【技术实现步骤摘要】
本专利技术涉及工业领域，尤其涉及一种面向生产线的协议解析方法及智能采集装置。
技术介绍
1、在工业生产中，生产流水线(或称生产线)的高效运行依赖于对各个生产环节的监控和协调，既需要监控生产设备运行效率，也需要同时及时发现并处理生产线设备的异常和故障。因此，工业生产车间的生产线设备数据采集技术发挥着关键作用。
2、不过，现有的工业生产线设备和数控车床数据采往往不提供数据采集接口，或者使用自己各自独有的数据传输方式，无法统一进行数据采集和监控，难以实现生产线上不同生产设备之间的跨设备和跨系统的数据采集需要，降低了针对工业生产线设备的运行数据的采集效率。
技术实现思路
1、本专利技术所要解决的第一个技术问题是针对上述现有技术提供一种能够适用于生产线中跨设备、跨系统数据采集的面向生产线的协议解析方法。
2、本专利技术所要解决的第二个技术问题是提供一种实现上述面向生产线的协议解析方法的智能采集装置。
3、本专利技术解决第一个技术问题所采用的技术方案为：面向生产线的协议解析方法，适用于采集生产线设备的生产数据，其特征在于，包括以下步骤：
4、步骤1，建立词袋模型，将已知协议报文处理成一系列单词的单词集合，且通过n-gram将已知协议报文转为词向量；
5、步骤2，利用词频-逆向文件频率算法，计算已知协议报文中每一个单词的单词权重，且基于所得所有单词权重对应挖掘出已知协议报文中的关键词；
6、步骤3，计算每个关键词在对应已知协
7、步骤4，将该特征向量输入到在线宽度学习识别模型；其中，与当前报文一致性最高的协议被识别成作为代表性样本；
8、步骤5，利用网络抓包工具从目标协议报文所在的网络环境中抓取协议数据包，且对抓取到的该协议数据包进行预处理，得到预处理后协议数据；
9、步骤6，对预处理后协议数据中的未知协议内容和已知协议内容做相似度评估判断：
10、当未知协议内容为已知协议内容的高相似度协议时，转入步骤7；否则，转入步骤8；
11、步骤7，基于该已知协议内容的规范和信息，建立双向lstm-crf模型，以识别未知icp中的字段，得到对应该未知协议内容的字段序列，转入步骤9；
12、步骤8，计算该未知协议内容中每个字节的信息熵以及前后两个相邻字节之间的互信息量，且将信息熵峰值点和互信息量极小值点作为切割点，以在缺乏先验知识的情况下得出最佳的字段切割点，得到对应该未知协议内容的字段序列，转入步骤9；
13、步骤9，将所得未知协议内容的字段序列添加到在线宽度学习的模板库中。
14、改进地，在所述面向生产线的协议解析方法中，所述已知协议报文中任一关键词的词频计算方式如下：
15、
16、其中，tfij为已知协议报文dj中关键词wj的词频，cij为关键词wj在已知协议报文dj中出现的总次数；
17、所述已知协议报文中任一关键词的逆文件频率计算方式如下：
18、
19、其中，idfj表示关键词wj的逆文件频率，|d|表示语料库中的文件总数，|{i:wj∈di}|表示含关键词的文件总数；
20、tf-idfij＝tfij*idfj；
21、tf-idfij表示关键词wj对已知协议报文dj的重要程度。
22、再改进，在所述面向生产线的协议解析方法中，所述预处理包括去除数据包的ethernet头部、ip头部和tcp头部，以仅保留待识别协议内容；预处理后协议数据为包含有目标协议的混合流量。
23、进一步地，在所述面向生产线的协议解析方法中，所述预处理后协议数据包括已知协议内容和未知协议内容，已知协议内容输入到预训练好的在线宽度学习模型后，该在线宽度学习模型使用该已知协议内容的代表性样本进行解析，未知协议内容输入到预训练好的在线宽度学习模型后，则执行格式提取处理。
24、再改进地，在所述面向生产线的协议解析方法中，在步骤8中，所述未知协议内容中任一个字节的信息熵计算方式如下：
25、
26、其中，h(d)表示未知协议内容中任一个字节d的信息熵，字节d的取值集合为{x1,x2,…,xn}，p(xi)为字节d取值为xi时所对应的概率。
27、进一步地，在所述面向生产线的协议解析方法中，在步骤8中，所述未知协议内容中前后两个相邻字节之间的互信息量计算方式如下：
28、
29、其中，dx和dy表示未知协议内容中的前后两个相邻字节，字节dx的取值集合为{x1,x2,…,xn}，字节dy的取值集合为{y1,y2,…,yn}，p(xi)为字节dx取值为xi时所对应的概率，p(yj)为字节dy取值为yj时所对应的概率。
30、本专利技术解决第二个技术问题所采用的技术方案为：智能采集装置，其特征在于，实现任一项所述的面向生产线的协议解析方法。
31、进一步地，在该专利技术中，所述智能采集装置包括：
32、mcu模块，被配置成负责处理数据以及控制该智能采集装置内的其他模块；
33、以太网络模块，被配置成用于生产设备与局域网或互联网的通信，以及支持数据远程传输；
34、dtu模块，被配置成将采集的生产设备数据发送到云平台；
35、无线网络模块，被配置成实现生产设备的无线网络连接；
36、电源模块，被配置成为该智能采集装置提供电源供应。
37、改进地，在该专利技术中，所述智能采集装置还包括：
38、swd调试模块，用于单片机的编程和调试，支持程序的上传和故障排查；
39、led灯，显示设备的运行状态以及执行蜂鸣报警；
40、rs-485模块，用于工业环境中的设备之间的通信，以及控制屏幕和led灯，实时显示设备运行状态；
41、屏幕模块，展示生产线上的生产设备与该智能采集装置之间的数据交互，实时显示生产设备的运行状态以及实现人机交互。
42、进一步地，在所述智能采集装置中，所述dtu模块采集的生产设备数据包括：设备操作模式、运行状态、主轴速度、主轴负载、主轴温度、主轴电流、主轴倍率、进给速度、进给倍率、当前刀具号、工件数、运行时间、告警个数、当前坐标、机械坐标、工件坐标以及剩余距离中的至少一个。
43、与现有技术相比，本专利技术的优点在于：
44、首先，该专利技术的面向生产线的协议解析方法通过依次针对已知协议报文建立词袋模、利用词频-逆向文件频率算法计算已知协议报文中每一个单词的单词权重，且基于所得所有单词权重对应挖掘出已知协议报文中的关键词，而后计算各关键词在对应已知协议报文中出现的词频并形成词频矩阵且将该词频矩阵作为已知协议报文的特征向量输入到在线宽度学习识别模型，然后对从目标协议报文所本文档来自技高网...
【技术保护点】
1.面向生产线的协议解析方法，适用于采集生产线设备的生产数据，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向生产线的协议解析方法，其特征在于，所述已知协议报文中任一关键词的词频计算方式如下：
3.根据权利要求1所述的面向生产线的协议解析方法，其特征在于，所述预处理包括去除数据包的Ethernet头部、IP头部和TCP头部，以仅保留待识别协议内容；预处理后协议数据为包含有目标协议的混合流量。
4.根据权利要求3所述的面向生产线的协议解析方法，其特征在于，所述预处理后协议数据包括已知协议内容和未知协议内容，已知协议内容输入到预训练好的在线宽度学习模型后，该在线宽度学习模型使用该已知协议内容的代表性样本进行解析，未知协议内容输入到预训练好的在线宽度学习模型后，则执行格式提取处理。
5.根据权利要求3所述的面向生产线的协议解析方法，其特征在于，在步骤8中，所述未知协议内容中任一个字节的信息熵计算方式如下：
6.根据权利要求5所述的面向生产线的协议解析方法，其特征在于，在步骤8中，所述未知协议内容中前后两个相邻字节之间的
7.智能采集装置，其特征在于，实现权利要求1～6任一项所述的面向生产线的协议解析方法。
8.根据权利要求7所述的智能采集装置，其特征在于，包括：
9.根据权利要求8所述的智能采集装置，其特征在于，还包括：
10.根据权利要求8所述的智能采集装置，其特征在于，所述DTU模块采集的生产设备数据包括：设备操作模式、运行状态、主轴速度、主轴负载、主轴温度、主轴电流、主轴倍率、进给速度、进给倍率、当前刀具号、工件数、运行时间、告警个数、当前坐标、机械坐标、工件坐标以及剩余距离中的至少一个。
...【技术特征摘要】
1.面向生产线的协议解析方法，适用于采集生产线设备的生产数据，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向生产线的协议解析方法，其特征在于，所述已知协议报文中任一关键词的词频计算方式如下：
3.根据权利要求1所述的面向生产线的协议解析方法，其特征在于，所述预处理包括去除数据包的ethernet头部、ip头部和tcp头部，以仅保留待识别协议内容；预处理后协议数据为包含有目标协议的混合流量。
4.根据权利要求3所述的面向生产线的协议解析方法，其特征在于，所述预处理后协议数据包括已知协议内容和未知协议内容，已知协议内容输入到预训练好的在线宽度学习模型后，该在线宽度学习模型使用该已知协议内容的代表性样本进行解析，未知协议内容输入到预训练好的在线宽度学习模型后，则执行格式提取处理。
5.根据权利要求3所述的面向生产线...
【专利技术属性】
技术研发人员：邱铁，徐天一，孙景晨，刘兆达，曹桢瑞，黄晓琛，曹颂，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。