[發明專利]邊緣端數據分析計算裝置

在審

• 申請號: 202310189068.8
• 申請日: 2023-02-23
• 公開（公告）號: CN116302809A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 樊玉明;馬成;劉琦;薛彭雨;于博軒;王虎;張冬生;閆克磊
• 申請（專利權）人: 中車工業研究院有限公司;中國鐵路北京局集團有限公司懷柔北機務段
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/32;G06F18/213;G06F18/214;G06F18/241
• 代理公司: 上海思真遠達專利代理事務所(特殊普通合伙) 31481
• 代理人: 李梅

1.邊緣端數據分析計算裝置，其特征在于，包括邊緣計算設備、用戶云平臺、收集分類模塊、缺失反饋模塊、監測反饋模塊、告警模塊、日志檢測模塊以及云數據庫；

其中，所述邊緣計算設備用于采集機車通風機以及電機軸承運行信息進行采集；

所述用戶云平臺用于管理人員登陸并查看機車通風機以及電機相關信息；

所述收集分類模塊用于接收采集到的各組信息進行預處理后再分類；

所述缺失反饋模塊用于對分類后的數據進行完整性檢測，并將其中缺失數據剔除，同時反饋邊緣計算設備重新采集對應數據；

所述監測反饋模塊用于構建并訓練一組分析神經模型，并接收分類后的各組數據以進行異常反饋；

所述告警模塊用于通過語音播報、燈光以及短信方式向管理人員發送警報，同時中斷相關機車運行；

所述日志檢測模塊用于對用戶云平臺生成的日志數據進行風險分析；

所述云數據庫用于存儲各子模塊生成的數據，并供管理人員調用查看。

2.根據權利要求1所述的邊緣端數據分析計算裝置，其特征在于，所述邊緣計算設備具體包括智能傳感器、可編程邏輯控制器、邊緣智能路由器以及ICT融合網關。

3.根據權利要求1所述的邊緣端數據分析計算裝置，其特征在于，所述收集分類模塊數據分類具體步驟如下：

步驟一：收集分類模塊接收邊緣計算設備采集到的各組數據，之后將各組數據處理成統一格式，然后再將處理后的各組數據按照通風機以及電機軸承進行分類；

步驟二：通過Max-Min歸一化方法將分類后的各組數據轉換至0至1區間內，并通過時域和頻域的方法提取特征參數，再計算各組特征參數的方差系數，并依據計算出的方差系數篩選出能夠表示通風機以及電機軸承信息的特征參數，并篩除對于表征能力差的特征參數。

4.根據權利要求3所述的邊緣端數據分析計算裝置，其特征在于，所述監測反饋模塊分析神經模型具體訓練步驟如下：

步驟(1)：監測反饋模塊從云數據庫中采集多組通風機以及電機軸承信息正常運行信息嗎，之后篩除重復數據，并將剩余信息整合成測驗數據集；

步驟(2)：監測反饋模塊從測驗數據集中任意選取一組數據作為觀測數據，并將剩余數據擬合成一組測驗模型，然后使用觀測數據來驗證該測驗模型精度信息，并重復多次通過均方根誤差對該測驗模型的預測能力進行計算，并收集計算生成的精度參數；

步驟(3)：初始化參數范圍，并按照管理人員設置的步長以及學習率生成所有可能的數據結果，之后選取任意一個子集作為測試集，其余子集作為訓練集，訓練模型后對測試集進行預測，統計測試結果的均方根誤差；

步驟(4)：將測試集更換為另一子集，再取剩余子集作為訓練集，再次統計均方根誤差，直至對所有數據都進行一次預測，通過選取均方根誤差最小時對應的組合參數作為數據區間內分析神經模型最優的參數。

5.根據權利要求4所述的邊緣端數據分析計算裝置，其特征在于，所述監測反饋模塊異常反饋具體步驟如下：

步驟Ⅰ：將當前各組樣本所對應的歸一化值設置為通風機以及電機軸承運行標簽，之后將兩組數據分別劃分成訓練集以及測試集，再對各訓練集進行標準化處理以獲取相對應的訓練樣本；

步驟Ⅱ：將訓練樣本導入分析神經模型中，設置模型最優參數，之后對該模型進行長期迭代訓練，再將測試集輸入訓練好的分析神經模型中生成通風機以及電機軸承運行曲線，同時將運行異常的通風機或電機軸承進行標記，并反饋管理人員其所在位置。

6.根據權利要求1所述的邊緣端數據分析計算裝置，其特征在于，所述日志檢測模塊風險分析具體步驟如下：

步驟①：日志檢測模塊在不同系統的用戶云平臺部署相對應的采集插件以獲取各用戶云平臺所生成的日志數據，之后依據預先設定的條件值對獲取到的各組日志數據進行篩選；

步驟②：將滿足要求的日志數據處理為統一格式，再有序地對日志數據執行相關處理操作，之后將日志數據中記錄的用戶操作行為與攻擊者行為特征進行匹配，并將匹配結果進行輸出；

步驟③：收集輸出結果并進行判斷，若輸出結果滿足一個或多個預設告警條件,則進行風險告警，并生成相對應的告警信息，同時對該條告警的風險分數進行計算，并將計算結果進行輸出。

7.根據權利要求6所述的邊緣端數據分析計算裝置，其特征在于，步驟③所述風險分數具體計算公式如下：

式中，R_i代表規則重要程度，R_m代表規則歷史命中次數，R_n代表命中規則數，S代表告警風險系數，A_S代表資產重要性，V_i代表漏洞嚴重程度。