CN117768013B - 一种卫星地面站链路的智能运维系统 - Google Patents
一种卫星地面站链路的智能运维系统 Download PDFInfo
- Publication number
- CN117768013B CN117768013B CN202410197369.XA CN202410197369A CN117768013B CN 117768013 B CN117768013 B CN 117768013B CN 202410197369 A CN202410197369 A CN 202410197369A CN 117768013 B CN117768013 B CN 117768013B
- Authority
- CN
- China
- Prior art keywords
- link
- equipment
- state
- data
- spectrum
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 96
- 238000012544 monitoring process Methods 0.000 claims abstract description 129
- 238000001228 spectrum Methods 0.000 claims abstract description 124
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000013523 data management Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000007726 management method Methods 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000007792 addition Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000007794 visualization technique Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 6
- 238000003064 k means clustering Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004451 qualitative analysis Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004138 cluster model Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种卫星地面站链路的智能运维系统,涉及卫星地面站运维技术领域,包括:链路状态自动采集模块管理链路设备、采集接口和规则,采集设备状态、参数、网络状态、频谱数据和信号;链路状态智能监测模块检测并估计信号,生成链路状态监测数据、评估数据以及异常告警,并生成维护建议;数据管理模块存储链路设备状态信息、采集接口和规则、频谱数据、故障和告警数据、专家知识库和监测任务;运维辅助决策模块分析报警信息,确定故障点,生成故障设备维修推荐方案;链路状态显示模块显示链路拓扑、链路和频谱。本发明实现对卫星信号接收链路设备的工作状态信息进行自动化采集和监视测量,及时准确发现故障设备。
Description
技术领域
本发明涉及卫星地面站运维技术领域,具体的说,是一种卫星地面站链路的智能运维系统。
背景技术
卫星地面站接收系统是对卫星的数据无线传输信号进行接收、变频、解调和记录的系统。为保障接收系统正常运行,需要对接收链路设备进行日常检测、故障排查、维护保养等运维工作。链路设备运维需要采集链路设备工作模式、设备参数信息、设备自检信息、设备连接状态、软件运行状态等信息,并对设备输入信号质量监视、链路信号衰减检测、网络传输流量监视等状态进行监测。传统的运维方式一般由运维人员通过到达设备位置采用人工观察和本地状态查询的方式进行逐台采集,这要求必须熟悉每台设备的操作方法和状态采集流程步骤。但随着设备数量的逐步增多,逐台进行人工采集的方式大大降低了状态信息的采集时效性和准确性,特别是当设备分布在多个地理位置时,更是加大了采集难度,难以对链路状态进行实时监测。
发明内容
本发明的目的在于提供一种卫星地面站链路的智能运维系统,用于解决现有技术中由运维人员通过到达设备位置采用人工观察和本地状态查询的方式进行逐台采集,降低了状态信息的采集时效性和准确性,特别是当设备分布在多个地理位置时,更是加大了采集难度,难以对链路状态进行实时监测的问题。
本发明通过下述技术方案解决上述问题:
一种卫星地面站链路的智能运维系统,包括链路状态自动采集模块、链路状态智能监测模块、数据管理模块、运维辅助决策模块和链路状态显示模块,其中:
链路状态自动采集模块,用于管理链路设备、采集接口和采集规则,采集链路设备信息、链路设备状态、链路设备参数、网络状态、频谱数据和链路设备信号,传递至链路状态智能监测模块,并保存到数据管理模块;
链路状态智能监测模块,用于对所述链路设备参数、频谱数据进行分析,检测关注信号并估计信号参数,生成链路状态监测数据和链路状态评估数据并传递至数据管理模块,并通过与历史信号进行对比分析发现链路异常输出报警信息,并结合数据管理模块的专家知识库生成链路维护建议;
数据管理模块,用于对链路设备信息、采集接口、采集规则、链路设备状态、频谱数据、故障数据、告警数据以及专家知识库进行存储、查询和统计;以及用于存储链路状态智能监测模块的监测任务数据;
运维辅助决策模块,用于对链路状态智能监测模块的报警信息进行分析,确定链路设备故障位置,结合历史故障和处置方法以及专家知识库,生成故障设备维修推荐方案,结合链路设备故障定位结果,提供各类自动化运维工具;
链路状态显示模块,用于对卫星地面站的链路拓扑连接、链路状态、链路频谱进行可视化显示,并能对链路故障、告警记录进行查询显示。
进一步地,所述链路状态自动采集模块包括链路设备管理单元、采集接口管理单元、采集规则管理单元、状态数据采集单元,其中:
链路设备管理单元,用于管理链路和链路设备,监视链路状态、链路异常告警和查看链路告警详细;
采集接口管理单元,用于管理采集接口的新增、删除、修改和查看等,采集接口包括接入的数据源地址、接口、端口号和连接方式等;
采集规则管理单元,用于管理采集规则的新增、删除、修改、查看和导入导出等;采集规则包括采集对象、采集标准、采集步骤、间隔时间和告警方式等;
状态数据采集单元,用于采集链路设备和链路网络设备的状态数据以及采集频谱设备的频谱数据。
进一步地,所述状态数据采集单元,包括链路设备监测数据采集子单元、链路网络监测数据采集子单元和频谱监测数据采集子单元,其中:
链路设备监测数据采集子单元,用于通过链路状态采集接口向链路设备(包括放大器、变频器、光端机、功分器、开关矩阵、交换矩阵、解调器等)发送数据收集指令,采集链路设备的工作参数、工作状态、异常状态、设备日志和系统状态;工作参数包括设备状态、增益、功率和频点等;
链路网络监测数据采集子单元,用于通过链路状态采集接口向链路网络设备(包括服务器、交换机、安全设备等)发送数据收集指令,采集各链路网络设备的工作状态、异常状态、设备日志和系统状态等;
频谱监测数据采集子单元,通过链路状态采集接口向链路中的频谱监测设备(如频谱仪)发送数据收集指令,采集各监测点的频谱数据。频谱监测设备可根据监测点位需要进行部署,可同时部署在多个监测点位。
进一步地,所述链路状态智能监测模块包括监测任务管理单元、链路频谱监控单元、信号检测单元、信号参数估计单元、设备状态监测单元、通信网络监测单元、故障状态报警单元,其中:
监测任务管理单元,用于查看设备任务状态、调整任务优先级和查看任务日志,还用于解析外部系统发送的命令及参数,并启动指定链路参数分析、链路参数优化和启动频谱采集/控制;
链路频谱监控单元,用于远程操作频谱仪、远程查看频谱仪频谱以及与指定频谱仪通信并控制参数;还用于通过轮询频谱设备,采集监控点频谱数据并存储到数据管理模块;还用于通过频谱控件绘图与频谱仪一致的频谱仪操作界面实现模拟频谱仪操作,批量获取频谱仪状态、提取频谱参数并存储;
信号检测单元,用于检测接收的信号是否是任务要接收的信号,如果是,则链路设备工作正常,否则链路设备工作不正常,检测方法包括:
卫星地面站接收的各种信号的信噪比、带宽、调制方式等不同,同时宽带噪声特性非理想,采用固定门限检测信号难以满足各类信号检测的目的。因此,为了提高信号检测的性能,采用自适应门限技术根据信号和噪声的情况计算噪声门限,去除噪声;
针对采样后的信号噪声能量不平坦,为了在不同的频段使用不同的门限对信号进行检测,首先估计整个接收频带信号的噪声基底;然后将估计的功率谱减去噪声基底完成功率谱的修正;对修正后的宽带频谱进行恒虚警处理并估计检测门限;在功率谱中判决/分析大于门限的频率谱线,再将相邻的谱线进行合并,得到检测的信号;
信号参数估计单元,用于对信号检测单元检测出的信号数据进行载频、符号速率、载噪比的估计,为链路状态的监测提供参数信息;
设备状态监测单元,用于根据判断规则对采集的链路设备的工作参数、工作状态、异常状态、设备日志和系统状态进行分析,并判断设备状态是否处于异常;
通信网络监测单元,用于将链路状态自动采集模块采集的服务器、交换机、安全设备等链路设备的工作状态、异常状态、设备日志、系统状态等状态信息,与链路设备的性能参数进行对比分析,判断通信网络是否处于异常状态;
故障状态报警单元,用于对链路设备的状态进行监测,对超出链路设备状态的门限阈值的设备进行报警提示。
进一步地,所述信号参数估计单元包括载频估计子单元、符号速率估计子单元和载噪比估计子单元,其中:
载频估计子单元,用于根据信号的调制方式,对信号进行多次方变换,变换后信号的相位保持相同;当存在频偏时,信号相位出现线性变化,该多次方信号的功率谱上呈现明显的谱线信息;
符号速率估计子单元,用于采用信号的模方谱谱线进行检测,当信号幅度存在规律性变化时,对信号的幅度进行功率谱估计,得到信号的模方谱,该模方谱在信号的符号速率上存在很强的谱线信息;
载噪比估计子单元,用于对频谱数据进行信号功率和噪声功率测量后,通过计算信号功率和噪声功率的比值估计出信号的信噪比。
故障状态报警单元中的链路设备状态的门限阈值是利用机器学习领域中经典的k-means聚类算法进行训练学习得到的,k-means聚类算法是一种划分式聚类方法,此类算法需要事先指定簇类的数目或者聚类中心,通过反复迭代,直至最后达到"簇内的点足够近,簇间的点足够远"的目标。利用该算法,可以快速归类设备状态数据,针对被归类为异常状态,即超出门限阈值的设备状态数据进行提示,从而实现设备健康状态的监测和报警;
k-means聚类算法的数学表达如下:设对于给定的一个包含n个d维数据点的数据集X以及要分得的类别集为K,选取欧式距离作为相似度指标,聚类算法的目标函数是使得各类别的聚类平方和最小,即:
其中,xi为数据集X的第i个数值,uk为类别集K中的子集k聚类集合的中心的数值,uk为对应聚类子集点的平均值组成的元素,对于特定的uk,k∈K,可以由如下公式求得:
其中,m表示聚类子集k中元素的数量,同时为了使得算法收敛,在迭代过程中,应使最终的聚类中心尽可能的不变;
k-means算法基本训练与报警步骤如下所示:
1)从状态数据空间中随机获取一个报警状态和非报警状态数据对象作为初始中心,每个对象代表一个聚类中心;
2)对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心(最相似)所对应的类;
3)更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值;
4)判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,并将各个聚类中心点标记为正常,或者需要预警,此步骤需要结合专家知识实现,若改变,则返回步骤(2),继续迭代。
根据历史数据训练好k-means聚类模型后,可以按照如下进行报警判断:
针对实时产生的故障状态报警单元中的链路设备状态数值,计算其数值与每个聚类中心节点的距离。距离最近的则归为该类数据,由该类数据簇是否正常,或者需要预警,赋值给实时节点,如果数据簇为异常数据簇,则对实时数据进行报警处理。
进一步地,所述运维辅助决策模块包括故障定位分析单元、统计分析单元、维修方案推荐单元和自动化运维单元,其中:
故障定位分析单元,用于基于链路状态智能监测模块发出的告警信息,采用故障树分析处理方法,区分不同软硬件类型,提供故障定位服务,判别链路设备故障位置即故障点(告警源),同时提供人工诊断分析干预,辅助确定链路设备故障点。故障定位分析执行流程是:
1)故障树构建:进行顶事件设置、中间事件设置与基本事件设置和概率参数设定。
2)故障定性分析:进行最小割集、径集计算与结构重要度分析。
3)故障定量分析:进行概率重要度分析和危险重要度分析。
4)故障定位辅助:进行事件编号、名称、参数信息编辑,故障树图的连线、颜色等属性设置、字体设置。
5)人工诊断处理:基于运维知识库,进行链路设备告警故障知识检索推荐。
6)故障点定位展示:依据故障定性/定量分析与人工诊断结果,进行故障点标记展示。
统计分析单元,用于实现设备历史故障数据、设备使用记录和设备维修记录的统计、管理、调度与可视化;
维修方案推荐单元,用于根据故障定位分析单元得到的链路设备故障位置,结合统计分析单元的设备历史故障数据和设备维修记录查询统计结果和专家知识库,生成故障设备维修推荐方案;
自动化运维单元,用于提供各类运维工具以及对运维工具进行分类、维护和推荐。
进一步地,所述自动化运维单元包括设备专用工具子单元、运维工具信息管理子单元和运维工具推荐子单元,其中:
设备专用工具子单元,用于提供运维工具,运维工具分别用于实现设备重启、自检、日志分析或性能监测;
运维工具信息管理子单元,用于实现运维工具的信息维护、导入与查询功能;
运维工具推荐子单元,用于依据设备故障信息,进行相关运维工具的检索、排序与推荐。
进一步地,所述链路状态显示模块包括链路拓扑显示单元、链路状态显示单元、链路频谱显示单元和故障查询显示单元,其中:
链路拓扑显示单元,用于采用可视化方法展示链路设备之间的拓扑连接图,并按信号链路节点的层级关系、通信网络节点的层级关系等相关信息,逐级展示链路设备资源、任务资源、数据资源等多条信号接收链路资源分布与运行态势;
链路状态显示单元,用于在链路图、拓扑图上直观的显示各条链路的整体运行状态,供用户点击链路后查看该链路的详情;
链路频谱显示单元,用于通过多种可视化对比方式对监测点的实时频谱数据与该信号的历史频谱数据进行对比显示;链路频谱显示单元包括平行对比显示子单元、重叠对比显示子单元和融合对比显示子单元,其中
平行对比显示子单元采用同一视图模式,基于数据源、子视图类型等维度,平行摆放多数据源的原始数据展示图,可以基于颜色区分数据源类型,子视图区分展示图例;
重叠对比显示子单元采用同一种视图模式,基于数据源、子视图类型,重叠摆放多个数据源的展示图。对于多数据源频谱数据,按频率同时对齐各图例后进行分析,方便观察频谱数据的相似性及差异性;
融合对比显示子单元采用同一视图模式,基于数据源、子视图类型等维度,重叠摆放多数据源的绘制图例,按频率同时对齐各图后进行分析,将相同的部分进行高亮显示或将不同的部分进行高亮显示,方便观察频谱数据的差异性;
故障查询显示单元,用于实现对数据管理模块管理的历史故障记录的查询和列表显示。
本发明与现有技术相比,具有以下优点及有益效果:
本发明通过在传统卫星地面接收系统的链路上增加链路信号采集和分析功能,实现对卫星信号接收链路设备的工作状态信息进行自动化采集和监视测量,以降低卫星地面站链路设备的人工监视的工作量和监测操作难度,提高监测数据的时效性和准确性,及时准确发现故障设备,为系统运维保障提供支撑。
附图说明
图1为本发明的系统框图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
结合附图1所示,一种卫星地面站链路的智能运维系统,包括链路状态自动采集模块、链路状态智能监测模块、数据管理模块、运维辅助决策模块和链路状态显示模块,其中:
链路状态自动采集模块,用于管理链路设备、采集接口和采集规则,采集链路设备信息、链路设备状态、链路设备参数、网络状态、频谱数据和链路设备信号,传递至链路状态智能监测模块,并保存到数据管理模块;
链路状态智能监测模块,用于对所述链路设备参数、频谱数据进行分析,检测关注信号并估计信号参数,生成链路状态监测数据和链路状态评估数据并传递至数据管理模块,并通过与历史信号进行对比分析发现链路异常输出报警信息,并结合数据管理模块的专家知识库生成链路维护建议;
数据管理模块,用于对链路设备信息、采集接口、采集规则、链路设备状态、频谱数据、故障数据、告警数据以及专家知识库进行存储、查询和统计;以及用于存储链路状态智能监测模块的监测任务数据;
运维辅助决策模块,用于对链路状态智能监测模块的报警信息进行分析,确定链路设备故障位置,结合历史故障和处置方法以及专家知识库,生成故障设备维修推荐方案,结合链路设备故障定位结果,提供各类自动化运维工具;
链路状态显示模块,用于对卫星地面站的链路拓扑连接、链路状态、链路频谱进行可视化显示,并能对链路故障、告警记录进行查询显示。
实施例2:
在实施例1的基础上,所述链路状态自动采集模块包括链路设备管理单元、采集接口管理单元、采集规则管理单元、状态数据采集单元,其中:
链路设备管理单元,用于管理链路和链路设备,监视链路状态、链路异常告警和查看链路告警详细;
采集接口管理单元,用于管理采集接口的新增、删除、修改和查看等,采集接口包括接入的数据源地址、接口、端口号和连接方式等;
采集规则管理单元,用于管理采集规则的新增、删除、修改、查看和导入导出等;采集规则包括采集对象、采集标准、采集步骤、间隔时间和告警方式等;
状态数据采集单元,用于采集链路设备和链路网络设备的状态数据以及采集频谱设备的频谱数据。
实施例3:
在实施例2的基础上,所述状态数据采集单元,包括链路设备监测数据采集子单元、链路网络监测数据采集子单元和频谱监测数据采集子单元,其中:
链路设备监测数据采集子单元,用于通过链路状态采集接口向链路设备(包括放大器、变频器、光端机、功分器、开关矩阵、交换矩阵、解调器等)发送数据收集指令,采集链路设备的工作参数、工作状态、异常状态、设备日志和系统状态;工作参数包括设备状态、增益、功率和频点等;
链路网络监测数据采集子单元,用于通过链路状态采集接口向链路网络设备(包括服务器、交换机、安全设备等)发送数据收集指令,采集各链路网络设备的工作状态、异常状态、设备日志和系统状态等;
频谱监测数据采集子单元,通过链路状态采集接口向链路中的频谱监测设备(如频谱仪)发送数据收集指令,采集各监测点的频谱数据。频谱监测设备可根据监测点位需要进行部署,可同时部署在多个监测点位。
实施例4:
在实施例1的基础上,所述链路状态智能监测模块包括监测任务管理单元、链路频谱监控单元、信号检测单元、信号参数估计单元、设备状态监测单元、通信网络监测单元、故障状态报警单元,其中:
监测任务管理单元,用于查看设备任务状态、调整任务优先级和查看任务日志,还用于解析外部系统发送的命令及参数,并启动指定链路参数分析、链路参数优化和启动频谱采集/控制;
链路频谱监控单元,用于远程操作频谱仪、远程查看频谱仪频谱以及与指定频谱仪通信并控制参数;还用于通过轮询频谱设备,采集监控点频谱数据并存储到数据管理模块;还用于通过频谱控件绘图与频谱仪一致的频谱仪操作界面实现模拟频谱仪操作,批量获取频谱仪状态、提取频谱参数并存储;
信号检测单元,用于检测接收的信号是否是任务要接收的信号,如果是,则链路设备工作正常,否则链路设备工作不正常,检测方法包括:
卫星地面站接收的各种信号的信噪比、带宽、调制方式等不同,同时宽带噪声特性非理想,采用固定门限检测信号难以满足各类信号检测的目的。因此,为了提高信号检测的性能,采用自适应门限技术根据信号和噪声的情况计算噪声门限,去除噪声;
针对采样后的信号噪声能量不平坦,为了在不同的频段使用不同的门限对信号进行检测,首先估计整个接收频带信号的噪声基底;然后将估计的功率谱减去噪声基底完成功率谱的修正;对修正后的宽带频谱进行恒虚警处理并估计检测门限;在功率谱中判决/分析大于门限的频率谱线,再将相邻的谱线进行合并,得到检测的信号;
信号参数估计单元,用于对信号检测单元检测出的信号数据进行载频、符号速率、载噪比的估计,为链路状态的监测提供参数信息;
设备状态监测单元,用于根据判断规则对采集的链路设备的工作参数、工作状态、异常状态、设备日志和系统状态进行分析,并判断设备状态是否处于异常;
通信网络监测单元,用于将链路状态自动采集模块采集的服务器、交换机、安全设备等链路设备的工作状态、异常状态、设备日志、系统状态等状态信息,与链路设备的性能参数进行对比分析,判断通信网络是否处于异常状态;
故障状态报警单元,用于对链路设备的状态进行监测,对超出链路设备状态的门限阈值的设备进行报警提示。
实施例5:
在实施例4的基础上,所述信号参数估计单元包括载频估计子单元、符号速率估计子单元和载噪比估计子单元,其中:
载频估计子单元,用于根据信号的调制方式,对信号进行多次方变换,变换后信号的相位保持相同;当存在频偏时,信号相位出现线性变化,该多次方信号的功率谱上呈现明显的谱线信息;
符号速率估计子单元,用于采用信号的模方谱谱线进行检测,当信号幅度存在规律性变化时,对信号的幅度进行功率谱估计,得到信号的模方谱,该模方谱在信号的符号速率上存在很强的谱线信息;
载噪比估计子单元,用于对频谱数据进行信号功率和噪声功率测量后,通过计算信号功率和噪声功率的比值估计出信号的信噪比。
进一步地,所述故障状态报警单元中的链路设备状态的门限阈值是利用机器学习领域中经典的k-means聚类算法进行训练学习得到的,k-means聚类算法是一种划分式聚类方法,此类算法需要事先指定簇类的数目或者聚类中心,通过反复迭代,直至最后达到"簇内的点足够近,簇间的点足够远"的目标。利用该算法,可以快速归类设备状态数据,针对被归类为异常状态,即超出门限阈值的设备状态数据进行提示,从而实现设备健康状态的监测和报警;
k-means聚类算法的数学表达如下:设对于给定的一个包含n个d维数据点的数据集X以及要分得的类别集为K,选取欧式距离作为相似度指标,聚类算法的目标函数是使得各类别的聚类平方和最小,即:
其中,xi为数据集X的第i个数值,uk为类别集K中的子集k聚类集合的中心的数值,uk为对应聚类子集中各数据点的平均值组成的元素,对于特定的uk,k∈K,可以由如下公式求得:
其中,m表示聚类子集k中元素的数量,同时为了使得算法收敛,在迭代过程中,应使最终的聚类中心尽可能的不变;
k-means算法基本训练与报警步骤如下所示:
1)从状态数据空间中随机获取一个报警状态和非报警状态数据对象作为初始中心,每个对象代表一个聚类中心;
2)对于样本中的数据对象,根据它们与这些聚类中心的欧氏距离,按距离最近的准则将它们分到距离它们最近的聚类中心(最相似)所对应的类;
3)更新聚类中心:将每个类别中所有对象所对应的均值作为该类别的聚类中心,计算目标函数的值;
4)判断聚类中心和目标函数的值是否发生改变,若不变,则输出结果,并将各个聚类中心点标记为正常,或者需要预警,此步骤需要结合专家知识实现,若改变,则返回步骤(2),继续迭代。
根据历史数据训练好k-means聚类模型后,可以按照如下进行报警判断:
针对实时产生的故障状态报警单元中的链路设备状态数值,计算其数值与每个聚类中心节点的距离。距离最近的则归为该类数据,由该类数据簇是否正常,或者需要预警,赋值给实时节点,如果数据簇为异常数据簇,则对实时数据进行报警处理。
实施例6:
在实施例1的基础上,所述运维辅助决策模块包括故障定位分析单元、统计分析单元、维修方案推荐单元和自动化运维单元,其中:
故障定位分析单元,用于基于链路状态智能监测模块发出的告警信息,采用故障树分析处理方法,区分不同软硬件类型,提供故障定位服务,判别链路设备故障位置即故障点(告警源),同时提供人工诊断分析干预,辅助确定链路设备故障点。故障定位分析执行流程是:
1)故障树构建:进行顶事件设置、中间事件设置与基本事件设置和概率参数设定。
2)故障定性分析:进行最小割集、径集计算与结构重要度分析。
3)故障定量分析:进行概率重要度分析和危险重要度分析。
4)故障定位辅助:进行事件编号、名称、参数信息编辑,故障树图的连线、颜色等属性设置、字体设置。
5)人工诊断处理:基于运维知识库,进行链路设备告警故障知识检索推荐。
6)故障点定位展示:依据故障定性/定量分析与人工诊断结果,进行故障点标记展示。
统计分析单元,用于实现设备历史故障数据、设备使用记录和设备维修记录的统计、管理、调度与可视化;
维修方案推荐单元,用于根据故障定位分析单元得到的链路设备故障位置,结合统计分析单元的设备历史故障数据和设备维修记录查询统计结果和专家知识库,生成故障设备维修推荐方案;
自动化运维单元,用于提供各类运维工具以及对运维工具进行分类、维护和推荐。
实施例7:
在实施例6的基础上,所述自动化运维单元包括设备专用工具子单元、运维工具信息管理子单元和运维工具推荐子单元,其中:
设备专用工具子单元,用于提供运维工具,运维工具分别用于实现设备重启、自检、日志分析或性能监测;
运维工具信息管理子单元,用于实现运维工具的信息维护、导入与查询功能,包括运维工具信息增加、运维工具信息编辑、运维工具信息删除、运维工具导入、运维工具信息查询等功能;
运维工具推荐子单元,用于依据接收的设备故障信息,进行相关运维工具的检索、排序与推荐。
实施例8:
在实施例1的基础上,所述链路状态显示模块具体包括包括链路拓扑显示单元、链路状态显示单元、链路频谱显示单元和故障查询显示单元,其中:
链路拓扑显示单元,用于采用可视化方法展示链路设备之间的拓扑连接图,并按信号链路节点的层级关系、通信网络节点的层级关系等相关信息,逐级展示链路设备资源、任务资源、数据资源等多条信号接收链路资源分布与运行态势;
链路状态显示单元,用于在链路图、拓扑图上直观的显示各条链路的整体运行状态,供用户点击链路后查看该链路的详情,该链路的详情包括该链路的设备链路、信号链路等的拓扑关系、设备状态、故障告警、信号信息等,可以以明显的颜色(红色)区分查看故障设备、故障点、故障详情等信息等;
链路频谱显示单元,用于通过多种可视化对比方式对监测点的实时频谱数据与该信号的历史频谱数据进行对比显示;链路频谱显示单元包括平行对比显示子单元、重叠对比显示子单元和融合对比显示子单元,其中
平行对比显示子单元采用同一视图模式,基于数据源、子视图类型等维度,平行摆放多数据源的原始数据展示图,可以基于颜色区分数据源类型,子视图区分展示图例;
重叠对比显示子单元采用同一种视图模式,基于数据源、子视图类型,重叠摆放多个数据源的展示图。对于多数据源频谱数据,按频率同时对齐各图例后进行分析,方便观察频谱数据的相似性及差异性;
融合对比显示子单元采用同一视图模式,基于数据源、子视图类型等维度,重叠摆放多数据源的绘制图例,按频率同时对齐各图后进行分析,将相同的部分进行高亮显示或将不同的部分进行高亮显示,方便观察频谱数据的差异性;
故障查询显示单元,用于实现对数据管理模块管理的历史故障记录的查询和列表显示,历史故障记录包括故障设备、故障点、故障详情、处置情况等信息。
实施例9:
利用以上任一实施例中的系统实现的一种卫星地面站的智能链路监测方法,包括以下步骤:
步骤1:链路状态自动采集模块通过在链路上制定监测点上添加频谱监测等设备,采集监测点的实时频谱参数,并通过访问设备接口,对放大器、变频器、光端机、功分器、开关矩阵、交换矩阵、解调器、频谱仪等设备的状态和数据进行采集;
步骤2:链路状态智能监测模块对监测点频谱数据、各链路设备、以及网络通信状态的采集数据和故障信息进行实时显示及性能检测,包括设备状态、频点、增益、信号功率、网络流量等数据,对链路异常数据进行报警提示;
步骤3:数据管理模块对链路状态采集模块管理的设备信息、配置的采集接口与规则信息,采集的链路状态监测数据进行存储管理;对链路状态智能监测模块的监测任务数据、链路状态评估数据,以及需用于辅助分析的专家知识库等数据进行存储管理;
步骤4:运维辅助决策模块对链路状态智能监测模块的报警信息进行分析,确定链路设备故障位置,结合历史故障和处置方法、以及专家知识库,生成故障设备维修推荐方案;
在监测过程中,链路状态显示模块对卫星地面站的链路拓扑连接、链路状态、链路频谱进行可视化显示,并对链路故障、告警记录进行查询显示。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (6)
1.一种卫星地面站链路的智能运维系统,其特征在于,包括链路状态自动采集模块、链路状态智能监测模块、数据管理模块、运维辅助决策模块和链路状态显示模块,其中:
链路状态自动采集模块,用于管理链路设备、采集接口和采集规则,采集链路设备信息、链路设备状态、链路设备参数、网络状态、频谱数据和链路设备信号,传递至链路状态智能监测模块,并保存到数据管理模块;
链路状态智能监测模块,用于对所述链路设备参数、频谱数据进行分析,检测关注信号并估计信号参数,生成链路状态监测数据和链路状态评估数据并传递至数据管理模块,并通过与历史信号进行对比分析发现链路异常输出报警信息,并结合数据管理模块的专家知识库生成链路维护建议;
数据管理模块,用于对链路设备信息、采集接口、采集规则、链路设备状态、频谱数据、故障数据、告警数据以及专家知识库进行存储、查询和统计;以及用于存储链路状态智能监测模块的监测任务数据;
运维辅助决策模块,用于对链路状态智能监测模块的报警信息进行分析,确定链路设备故障位置,结合历史故障和处置方法以及专家知识库,生成故障设备维修推荐方案,结合链路设备故障定位结果,提供各类自动化运维工具;
链路状态显示模块,用于对卫星地面站的链路拓扑连接、链路状态、链路频谱进行可视化显示,并对链路故障、告警记录进行查询显示;
所述链路状态自动采集模块包括链路设备管理单元、采集接口管理单元、采集规则管理单元和状态数据采集单元,其中:
链路设备管理单元,用于管理链路和链路设备、监视链路状态、链路异常告警和查看链路告警详细;
采集接口管理单元,用于管理采集接口的新增、删除、修改和查看,采集接口包括接入的数据源地址、接口、端口号和连接方式;
采集规则管理单元,用于管理采集规则的新增、删除、修改、查看和导入导出;采集规则包括采集对象、采集标准、采集步骤、间隔时间和告警方式;
状态数据采集单元,用于采集链路设备和链路网络设备的状态数据以及采集频谱设备的频谱数据;
所述链路状态智能监测模块包括监测任务管理单元、链路频谱监控单元、信号检测单元、信号参数估计单元、设备状态监测单元、通信网络监测单元和故障状态报警单元,其中:
监测任务管理单元,用于查看设备任务状态、调整任务优先级和查看任务日志,还用于解析外部系统发送的命令及参数,并启动指定链路参数分析、链路参数优化和启动频谱采集或控制;
链路频谱监控单元,用于远程操作频谱仪、远程查看频谱仪频谱以及与指定频谱仪通信并控制参数;还用于通过轮询频谱设备,采集监控点频谱数据并存储到数据管理模块;还用于模拟频谱仪操作,批量获取频谱仪状态、提取频谱参数并存储;
信号检测单元,用于检测接收的信号是否是任务要接收的信号,如果是,则链路设备工作正常,否则链路设备工作不正常,检测方法包括:
采用自适应门限技术根据信号和噪声的情况计算噪声门限,去除噪声;
估计整个接收频带信号的噪声基底;
将估计的功率谱减去噪声基底完成功率谱的修正;
对修正后的宽带频谱进行恒虚警处理并估计检测门限;
在功率谱中判决大于门限的频率谱线,再将相邻的谱线进行合并,得到检测的信号;
信号参数估计单元,用于对信号检测单元检测出的信号进行载频、符号速率、载噪比的估计;
设备状态监测单元,用于根据判断规则对采集的链路设备的工作参数、工作状态、异常状态、设备日志和系统状态进行分析,并判断设备状态是否处于异常;
通信网络监测单元,用于将采集的链路网络设备的状态信息,与链路网络设备的性能参数进行对比分析,判断通信网络是否处于异常状态;
故障状态报警单元,用于对链路设备的状态进行监测,对超出链路设备状态的门限阈值的设备进行报警提示;
所述信号参数估计单元包括载频估计子单元、符号速率估计子单元和载噪比估计子单元,其中:
载频估计子单元,用于根据信号的调制方式,对信号进行多次方变换,变换后信号的相位保持相同;当存在频偏时,信号相位出现线性变化,该变换后信号的功率谱上呈现谱线信息;
符号速率估计子单元,用于采用信号的模方谱谱线进行检测,当信号幅度存在规律性变化时,对信号的幅度进行功率谱估计,得到信号的模方谱,该模方谱在信号的符号速率上存在谱线信息;
载噪比估计子单元,用于对频谱数据进行信号功率和噪声功率测量后,通过计算信号功率和噪声功率的比值估计出信号的信噪比。
2.根据权利要求1所述的一种卫星地面站链路的智能运维系统,其特征在于,所述状态数据采集单元,包括链路设备监测数据采集子单元、链路网络监测数据采集子单元和频谱监测数据采集子单元,其中:
链路设备监测数据采集子单元,用于通过链路状态采集接口向链路设备发送数据收集指令,采集链路设备的工作参数、工作状态、异常状态、设备日志和系统状态;
链路网络监测数据采集子单元,用于通过链路状态采集接口向链路网络设备发送数据收集指令,采集各链路网络设备的工作状态、异常状态、设备日志和系统状态;
频谱监测数据采集子单元,用于通过链路状态采集接口向链路中的频谱监测设备发送数据收集指令,采集各监测点的频谱数据。
3.根据权利要求1所述的一种卫星地面站链路的智能运维系统,其特征在于,所述故障状态报警单元中的链路设备状态的门限阈值利用均值学习k-means进行训练计算和机器学习得到,对超出门限阈值的设备状态数据进行提示,从而实现设备健康状态的监测和报警。
4.根据权利要求1所述的一种卫星地面站链路的智能运维系统,其特征在于,所述运维辅助决策模块包括故障定位分析单元、统计分析单元、维修方案推荐单元和自动化运维单元,其中:
故障定位分析单元,用于基于链路状态智能监测模块发出的告警信息,采用故障树分析处理方法,区分不同软硬件类型,判别链路设备故障位置;
统计分析单元,用于实现设备历史故障数据、设备使用记录和设备维修记录的统计、管理、调度与可视化;
维修方案推荐单元,用于根据链路设备故障位置,结合设备历史故障数据和设备维修记录查询统计结果和专家知识库,生成故障设备维修推荐方案;
自动化运维单元,用于提供各类运维工具以及对运维工具进行分类、维护和推荐。
5.根据权利要求4所述的一种卫星地面站链路的智能运维系统,其特征在于,所述自动化运维单元包括设备专用工具子单元、运维工具信息管理子单元和运维工具推荐子单元,其中:
设备专用工具子单元,用于提供运维工具,运维工具分别用于实现设备重启、自检、日志分析或性能监测;
运维工具信息管理子单元,用于实现运维工具的信息维护、导入与查询功能;
运维工具推荐子单元,用于依据设备故障信息,进行相关运维工具的检索、排序与推荐。
6.根据权利要求1所述的一种卫星地面站链路的智能运维系统,其特征在于,所述链路状态显示模块包括链路拓扑显示单元、链路状态显示单元、链路频谱显示单元和故障查询显示单元,其中:
链路拓扑显示单元,用于采用可视化方法展示链路设备之间的拓扑连接图,并按信号链路节点的层级关系以及通信网络节点的层级关系,逐级展示信号接收链路资源分布与运行态势;
链路状态显示单元,用于在链路图、拓扑图上直观的显示各条链路的整体运行状态,以及供用户点击链路后查看该链路的详情;
链路频谱显示单元,用于通过多种可视化对比方式对监测点的实时频谱数据与监测点的历史频谱数据进行对比显示;可视化对比方式包括平行对比、重叠对比和融合对比;
故障查询显示单元,用于实现对数据管理模块管理的历史故障记录的查询和列表显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410197369.XA CN117768013B (zh) | 2024-02-22 | 2024-02-22 | 一种卫星地面站链路的智能运维系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410197369.XA CN117768013B (zh) | 2024-02-22 | 2024-02-22 | 一种卫星地面站链路的智能运维系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117768013A CN117768013A (zh) | 2024-03-26 |
CN117768013B true CN117768013B (zh) | 2024-05-03 |
Family
ID=90324041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410197369.XA Active CN117768013B (zh) | 2024-02-22 | 2024-02-22 | 一种卫星地面站链路的智能运维系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117768013B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003090387A1 (en) * | 2002-04-22 | 2003-10-30 | Cognio, Inc. | System and method for real-time spectrum analysis |
CN101488888A (zh) * | 2009-02-27 | 2009-07-22 | 中国电子科技集团公司第五十四研究所 | 无人值守卫星通信地球站远程网络管理系统的设计方法 |
JP2011194928A (ja) * | 2010-03-17 | 2011-10-06 | Mitsubishi Electric Corp | 衛星運用システム、これに用いる運用計画サーバ装置 |
CN204270140U (zh) * | 2014-10-24 | 2015-04-15 | 中国科学院遥感与数字地球研究所 | 遥感卫星接收系统的故障诊断装置 |
US9853754B1 (en) * | 2015-02-12 | 2017-12-26 | Flyaway Antennas, LLC | Satellite downlink signal performance monitoring at identified antennas |
CN109547126A (zh) * | 2018-11-08 | 2019-03-29 | 深圳市嵘兴实业发展有限公司 | 卫星通信宽带频谱信号自动监测方法及其系统 |
CN110927750A (zh) * | 2019-11-22 | 2020-03-27 | 中科院计算技术研究所南京移动通信与计算创新研究院 | 一种基于格型滤波Burg谱估计算法的低轨卫星多普勒频偏捕获方法 |
CN112152698A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学院空天信息创新研究院 | 一种遥感卫星地面站健康监控系统及方法 |
CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
CN113868483A (zh) * | 2021-12-02 | 2021-12-31 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于联盟链的无线频谱干扰取证分析方法 |
CN115102601A (zh) * | 2022-05-17 | 2022-09-23 | 浙江时空道宇科技有限公司 | 基于北斗三号的卫星网络路由维护系统、方法及存储介质 |
CN115118333A (zh) * | 2022-08-29 | 2022-09-27 | 成都戎星科技有限公司 | 一种卫星地面站的天线健康管理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100728220B1 (ko) * | 2005-09-29 | 2007-06-13 | 한국전자통신연구원 | 위성 관제 시스템의 고장 진단 처리 장치 및 그 방법 |
-
2024
- 2024-02-22 CN CN202410197369.XA patent/CN117768013B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003090387A1 (en) * | 2002-04-22 | 2003-10-30 | Cognio, Inc. | System and method for real-time spectrum analysis |
CN101488888A (zh) * | 2009-02-27 | 2009-07-22 | 中国电子科技集团公司第五十四研究所 | 无人值守卫星通信地球站远程网络管理系统的设计方法 |
JP2011194928A (ja) * | 2010-03-17 | 2011-10-06 | Mitsubishi Electric Corp | 衛星運用システム、これに用いる運用計画サーバ装置 |
CN204270140U (zh) * | 2014-10-24 | 2015-04-15 | 中国科学院遥感与数字地球研究所 | 遥感卫星接收系统的故障诊断装置 |
US9853754B1 (en) * | 2015-02-12 | 2017-12-26 | Flyaway Antennas, LLC | Satellite downlink signal performance monitoring at identified antennas |
CN109547126A (zh) * | 2018-11-08 | 2019-03-29 | 深圳市嵘兴实业发展有限公司 | 卫星通信宽带频谱信号自动监测方法及其系统 |
CN110927750A (zh) * | 2019-11-22 | 2020-03-27 | 中科院计算技术研究所南京移动通信与计算创新研究院 | 一种基于格型滤波Burg谱估计算法的低轨卫星多普勒频偏捕获方法 |
CN112152698A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学院空天信息创新研究院 | 一种遥感卫星地面站健康监控系统及方法 |
CN112737711A (zh) * | 2020-12-24 | 2021-04-30 | 成都戎星科技有限公司 | 一种自适应噪声基底估计方法及其宽带载波检测方法 |
CN113868483A (zh) * | 2021-12-02 | 2021-12-31 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于联盟链的无线频谱干扰取证分析方法 |
CN115102601A (zh) * | 2022-05-17 | 2022-09-23 | 浙江时空道宇科技有限公司 | 基于北斗三号的卫星网络路由维护系统、方法及存储介质 |
CN115118333A (zh) * | 2022-08-29 | 2022-09-27 | 成都戎星科技有限公司 | 一种卫星地面站的天线健康管理系统及方法 |
Non-Patent Citations (5)
Title |
---|
The Method of Health Management on Satellite Constellation Network;Li Jing;《2019 21st International Conference on Advanced Communication Technology (ICACT)》;20190502;全文 * |
地面卫星通信系统自主健康管理研究;邱春荣;《无线互联科技》;20230531;全文 * |
基于工程化方法的卫星通信地面站系统平台健康管理研究;雪晴;《天地一体化信息网络》;20220107;全文 * |
王万玉 ; 陶孙杰 ; 冯旭祥 ; 马彬彬.遥感卫星接收系统故障诊断专家系统设计.《电讯技术》.2015,全文. * |
风云三号气象卫星地面数据接收远程故障诊断系统设计及应用;朱杰;《气象科技》;20171231;第1099-1105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117768013A (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107196804B (zh) | 电力系统终端通信接入网告警集中监控系统及方法 | |
US20040039968A1 (en) | System, device and method for automatic anomally detection | |
CN111290913A (zh) | 一种基于运维数据预测的故障定位可视化系统和方法 | |
CN116880412B (zh) | 一种基于云的可视化生产管理平台 | |
CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN111865407B (zh) | 光通道性能劣化智能预警方法、装置、设备及存储介质 | |
CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
CN115473575B (zh) | 基于哑资源的光缆管道监控方法、装置、设备及存储介质 | |
CN115616341A (zh) | 一种基于物联网的远程自动查找电力电缆线路的运维监控系统 | |
CN114527717A (zh) | 一种化工安全生产预警系统及其安全预警方法 | |
CN104978837B (zh) | 一种面向用户端变电所的报警系统及其实现方法 | |
CN117768013B (zh) | 一种卫星地面站链路的智能运维系统 | |
CN113420940A (zh) | 一种用于果园除草机器人的安全运行监管系统 | |
CN116054416B (zh) | 一种基于物联网的智能监控运维管理系统 | |
CN117041312A (zh) | 基于物联网的企业级信息技术监控系统 | |
CN202889373U (zh) | Wlan sqt智维系统 | |
CN111082987A (zh) | 一种面向泛在电力物联网的配线网络运维系统及方法 | |
CN116506278A (zh) | 一种基于zabbix的异常监控平台 | |
CN112187680A (zh) | 一种光纤存储网络大数据智慧监控和预警方法及系统 | |
CN113011698A (zh) | 一种智能装备管控平台 | |
Rozaki | Design and implementation for automated network troubleshooting using data mining | |
CN216347109U (zh) | 一种电力供暖锅炉故障预警系统 | |
CN117424791B (zh) | 一种大型电力通信网络故障诊断系统 | |
CN116290203B (zh) | 基于神经网络的疏浚施工参数选优模型方法 | |
CN117745054A (zh) | 一种设备异常事件全生命周期管控平台及方法 |
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 |