面向工业应用智能双发选收的工业应用通信方法及系统

摘要

本发明属于通信技术领域，具体公开了一种面向工业应用智能双发选收的工业应用通信方法及系统，该方法根据不同的工业应用场景建立不同的双发选收模型；获取网络设备日志语言数据，并结构化预处理，得到结构化语言数据；基于结构化语言数据，建立网络故障检测模型；将网络故障检测模型应用于AR网关，对5G模组、核心网、承载网、无线网的故障进行预测；当预测值大于阈值时，输出故障警报信号。采用本技术方案，将被动监测切路由转换为主动监测，实现故障的预测发现，解决故障滞后的问题。

权利要求

1.一种面向工业应用智能双发选收的工业应用通信方法，其特征在于，包括如下步骤：获取工业应用场景类型，根据不同的工业应用场景建立不同的双发选收模型；

获取网络设备日志语言数据，并结构化预处理，得到结构化语言数据；

基于结构化语言数据，建立网络故障检测模型；

将网络故障检测模型应用于AR网关，对5G模组、核心网、承载网、无线网的故障进行预测；

当预测值大于阈值时，输出故障警报信号；

建立网络故障检测模型的方法如下：

对每一个网络日志点进行异常评估，看其是否为离群点，其异常指数定义如公式如下：其中，Nk(p)表示p的k近邻距离，p的离群因子捕获调用一个离群点，其是局部可达性比率的平均值；p的局部可达性密度越低，p最近邻局部可达性密度的异常指数值越高；

为局部可达密度；

异常因子的异常指数越低，表明异常值越小，说明该网络设备的日志点落在密度较大区域；反之，若该日志点离群越远，该点异常值越高，当异常指数值高于阈值，则输出故障警报信号。

2.如权利要求1所述的面向工业应用智能双发选收的工业应用通信方法，其特征在于，对结构化语言数据预处理的方法为：对结构化语言数据进行聚类，得到数据点区域；

比较每个区域点p和其邻域区域点的密度，判断该区域点p是否为异常区域点，如果是异常区域点，缩小聚类区域，区域点p的邻居不断地被更接近的邻居所替代，使其离群度持续降低；

获取数个离群点的半径最小值，继续查找若未找到大于预设值Y的离群度，则无需继续查找；

根据数据的离群值与Y相比的差值，划分不同数值范围，将差值归属同一数值范围的数据归于一类，并对同一类的数据的离群值进行升序排序。

3.如权利要求1所述的面向工业应用智能双发选收的工业应用通信方法，其特征在于，对上行带宽超出5G网络上行带宽168Mbps的场景应用，以及要求网络超低延时的场景，选择固移网融合模型；

上行带宽要求不超出5G上行带宽168Mbps的选择双5G模型。

4.如权利要求3所述的面向工业应用智能双发选收的工业应用通信方法，其特征在于，把网络故障检测模型应用于AR网关，使AR网关具有AI人工智能预测网络故障隐患的功能；

当AR网关检测网络中存在故障时，提前将链接链路倒换到第二路由链路，起到主动容灾应用保护。

5.如权利要求1所述的面向工业应用智能双发选收的工业应用通信方法，其特征在于，基于场景应用对网络性能的要求，选择5G无线网或有线网络作为传输路径，通过AR网关统一组网。

6.一种面向工业应用智能双发选收的工业应用通信系统，其特征在于，包括信息采集单元和控制单元，所述信息采集单元用于获取网络设备日志语言数据，信息采集单元的输出端与控制单元的输入端连接，所述控制单元执行权利要求1‑5之一所述方法，进行通信控制。

说明书

面向工业应用智能双发选收的工业应用通信方法及系统

技术领域

[0001] 本发明属于通信技术领域，涉及一种面向工业应用智能双发选收的工业应用通信方法及系统。

背景技术

[0002] 颠覆性的交互式工业应用终端设备正在进入工业制造领域市场，如工业应用领域的MES系统(manufacturing execution system，制造执行系统)、PLC(Programmable Logic Controller，可编程逻辑控制器)系统等，其终端设备是移动的边缘应用程序并且其应用程序将需要大量的计算和存储，以保持持续的可用性和响应能力，同时处理潜在的大量数据。因此，工业应用端到端的网络可靠性和实时性要求非常高，网络安全要求要达到9个9的级别。对此工业应用的网络传统方式是使用有线的工业以太网给予解决，但工业以太网采用的是有线接入方式，光缆线缆部署、设备安装和后续的维护及应用终端新增非常困难，成本很高。

[0003] 随之5G新技术的出现，很好地解决了工业以太网的缺点，但工业应用要求网络具有高可靠性，因此在使用5G等新技术解决工业应用网络时也面临保证网络可靠性要达到9个9的安全问题。传统以5G链路为主、工业以太网工业为备用链路的方案，虽然能够解决网络容灾的问题，但这种容灾方式是通过故障发生滞后网络切换方式来解决的，是一种被动式的网络故障切换解决方法，存在如下缺点：

[0004] 只有监测到主路由不通的情况下才选则备用路由，存在故障被动监测滞后问题，因此在5G模组故障发生后才能够监测到故障再发生切换路由；

[0005] 在5G无线网络、核心网或承载网出现故障时，AR监测也被动监测，存在发现故障才切换滞后问题；

[0006] 备用链路切换人工命令行操作或半自动脚本命令行操作，存在造成工业应用中断情况；

[0007] 此解决方案模式为被动解决，被动解决方式存在滞后问题。

发明内容

[0008] 本发明的目的在于提供一种面向工业应用智能双发选收的工业应用通信方法及系统，以解决故障滞后的问题。

[0009] 为了达到上述目的，本发明的基础方案为：一种面向工业应用智能双发选收的工业应用通信方法，包括如下步骤：

[0010] 获取工业应用场景类型，根据不同的工业应用场景建立不同的双发选收模型；

[0011] 获取网络设备日志语言数据，并结构化预处理，得到结构化语言数据；

[0012] 基于结构化语言数据，建立网络故障检测模型；

[0013] 将网络故障检测模型应用于AR网关，对5G模组、核心网、承载网、无线网的故障进行预测；

[0014] 当预测值大于阈值时，输出故障警报信号。

[0015] 本基础方案的工作原理和有益效果在于：把故障从被动发现变为主动发现问题，对5G模组、核心网、承载网、无线网进行故障预测，解决故障滞后问题。双发选收较单发在最大时延和时延可靠性上有较大增益，可减少无线抖动带来的设备宕机，且可提升5G网络可靠性、时延稳定性，整体降低企业因设备宕机导致的停产停工概率。通过具有AI能力的AR为工业应用场景提供一张网的融合能力，解决现网资源与新技术的融合利用。

[0016] 进一步，对结构化语言数据预处理的方法为：

[0017] 对结构化语言数据进行聚类，得到数据点区域；

[0018] 比较每个区域点p和其邻域区域点的密度，判断该区域点p是否为异常区域点，如果是异常区域点，缩小聚类区域，区域点p的邻居不断地被更接近的邻居所替代，使其离群度持续降低；

[0019] 获取数个离群点的半径最小值，继续查找若未找到大于预设值Y的离群度，则无需继续查找；

[0020] 根据数据的离群值与Y相比的差值，划分不同数值范围，将差值归属同一数值范围的数据归于一类，并对同一类的数据的离群值进行升序排序。

[0021] 对结构化语言数据进行简化处理，便于后续数据分析，减少计算量。

[0022] 进一步，建立网络故障检测模型的方法如下：

[0023] 对每一个网络日志点进行异常评估，看其是否为离群点，其异常指数定义如公式如下：

[0024]

[0025] 其中，Nk(p)表示区域点p的k近邻距离，p的离群因子捕获调用一个离群点，其是局部可达性比率的平均值；p的局部可达性密度越低，p最近邻局部可达性密度的异常指数值越高； 为局部可达密度；

[0026] 异常因子的异常指数越低，表明异常值越小，说明该网络设备的日志点落在密度较大区域；反之，若该日志点离群越远，该点异常值越高，当异常指数值高于阈值，则输出故障警报信号。

[0027] 结构简单，利于使用，可以快速、有效地进行网络故障评估。

[0028] 进一步，对上行带宽超出5G网络上行带宽168Mbps的场景应用，以及要求网络超低延时的场景，选则固移网融合模型；

[0029] 上行带宽要求不超出5G上行带宽168Mbps的选则双5G模型。

[0030] 根据需求选择合适的双发选收模型，便于使用。

[0031] 进一步，把网络故障检测模型应用于AR网关，使AR网关具有AI人工智能预测网络故障隐患的功能；

[0032] 当AR网关检测网络中存在故障时，提前将链接链路倒换到第二路由链路，起到主动容灾应用保护。

[0033] 利用AR网关进行容灾保护，减少容灾保护延时。

[0034] 进一步，基于场景应用对网络性能的要求，选择5G无线网或有线网络作为传输路径，通过AR网关统一组网。

[0035] 操作简单，便于使用。

[0036] 本发明还提供一种面向工业应用智能双发选收的工业应用通信系统，包括信息采集单元和控制单元，所述信息采集单元用于获取网络设备日志语言数据，信息采集单元的输出端与控制单元的输入端连接，所述控制单元执行本发明所述方法，进行通信控制。

[0037] 本方案系统结构简单，实现被动监测切路由转换为主动监测，解决故障滞后的问题，利于使用。

附图说明

[0038] 图1是本发明面向工业应用智能双发选收的工业应用通信方法的流程示意图；

[0039] 图2是本发明面向工业应用智能双发选收的工业应用通信方法的固移网融合模型的结构示意图；

[0040] 图3是本发明面向工业应用智能双发选收的工业应用通信方法的双5G模型的结构示意图；

[0041] 图4是本发明面向工业应用智能双发选收的工业应用通信方法的网络设备异常指数测试值。

具体实施方式

[0042] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

[0043] 在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0044] 在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

[0045] 在事故发生的早期检测到异常情况，可使管理员有更多时间采取正确的行动。传统异常检测算法大多是对原始数据进行离群点检测，为了更好地对异常点进行检测，需要对异常检测算法进行改进。

[0046] 本发明公开了一种面向工业应用智能双发选收的工业应用通信方法，采用基于智能AI的双5G双发选收模型解决方案或基于智能AI的固移融合双发选收模型解决方案，实现被动监测切路由转换为主动监测。如图1所示，该方法包括如下步骤：

[0047] 获取工业应用场景类型，根据不同的工业应用场景建立不同的双发选收模型；对上行带宽超出5G网络上行带宽168Mbps的场景应用，以及要求网络超低延时的场景，选则固移网融合模型，如图2所示，；上行带宽要求不超出5G上行带宽168Mbps的选则双5G模型，如图3所示；双发选收是集成具有AI能力的AR网关里，由网关来预测故障模型，网络组网有两种方式，双5G模式和固移网融合模型；双5G模型就是采用双5G模组接受无线信号，建立两路链路。固移网融合模型就是采用1个5G模组接受无线信号建立一路链路，同时也使用有线网络建立第二条链路，两条链路是同时双发双收，但通过AR网关里选则一路链路；

[0048] 获取网络设备日志语言数据，并结构化预处理，得到结构化语言数据；

[0049] 基于结构化语言数据，建立网络故障检测模型；

[0050] 将网络故障检测模型应用于AR网关，对5G模组、核心网、承载网、无线网的故障进行预测；通过采集与链路相关的网元设备日志，对日志数据进行转换处理，最后用异常指数来诊断网元是否存在故障隐患；

[0051] 当预测值大于阈值时，输出故障警报信号。

[0052] 本发明的一种优选方案中，利用改进型离群点检测算法，对结构化语言数据预处理的方法为：

[0053] 对结构化语言数据进行聚类，得到数据点区域；

[0054] 比较每个区域点p和其邻域区域点的密度，判断该区域点p是否为异常区域点，如果是异常区域点，缩小聚类区域，区域点p的邻居不断地被更接近的邻居所替代，使其离群度持续降低；

[0055] 获取数个离群点的半径最小值，继续查找若未找到大于预设值Y(Y值一般检出水平为0.05)的离群度，则无需继续查找；

[0056] 根据数据的离群值与Y相比的差值，划分不同数值范围，将差值归属同一数值范围的数据归于一类，并对同一类的数据的离群值进行升序排序，对相似度高的数据点进行归类与排序，提高预处理效率，相似数据被归为同类，所以先在同一个类别中查找，提高查找效率。网络设备日志中的绝大多数日志都是重复且相似的，只需抽出其中相似的日志进行归纳，选取其中一部分进行公式计算，以减少计算量，从而节省网络设备日志计算时间，提高执行效率。也解决因分析日志导致的大量时间消耗问题，使得全局异常检测能够更加精准、高效。

[0057] 对结构化语言数据进行简化处理，便于后续数据分析，减少计算量。

[0058] 本发明的一种优选方案中，建立网络故障检测模型的方法如下：

[0059] 通常情况下网络无故障时，其正常网络日志形成的点密度很高，而故障所产生的点会形成离群点。因此可将网络设备日志语言转换成结构化语言，以便在全局异常检测中成为有效利用日志产生的数据，使用全局异常检测算法可以更加准确地从宏观角度进行故障预警。基于全局异常指数算法，对每一个网络日志点进行异常评估，看其是否为离群点，其异常指数定义如公式如下：

[0060]

[0061] 其中，Nk(p)表示区域点p的k近邻距离，p的离群因子捕获调用一个离群点，其是局部可达性比率的平均值；p的局部可达性密度越低，p最近邻局部可达性密度的异常指数值越高； 为局部可达密度；

[0062] 异常因子的异常指数越低，表明异常值越小，说明该网络设备的日志点落在密度较大区域；反之，若该日志点离群越远，该点异常值越高，当异常指数值高于阈值，则输出故障警报信号。采用全局网络故障预警方法可以快速、有效地进行网络故障评估，在某个指定的网络设备日志中，日志所形成的网络设备日志点分布能够直接反映网络设备在这一时间段的状态是否正常。

[0063] 本发明的一种优选方案中，把网络故障检测模型应用于AR网关，使AR网关具有AI人工智能预测网络故障隐患的功能。当AR网关检测网络中存在故障时，提前将链接链路倒换到第二路由链路，起到主动容灾应用保护，其容灾保护延时比传统装置缩短了90％。

[0064] 本发明的一种优选方案中，基于场景应用对网络性能的要求，选择5G无线网或有线网络作为传输路径，通过AR网关统一组网。

[0065] 本发明还提供一种面向工业应用智能双发选收的工业应用通信系统，包括信息采集单元和控制单元，所述信息采集单元用于获取网络设备日志语言数据，信息采集单元的输出端与控制单元的输入端连接，所述控制单元执行本发明所述方法，进行通信控制。

[0066] 本方案采集现网运行设备日志数据，对网络设备日志进行结构化预处理。使用改进型离群点检测算法对所得数据进行简化处理，再计算单个网络节点不同时间的异常指数，并可将异常程度以折线图形式进行表现。

[0067] 测试某网络设备的异常指数值如图4所示，该网络设备的故障点异常指数为7.253，且在图中表现为离群点，网络设备在此时出现故障。通过图可以轻松找出离群点，实验结果符合预期。改进型离群点检测算法在检测时保留了数据主干，提高了工作效率，弥补了采用传统算法在非主干数据部分需要额外耗时以及准确率不足的缺点，从而提高了全局故障预警效率。由实验结果可以看出，改进型离群点算法根据不同时间的离群点分布差异，对结果的分析更为全面、客观，实现了预期的设计目标。

[0068] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0069] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。