【技術實現步驟摘要】
本專利技術涉及設備維護，尤其涉及一種嵌入式設備在線測試及遠程維護方法及系統。
技術介紹
1、隨著物聯網和邊緣計算的快速發展，越來越多的嵌入式設備被部署在各種應用場景中，例如工業控制、智能家居、醫療設備等，嵌入式設備通常需要長時間連續運行，因此，對嵌入式設備進行實時在線測試和遠程維護變得越來越重要；
2、傳統的嵌入式設備測試和維護方法通常依賴于人工定期巡檢和離線診斷，存在效率低下，無法及時發現和處理設備故障，成本較高，需要投入大量的人力和物力且難以應對復雜多變的運行環境等問題；
3、因此，亟需一種方案解決現有技術中存在的問題。
技術實現思路
1、本專利技術實施例提供一種嵌入式設備在線測試及遠程維護方法及系統，至少能解決現有技術中存在的部分問題。
2、本專利技術實施例的第一方面，提供一種嵌入式設備在線測試及遠程維護方法，包括：
3、在嵌入式設備中部署邊緣計算節點并采集多源異構數據序列，對于每個數據序列，基于香農熵原理計算信息熵值，基于預先設置的信息熵閾值選擇采樣周期，根據選擇的采樣周期對所述多源異構數據序列中的處理器功耗數據和內存占用數據進行小波變換分解，得到第一特征矩陣，利用分形理論計算存儲性能數據的豪斯多夫維數和網絡狀態數據的分形維數，得到表示時序復雜度特征的第二特征矩陣，將所述第一特征矩陣和所述第二特征矩陣輸入基于廣義切比雪夫多項式構建的異常檢測模型，生成異常程度向量；
4、將所述異常程度向量輸入膠囊神經網絡進行特征提取
5、根據所述故障診斷報告在維護知識庫中檢索相似故障案例，提取關聯的維護方案，計算每個維護方案在歷史記錄中的成功率，生成維護方案權重并結合蒙特卡洛樹搜索算法規劃維護指令序列，執行所述維護指令序列并根據預先設置的監控節點采集執行狀態，構建基于孿生神經網絡的效果評估模型，將系統當前狀態特征與目標狀態特征進行相似度計算，得到維護效果得分，若所述維護效果得分低于預先設置的維護效果閾值，則通過策略梯度優化算法，基于歷史維護數據調整所述維護指令序列，重復維護和調整直至所述維護效果得分在20個連續周期內都大于所述維護效果閾值，結束維護并將維護過程存儲至所述維護知識庫。
6、在一種可選的實施方式中，
7、在嵌入式設備中部署邊緣計算節點并采集多源異構數據序列，對于每個數據序列，基于香農熵原理計算信息熵值，基于預先設置的信息熵閾值選擇采樣周期，根據選擇的采樣周期對所述多源異構數據序列中的處理器功耗數據和內存占用數據進行小波變換分解，得到第一特征矩陣，利用分形理論計算存儲性能數據的豪斯多夫維數和網絡狀態數據的分形維數，得到表示時序復雜度特征的第二特征矩陣，將所述第一特征矩陣和所述第二特征矩陣輸入基于廣義切比雪夫多項式構建的異常檢測模型，生成異常程度向量包括：
8、在嵌入式設備中部署邊緣計算節點并采集所述嵌入式設備對應的多源異構數據，結合時間戳組合生成多源異構數據序列，其中，所述多源異構數據包括所述嵌入式設備的處理器功耗數據、內存占用數據、存儲性能數據和網絡狀態數據；
9、對于所述多源異構數據序列中的每個數據序列，基于香農熵原理劃分多個時間窗口，計算每個所述時間窗口內的數據概率分布，將所述數據概率分布代入至香農熵公式，計算得到所述時間窗口的信息熵值，若所述信息熵值大于預先設置的信息熵閾值，則將采樣周期設置為第一采樣周期，否則，設置為第二采樣周期，其中，所述第一采樣周期小于第二采樣周期，將設置的采樣周期反饋至所述邊緣計算節點；
10、基于選擇的采樣周期，通過道貝小波對所述多源異構數據序列中的處理器功耗數據和內存占用數據進行多級小波分解，在每一層得到對應的近似系數和細節系數，將所述近似系數和所述細節系數按照從低頻到高頻的順序排列，得到所述第一特征矩陣；
11、對于所述存儲性能數據，基于分形理論統計單位時間范圍內的存儲數據吞吐量樣本構成的點集，結合盒維數方法對所述點集所在的空間進行網格劃分，統計包含點的網格數并改變每個網格的邊長，得到多個儲存性能數據對，進行線性擬合，將得到的擬合直線的斜率作為所述豪斯多夫維數，對于所述網絡狀態數據，計算不同時滯下的相關積分，結合塔肯斯嵌入定理選擇最優嵌入維度進行相空間重構，得到軌跡矩陣，基于所述軌跡矩陣計算得到所述分形維數，將所述豪斯多夫維數和所述分形維數根據時間順序進行排列，構建得到第二特征矩陣；
12、對所述第一特征矩陣和所述第二特征矩陣進行規范化處理，生成規范化特征矩陣，結合基于五階廣義切比雪夫多項式構建的異常檢測模型對所述規范化特征矩陣進行特征變換，得到切比雪夫系數，將所述切比雪夫系數構建為異常特征向量，計算所述異常特征向量到達預先設置的正常樣本邊界的距離并進行歸一化處理，得到所述異常程度向量。
13、在一種可選的實施方式中，
14、將所述數據概率分布代入至香農熵公式，計算得到所述時間窗口的信息熵值如下公式所示：
15、；
16、其中，h(xt)表示時間窗口xt的信息熵值，λt表示時變遺忘因子，h(xt-1)表示時間窗口t-1的信息熵值，wi(t)表示第i個事件的權重系數，pi表示時間窗口xt中第i個事件發生的概率，表示修正項，n表示時間的總數，β表示kl散度正則化項權重因子，k(p||q)表示數據分布p和先驗分布q之間的kl散度。
17、在一種可選的實施方式中，
18、將所述異常程度向量輸入膠囊神經網絡進行特征提取，所述膠囊神經網絡的每個膠囊單元對應一個系統組件，根據組件狀態的互信息量動態調整膠囊層間的路由權重并對膠囊網絡輸出的特征進行高斯混合聚類，得到故障類型的概率分布，基于相空間重構技術建立非線性預測模型，計算系統狀態軌跡的李雅普諾夫指數和關聯維數，將所述故障類型的概率分布、所述李雅普諾夫指數和所述關聯維數輸入因果推理網絡，生成故障診斷報告并構建狀態轉移矩陣，通過隱馬爾可夫模型預測系統狀態演化路徑，計算設備健康得分，若所述設備健康得分低于預設的健康閾值，則觸發維護流程包括：
19、將所述異常程度向量添加至預先訓練完成的膠囊神經網絡中，其中，所述膠囊神經網絡的結構與所述嵌入式設備的系統架構對應，每個膠囊單元對應所述嵌入式設備中的一個系統組件，其中，系統組件包括處理器、內存、存儲和網絡，所述膠囊神經網絡對所述異常程度向量進行特征提取，得到異常特征向量；
20、所述膠囊神經網絡根據動態本文檔來自技高網...
【技術保護點】
1.嵌入式設備在線測試及遠程維護方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，在嵌入式設備中部署邊緣計算節點并采集多源異構數據序列，對于每個數據序列，基于香農熵原理計算信息熵值，基于預先設置的信息熵閾值選擇采樣周期，根據選擇的采樣周期對所述多源異構數據序列中的處理器功耗數據和內存占用數據進行小波變換分解，得到第一特征矩陣，利用分形理論計算存儲性能數據的豪斯多夫維數和網絡狀態數據的分形維數，得到表示時序復雜度特征的第二特征矩陣，將所述第一特征矩陣和所述第二特征矩陣輸入基于廣義切比雪夫多項式構建的異常檢測模型，生成異常程度向量包括：
3.根據權利要求2所述的方法，其特征在于，將所述數據概率分布代入至香農熵公式，計算得到所述時間窗口的信息熵值如下公式所示：
4.根據權利要求1所述的方法，其特征在于，將所述異常程度向量輸入膠囊神經網絡進行特征提取，所述膠囊神經網絡的每個膠囊單元對應一個系統組件，根據組件狀態的互信息量動態調整膠囊層間的路由權重并對膠囊網絡輸出的特征進行高斯混合聚類，得到故障類型的概率分布，基于相空間重構技術建立非線
5.根據權利要求4所述的方法，其特征在于，基于相空間重構技術構建非線性預測模型，將根據所述故障類型的概率分布構建的系統狀態序列添加至所述非線性預測模型中，計算系統狀態軌跡的李雅普諾夫指數和關聯維數包括：
6.根據權利要求1所述的方法，其特征在于，根據所述故障診斷報告在維護知識庫中檢索相似故障案例，提取關聯的維護方案，計算每個維護方案在歷史記錄中的成功率，生成維護方案權重并結合蒙特卡洛樹搜索算法規劃維護指令序列，執行所述維護指令序列并根據預先設置的監控節點采集執行狀態，構建基于孿生神經網絡的效果評估模型，將系統當前狀態特征與目標狀態特征進行相似度計算，得到維護效果得分，若所述維護效果得分低于預先設置的維護效果閾值，則通過策略梯度優化算法，基于歷史維護數據調整所述維護指令序列，重復維護和調整直至所述維護效果得分在20個連續周期內都大于所述維護效果閾值，結束維護并將維護過程存儲至所述維護知識庫包括：
7.根據權利要求6所述的方法，其特征在于，將所述維護指令序列的選擇策略構建為概率分布函數，基于相鄰兩次維護操作的維護效果得分差值計算獎勵信號值，利用所述獎勵信號值更新所述概率分布函數的參數如下公式所示：
8.嵌入式設備在線測試及遠程維護系統，用于實現前述權利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至7中任意一項所述的方法。
...【技術特征摘要】
1.嵌入式設備在線測試及遠程維護方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，在嵌入式設備中部署邊緣計算節點并采集多源異構數據序列，對于每個數據序列，基于香農熵原理計算信息熵值，基于預先設置的信息熵閾值選擇采樣周期，根據選擇的采樣周期對所述多源異構數據序列中的處理器功耗數據和內存占用數據進行小波變換分解，得到第一特征矩陣，利用分形理論計算存儲性能數據的豪斯多夫維數和網絡狀態數據的分形維數，得到表示時序復雜度特征的第二特征矩陣，將所述第一特征矩陣和所述第二特征矩陣輸入基于廣義切比雪夫多項式構建的異常檢測模型，生成異常程度向量包括：
3.根據權利要求2所述的方法，其特征在于，將所述數據概率分布代入至香農熵公式，計算得到所述時間窗口的信息熵值如下公式所示：
4.根據權利要求1所述的方法，其特征在于，將所述異常程度向量輸入膠囊神經網絡進行特征提取，所述膠囊神經網絡的每個膠囊單元對應一個系統組件，根據組件狀態的互信息量動態調整膠囊層間的路由權重并對膠囊網絡輸出的特征進行高斯混合聚類，得到故障類型的概率分布，基于相空間重構技術建立非線性預測模型，計算系統狀態軌跡的李雅普諾夫指數和關聯維數，將所述故障類型的概率分布、所述李雅普諾夫指數和所述關聯維數輸入因果推理網絡，生成故障診斷報告并構建狀態轉移矩陣，通過隱馬爾可夫模型預測系統狀態演化路徑，計算設備健康得分，若所述設備健康得分低于預設的健康閾值，則觸發維護流程包括：
5.根據權利要求4所述的方法，...
【專利技術屬性】
技術研發人員：陳果，邢振國，程文杰，
申請(專利權)人：蘇州耀國電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。