本發(fā)明涉及通信，特別是一種設(shè)備狀態(tài)信息主動上報方法及系統(tǒng)。

背景技術(shù)：

1、隨著信息技術(shù)的不斷發(fā)展，物聯(lián)網(wǎng)(iot)、智能設(shè)備以及各類工業(yè)設(shè)備的廣泛應(yīng)用，設(shè)備狀態(tài)監(jiān)控與管理成為保障設(shè)備高效運行和預(yù)防故障的重要手段。尤其在網(wǎng)絡(luò)通信中，設(shè)備狀態(tài)信息的實時采集和傳輸對于系統(tǒng)的穩(wěn)定性與安全性至關(guān)重要?，F(xiàn)有的設(shè)備狀態(tài)監(jiān)控系統(tǒng)大多依賴于定時采集設(shè)備狀態(tài)信息并通過網(wǎng)絡(luò)上傳至服務(wù)器，但這些方法往往存在采樣周期固定、傳輸頻率不靈活、網(wǎng)絡(luò)擁塞處理不充分等問題，導(dǎo)致信息傳輸效率低、網(wǎng)絡(luò)負(fù)載大，甚至因設(shè)備狀態(tài)變化的動態(tài)性而產(chǎn)生不必要的數(shù)據(jù)冗余。盡管現(xiàn)有技術(shù)在設(shè)備狀態(tài)信息的采集、上傳及預(yù)測方面取得了一定進展，但仍存在不少不足之處。一方面，大多數(shù)現(xiàn)有方法依賴于固定的采樣頻率或定時上報，這對于設(shè)備狀態(tài)具有動態(tài)特性的系統(tǒng)來說，無法做到精確匹配。特別是在設(shè)備負(fù)載過高或溫度異常時，設(shè)備狀態(tài)變化頻繁，而傳統(tǒng)方法無法及時捕捉這些變化。另一方面，現(xiàn)有的網(wǎng)絡(luò)傳輸方案多集中于單一的路徑選擇或傳輸協(xié)議，缺乏根據(jù)網(wǎng)絡(luò)狀態(tài)動態(tài)調(diào)整傳輸路徑與協(xié)議的能力，無法在網(wǎng)絡(luò)擁塞或帶寬受限時保障設(shè)備狀態(tài)信息的實時上傳與可靠性。此外，數(shù)據(jù)冗余與網(wǎng)絡(luò)負(fù)載管理仍是設(shè)備狀態(tài)信息上傳過程中的一大挑戰(zhàn)，現(xiàn)有技術(shù)缺乏有效的數(shù)據(jù)壓縮與優(yōu)化機制，往往導(dǎo)致數(shù)據(jù)傳輸?shù)牡托c延遲。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有的一種設(shè)備狀態(tài)信息主動上報方法及系統(tǒng)存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種設(shè)備狀態(tài)信息主動上報方法及系統(tǒng)解決設(shè)備狀態(tài)上報方法在動態(tài)性和智能性方面的不足之處，如無法動態(tài)調(diào)整上傳頻率、路徑選擇過于單一、數(shù)據(jù)處理效率較低、缺乏對網(wǎng)絡(luò)狀態(tài)的實時感知和動態(tài)調(diào)整能力等問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種設(shè)備狀態(tài)信息主動上報方法，其包括，收集設(shè)備歷史數(shù)據(jù)，預(yù)測設(shè)備的狀態(tài)，并根據(jù)預(yù)測結(jié)果動態(tài)調(diào)整上報周期；

5、對每個周期內(nèi)上傳的數(shù)據(jù)進行優(yōu)化，實時監(jiān)測網(wǎng)絡(luò)運行狀態(tài)；

6、根據(jù)網(wǎng)絡(luò)狀態(tài)將優(yōu)化后的數(shù)據(jù)上傳至服務(wù)器，并存儲設(shè)備狀態(tài)信息。

7、作為本發(fā)明所述一種設(shè)備狀態(tài)信息主動上報方法的一種優(yōu)選方案，其中：所述收集設(shè)備歷史數(shù)據(jù)，預(yù)測設(shè)備的狀態(tài)變化指實時采集設(shè)備數(shù)據(jù)，將采集的數(shù)據(jù)進行緩存，實時計算設(shè)備負(fù)載率l和溫度偏差te；

8、將采樣頻率初始化為默認(rèn)基礎(chǔ)值fbase，通過設(shè)備負(fù)載率l和溫度偏差te動態(tài)調(diào)整數(shù)據(jù)采樣頻率，計算公式為：

9、f＝fbase×(1+k1·l+k2·∣te∣)，

10、其中，f為動態(tài)調(diào)整后的采樣頻率，l為設(shè)備當(dāng)前負(fù)載率，∣te∣為當(dāng)前溫度偏差絕對值，k1和k2為負(fù)載率和環(huán)境溫度權(quán)重因子；

11、通過對動態(tài)采樣頻率得到的實時設(shè)備數(shù)據(jù)和收集的設(shè)備歷史數(shù)據(jù)，進行噪聲去除和異常值處理；

12、所述設(shè)備數(shù)據(jù)包括電壓、溫度、負(fù)載、設(shè)備報警和故障代碼；

13、構(gòu)建lstm網(wǎng)絡(luò)模型，使用設(shè)備歷史數(shù)據(jù)對lstm網(wǎng)絡(luò)模型進行模型訓(xùn)練，使用梯度下降法進行模型訓(xùn)練，選擇均方誤差作為未來設(shè)備狀態(tài)值預(yù)測的損失函數(shù)，通過反向傳播算法計算損失函數(shù)模型參數(shù)的梯度，使用adam優(yōu)化器更新模型參數(shù)，在連續(xù)迭代過程中模型的損失不再明顯下降時停止迭代，輸出模型參數(shù)，得到訓(xùn)練好的lstm網(wǎng)絡(luò)模型；

14、將實時設(shè)備數(shù)據(jù)輸入到訓(xùn)練好的lstm網(wǎng)絡(luò)模型，得到未來設(shè)備狀態(tài)值；

15、基于未來設(shè)備狀態(tài)值，計算設(shè)備故障風(fēng)險值：

16、

17、其中，r為故障風(fēng)險值，n為采樣的時間序列長度，δte為設(shè)備的溫度偏差，spred,i為第i個采樣時刻預(yù)測的設(shè)備狀態(tài)值，li為第i個采樣時刻的設(shè)備負(fù)載率，smax,i為第i個采樣時刻的設(shè)備安全閾值。

18、作為本發(fā)明所述一種設(shè)備狀態(tài)信息主動上報方法的一種優(yōu)選方案，其中：所述對每個周期內(nèi)上傳的數(shù)據(jù)進行優(yōu)化指基于調(diào)整后的數(shù)據(jù)上報周期，通過加權(quán)融合計算每個上報周期內(nèi)傳輸數(shù)據(jù)的相似性并進行融合，使用霍夫曼編碼算法對融合后的數(shù)據(jù)進行壓縮；

19、將壓縮后的數(shù)據(jù)按照重要性進行優(yōu)先級劃分：將設(shè)備故障信息、預(yù)測到的異常狀態(tài)數(shù)據(jù)，劃分為高優(yōu)先級數(shù)據(jù)；

20、將設(shè)備周期性狀態(tài)數(shù)據(jù)，劃分為中優(yōu)先級數(shù)據(jù)；

21、將冗余狀態(tài)數(shù)據(jù)和日志信息，劃分為低優(yōu)先級數(shù)據(jù)。

22、作為本發(fā)明所述一種設(shè)備狀態(tài)信息主動上報方法的一種優(yōu)選方案，其中：所述實時監(jiān)測網(wǎng)絡(luò)運行狀態(tài)指利用網(wǎng)絡(luò)運行的關(guān)鍵指標(biāo)，計算網(wǎng)絡(luò)擁塞程度并生成傳輸路徑綜合性能值，計算路徑的擁塞程度wi：

23、

24、其中，wi為第i個路徑的擁塞程度，bi為第i個路徑的延遲,di為第i個路徑的帶寬利用率，ai為第i個路徑的丟包率；

25、計算第i個路徑的綜合性能值si，公式為：

26、si＝w1·bi-w2·di-w3·ai+w4·(1-wi)，

27、其中，si為第i個路徑的綜合性能值，w1、w2、w3、w4為動態(tài)調(diào)整權(quán)重因子，按路徑綜合性能值si對傳輸路徑進行遞減排序生成候選路徑優(yōu)先級列表e；

28、根據(jù)數(shù)據(jù)優(yōu)先級與路徑優(yōu)先級進行匹配，高優(yōu)先級數(shù)據(jù)將分配到性能最優(yōu)路徑p1，中優(yōu)先級數(shù)據(jù)將分配到次優(yōu)路徑p2，低優(yōu)先級數(shù)據(jù)將分配到剩余的備用路徑。

29、作為本發(fā)明所述一種設(shè)備狀態(tài)信息主動上報方法的一種優(yōu)選方案，其中：所述根據(jù)網(wǎng)絡(luò)狀態(tài)將優(yōu)化后的數(shù)據(jù)上傳至服務(wù)器，指結(jié)合路徑優(yōu)先級列表e，計算每個路徑的優(yōu)先得分r(e)，計算公式為：

30、

31、其中，n為優(yōu)先級列表中的總路徑數(shù)，rank(e)為路徑在優(yōu)先級列表中的排名；

32、使用遺傳算法對每個路徑計算適應(yīng)度值f，計算公式：

33、

34、其中，ji為路徑剩余能量；

35、根據(jù)候選路徑集合的適應(yīng)度均值和標(biāo)準(zhǔn)差，設(shè)置動態(tài)閾值qi，選取適應(yīng)度值大于篩選閾值qi形成路徑子集pga；

36、將每條路徑pi表示為性能特性向量xi＝[bi，di，ai，ji]，設(shè)定粒子群規(guī)模為npop，速度vi為隨機值，粒子適應(yīng)度值f(xi)為：

37、

38、設(shè)置每個粒子的初始個體最優(yōu)解為粒子自身位置pbest＝xi，從粒子群中選擇適應(yīng)度值最大的粒子作為初始全局最優(yōu)解gbest：

39、gbest＝argmax{f(xi)}，

40、將全局最優(yōu)解gbest的位置作為目標(biāo)節(jié)點xgoal；

41、使用吸引勢場驅(qū)動路徑粒子向目標(biāo)節(jié)點xgoal＝gbest靠攏，通過綜合性能值si得到性能特性函數(shù)：

42、

43、其中，是非線性函數(shù)；

44、對公式h(si)求偏導(dǎo)數(shù)，得到梯度計算公式：

45、

46、將所有分量的偏導(dǎo)數(shù)整理為向量形式：

47、

48、定義吸引勢場公式為：

49、

50、其中，fatt(xi)吸引勢場的結(jié)果值，xgoal為目標(biāo)節(jié)點的位置，||xgoal-xi||表示當(dāng)前粒子與目標(biāo)點之間的歐幾里得距離，為路徑性能特性函數(shù)的梯度；

51、定義排斥勢場公式為：

52、

53、其中frep(xi)表示排斥勢場的作用力，xc為擁塞節(jié)點的位置，u0為排斥勢場的作用范圍，krep為排斥力系數(shù)；

54、將吸引勢場和排斥勢場結(jié)合，計算路徑粒子的總移動方向，計算公式：

55、ftotal(xi)＝fatt(xi)+frep(xi)，

56、其中ftotal(xi)為總勢場值；

57、引入勢場模型對粒子群的速度和位置進行迭代優(yōu)化，形成最終優(yōu)化路徑，計算公式為：

58、vi(t+1)＝ω·vi(t)+c1·r1·(ybest-xi(t))+c2·r2·(gbest-xi(t))+ftotal(xi(t))

59、xi(t+1)＝xi(t)+vi(t+1)，

60、其中，vi(t+1)為粒子i在第t+1次迭代中的速度，vi(t)為粒子i在第t次迭代中的速度，xi(t)為粒子i在第t次迭代中的位置，ftotal(xi(t)為粒子i在第t次迭代中的總勢場值，ω為慣性因子，c1，c2為學(xué)習(xí)因子，r1，r2為[0,1]之間的隨機數(shù)，ybest為粒子自身的歷史最優(yōu)解，gbest為全局最優(yōu)解，t為迭代次數(shù)；

61、每個粒子計算新的適應(yīng)度值f(xi)，并更新：

62、個體最優(yōu)解為：

63、ybest＝arg?max{f(xi),pbest}，

64、全局最優(yōu)解為：

65、gbest＝arg?max{f(xi)}，

66、根據(jù)計算出的勢場值ftotal(xi)和粒子群優(yōu)化后的路徑，選擇不同傳輸協(xié)議，基于數(shù)據(jù)類型選擇建立協(xié)議候選列表：

67、高優(yōu)先級數(shù)據(jù)選擇ftotal(xi)最大的路徑，選擇tcp協(xié)議進行傳輸；

68、中優(yōu)先級數(shù)據(jù)選擇次優(yōu)路徑，選擇udp協(xié)議進行傳輸；

69、低優(yōu)先級數(shù)據(jù)選擇剩余可用路徑，使用子網(wǎng)廣播協(xié)議進行傳輸。

70、作為本發(fā)明所述一種設(shè)備狀態(tài)信息主動上報方法的一種優(yōu)選方案，其中：所述存儲設(shè)備狀態(tài)信息指根據(jù)上傳數(shù)據(jù)的類型，進行分層存儲，在數(shù)據(jù)存儲前，進行壓縮，并為每條數(shù)據(jù)記錄生成唯一索引值，在服務(wù)器端存儲完成后，對存儲數(shù)據(jù)進行分析。

71、第二方面，本發(fā)明提供了一種設(shè)備狀態(tài)信息主動上報系統(tǒng)，包括，數(shù)據(jù)采集與預(yù)測模塊，用于輸出高質(zhì)量的設(shè)備狀態(tài)數(shù)據(jù)和預(yù)測結(jié)果；

72、數(shù)據(jù)處理與優(yōu)化模塊，用于壓縮優(yōu)化后的設(shè)備數(shù)據(jù)，分為不同優(yōu)先級類別；

73、網(wǎng)絡(luò)狀態(tài)監(jiān)測與路徑優(yōu)化模塊，用于生成候選路徑列表和動態(tài)優(yōu)化的傳輸路徑；

74、數(shù)據(jù)傳輸模塊，用于優(yōu)化后的路徑選擇合適的協(xié)議，進行數(shù)據(jù)傳輸；

75、數(shù)據(jù)存儲與分析模塊，用于存儲設(shè)備狀態(tài)信息，支持快速檢索和數(shù)據(jù)分析。

76、第三方面，本發(fā)明提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的一種設(shè)備狀態(tài)信息主動上報方法的任一步驟。

77、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的一種設(shè)備狀態(tài)信息主動上報方法的任一步驟。

78、本發(fā)明有益效果為：通過動態(tài)采樣數(shù)據(jù)，進行壓縮與優(yōu)先級劃分，優(yōu)化了數(shù)據(jù)采集效率，確保數(shù)據(jù)傳輸?shù)闹匾?，根?jù)故障風(fēng)險值動態(tài)調(diào)整數(shù)據(jù)上報周期，降低無效數(shù)據(jù)傳輸量，優(yōu)化資源利用率，提升數(shù)據(jù)上報的效率和針對性，通過對網(wǎng)絡(luò)運行狀態(tài)的實時監(jiān)測和優(yōu)化路徑選擇，避免了上傳重復(fù)數(shù)據(jù)，減輕網(wǎng)絡(luò)傳輸負(fù)擔(dān)，確保高優(yōu)先級數(shù)據(jù)分配到最優(yōu)路徑，使用動態(tài)調(diào)整機制和智能算法，提高了數(shù)據(jù)上傳的實時性、可靠性和資源利用率。