[發(fā)明專(zhuān)利]物聯(lián)網(wǎng)故障運(yùn)維方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011219233.2
• 申請(qǐng)日: 2020-11-04
• 公開(kāi)（公告）號(hào): CN112463422A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 董學(xué)帥;陳旃
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鸕鶿科技（蘇州）有限公司
• 主分類(lèi)號(hào): G06F11/07
• 分類(lèi)號(hào): G06F11/07;G06F16/25;G06N3/04;G06N3/08;G16Y40/10;G16Y40/20
• 代理公司: 深圳市世聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

本申請(qǐng)公開(kāi)一種物聯(lián)網(wǎng)故障運(yùn)維方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，涉及物聯(lián)網(wǎng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，所述方法包括獲取故障數(shù)據(jù)，將故障數(shù)據(jù)輸入到已訓(xùn)練好的故障診斷模型中，以確定故障數(shù)據(jù)對(duì)應(yīng)的故障類(lèi)型，根據(jù)預(yù)設(shè)的故障運(yùn)維策略，觸發(fā)故障類(lèi)型對(duì)應(yīng)的運(yùn)維措施，從而減少了人工運(yùn)維的工作量，提高了運(yùn)維效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及物聯(lián)網(wǎng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及物聯(lián)網(wǎng)故障運(yùn)維方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

在傳統(tǒng)物聯(lián)網(wǎng)網(wǎng)絡(luò)中，現(xiàn)有的運(yùn)維管理平臺(tái)及方法，關(guān)注的是基礎(chǔ)設(shè)施(計(jì)算、存儲(chǔ)、網(wǎng)絡(luò))，依賴(lài)于人員的經(jīng)驗(yàn)，是人工運(yùn)維的方法。其中需要運(yùn)維人員在設(shè)備/系統(tǒng)發(fā)生或出現(xiàn)故障后進(jìn)行檢修，對(duì)故障原因判斷、故障原因測(cè)試、維修方法等維修過(guò)程數(shù)據(jù)沒(méi)有進(jìn)行登記匯總，無(wú)法形成有效的維修故障數(shù)據(jù)池和知識(shí)庫(kù)，在下次發(fā)生同樣故障時(shí)，所有的維修方法和維修過(guò)程均又重復(fù)操作，無(wú)法對(duì)歷次的故障維修方法進(jìn)行知識(shí)共享。可見(jiàn)，當(dāng)前的運(yùn)維工作量大，效率低的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的在于提出一種物聯(lián)網(wǎng)故障運(yùn)維方法，以解決物聯(lián)網(wǎng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)故障運(yùn)維效率低的問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本申請(qǐng)實(shí)施例提供一種物聯(lián)網(wǎng)故障運(yùn)維方法，包括如下步驟：

獲取故障數(shù)據(jù)；

將故障數(shù)據(jù)輸入到已訓(xùn)練好的故障診斷模型中，以確定故障數(shù)據(jù)對(duì)應(yīng)的故障類(lèi)型；

根據(jù)預(yù)設(shè)的故障運(yùn)維策略，觸發(fā)故障類(lèi)型對(duì)應(yīng)的運(yùn)維措施。

進(jìn)一步地，獲取故障數(shù)據(jù)包括：

實(shí)時(shí)獲取應(yīng)用節(jié)點(diǎn)的運(yùn)行數(shù)據(jù)，其中，應(yīng)用節(jié)點(diǎn)包括虛擬服務(wù)器和真實(shí)服務(wù)器，運(yùn)行數(shù)據(jù)包括狀態(tài)值；

根據(jù)預(yù)設(shè)的正常狀態(tài)參考表，從狀態(tài)值中確定出異常狀態(tài)值；

將異常狀態(tài)值和異常狀態(tài)值對(duì)應(yīng)的應(yīng)用節(jié)點(diǎn)作為故障數(shù)據(jù)，并存儲(chǔ)運(yùn)維數(shù)據(jù)庫(kù)中。

進(jìn)一步地，當(dāng)故障診斷模型為深度神經(jīng)網(wǎng)絡(luò)模型時(shí)，將故障數(shù)據(jù)輸入到已訓(xùn)練好的故障診斷模型中，以確定故障數(shù)據(jù)對(duì)應(yīng)的故障類(lèi)型包括：

通過(guò)深度神經(jīng)網(wǎng)絡(luò)模型對(duì)異常狀態(tài)值進(jìn)行檢測(cè)；

若檢測(cè)到異常狀態(tài)值所對(duì)應(yīng)的已知故障類(lèi)型，則輸出該故障類(lèi)型；

若檢測(cè)不到異常狀態(tài)值所對(duì)應(yīng)的的已知故障類(lèi)型，則將該異常狀態(tài)值作為異常變量值，并將異常變量值存儲(chǔ)到運(yùn)維數(shù)據(jù)庫(kù)中。

進(jìn)一步地，深度神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方式包括：

對(duì)異常變量值進(jìn)行標(biāo)記；

將標(biāo)記好的異常變量值輸入到深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并輸出結(jié)果；

若輸出結(jié)果的匹配概率小于預(yù)設(shè)的匹配閾值，則對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行參數(shù)調(diào)節(jié)，直至輸出結(jié)果的匹配概率達(dá)到匹配閾值時(shí)，停止訓(xùn)練。

進(jìn)一步地，將標(biāo)記好的異常變量值輸入到深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并輸出結(jié)果包括：

根據(jù)所述異常變量值和所述深度神經(jīng)網(wǎng)絡(luò)模型中預(yù)先設(shè)置的每個(gè)故障類(lèi)型，計(jì)算所述每個(gè)故障類(lèi)型的故障權(quán)重值；

將所述故障權(quán)重值大于預(yù)設(shè)權(quán)重閾值的故障類(lèi)型作為輸出結(jié)果。

為了解決上述技術(shù)問(wèn)題，本申請(qǐng)實(shí)施例還提供一種物聯(lián)網(wǎng)故障運(yùn)維裝置，物聯(lián)網(wǎng)故障運(yùn)維裝置包括：

獲取模塊，用于獲取故障數(shù)據(jù)；

診斷模塊，用于將故障數(shù)據(jù)輸入到已訓(xùn)練好的故障診斷模型中，以確定故障數(shù)據(jù)對(duì)應(yīng)的故障類(lèi)型；

運(yùn)維模塊，用于根據(jù)預(yù)設(shè)的故障運(yùn)維策略，觸發(fā)故障類(lèi)型對(duì)應(yīng)的運(yùn)維措施。