矿用设备的身份的确定方法、装置和设备通信系统制造方法及图纸

本申请提供了一种矿用设备的身份的确定方法、装置和设备通信系统。该方法包括：获取通信设备的数据帧；构建识别模型；将数据帧输入至识别模型，得到数据帧对应的设备身份。该方案在设备通信的过程中，获取设备传输的数据帧，这个数据帧可以是数据报文的一部分，再通过识别模型来对传输的数据帧进行识别，来确定设备的身份，而识别模型可以采用RBF算构建出来，因此本方案的识别模型是RBF识别模型，RBF识别模型的鲁棒性较好，适应性较强，经常适用于分类的任务，因此可以采用RBF识别模型来自动化识别矿用设备的设备身份，无需人工识别了，进而提高了识别的效率。进而提高了识别的效率。进而提高了识别的效率。

【技术实现步骤摘要】
矿用设备的身份的确定方法、装置和设备通信系统


[0001]本申请涉及物联网通信
，具体而言，涉及一种矿用设备的身份的确定方法、装置、计算机可读存储介质和设备通信系统。

技术介绍

[0002]煤矿经历了机械自动化、数字化和智能化阶段，当前正处于数字化向智能化转型的阶段。目前接入煤矿智能化软件平台的矿用设备众多，导致设备的信息化管理是一个难题，对矿用设备信息化管理的第一件事就是建立各个厂家与关联设备的对照表。而目前识别设备身份即设备所属的厂家ID的方式是通过人工手工录入的方式，这种方式耗时耗力，识别的效率较低。

技术实现思路

[0003]本申请的主要目的在于提供一种矿用设备的身份的确定方法、装置、计算机可读存储介质和设备通信系统，以至少解决现有技术中通过人工识别设备身份再手工录入的方式效率较低的问题。
[0004]为了实现上述目的，根据本申请的一个方面，提供了一种矿用设备的身份的确定方法，包括：获取通信设备的数据帧，其中，所述数据帧是所述通信设备进行数据传输过程中传输的数据包；构建识别模型，其中，所述识别模型是使用多组训练数据来通过RBF算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史通信设备的历史数据帧、所述历史数据帧对应的历史设备身份；将所述数据帧输入至所述识别模型，得到所述数据帧对应的设备身份。
[0005]可选地，获取通信设备的数据帧，包括：获取所述通信设备的数据报文，其中，所述数据报文包括所述数据帧对应的信息；根据所述数据报文的头部信息确定所述数据报文的报文类型，其中，所述头部信息和所述报文类型一一对应；根据所述报文类型提取所述数据报文中的特征信息，得到所述数据帧，其中，所述特征信息包括IP地址、协议类型、报文长度中的一个或者多个。
[0006]可选地，在获取通信设备的数据帧之后，所述方法还包括：构建RBF神经网络模型的输入层，其中，所述输入层是用于输入数据；构建所述RBF神经网络模型的隐含层，其中，所述隐含层用于通过径向基函数将第一维度的数据映射到第二维度，所述第一维度小于所述第二维度；构建所述RBF神经网络模型的输出层，其中，所述输出层用于通过线性回归算法将所述隐含层的输出进行线性组合得到输出数据。
[0007]可选地，在构建所述RBF神经网络模型的输出层之后，所述方法还包括：采用优化算法对所述RBF神经网络模型进行优化，得到优化后的RBF神经网络模型，其中，所述优化算法为果蝇优化算法、K
‑
Means优化算法、自由搜索优化算法、麻雀种群优化算法中的一种或者多种。
[0008]可选地，在构建所述RBF神经网络模型的输出层之后，所述方法还包括：获取参考
数据，其中，所述参考数据为对所述通信设备进行身份识别的参考数据；采用所述RBF神经网络模型对所述通信设备的所述数据帧进行身份识别，得到识别数据；计算所述参考数据和所述识别数据的误差值，在所述误差值大于或者等于误差阈值的情况下，迭代调整所述RBF神经网络模型的所述隐含层的参数和所述输出层的参数，直到调整后的RBF神经网络模型对应的所述误差值小于所述误差阈值。
[0009]可选地，在将所述数据帧输入至所述识别模型，得到所述数据帧对应的设备身份之后，所述方法还包括：存储所述通信设备的所述设备身份和特征信息，并将所述通信设备的所述设备身份和所述特征信息发送到目标软件平台。
[0010]可选地，在将所述数据帧输入至所述识别模型，得到所述数据帧对应的设备身份之后，所述方法还包括：在有新通信设备请求接入所述目标软件平台的情况下，计算所述新通信设备的新数据帧与存储的所述通信设备的所述数据帧的相似度；在所述相似度大于相似度阈值的情况下，确定所述新通信设备的所述设备身份与所述通信设备的所述设备身份相同；在所述相似度小于或者等于所述相似度阈值的情况下，采用所述识别模型确定所述新通信设备的所述设备身份。
[0011]根据本申请的另一方面，提供了一种矿用设备的身份的确定装置，包括：第一获取单元，用于获取通信设备的数据帧，其中，所述数据帧是所述通信设备进行数据传输过程中传输的数据包；第一构建单元，用于构建识别模型，其中，所述识别模型是使用多组训练数据来通过RBF算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史通信设备的历史数据帧、所述历史数据帧对应的历史设备身份；第一确定单元，用于将所述数据帧输入至所述识别模型，得到所述数据帧对应的设备身份。
[0012]根据本申请的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述矿用设备的身份的确定方法。
[0013]根据本申请的又一方面，提供了一种设备通信系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的矿用设备的身份的确定方法。
[0014]应用本申请的技术方案，在设备通信的过程中，获取设备传输的数据帧，这个数据帧可以是数据报文的一部分，再通过识别模型来对传输的数据帧进行识别，来确定设备的身份，而识别模型可以采用RBF算构建出来，因此本方案的识别模型是RBF识别模型，RBF识别模型的鲁棒性较好，适应性较强，经常适用于分类的任务，因此可以采用RBF识别模型来自动化识别矿用设备的设备身份，无需人工识别了，进而提高了识别的效率。
附图说明
[0015]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0016]图1示出了根据本申请的实施例中提供的一种执行矿用设备的身份的确定方法的移动终端的硬件结构框图；
[0017]图2示出了根据本申请的实施例提供的一种矿用设备的身份的确定方法的流程示
意图；
[0018]图3示出了RBF神经网络的结构示意图；
[0019]图4示出了根据本申请的实施例提供的一种矿用设备的身份的确定装置的结构框图。
[0020]其中，上述附图包括以下附图标记：
[0021]102、处理器；104、存储器；106、传输设备；108、输入输出设备。
具体实施方式
[0022]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0023]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0024]需要说明的是，本申请的说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿用设备的身份的确定方法，其特征在于，包括：获取通信设备的数据帧，其中，所述数据帧是所述通信设备进行数据传输过程中传输的数据包；构建识别模型，其中，所述识别模型是使用多组训练数据来通过RBF算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史通信设备的历史数据帧、所述历史数据帧对应的历史设备身份；将所述数据帧输入至所述识别模型，得到所述数据帧对应的设备身份。2.根据权利要求1所述的方法，其特征在于，获取通信设备的数据帧，包括：获取所述通信设备的数据报文，其中，所述数据报文包括所述数据帧对应的信息；根据所述数据报文的头部信息确定所述数据报文的报文类型，其中，所述头部信息和所述报文类型一一对应；根据所述报文类型提取所述数据报文中的特征信息，得到所述数据帧，其中，所述特征信息包括IP地址、协议类型、报文长度中的一个或者多个。3.根据权利要求1所述的方法，其特征在于，在获取通信设备的数据帧之后，所述方法还包括：构建RBF神经网络模型的输入层，其中，所述输入层是用于输入数据；构建所述RBF神经网络模型的隐含层，其中，所述隐含层用于通过径向基函数将第一维度的数据映射到第二维度，所述第一维度小于所述第二维度；构建所述RBF神经网络模型的输出层，其中，所述输出层用于通过线性回归算法将所述隐含层的输出进行线性组合得到输出数据。4.根据权利要求3所述的方法，其特征在于，在构建所述RBF神经网络模型的输出层之后，所述方法还包括：采用优化算法对所述RBF神经网络模型进行优化，得到优化后的RBF神经网络模型，其中，所述优化算法为果蝇优化算法、K
‑
Means优化算法、自由搜索优化算法、麻雀种群优化算法中的一种或者多种。5.根据权利要求3所述的方法，其特征在于，在构建所述RBF神经网络模型的输出层之后，所述方法还包括：获取参考数据，其中，所述参考数据为对所述通信设备进行身份识别的参考数据；采用所述RBF神经网络模型对所述通信设备的所述数据帧进行身份识别，得到识别数据；计算所述参考数据和所述识别数据的误差值，在所述误差...

【专利技术属性】
技术研发人员：王占银，张志强，吴国强，杨长俊，杨亚军，彭胜越，王凯宁，张永红，郭维强，王裴雷，蒙宏伟，王博，
申请(专利权)人：国家能源集团宁夏煤业有限责任公司，
类型：发明
国别省市：