据;若存在异常的所述第一监控数据,基于所述第一监控数据,确定所述交换机的异常类型。
在本公开的一个实施例中,所述监控模块803,还用于:获取所述交换机各路供电参数和相关配置的版本信息;获取所述交换机与端口物理层PHY芯片间的第一I/O端口的连接状态和内部错误标志位;其中,所述监控数据集合包括所述供电参数、所述版本信息、所述第一I/O端口的连接状态和所述内部错误标志位的一个或多个。
在本公开的一个实施例中,所述监控模块803,还用于:将所述供电参数与标准供电参数范围进行比较,以判断所述交换机的供电是否异常,若所述交换机的供电异常,则确定所述供电参数为所述第一监控数据,并确定所述交互机的异常类型为供电异常故障;基于所述版本信息,判断所述交换机的相关配置是否异常,若所述交换机的相关配置异常,则确定所述版本信息为所述第一监控数据,并确定所述交互机的异常类型为配置异常;基于所述第一I/O端口的连接状态,判断所述第一端口连接是否异常,若所述第一端口连接异常,则确定所述第一I/O端口的连接状态为所述第一监控数据,并确定所述交换机的异常类型为连接异常,和/或输出所述第一端口的端口标识;基于所述内部错误标志位,判断所述交换机内部是否出现基础错误,若所述交换机内部出现基础错误,确定所述内部错误标志位为所述第一监控数据,并确定所述交换机的异常类型为内部错误;若所述交换机的供电无异常、所述相关配置无异常、所述第一端口连接无异常且所述交换机内部无错误,确定所述交换机通过基础健康监控。
在本公开的一个实施例中,所述监控模块803,还用于:将所述I/O端口的流量与标准流量范围进行比较,若所述I/O端口的流量处于标准范围内,确定中央控制器出现解析异常;若所述流量未处于标准流量范围内,判断所述I/O端口的输入流量和输出流量是否相等,若所述输入流量和输出流量不相等,确定异常类型为数据交换异常。
在本公开的一个实施例中,所述监控模块803,还用于:若所述流量未处于标准流量范围内,识别所述I/O端口中是否存在输入流量小于或者等于设定值的第二I/O端口;若存在所述第二I/O端口,获取所述第二I/O端口对应的物理层连接状态,并基于所述物理层连接状态,对所述物理链路进行异常监控。
在本公开的一个实施例中,所述监控模块803,还用于:若第二I/O端口的物理层连接状态指示所述物理链路断连,开启线束检测VCT流程,所述第二I/O端口为交换机中I/O端口流量异常的端口;若所述第二I/O端口的物理层连接状态指示所述物理链路未断连,开启所述物理链路的信噪比SNR测试流程;基于所述VCT流程或所述SNR测试流程,对所述物理链路进行异常监测。
在本公开的一个实施例中,所述监控模块803,还用于:获取终端匹配电阻,并判断所述终端匹配电阻是否异常,若所述终端匹配电阻异常,确定所述异常类型为线束故障;若所述终端匹配电阻未异常,获取所述第二I/O端口对应的PHY芯片的使能状态;若所述PHY芯片使能状态指示所述PHY芯片使能异常,确定所述异常类型为所述PHY芯片使能异常;若所述PHY芯片使能未异常,确定所述异常类型为非线束原因导致的网络物理层失联。
在本公开的一个实施例中,所述监控模块803,还用于:读取线束故障信息,并基于所述线束故障信息确定所述线束的故障类型。
在本公开的一个实施例中,所述监控模块803,还用于:获取所述物理链路的SNR,若所述物理链路的SNR小于设定阈值,确定所述异常类型为所述物理链路的SNR过低。
在本公开的一个实施例中,所述监控模块803,还用于:若所述物理链路的SNR大于或者等于所述设定阈值,则对传感器进行网络连接量Ping测试;若所述传感器通过Ping测试,确定所述异常类型为第一传感器异常;若所述传感器未通过Ping测试,确所述异常类型为第二传感器异常。
根据本公开实施例提供的车载以太网的异常监控装置,通过传感器采集的数据包进行解析,并判断是否存在异常数据包,在存在异常数据包的情况下,对数据链路和物理链路进行异常监控,可以确定异常位置,实现快捷有效的异常监控,有助于快速定位异常,通过对以太网进行全链路的异常监控,推动了以太网在自动驾驶中的应用,为自动驾驶提供了较大的基础和保障,有利于提升自动驾驶可靠性。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序/指令或者从存储单元906载到随机访问存储器(RAM)903中的计算机程序/指令,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如信息处理方法。例如,在一些实施例中,信息处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元906些实施例中,计算机程序/指令的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序/指令加载到RAM 903并由计算单元901执行时,可以执行上文描述的信息处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序/指令中,该一个或者多个计算机程序/指令可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序/指令来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种车载以太网的异常监控方法,其中,所述方法包括:
通过车载以太网接收传感器采集的数据包,并对所述数据包进行解析;
判断解析后数据包是否存在异常数据包;
若存在异常数据包,对所述车载以太网进行全链路异常监控,确定全链路中的异常位置,其中所述全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
2.根据权利要求1所述的方法,其中,所述数据链路的异常监控,包括:
对所述数据链路上的交换机进行基础健康监控;
若所述交换机通过基础健康监控,获取所述交换机的输入I/输出O端口的流量,并基于所述I/O端口的流量对所述数据链路上各传输节点进行异常监控。
3.根据权利要求2所述的方法,其中,所述对所述数据链路上的交换机进行基础健康监控,包括:
获取所述交换机的监控数据集合,所述监控数据集合中包括多个维度上的监控数据;
基于所述监控数据集合对所述交换机进行基础健康评估,以确定所述监控数据集合是否存在异常的第一监控数据;
若存在异常的所述第一监控数据,基于所述第一监控数据,确定所述交换机的异常类型。
4.根据权利要求3所述的方法,其中,所述获取所述交换机的监控数据集合,包括:
获取所述交换机各路供电参数和相关配置的版本信息;
获取所述交换机与端口物理层PHY芯片间的第一I/O端口的连接状态和内部错误标志位;
其中,所述监控数据集合包括所述供电参数、所述版本信息、所述第一I/O端口的连接状态和所述内部错误标志位的一个或多个。
5.根据权利要求4所述的方法,其中,所述基于所述监控数据集合对所述交换机进行基础健康评估包括以下操作的至少一种:
将所述供电参数与标准供电参数范围进行比较,以判断所述交换机的供电是否异常,若所述交换机的供电异常,则确定所述供电参数为所述第一监控数据,并确定所述交互机的异常类型为供电异常故障;
基于所述版本信息,判断所述交换机的相关配置是否异常,若所述交换机的相关配置异常,则确定所述版本信息为所述第一监控数据,并确定所述交互机的异常类型为配置异常;
基于所述第一I/O端口的连接状态,判断所述第一端口连接是否异常,若所述第一端口连接异常,则确定所述第一I/O端口的连接状态为所述第一监控数据,并确定所述交换机的异常类型为连接异常,和/或输出所述第一端口的端口标识;
基于所述内部错误标志位,判断所述交换机内部是否出现基础错误,若所述交换机内部出现基础错误,确定所述内部错误标志位为所述第一监控数据,并确定所述交换机的异常类型为内部错误;
若所述交换机的供电无异常、所述相关配置无异常、所述第一端口连接无异常且所述交换机内部无错误,确定所述交换机通过基础健康监控。
6.根据权利要求2-5中任一项所述的方法,其中,所述基于所述I/O端口的流量对所述数据链路上各传输节点进行异常监控,包括:
将所述I/O端口的流量与标准流量范围进行比较,若所述I/O端口的流量处于标准范围内,确定中央控制器出现解析异常;
若所述流量未处于标准流量范围内,判断所述I/O端口的输入流量和输出流量是否相等,若所述输入流量和输出流量不相等,确定异常类型为数据交换异常。
7.根据权利要求6所述的方法,其中,所述方法还包括:
若所述流量未处于标准流量范围内,识别所述I/O端口中是否存在输入流量小于或者等于设定值的第二I/O端口;
若存在所述第二I/O端口,获取所述第二I/O端口对应的物理层连接状态,并基于所述物理层连接状态,对所述物理链路进行异常监控。
8.根据权利要求1-7中任一项所述的方法,其中,所述物理链路的异常监控,包括:
若第二I/O端口的物理层连接状态指示所述物理链路断连,开启线束检测VCT流程,所述第二I/O端口为交换机中I/O端口流量异常的端口;
若所述第二I/O端口的物理层连接状态指示所述物理链路未断连,开启所述物理链路的信噪比SNR测试流程;
基于所述VCT流程或所述SNR测试流程,对所述物理链路进行异常监测。
9.根据权利要求8所述的方法,其中,所述VCT流程,包括:
获取终端匹配电阻,并判断所述终端匹配电阻是否异常,若所述终端匹配电阻异常,确定所述异常类型为线束故障;
若所述终端匹配电阻未异常,获取所述第二I/O端口对应的PHY芯片的使能状态;
若所述PHY芯片使能状态指示所述PHY芯片使能异常,确定所述异常类型为所述PHY芯片使能异常;
若所述PHY芯片使能未异常,确定所述异常类型为非线束原因导致的网络物理层失联。
10.根据权利要求9所述的方法,其中,所述确定所述异常类型为线束故障之后,还包括:
读取线束故障信息,并基于所述线束故障信息确定所述线束的故障类型。
11.根据权利要求8所述的方法,其中,所述SNR测试流程,包括:
获取所述物理链路的SNR,若所述物理链路的SNR小于设定阈值,确定所述异常类型为所述物理链路的SNR过低。
12.根据权利要求11所述的方法,其中,所述方法还包括:
若所述物理链路的SNR大于或者等于所述设定阈值,则对传感器进行网络连接量Ping测试;
若所述传感器通过Ping测试,确定所述异常类型为第一传感器异常;
若所述传感器未通过Ping测试,确所述异常类型为第二传感器异常。
13.一种车载以太网的异常监控装置,其中,所述装置包括:
解析模块,用于通过车载以太网接收传感器采集的数据包,并对所述数据包进行解析;
判断模块,用于判断解析后数据包是否存在异常数据包;
监控模块,用于若存在异常数据包,对所述车载以太网进行全链路异常监控,确定全链路中的异常位置,其中所述全链路异常监控包括数据链路的异常监控和物理链路的异常监控。
14.根据权利要求13所述的装置,其中,所述监控模块,还用于:
对所述数据链路上的交换机进行基础健康监控;
若所述交换机通过基础健康监控,获取所述交换机的输入I/输出O端口的流量,并基于所述I/O端口的流量对所述数据链路上各传输节点进行异常监控。
15.根据权利要求14所述的装置,其中,所述监控模块,还用于:
获取所述交换机的监控数据集合,所述监控数据集合中包括多个维度上的监控数据;
基于所述监控数据集合对所述交换机进行基础健康评估,以确定所述监控数据集合是否存在异常的第一监控数据;
若存在异常的所述第一监控数据,基于所述第一监控数据,确定所述交换机的异常类型。
16.根据权利要求15所述的装置,其中,所述监控模块,还用于:
获取所述交换机各路供电参数和相关配置的版本信息;
获取所述交换机与端口物理层PHY芯片间的第一I/O端口的连接状态和内部错误标志位;
其中,所述监控数据集合包括所述供电参数、所述版本信息、所述第一I/O端口的连接状态和所述内部错误标志位的一个或多个。
17.根据权利要求16所述的装置,其中,所述监控模块,还用于:
将所述供电参数与标准供电参数范围进行比较,以判断所述交换机的供电是否异常,若所述交换机的供电异常,则确定所述供电参数为所述第一监控数据,并确定所述交互机的异常类型为供电异常故障;
基于所述版本信息,判断所述交换机的相关配置是否异常,若所述交换机的相关配置异常,则确定所述版本信息为所述第一监控数据,并确定所述交互机的异常类型为配置异常;
基于所述第一I/O端口的连接状态,判断所述第一端口连接是否异常,若所述第一端口连接异常,则确定所述第一I/O端口的连接状态为所述第一监控数据,并确定所述交换机的异常类型为连接异常,和/或输出所述第一端口的端口标识;
基于所述内部错误标志位,判断所述交换机内部是否出现基础错误,若所述交换机内部出现基础错误,确定所述内部错误标志位为所述第一监控数据,并确定所述交换机的异常类型为内部错误;
若所述交换机的供电无异常、所述相关配置无异常、所述第一端口连接无异常且所述交换机内部无错误,确定所述交换机通过基础健康监控。
18.根据权利要求14-17中任一项所述的装置,其中,所述监控模块,还用于:
将所述I/O端口的流量与标准流量范围进行比较,若所述I/O端口的流量处于标准范围内,确定中央控制器出现解析异常;
若所述流量未处于标准流量范围内,判断所述I/O端口的输入流量和输出流量是否相等,若所述输入流量和输出流量不相等,确定异常类型为数据交换异常。
19.根据权利要求18所述的装置,其中,所述监控模块,还用于:
若所述流量未处于标准流量范围内,识别所述I/O端口中是否存在输入流量小于或者等于设定值的第二I/O端口;
若存在所述第二I/O端口,获取所述第二I/O端口对应的物理层连接状态,并基于所述物理层连接状态,对所述物理链路进行异常监控。
20.根据权利要求13-19中任一项所述的装置,其中,所述监控模块,还用于:
若第二I/O端口的物理层连接状态指示所述物理链路断连,开启线束检测VCT流程,所述第二I/O端口为交换机中I/O端口流量异常的端口;
若所述第二I/O端口的物理层连接状态指示所述物理链路未断连,开启所述物理链路的信噪比SNR测试流程;
基于所述VCT流程或所述SNR测试流程,对所述物理链路进行异常监测。
21.根据权利要求20所述的装置,其中,所述监控模块,还用于:
获取终端匹配电阻,并判断所述终端匹配电阻是否异常,若所述终端匹配电阻异常,确定所述异常类型为线束故障;
若所述终端匹配电阻未异常,获取所述第二I/O端口对应的PHY芯片的使能状态;
若所述PHY芯片使能状态指示所述PHY芯片使能异常,确定所述异常类型为所述PHY芯片使能异常;
若所述PHY芯片使能未异常,确定所述异常类型为非线束原因导致的网络物理层失联。
22.根据权利要求21所述的装置,其中,所述监控模块,还用于:
读取线束故障信息,并基于所述线束故障信息确定所述线束的故障类型。
23.根据权利要求20所述的装置,其中,所述监控模块,还用于:
获取所述物理链路的SNR,若所述物理链路的SNR小于设定阈值,确定所述异常类型为所述物理链路的SNR过低。
24.根据权利要求23所述的装置,其中,所述监控模块,还用于:
若所述物理链路的SNR大于或者等于所述设定阈值,则对传感器进行网络连接量Ping测试;
若所述传感器通过Ping测试,确定所述异常类型为第一传感器异常;
若所述传感器未通过Ping测试,确所述异常类型为第二传感器异常。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-12中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531777.6A CN117527545A (zh) | 2023-11-16 | 2023-11-16 | 车载以太网的异常监控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531777.6A CN117527545A (zh) | 2023-11-16 | 2023-11-16 | 车载以太网的异常监控方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117527545A true CN117527545A (zh) | 2024-02-06 |
Family
ID=89762167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531777.6A Pending CN117527545A (zh) | 2023-11-16 | 2023-11-16 | 车载以太网的异常监控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117527545A (zh) |
-
2023
- 2023-11-16 CN CN202311531777.6A patent/CN117527545A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3803823B1 (en) | Testing of a network of hazard warning devices | |
CN107959599B (zh) | 一种Bus_Off故障测试系统及测试方法 | |
CN111507363A (zh) | 预测光模块故障的方法、装置和设备 | |
CN110611531B (zh) | 一种光模块故障诊断和预警的方法、装置以及系统 | |
US20170187585A1 (en) | Technologies for validating operations of devices | |
CN115469629A (zh) | 远程诊断方法、装置、系统、电子设备和存储介质 | |
CN111106990B (zh) | 一种水下多通道信号采集传输阵列系统环路的自诊断方法 | |
US20230353446A1 (en) | In-vehicle device, management device, deterioration determination method, change factor discrimination method, abnormality factor discrimination method, and storage medium | |
CN107509214A (zh) | 一种多射频链路无线路由器及故障诊断方法 | |
CN117527545A (zh) | 车载以太网的异常监控方法、装置、电子设备及存储介质 | |
CN115914327B (zh) | 一种控制方法、装置、设备及存储介质 | |
CN117169651A (zh) | 一种电缆故障确定方法、装置、电子设备及存储介质 | |
US20130325203A1 (en) | Methods and systems for monitoring a vehicle for faults | |
CN113810238A (zh) | 网络监测方法、电子设备及存储介质 | |
CN115118357A (zh) | 一种收发组件故障检测方法、装置及存储介质 | |
CN114665987A (zh) | 一种基于人工智能的天线健康管理系统 | |
CN110531646B (zh) | 基于fpga的功率组件系统故障数据采集方法及系统 | |
CN112825501A (zh) | 信号劣化处理方法、装置及系统 | |
CN112414475A (zh) | 一种变电站电容瓶的检测装置、方法、电子设备及介质 | |
CN114710389B (zh) | 信息处理方法和信息处理装置 | |
CN114844807B (zh) | 系统检测方法、装置、设备、存储介质、车辆和云控平台 | |
US9311210B1 (en) | Methods and apparatus for fault detection | |
CN113630284B (zh) | 一种消息中间件的监控方法、装置及设备 | |
CN114679373B (zh) | 航电系统故障预测方法、装置、计算机设备和介质 | |
CN108648298A (zh) | 消息处理方法及装置、存储介质、电子设备 |
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 |