本發(fā)明專利技術(shù)公開了一種用于物聯(lián)網(wǎng)的故障預(yù)防方法和裝置，故障預(yù)防方法對采集到的信號進(jìn)行預(yù)處理，得到諸如工業(yè)控制網(wǎng)絡(luò)的物聯(lián)網(wǎng)中網(wǎng)絡(luò)設(shè)備的特征數(shù)據(jù)；建立DNN網(wǎng)絡(luò)模型和LSTM網(wǎng)絡(luò)模型，并采用歷史數(shù)據(jù)對LSTM模型進(jìn)行訓(xùn)練，獲取LSTM模型最優(yōu)的權(quán)重系數(shù)，輸入歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間，獲取當(dāng)前時刻以及預(yù)設(shè)歷史時間區(qū)間內(nèi)的網(wǎng)絡(luò)的故障值，通過LSTM模型獲得未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)的故障值，準(zhǔn)確預(yù)測未來一段時間內(nèi)網(wǎng)絡(luò)是否發(fā)生故障，有效避免因故障發(fā)生而導(dǎo)致網(wǎng)絡(luò)中的業(yè)務(wù)中斷和經(jīng)濟(jì)損失甚至生命安全。本發(fā)明專利技術(shù)通過采用DNN和LSTM神經(jīng)網(wǎng)絡(luò)，有效提高了檢測的效率和準(zhǔn)確性。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及網(wǎng)絡(luò)故障處理，具體涉及一種用于物聯(lián)網(wǎng)的故障預(yù)防方法和裝置，以及存儲介質(zhì)和電子設(shè)備。
技術(shù)介紹
1、21世紀(jì)以來，工業(yè)控制體系廣泛應(yīng)用于電力、天然氣、交通、航空航天、核電站等領(lǐng)域中。隨著工業(yè)技術(shù)的不斷發(fā)展及計算機(jī)技術(shù)、通信技術(shù)的日益成熟，工業(yè)控制系統(tǒng)不斷有新技術(shù)被應(yīng)用。在物聯(lián)網(wǎng)領(lǐng)域，工業(yè)控制網(wǎng)絡(luò)是工業(yè)控制系統(tǒng)的重要組成部分，一般是以以太網(wǎng)控制自動化技術(shù)ethercat（ethernet?for?control?automation?technology）現(xiàn)場總線或工業(yè)以太網(wǎng)等作為通信介質(zhì)，以具有通訊能力的控制器、傳感器、執(zhí)行器、測控儀表作為網(wǎng)絡(luò)節(jié)點，采取開放式、數(shù)字化、多節(jié)點通訊的方式完成工業(yè)測量或控制的一種特殊的網(wǎng)絡(luò)。近些年，工業(yè)控制網(wǎng)絡(luò)在人工智能技術(shù)的作用下，應(yīng)用了大量的新技術(shù)，工業(yè)控制網(wǎng)絡(luò)目前已經(jīng)應(yīng)用在很多的工業(yè)系統(tǒng)，工業(yè)控制網(wǎng)絡(luò)故障問題越來越受到人們的關(guān)注。
2、當(dāng)工業(yè)控制網(wǎng)絡(luò)出現(xiàn)故障時，網(wǎng)絡(luò)設(shè)備將會出現(xiàn)宕機(jī)，生產(chǎn)中斷將導(dǎo)致經(jīng)濟(jì)損失，嚴(yán)重時可能會威脅到人類的生命安全，因此，如何能夠提前預(yù)防工業(yè)控制網(wǎng)絡(luò)成為一個難題。目前的網(wǎng)絡(luò)故障檢測方式通常采取人工進(jìn)行檢測，其僅能檢測出網(wǎng)絡(luò)當(dāng)前時刻是否存在故障，無法檢測未來某段時間內(nèi)工業(yè)控制網(wǎng)絡(luò)是否會出現(xiàn)故障，目前的主要是通過對工業(yè)控制網(wǎng)絡(luò)的各個節(jié)點中的設(shè)備某一種特定物理屬性（如接收信號的功率等）進(jìn)行分析，找到工業(yè)控制網(wǎng)絡(luò)設(shè)備的故障特征，最終達(dá)到對工業(yè)控制網(wǎng)絡(luò)節(jié)點的故障進(jìn)行診斷，忽略了網(wǎng)絡(luò)設(shè)備在網(wǎng)絡(luò)中的位置信息和重要程度，導(dǎo)致檢測結(jié)果的準(zhǔn)確性和可靠性不高。
技術(shù)實現(xiàn)思路
1、有鑒于此，本專利技術(shù)提供了一種基于ethercat現(xiàn)場總線的物聯(lián)網(wǎng)故障預(yù)防方法和裝置，以及存儲介質(zhì)和電子設(shè)備，能夠預(yù)測未來一段時間故障值，提前預(yù)防故障的發(fā)生，有效提高網(wǎng)絡(luò)故障預(yù)防的準(zhǔn)確性。
2、第一方面，本專利技術(shù)提供了一種用于物聯(lián)網(wǎng)的故障預(yù)防方法，所述物聯(lián)網(wǎng)為基于ethercat現(xiàn)場總線的工業(yè)控制網(wǎng)絡(luò)，所述工業(yè)控制網(wǎng)絡(luò)為主從式通信方式的總線型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，其中第m個設(shè)備為主設(shè)備，其余設(shè)備為從設(shè)備，包括：
3、s1、根據(jù)預(yù)設(shè)采樣周期采集網(wǎng)絡(luò)信號并傳輸至服務(wù)器；
4、s2、對采集到的信號進(jìn)行預(yù)處理，得到所述工業(yè)控制網(wǎng)絡(luò)中網(wǎng)絡(luò)設(shè)備的特征數(shù)據(jù)；
5、s3、建立dnn網(wǎng)絡(luò)模型，將采集到的網(wǎng)絡(luò)設(shè)備的正常狀態(tài)數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)并對dnn網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測試，獲得dnn網(wǎng)絡(luò)模型的粒度常數(shù)；將得到的每個網(wǎng)絡(luò)設(shè)備的特征數(shù)據(jù)輸入訓(xùn)練好的dnn網(wǎng)絡(luò)模型，計算輸出得到每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障概率；
6、s4、計算所述總線型拓?fù)浣Y(jié)構(gòu)中主設(shè)備和從設(shè)備在采樣時刻的網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子，根據(jù)所述網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子得到每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障因子；
7、s5、基于每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障概率和故障因子獲得每個網(wǎng)絡(luò)設(shè)備在所述采樣時刻的故障值，基于每個網(wǎng)絡(luò)設(shè)備在所述采樣時刻的故障值得到所述工業(yè)控制網(wǎng)絡(luò)在采樣時刻的故障值；
8、s6、建立lstm網(wǎng)絡(luò)模型，并采用歷史數(shù)據(jù)對lstm模型進(jìn)行訓(xùn)練，獲取lstm模型最優(yōu)的權(quán)重系數(shù)，輸入歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間，獲取當(dāng)前時刻以及預(yù)設(shè)歷史時間區(qū)間內(nèi)的網(wǎng)絡(luò)的故障值，通過lstm模型獲得未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)的故障值，將未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)故障值與預(yù)設(shè)閾值進(jìn)行比較，若大于預(yù)設(shè)閾值，則輸出為有故障，并發(fā)出告警信息，若小于預(yù)設(shè)閾值，則輸出為無故障。
9、可選地，在本專利技術(shù)上述各方法實施例中，所述dnn網(wǎng)絡(luò)模型包括一個輸入層，兩個隱藏層，一個輸出層，其中輸入層和隱藏層組成了編碼器，隱藏層和輸出層組成了解碼器；所述lstm模型包括兩層lstm層和兩層密集層，兩層lstm層直接連接，兩層密集層直接連接，兩層lstm層的輸出連接兩層密集層的輸入。
10、可選地，在本專利技術(shù)上述各方法實施例中，在獲得未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)的故障值時，獲取當(dāng)前時刻的網(wǎng)絡(luò)故障值、歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間和采樣周期，基于歷史窗口時長，預(yù)測時間間隔，采樣周期獲取歷史時間區(qū)間內(nèi)的故障值，基于歷史時間區(qū)間內(nèi)的故障值和當(dāng)前網(wǎng)絡(luò)故障值采用滑動窗口方法獲得未來預(yù)測時間區(qū)間內(nèi)的多個采樣時刻的網(wǎng)絡(luò)故障值，根據(jù)未來預(yù)測時間區(qū)間內(nèi)的多個采樣時刻的網(wǎng)絡(luò)故障值得到未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)故障值。
11、可選地，在本專利技術(shù)上述各方法實施例中，以歷史窗口時長作為滑動窗口長度，根據(jù)滑動窗口長度內(nèi)各個采樣時刻網(wǎng)絡(luò)的故障值，統(tǒng)計故障值為正常值fnormal的個數(shù)和錯誤值fabnormal的個數(shù)，進(jìn)而計算下一時刻網(wǎng)絡(luò)的故障值，計算公式為：
12、,
13、其中，m為滑動窗口長度內(nèi)采樣點的個數(shù)，?，?為采樣時刻t的網(wǎng)絡(luò)故障值，當(dāng)?小于閾值，?為fnormal，當(dāng)?大于閾值，?為fabnormal，?=?-為相鄰兩個采樣時刻的網(wǎng)絡(luò)故障值變化量；
14、以采樣間隔為滑動單位按照時間進(jìn)行滑動，重復(fù)上述步驟，直到故障值覆蓋未來預(yù)測時間區(qū)間為止；
15、根據(jù)未來預(yù)測時間區(qū)間內(nèi)所有采樣時刻的網(wǎng)絡(luò)故障值，得到未來預(yù)測時間區(qū)間的故障值，公式為：
16、?,
17、其中，o為未來預(yù)測時間區(qū)間長度內(nèi)采樣點的個數(shù)，?，fa為未來預(yù)測時間區(qū)間內(nèi)第a個采樣點的網(wǎng)絡(luò)的故障值；
18、分別獲取相鄰兩個相鄰歷史采樣時刻的網(wǎng)絡(luò)故障值的差值，基于網(wǎng)絡(luò)故障值的差值獲取網(wǎng)絡(luò)的故障值變化量，基于變化量得到未來預(yù)測時間區(qū)間內(nèi)各個采樣點時刻網(wǎng)絡(luò)的故障值，基于未來預(yù)測時間區(qū)間內(nèi)各個采樣點時刻的網(wǎng)絡(luò)故障值，進(jìn)而得到未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)故障值；
19、將未來預(yù)測時間區(qū)間的網(wǎng)絡(luò)故障值與預(yù)設(shè)閾值進(jìn)行比較，若大于預(yù)設(shè)閾值，則輸出為有故障，并發(fā)出告警信息，若小于預(yù)設(shè)閾值，則輸出為無故障。
20、可選地，在本專利技術(shù)上述各方法實施例中，獲取lstm模型最優(yōu)的權(quán)重系數(shù)，具體為：在訓(xùn)練階段，輸入在歷史時間內(nèi)設(shè)定的歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間，設(shè)備當(dāng)前時刻以及設(shè)備歷史時刻故障值輸入至lstm模型中，獲取歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備故障概率預(yù)測值，結(jié)合歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備的故障概率真實值，統(tǒng)計得到預(yù)測值為異常而真實值為正常的網(wǎng)絡(luò)設(shè)備節(jié)點個數(shù)，獲取預(yù)設(shè)值為異常的網(wǎng)絡(luò)設(shè)備的個數(shù)，以及預(yù)設(shè)值為正常的網(wǎng)絡(luò)設(shè)備的個數(shù)；得到lstm神經(jīng)網(wǎng)絡(luò)的損失權(quán)重，計算公式為：
21、
22、其中，p為預(yù)設(shè)值為健康的網(wǎng)絡(luò)設(shè)備的個數(shù)，n為預(yù)設(shè)值為異常的網(wǎng)絡(luò)設(shè)備的個數(shù)，num為預(yù)測值為異常而真實值為正常的網(wǎng)絡(luò)設(shè)備節(jié)點個數(shù)。
23、可選地，在本專利技術(shù)上述各方法實施例中，所述計算所述總線型拓?fù)浣Y(jié)構(gòu)中主設(shè)備和從設(shè)備在采樣時刻的網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子，根據(jù)所述網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子得到每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障因子具體為：
...
【技術(shù)保護(hù)點】
1.一種用于物聯(lián)網(wǎng)的故障預(yù)防方法，所述物聯(lián)網(wǎng)為基于以太網(wǎng)控制自動化技術(shù)EtherCAT現(xiàn)場總線的工業(yè)控制網(wǎng)絡(luò)，所述工業(yè)控制網(wǎng)絡(luò)為主從式通信方式的總線型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，其中第m個設(shè)備為主設(shè)備，其余設(shè)備為從設(shè)備，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：所述DNN網(wǎng)絡(luò)模型包括一個輸入層，兩個隱藏層，一個輸出層，其中輸入層和隱藏層組成了編碼器，隱藏層和輸出層組成了解碼器；所述LSTM模型包括兩層LSTM層和兩層密集層，兩層LSTM層直接連接，兩層密集層直接連接，兩層LSTM層的輸出連接兩層密集層的輸入。
3.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：
4.根據(jù)權(quán)利要求3所述的故障預(yù)防方法，其特征在于：以歷史窗口時長作為滑動窗口長度，根據(jù)滑動窗口長度內(nèi)各個采樣時刻網(wǎng)絡(luò)的故障值，統(tǒng)計故障值為正常值Fnormal的個數(shù)和錯誤值Fabnormal的個數(shù)，進(jìn)而計算下一時刻網(wǎng)絡(luò)的故障值，計算公式為：
5.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：獲取LSTM模型最優(yōu)的權(quán)重系數(shù)，具體為：在訓(xùn)練階段，輸入在歷史時間內(nèi)設(shè)定的歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間、設(shè)備當(dāng)前時刻以及設(shè)備歷史時刻故障值輸入至LSTM模型中，獲取歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備故障概率預(yù)測值，結(jié)合歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備的故障概率真實值，統(tǒng)計得到預(yù)測值為異常而真實值為正常的網(wǎng)絡(luò)設(shè)備節(jié)點個數(shù)，獲取預(yù)設(shè)值為異常的網(wǎng)絡(luò)設(shè)備的個數(shù)，以及預(yù)設(shè)值為正常的網(wǎng)絡(luò)設(shè)備的個數(shù)；得到LSTM神經(jīng)網(wǎng)絡(luò)的損失權(quán)重，計算公式為：
6.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于，所述計算所述總線型拓?fù)浣Y(jié)構(gòu)中主設(shè)備和從設(shè)備在采樣時刻的網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子，根據(jù)所述網(wǎng)絡(luò)圖特征因子、網(wǎng)絡(luò)帶寬需求因子得到每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障因子具體為：
7.根據(jù)權(quán)利要求6所述的故障預(yù)防方法，其特征在于，基于每個網(wǎng)絡(luò)設(shè)備在采樣時刻的故障概率和故障因子獲得每個網(wǎng)絡(luò)設(shè)備在所述采樣時刻的故障值，基于每個網(wǎng)絡(luò)設(shè)備在所述采樣時刻的故障值得到所述工業(yè)控制網(wǎng)絡(luò)在采樣時刻的故障值：
8.一種用于物聯(lián)網(wǎng)的故障預(yù)防裝置，所述物聯(lián)網(wǎng)為基于EtherCAT現(xiàn)場總線的工業(yè)控制網(wǎng)絡(luò)，所述工業(yè)控制網(wǎng)絡(luò)為主從式通信方式的總線型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，其中第m個設(shè)備為主設(shè)備，其余設(shè)備為從設(shè)備，其特征在于，所述裝置包括：
9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：存儲器和處理器，所述存儲器和所述處理器耦合；所述存儲器存儲有程序指令，所述程序指令由所述處理器執(zhí)行時，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1至7任意一項所述的方法。
10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，包括計算機(jī)程序，當(dāng)所述計算機(jī)程序在電子設(shè)備上運行時，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1至7任意一項所述的方法。
...
【技術(shù)特征摘要】
1.一種用于物聯(lián)網(wǎng)的故障預(yù)防方法，所述物聯(lián)網(wǎng)為基于以太網(wǎng)控制自動化技術(shù)ethercat現(xiàn)場總線的工業(yè)控制網(wǎng)絡(luò)，所述工業(yè)控制網(wǎng)絡(luò)為主從式通信方式的總線型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，其中第m個設(shè)備為主設(shè)備，其余設(shè)備為從設(shè)備，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：所述dnn網(wǎng)絡(luò)模型包括一個輸入層，兩個隱藏層，一個輸出層，其中輸入層和隱藏層組成了編碼器，隱藏層和輸出層組成了解碼器；所述lstm模型包括兩層lstm層和兩層密集層，兩層lstm層直接連接，兩層密集層直接連接，兩層lstm層的輸出連接兩層密集層的輸入。
3.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：
4.根據(jù)權(quán)利要求3所述的故障預(yù)防方法，其特征在于：以歷史窗口時長作為滑動窗口長度，根據(jù)滑動窗口長度內(nèi)各個采樣時刻網(wǎng)絡(luò)的故障值，統(tǒng)計故障值為正常值fnormal的個數(shù)和錯誤值fabnormal的個數(shù)，進(jìn)而計算下一時刻網(wǎng)絡(luò)的故障值，計算公式為：
5.根據(jù)權(quán)利要求1所述的故障預(yù)防方法，其特征在于：獲取lstm模型最優(yōu)的權(quán)重系數(shù)，具體為：在訓(xùn)練階段，輸入在歷史時間內(nèi)設(shè)定的歷史窗口時長、預(yù)測時間間隔、未來預(yù)測時間區(qū)間、設(shè)備當(dāng)前時刻以及設(shè)備歷史時刻故障值輸入至lstm模型中，獲取歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備故障概率預(yù)測值，結(jié)合歷史時間內(nèi)設(shè)定的未來預(yù)測時間區(qū)間中各個采樣時刻的網(wǎng)絡(luò)設(shè)備的故障概率真...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：譚運彪，秦靜，徐柏文，李燕茜，楊勁鋒，
申請(專利權(quán))人：工信人本北京管理咨詢有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。