物联网设备远程诊断的方法及装置、电子设备制造方法及图纸

本发明专利技术提供一种物联网设备远程诊断的方法及装置、电子设备。方法包括配置多个待训练物联网设备的设备静态数据，在多个采样时间点分别采集多个待训练物联网设备的设备运行数据，以形成训练特征数据集；利用训练特征数据集进行训练，以获得诊断模型，用于表征采样时间点与设备运行数据之间的对应关系；基于诊断模型对待诊断物联网设备进行远程诊断。通过大量采集一些物联网设备的设备运行数据，形成训练特征数据集，从而可以利用该训练特征数据集进行机器学习，获得诊断模型，并以此来实现远程诊断物联网设备是否存在异常。因此，本发明专利技术的远程诊断方法，可以节省诊断时间，并且能够快速得到诊断结果，有助于快速解决设备异常问题，提高经济效益。

Methods, devices and electronic equipment of remote diagnosis of Internet of things equipment

【技术实现步骤摘要】
物联网设备远程诊断的方法及装置、电子设备
本专利技术属于通信
，具体涉及一种物联网设备远程诊断的方法、一种物联网设备远程诊断的装置以及一种电子设备。
技术介绍
现代制造设备的结构日趋复杂，自动化程度也越来越高，许多设备综合了机械、电子、自动控制、计算机等许多先进技术，设备中各种元器件相互联系、相互依赖，这就使得设备故障诊断难度增大。由于制造现场存在着很多不确定性因素，使得在设备的运行过程中，不可避免会出现各种各样的故障，一旦出现故障，能否对故障进行快速的诊断并派出故障，对于制造企业来说是非常重要的。机械再造设备的使用者都是生产一线的工人和技术人员，他们一般只能解决一些简单的问题，当系统出现较严重。复杂的故障时，就需要相关专家的帮助才能解决问题，但如果每次出现故障时都将诊断专家请到现场是不太现实的，这就对机械制造设备的故障诊断提出了新的要求，即如何克服地域和时间的限制，实现远程专家的协作诊断。近年来，Internet技术随着全球信息化建设而飞速发展，Internet技术打破了传统通信方式的限制，使得信息交流更加自由、快捷和方便。设备远程故障诊断的最大特点是设备与诊断资源在地域上的分离，提供服务的诊断资源与被诊断设备之间通过网络通信，组成一个比较松散的逻辑整体，通过网络连接，对被诊断设备进行远程诊断。在目前的网络情况下，通常需要需要多个有经验的人员(通常是设备厂家或者运营商维护人员)对网络中的多个设备进行远程诊断，才能确定设备是否有故障，因为目前的网络基本都是异构网络，由不同厂家的设备组成的网络(比如华为，中兴，H3C等)，网络设备的远程故障诊断，变得费时费力，并且难以快速得出诊断结果，直到故障出现，仍然难以快速恢复。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种物联网设备远程诊断的方法、一种物联网设备远程诊断的装置以及一种电子设备。本专利技术的一个方面，提供一种物联网设备远程诊断的方法，包括：分别配置多个待训练物联网设备的设备静态数据，所述设备静态数据包括设备网络基本信息和设备自身基本信息；在多个采样时间点分别采集多个待训练物联网设备的设备运行数据，以形成训练特征数据集，所述设备运行数据包括设备网络特征数据和设备资源利用数据；利用所述训练特征数据集进行训练，以获得诊断模型，所述诊断模型用于表征所述采样时间点与所述设备运行数据之间的对应关系；基于所述诊断模型对待诊断物联网设备进行远程诊断。在可选地一些实施方式中，在所述利用所述训练特征数据集进行训练，以获得诊断模型之前，还包括：分别提取每个所述采样时间点的各所述设备运行数据的特征值；分别计算每个所述采样时间点相对应的各所述特征值的标准差；将每个所述采样时间点的各所述特征值分别与相对应的标准差进行比较，并将不满足与所述标准差呈预定关系的特征值所对应的特征从所述训练特征数据集中剔除。在可选地一些实施方式中，所述预定关系为所述特征值不大于所述标准差的3倍。在可选地一些实施方式中，在所述将不满足与所述标准差呈预定关系的特征值所对应的特征从所述训练特征数据集中剔除之后、以及利用所述训练特征数据集进行训练，以获得诊断模型之前，所述方法还包括：分别计算每个所述采样时间点相对应的各所述特征值的算术平均值，并将每个所述算术平均值作为对应的所述采样时间点的特征参考值。在可选地一些实施方式中，所述设备网络基本信息包括设备接口数量、设备接口带宽、设备上下行的接口互联状态；和/或，所述设备自身基本信息包括设备数据采集的地址/端口信息、设备CPU核数、设备内存容量、设备硬盘容量；和/或，所述设备网络特征数据包括设备接口的状态、设备接口的收发数据报文数量；和/或，所述设备资源利用数据包括设备CPU利用率、设备内存利用率、设备硬盘利用率、设备线程/进程数量、设备开放端口状态。在可选地一些实施方式中，所述基于所述诊断模型对待诊断物联网设备进行远程诊断，包括：在实际采样时间点采集所述待诊断物联网设备的设备实际静态数据和设备实际运行数据，所述设备实际静态数据包括设备实际网络基本信息和设备实际自身基本信息，所述设备实际运行数据包括设备实际网络特征数据和设备实际资源利用数据；将所述实际采样时间点输入至所述诊断模型，以获得与所述实际采样时间点相对应的设备期望运行数据，所述设备期望运行数据包括设备期望网络特征数据和设备期望资源利用数据；将所述设备实际运行数据与所述设备期望运行数据进行比较，以输出诊断结果。在可选地一些实施方式中，所述在实际采样时间点采集所述待诊断物联网设备的设备实际运行数据，包括：在所述实际采样时间点多次采集所述待诊断物联网设备的设备实际运行数据；计算所述设备实际运行数据的平均值；所述将所述设备实际运行数据与所述设备期望运行数据进行比较，以输出诊断结果，包括：将所述设备实际运行数据的平均值与在时间维度上与所述实际采样时间点相对应的所述设备期望数据进行比较，以输出诊断结果。在可选地一些实施方式中，所述将所述设备实际运行数据与所述设备期望运行数据进行比较，以输出诊断结果，包括：将所述设备实际资源利用数据与设备期望资源利用数据进行比较，以及将所述设备实际网络特征数据与所述设备期望网络特征数据进行比较；响应于所述设备实际资源利用数据不符合所述设备期望资源利用数据，则判断所述设备实际静态数据是否修改，若否，则输出所述待诊断物联网设备异常一般告警，并在连续多次输出所述待诊断物联网设备异常一般告警之后，输出所述待诊断物联网设备异常重要告警；响应于所述设备实际网络特征数据不符合所述设备期望特征数据，则判断所述待诊断物联网设备的上下行物联网设备的网络特征数据是否异常，若是，则输出所述待诊断物联网设备异常重要告警；若否，则输出所述待诊断物联网设备异常一般告警。本专利技术的另一个方面，提供一种物联网设备远程诊断的装置，包括：配置模块，用于分别配置多个待训练物联网设备的设备静态数据，所述设备静态数据包括设备网络基本信息和设备自身基本信息；采集模块，用于在多个采样时间点分别采集多个待训练物联网设备的设备运行数据，以形成训练特征数据集，所述设备运行数据包括设备网络特征数据和设备资源利用数据；训练模块，用于利用所述训练特征数据集进行训练，以获得诊断模型，所述诊断模型用于表征所述采样时间点与所述设备运行数据之间的对应关系；诊断模块，用于基于所述诊断模型对待诊断物联网设备进行远程诊断。在可选地一些实施方式中，还包括计算模块，在所述利用所述训练特征数据集进行训练，以获得诊断模型之前，所述计算模块具体用于：分别提取每个所述采样时间点的各所述设备运行数据的特征值；分别计算每个所述采样时间点相对应的各所述特征值的标准差；将每个所述采样时间点的各所述特征值分别与相对应的标准差进行比较，并将不满足与所述标准差呈预定关系的特征本文档来自技高网...

【技术保护点】
1.一种物联网设备远程诊断的方法，其特征在于，包括：/n分别配置多个待训练物联网设备的设备静态数据，所述设备静态数据包括设备网络基本信息和设备自身基本信息；/n在多个采样时间点分别采集多个待训练物联网设备的设备运行数据，以形成训练特征数据集，所述设备运行数据包括设备网络特征数据和设备资源利用数据；/n利用所述训练特征数据集进行训练，以获得诊断模型，所述诊断模型用于表征所述采样时间点与所述设备运行数据之间的对应关系；/n基于所述诊断模型对待诊断物联网设备进行远程诊断。/n

【技术特征摘要】
20200305 CN 20201014879941.一种物联网设备远程诊断的方法，其特征在于，包括：
分别配置多个待训练物联网设备的设备静态数据，所述设备静态数据包括设备网络基本信息和设备自身基本信息；
在多个采样时间点分别采集多个待训练物联网设备的设备运行数据，以形成训练特征数据集，所述设备运行数据包括设备网络特征数据和设备资源利用数据；
利用所述训练特征数据集进行训练，以获得诊断模型，所述诊断模型用于表征所述采样时间点与所述设备运行数据之间的对应关系；
基于所述诊断模型对待诊断物联网设备进行远程诊断。


2.根据权利要求1所述的方法，其特征在于，在所述利用所述训练特征数据集进行训练，以获得诊断模型之前，还包括：
分别提取每个所述采样时间点的各所述设备运行数据的特征值；
分别计算每个所述采样时间点相对应的各所述特征值的标准差；
将每个所述采样时间点的各所述特征值分别与相对应的标准差进行比较，并将不满足与所述标准差呈预定关系的特征值所对应的特征从所述训练特征数据集中剔除。


3.根据权利要求2所述的方法，其特征在于，所述预定关系为所述特征值不大于所述标准差的3倍。


4.根据权利要求2所述的方法，其特征在于，在所述将不满足与所述标准差呈预定关系的特征值所对应的特征从所述训练特征数据集中剔除之后、以及利用所述训练特征数据集进行训练，以获得诊断模型之前，所述方法还包括：
分别计算每个所述采样时间点相对应的各所述特征值的算术平均值，并将每个所述算术平均值作为对应的所述采样时间点的特征参考值。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述设备网络基本信息包括设备接口数量、设备接口带宽、设备上下行的接口互联状态；和/或，
所述设备自身基本信息包括设备数据采集的地址/端口信息、设备CPU核数、设备内存容量、设备硬盘容量；和/或，
所述设备网络特征数据包括设备接口的状态、设备接口的收发数据报文数量；和/或，
所述设备资源利用数据包括设备CPU利用率、设备内存利用率、设备硬盘利用率、设备线程/进程数量、设备开放端口状态。


6.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述诊断模型对待诊断物联网设备进行远程诊断，包括：
在实际采样时间点采集所述待诊断物联网设备的设备实际静态数据和设备实际运行数据，所述设备实际静态数据包括设备实际网络基本信息和设备实际自身基本信息，所述设备实际运行数据包括设备实际网络特征数据和设备实际...

【专利技术属性】
技术研发人员：侯贵斌，张维，梁晓东，陈景斌，
申请(专利权)人：深圳知路科技有限公司，
类型：发明
国别省市：广东;44