CN117649222A - 基于运维平台的设备智能预警系统 - Google Patents
基于运维平台的设备智能预警系统 Download PDFInfo
- Publication number
- CN117649222A CN117649222A CN202311689085.4A CN202311689085A CN117649222A CN 117649222 A CN117649222 A CN 117649222A CN 202311689085 A CN202311689085 A CN 202311689085A CN 117649222 A CN117649222 A CN 117649222A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- maintenance task
- module
- tasks
- task allocation
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 454
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 51
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据分析技术领域，具体为一种基于运维平台的设备智能预警系统，包括：服务器和终端，服务器进行运维分析，生成运维任务并根据运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，通过终端进行显示；终端，获取运维任务选择信号、运维任务完成信号和运维任务更新信号，并发送给服务器；服务器接收运维任务选择信号，并根据运维任务选择信号删除对应的运维任务，以及更新运维人员工作信息；接收运维任务完成信号，并根据运维任务完成信号更新运维人员工作信息；接收运维任务更新信号，根据运维任务再次生成最优的运维任务分配方案。本方案能实时进行运维任务的最优分配，以提高运维效率，降低故障影响。
Description
技术领域
本发明涉及大数据分析技术领域，具体为一种基于运维平台的设备智能预警系统。
背景技术
随着交通设备的复杂性和多样性不断增加，设备的故障预警和运维管理变得越来越重要。传统的设备运维管理方式通常依赖于人工巡检和故障报修，这种方式不仅效率低下，而且难以保证设备的实时监控和预警，因此，研究人员通过设置各种传感器和监测设备对交通设备进行监测形成运维平台，进行设备的智能监管和预警，并生成对应的运维任务，分配给运维人员；但是传统的运维任务分配，只是根据运维任务和运维人员进行简单的分配，没有进一步的利用运维平台海量的数据，进行最优运维任务分配，影响运维效率，严重时甚至影响交通。
因此现在急需一种基于运维平台的设备智能预警系统，能实时进行运维任务的最优分配，以提高运维效率，降低故障影响。
发明内容
本发明意在提供一种基于运维平台的设备智能预警系统，能实时进行运维任务的最优分配，以提高运维效率，降低故障影响。
本发明提供如下基础方案：基于运维平台的设备智能预警系统，包括：服务器和终端；服务器与终端连接；
服务器，包括：数据采集模块、数据分析模块、存储模块、运维任务分配模块和中控模块；
其中数据采集模块、数据分析模块、存储模块和运维任务分配模块均与中控模块连接；
数据采集模块、数据分析模块和运维任务分配模块均与存储模块连接；
数据采集模块，与运维平台连接，用于实时获取运维平台连接的设备的运行数据，并将运行数据传送给存储模块；
还用于实时获取通过终端上传的运维人员工作信息，并发送给存储模块；
数据分析模块，用于根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务；
存储模块，用于存储运行数据、运维任务和运维人员工作信息；
运维任务分配模块，用于根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端；
终端，用于接收并显示运维任务分配方案；
还用于获取运维任务选择信号、运维任务完成信号和运维任务更新信号，并发送给中控模块；
中控模块，用于接收运维任务选择信号，并根据运维任务选择信号删除存储模块中对应的运维任务，以及更新运维人员工作信息；
还用于接收运维任务完成信号，并根据运维任务完成信号更新运维人员工作信息；
还用于接收运维任务更新信号，根据存储模块中的运维任务触发运维任务分配模块再次生成最优的运维任务分配方案。
进一步，所述数据分析模块，用于根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务，包括：采用神经网络模型，根据运行数据，分析设备是否发生故障，若是，则分析故障原因；
根据预设的不同的故障设备、故障设备位置信息和故障原因对应的等级分值，查询当前故障对应的各等级分值，再进行加权求和，获取总等级分值；
根据预设的总等级分值对应的故障等级，查询当前故障对应的故障等级。
进一步，所述运维任务，包括：故障设备、故障设备位置信息、故障原因和故障等级。
进一步，所述存储模块，包括：第一存储子模块和第二存储子模块；
第一存储子模块，用于存储运行数据、运维任务和运维人员工作信息；
第二存储子模块，用于根据故障等级由高到低的存储运维任务。
进一步，所述运维人员工作信息，包括：运维人员的位置信息和工作状态信息；
工作状态信息，包括：工作、休息和离职；其中工作，包括：待接收运维任务、已接收运维任务和完成运维任务。
进一步，所述运维任务分配模块，用于根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端，包括：
S1、获取运维任务和运维人员工作信息，并根据运维任务和运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；
S2、根据预设目标，构建适应度函数；
S3、将初始运维任务分配方案集合作为初始族群，根据适应度函数进行迭代优化，获取最优的运维任务分配方案，并推送给对应运维人员的终端。
进一步，所述S1，包括：
获取第二存储子模块中的运维任务和第一存储子模块中的运维人员工作信息；
根据运维任务和工作状态信息为待接收运维任务和完成运维任务的运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；其中运维任务分配方案，单个方案的长度为运维任务总数K和工作状态信息为待接收运维任务和完成运维任务的运维人员总数N之和；其中前K位为运维任务，后N位为每位运维人员对应的运维任务个数。
进一步，所述预设目标为对规划的运维任务分配方案的评估方向，包括：运维任务分配后所有运维人员进行运维任务需要的路程时间和运维任务分配中故障等级排序的合理程度。
进一步，所述适应度函数，包括：时间适应度函数、路程适应度函数和合理性适应度函数；
时间适应度函数用于表征对各运维任务分配方案使运维人员在进行运维任务时需要行驶的路程花费的时间：
其中ti表示运维任务分配方案中第i个运维人员进行分配的运维任务所需要行驶的路程花费的时间，其中DK+i表示运维任务分配方案D找中第K+i个基因，即运维任务分配方案中第i个运维人员所要执行的运维任务的个数，tim表示运维任务分配方案中第i个运维人员达到其第m个运维任务所需的时间；
合理性适应度函数用于表征各运维任务分配方案中运维任务的排序合理性：
其中ri表示运维任务分配方案中第i个运维人员被分配的运维任务的合理性评估函数；
其中P(Dj)表示运维任务分配方案中第j个运维任务的故障等级。
进一步，所述S3，包括：
根据适应度函数，计算各个运维任务分配方案的适应度函数值，并根据两个适应度函数值分别对初始运维任务分配方案集合中的运维任务分配方案进行适应度函数值的排序，获取两个初始种群的排序集合，其中排序顺序为由高到低；
根据适应度函数值，采用轮盘赌算法，分别从两个排序集合中选取若干运维任务分配方案，形成两个不同方向的族群，族群中被选中的概率与适应度函数值成正比；
将两个族群，根据两个适应度函数分别进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数；
将两个族群组合到一起，对两个适应度函数进行加权求和得到综合适应度，根据综合适应度进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数后得到将综合适应度最大的个体方案作为最优的运维任务分配方案。
本方案的有益效果：本系统与运维平台连接，具体地，服务器的数据采集模块，与运维平台连接，用于实时获取运维平台连接的设备的运行数据，并将运行数据传送给存储模块，从而获取到海量的运行数据，以便后续对运行数据进行分析利用；且数据采集模块还用于实时获取通过终端上传的运维人员工作信息，并发送给存储模块；
数据分析模块可以根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务，从而通过实时获取的运行数据，及时的生成运维任务；运维任务分配模块根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端；
运维人员通过其对应的接收运维任务分配方案，且每一个(队)运维人员在其对应的终端上，显示的运维任务分配方案是分配给他的运维任务，并有对应的排序，运维人员选择第一个运维任务，进行运维工作，即终端，还用于获取运维任务选择信号，并发送给中控模块；
中控模块，用于接收运维任务选择信号，并根据运维任务选择信号删除存储模块中对应的运维任务，以及更新运维人员工作信息；还用于接收运维任务完成信号，并根据运维任务完成信号更新运维人员工作信息，从而保障运维人员工作信息的实时更新；
运维人员完成运维任务后，通过终端输入运维任务完成信号，终端还用于获取运维任务完成信号，并发送给中控模块；同时，因为第二存储子模块中的运维任务会随着运维人员的工作减少，也可能出现新的故障，产生新的运维任务，并且运维人员进行运维任务时，工作效率不同，工作进度无法准确评估，造成最开始生成的运维任务分配方案在当时可能是最优方案，但是随着时间推移，并非最优方案，因此运维人员可以通过终端输入运维任务更新信号，终端还用于获取运维任务更新信号，并转发给中控模块；
中控模块还用于接收运维任务更新信号，根据存储模块中的运维任务触发运维任务分配模块，从而针对当前情况，生成当前最优方案，使得云纹人员能获取当前最优的运维任务分配方案，提高运维效率，降低故障影响。
此外，本方案中设置了时间适应度函数和合理性适应度函数，分别用于表征对各运维任务分配方案使运维人员在进行运维任务时需要行驶的路程花费的时间，和各运维任务分配方案中运维任务的排序合理性，即故障等级越高的运维任务应该被先处理；根据运维任务和工作状态信息为待接收运维任务和完成运维任务的运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合，并进行对应适应度函数的优化，从而双方向进行优化，以及优化后的个体方案进行评价，且优化过程中先进行双方向优化，通过两个不同的适应度函数分别进行族群演进迭代，确保了各个方向最优解的保留，增强全局性，避免优化过程陷入局部最优，优化后的族群融合，再根据综合适应度进行个体选择、交叉和变异，并综合迭代预设次数以获取最优的个体方案。
综上所述，本方案能实时进行运维任务的最优分配，以提高运维效率，降低故障影响。
附图说明
图1为本发明基于运维平台的设备智能预警系统实施例的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例基本如附图1所示：基于运维平台的设备智能预警系统，包括：服务器和终端；其中服务器与终端连接；
服务器，包括：数据采集模块、数据分析模块、存储模块、运维任务分配模块和中控模块；
其中数据采集模块、数据分析模块、存储模块和运维任务分配模块均与中控模块连接；
数据采集模块、数据分析模块和运维任务分配模块均与存储模块连接；
数据采集模块，与运维平台连接，用于实时获取运维平台连接的设备的运行数据，并将运行数据传送给存储模块；
还用于实时获取通过终端上传的运维人员工作信息，并发送给存储模块；
数据分析模块，用于根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务；其中运维任务，包括：故障设备、故障设备位置信息、故障原因和故障等级；
具体地，采用神经网络模型，根据运行数据，分析设备是否发生故障，若是，则分析故障原因；
根据预设的不同的故障设备、故障设备位置信息和故障原因对应的等级分值，查询当前故障对应的各等级分值，再进行加权求和，获取总等级分值；
根据预设的总等级分值对应的故障等级，查询当前故障对应的故障等级；
存储模块，用于存储运行数据、运维任务和运维人员工作信息；
具体地，存储模块，包括：第一存储子模块和第二存储子模块；
其中第一存储子模块，用于存储运行数据、运维任务和运维人员工作信息；作为可溯源备份；
第二存储子模块，用于根据故障等级由高到低的存储运维任务，且可进行删除修改；
其中运维人员工作信息，包括：运维人员的位置信息和工作状态信息；
工作状态信息，包括：工作、休息和离职；其中工作又包括：待接收运维任务、已接收运维任务和完成运维任务；
运维任务分配模块，用于根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端；
S1、获取运维任务和运维人员工作信息，并根据运维任务和运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；
S2、根据预设目标，构建适应度函数；
S3、将初始运维任务分配方案集合作为初始族群，根据适应度函数进行迭代优化，获取最优的运维任务分配方案，并推送给对应运维人员的终端；
具体地，S1包括：
获取第二存储子模块中的运维任务和第一存储子模块中的运维人员工作信息；
根据运维任务和工作状态信息为待接收运维任务和完成运维任务的运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；
其中运维任务分配方案，单个方案的长度为运维任务总数K和工作状态信息为待接收运维任务和完成运维任务的运维人员总数N之和；其中前K位为运维任务，后N位为每位运维人员对应的运维任务个数，例如单个方案为(5，4,3,2，1,2,2,1)，K＝5，N＝3，则该运维任务分配方案表示，第一位运维人员可接收的运维任务为5和4，第二位运维人员可接收的运维任务为3和2，第三位运维人员可接收的运维任务为1；
S2包括：
预设目标为对规划的运维任务分配方案的评估方向，包括：运维任务分配后所有运维人员进行运维任务需要的路程时间和运维任务分配中故障等级排序的合理程度；
因此，对应设置适应度函数，包括：时间适应度函数和合理性适应度函数；
时间适应度函数用于表征对各运维任务分配方案使运维人员在进行运维任务时需要行驶的路程花费的时间，具体如下：
其中ti表示运维任务分配方案中第i个运维人员进行分配的运维任务所需要行驶的路程花费的时间，其中DK+i表示运维任务分配方案D找中第K+i个基因，即运维任务分配方案中第i个运维人员所要执行的运维任务的个数，tim表示运维任务分配方案中第i个运维人员达到其第m个运维任务所需的时间；
合理性适应度函数用于表征各运维任务分配方案中运维任务的排序合理性，即故障等级越高的运维任务应该被先处理，其排序应该在故障等级低于它的运维任务之前，具体如下：
其中ri表示运维任务分配方案中第i个运维人员被分配的运维任务的合理性评估函数
其中P(Dj)表示运维任务分配方案中第j个运维任务的故障等级。
S3包括：根据适应度函数，计算各个运维任务分配方案的适应度函数值，并根据两个适应度函数值分别对初始运维任务分配方案集合中的运维任务分配方案进行适应度函数值的排序，获取两个初始种群的排序集合，其中排序顺序为由高到低；
根据适应度函数值，采用轮盘赌算法，分别从两个排序集合中选取若干运维任务分配方案，形成两个不同方向的族群，族群中被选中的概率与适应度函数值成正比；
将两个族群，根据两个适应度函数分别进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数；
将两个族群组合到一起，对两个适应度函数进行加权求和得到综合适应度，根据综合适应度进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数后得到将综合适应度最大的个体方案作为最优的运维任务分配方案。
终端，用于接收并显示运维任务分配方案；本实施例中终端采用手机，运维人员通过手机接收运维任务分配方案，且每一个(队)运维人员在其对应的终端上，显示的运维任务分配方案是分配给他的运维任务，并有对应的排序，运维人员选择第一个运维任务，进行运维工作，即终端，还用于获取运维任务选择信号，并发送给中控模块；
运维人员完成运维任务后，通过终端输入运维任务完成信号，终端还用于获取运维任务完成信号，并发送给中控模块；
同时，因为第二存储子模块中的运维任务会随着运维人员的工作减少，也可能出现新的故障，产生新的运维任务，并且运维人员进行运维任务时，工作效率不同，工作进度无法准确评估，造成最开始生成的运维任务分配方案在当时可能是最优方案，但是随着时间推移，并非最优方案，因此运维人员可以通过终端输入运维任务更新信号，终端还用于获取运维任务更新信号，并转发给中控模块；
中控模块，用于接收运维任务选择信号，并根据运维任务选择信号删除存储模块中对应的运维任务，以及更新运维人员工作信息；具体地，删除第二存储子模块中的运维任务，从而被删除的运维任务不会参加下一次运维任务分配方案的生成，因为任一运维人员接收一个运维任务后，该任务就有人处理，无需再分配了；
还用于接收运维任务完成信号，并根据运维任务完成信号更新运维人员工作信息；具体地，接收到接收运维任务选择信号，则将对应的运维人员工作信息由待接收运维任务或完成运维任务更新为已接收运维任务，接收到运维任务完成信号，则将运维人员工作信息由已接收运维任务更新为完成运维任务；
还用于接收运维任务更新信号，根据存储模块中的运维任务触发运维任务分配模块，从而针对当前情况，生成当前最优方案。
本方案能实时进行运维任务的最优分配，以提高运维效率，降低故障影响。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于运维平台的设备智能预警系统，包括：服务器和终端；服务器与终端连接，其特征在于，服务器，包括：数据采集模块、数据分析模块、存储模块、运维任务分配模块和中控模块；
其中数据采集模块、数据分析模块、存储模块和运维任务分配模块均与中控模块连接；
数据采集模块、数据分析模块和运维任务分配模块均与存储模块连接；
数据采集模块，与运维平台连接，用于实时获取运维平台连接的设备的运行数据，并将运行数据传送给存储模块；
还用于实时获取通过终端上传的运维人员工作信息，并发送给存储模块；
数据分析模块，用于根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务；
存储模块，用于存储运行数据、运维任务和运维人员工作信息；
运维任务分配模块，用于根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端；
终端，用于接收并显示运维任务分配方案；
还用于获取运维任务选择信号、运维任务完成信号和运维任务更新信号，并发送给中控模块；
中控模块，用于接收运维任务选择信号，并根据运维任务选择信号删除存储模块中对应的运维任务，以及更新运维人员工作信息；
还用于接收运维任务完成信号，并根据运维任务完成信号更新运维人员工作信息；
还用于接收运维任务更新信号，根据存储模块中的运维任务触发运维任务分配模块再次生成最优的运维任务分配方案。
2.根据权利要求1所述的基于运维平台的设备智能预警系统，其特征在于，所述数据分析模块，用于根据运行数据，分析设备是否发生故障，若是，则分析故障原因及其对应故障等级，并生成运维任务，包括：采用神经网络模型，根据运行数据，分析设备是否发生故障，若是，则分析故障原因；
根据预设的不同的故障设备、故障设备位置信息和故障原因对应的等级分值，查询当前故障对应的各等级分值，再进行加权求和，获取总等级分值；
根据预设的总等级分值对应的故障等级，查询当前故障对应的故障等级。
3.根据权利要求2所述的基于运维平台的设备智能预警系统，其特征在于，所述运维任务，包括：故障设备、故障设备位置信息、故障原因和故障等级。
4.根据权利要求3所述的基于运维平台的设备智能预警系统，其特征在于，所述存储模块，包括：第一存储子模块和第二存储子模块；
第一存储子模块，用于存储运行数据、运维任务和运维人员工作信息；
第二存储子模块，用于根据故障等级由高到低的存储运维任务。
5.根据权利要求4所述的基于运维平台的设备智能预警系统，其特征在于，所述运维人员工作信息，包括：运维人员的位置信息和工作状态信息；
工作状态信息，包括：工作、休息和离职；其中工作，包括：待接收运维任务、已接收运维任务和完成运维任务。
6.根据权利要求5所述的基于运维平台的设备智能预警系统，其特征在于，所述运维任务分配模块，用于根据存储模块中存储的运维任务和运维人员工作信息，采用优化算法，生成最优的运维任务分配方案，并推送给对应运维人员的终端，包括：
S1、获取运维任务和运维人员工作信息，并根据运维任务和运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；
S2、根据预设目标，构建适应度函数；
S3、将初始运维任务分配方案集合作为初始族群，根据适应度函数进行迭代优化，获取最优的运维任务分配方案，并推送给对应运维人员的终端。
7.根据权利要求6所述的基于运维平台的设备智能预警系统，其特征在于，所述S1，包括：
获取第二存储子模块中的运维任务和第一存储子模块中的运维人员工作信息；
根据运维任务和工作状态信息为待接收运维任务和完成运维任务的运维人员工作信息，随机生成若干运维任务分配方案，形成初始运维任务分配方案集合；其中运维任务分配方案，单个方案的长度为运维任务总数K和工作状态信息为待接收运维任务和完成运维任务的运维人员总数N之和；其中前K位为运维任务，后N位为每位运维人员对应的运维任务个数。
8.根据权利要求7所述的基于运维平台的设备智能预警系统，其特征在于，所述预设目标为对规划的运维任务分配方案的评估方向，包括：运维任务分配后所有运维人员进行运维任务需要的路程时间和运维任务分配中故障等级排序的合理程度。
9.根据权利要求8所述的基于运维平台的设备智能预警系统，其特征在于，所述适应度函数，包括：时间适应度函数、路程适应度函数和合理性适应度函数；
时间适应度函数用于表征对各运维任务分配方案使运维人员在进行运维任务时需要行驶的路程花费的时间：
其中ti表示运维任务分配方案中第i个运维人员进行分配的运维任务所需要行驶的路程花费的时间，其中DK+i表示运维任务分配方案D找中第K+i个基因，即运维任务分配方案中第i个运维人员所要执行的运维任务的个数，tim表示运维任务分配方案中第i个运维人员达到其第m个运维任务所需的时间；
合理性适应度函数用于表征各运维任务分配方案中运维任务的排序合理性：
其中ri表示运维任务分配方案中第i个运维人员被分配的运维任务的合理性评估函数；
其中P(Dj)表示运维任务分配方案中第j个运维任务的故障等级。
10.根据权利要求9所述的基于运维平台的设备智能预警系统，其特征在于，所述S3，包括：
根据适应度函数，计算各个运维任务分配方案的适应度函数值，并根据两个适应度函数值分别对初始运维任务分配方案集合中的运维任务分配方案进行适应度函数值的排序，获取两个初始种群的排序集合，其中排序顺序为由高到低；
根据适应度函数值，采用轮盘赌算法，分别从两个排序集合中选取若干运维任务分配方案，形成两个不同方向的族群，族群中被选中的概率与适应度函数值成正比；
将两个族群，根据两个适应度函数分别进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数；
将两个族群组合到一起，对两个适应度函数进行加权求和得到综合适应度，根据综合适应度进行个体选择、交叉和变异，并剔除无法实现的个体方案，迭代预设次数后得到将综合适应度最大的个体方案作为最优的运维任务分配方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311689085.4A CN117649222A (zh) | 2023-12-08 | 2023-12-08 | 基于运维平台的设备智能预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311689085.4A CN117649222A (zh) | 2023-12-08 | 2023-12-08 | 基于运维平台的设备智能预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117649222A true CN117649222A (zh) | 2024-03-05 |
Family
ID=90043154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311689085.4A Pending CN117649222A (zh) | 2023-12-08 | 2023-12-08 | 基于运维平台的设备智能预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117649222A (zh) |
-
2023
- 2023-12-08 CN CN202311689085.4A patent/CN117649222A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111582697B (zh) | 一种配电网故障的评估与调度方法及系统 | |
| CN106527373A (zh) | 基于多智能体的车间自主调度系统和方法 | |
| CN109878760B (zh) | 一种通用航空飞机故障远程协助平台及修复方法 | |
| CN114240267B (zh) | 一种交通外场设备运维派单方法、电子设备及存储介质 | |
| CN111311133B (zh) | 一种应用于电网生产设备的监测系统 | |
| CN116007647A (zh) | 巡检路径规划方法、装置、电子设备及存储介质 | |
| CN103942251A (zh) | 基于多种质控方法的高空气象资料入库方法和入库系统 | |
| CN111709597B (zh) | 一种电网生产域运营监测系统 | |
| CN117649222A (zh) | 基于运维平台的设备智能预警系统 | |
| CN112836843A (zh) | 一种基站退服告警预测方法及装置 | |
| CN115952989A (zh) | 基于数字孪生的自然灾害应急调度系统 | |
| CN115860278A (zh) | 一种基于数据分析的电机组装生产管理方法及系统 | |
| Ahmad et al. | Intelligent transportation systems optimisation using non-linear diophantine fuzzy bonferroni mean dombi operators: A case study | |
| CN112712002B (zh) | 基于cgan的环境监控方法、装置、系统及存储介质 | |
| CN115913891A (zh) | 一种基于大数据分析的提前运维系统及运维方法 | |
| CN115457211A (zh) | 基于数字孪生的变电站管理方法及系统 | |
| CN115566803A (zh) | 一种线路故障溯源方法及系统 | |
| CN114881265A (zh) | 一种燃气安全检修方案生成方法、装置及电子设备 | |
| CN114417732A (zh) | 强台风下配电网多元源荷灾损自适应辨识方法及系统 | |
| CN114358627A (zh) | 一种电力运维管理系统及其运维方法 | |
| Nakamiti et al. | An agent-based simulation system for traffic control in the Brazilian intelligent cities project context | |
| CN113593217A (zh) | 一种交通警力指挥调度方法、设备及可读存储介质 | |
| CN112541987A (zh) | 电子巡更路线生成方法、装置及计算机存储介质 | |
| CN112531679A (zh) | 一种测负荷特征大数据监测设备及监测方法 | |
| RU2710914C1 (ru) | Автоматизированный способ пространственных экономических исследований |
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 |