一种基于AR的运维知识推送方法技术

本发明专利技术涉及一种基于AR的运维知识推送方法，本发明专利技术不同于以往依赖于运维人员经验的运维模式，专家经验能够借由AR设备在运维人员之间共享，缩短了设备运维周期，降低运维成本。并且将应用程序、数据资源和计算服务迁移到边缘节点，满足快速连接，实时分析和快速响应方面的技术和应用需求；基于上下文模型的运维知识推送方法，能够帮助现场运维人员在运维期间通过智能设备快速获取相关的知识，实现运维站点与边缘节点之间的双向信息流，降低知识获取成本，提高现场运维人员的工作效率。

【技术实现步骤摘要】
一种基于AR的运维知识推送方法
本专利技术涉及通信领域，更具体地，涉及一种基于AR的运维知识推送方法。
技术介绍
为了保障电力通信网络中所有设备能够高效、稳定地工作，提供安全、高效的现场运维成为了关键。然而，电力通信网络的运维环境往往是复杂的，网络的数据分析仍然需要基于传统的经验观察，网络的非智能部件(如设备和线路等资源)的现场运维往往需要大量人员参与，这导致现场运维工作的质量依赖于运维人员的个人经验和现场情况。为了解现有技术的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本专利技术相关度比较高的技术信息：技术方案1：专利号为201510045205.6的专利《一种网络设备的远程维护方法、终端及系统》，该专利技术提供一种网络设备的远程维护方法、终端及系统，能使维护人员无需到故障点即可对网络设备进行管理和维护。所述系统包括：网络设备、网络管理服务器、终端，终端与网络设备建立蓝牙连接，终端与网络管理服务器建立socket连接；网络管理服务器，用于接收维护命令，并将维护命令发送给终端；终端，用于接收维护命令，并将维护命令转换为蓝牙格式的维护命令发送给网络设备；网络设备，用于接收并执行维护命令，将执行结果发送给终端；终端，还用于接收执行结果，并将执行结果转换为移动通信数据发送给网络管理服务器；网络管理服务器，还用于接收移动通信数据。技术方案2：专利号为201510045205.6的专利《移动通信网络故障分析定位辅助系统》，该专利技术公开了一种移动通信网络故障分析定位辅助系统，包括案例库模块，用于存储用户提交的新增案例及相应的故障排查任务单到案例库，触发生成提示消息；新增案例探测器模块，用于对新增案例的监测，完成新增案例相应提示消息的转发和删除；案例归整索引模块，用于根据提示消息到案例库获取新增的故障排查任务单相应的基本信息和完整内容，根据基本信息和完整内容分别生成故障分类索引和解决方案全文索引，并存入故障解决方案经验库；故障解决方案经验库模块，用于将案例索引存入故障解决方案经验库，提供故障定位的数据源。在故障维护需求产生时，可利用该专利技术系统方便地搜索匹配相关故障解决方案，减少故障分析时间，提升解决问题效率。技术方案3：专利号为201410440152.3的专利《一种基于图像传输的配变终端远程调试系统及其调试方法》，该专利技术涉及一种基于图像传输的配变终端远程调试系统，包括后台服务器和配变终端，后台服务器通过移动通信网络和/或以太网与配变终端通信；后台服务器由其上加载服务端调试软件的工作站PC机、主机、第一GSM模块和以太网接口模块组成；配变终端由其上加载配变端调试软件的主控CPU、第二GSM模块、嵌入式以太网模块、人机交互模块和数据采集模块组成。该专利技术还公开了一种基于图像传输的配变终端远程调试系统的调试方法。通过后台服务器即可对配变终端内的参数、数据进行设置和检查，从而实现远程调试。当运维人员到达现场，后台服务器还可以远程操控配变终端的液晶显示屏菜单，与运维人员互动，减轻现场运维工作量。技术方案1，2，3采用不同的方法解决了通信网络现场运维中运维人员技术有限、经验不足的问题。技术方案1提出一种网络设备的远程维护方法，能使运维人员无需到故障点即可对网络设备进行管理和维护，但这种方法受通信线路的限制，无法对所有的现场设备进行排查。技术方案2公开了一种移动通信网络故障分析定位辅助系统，可利用该专利技术系统方便地搜索匹配相关故障解决方案，但该系统的故障定位依赖于运维人员主动上传故障报告，步骤较为繁琐。技术方案3提出一种基于图像传输的远程调试方法，能够远程协助现场人员进行快速调试，但该方案传输的图像仅是设备显示屏显示的内容，适用范围有限。
技术实现思路
为了解决现有技术的不足，本专利技术提供了一种基于AR的运维知识推送方法，本专利技术通过增强现实(AR)技术通过实时叠加计算机生成的虚拟对象或信息和真实环境，向工作人员提供实际感官效果和丰富的场景信息，使不熟练的工人也能正确运维设备，缩短设备的运维周期，降低成本。而边缘计算的引入，能够加快数据处理和分析，降低业务时延。为解决上述技术问题，本专利技术的技术方案如下：一种基于AR的运维知识推送方法，包括以下步骤：步骤S1：构建上下文知识推送模型；步骤S2：将知识库中的知识在上下文知识推送模型计算相识度；步骤S3：根据上下文知识推送模型计算出来相识度将知识库中的知识推送到AR智能设备中；步骤S4：AR智能设备将接收到的知识库中的知识数据发送到边缘服务器中；步骤S5：边缘服务器对知识数据进行筛选，对筛选后的知识数据进行边缘计算，并将边缘计算结果发送到后端运维管理系统中；步骤S6：工作人员根据后端运维管理系统接收到的数据下发运维指令自边缘服务器，边缘服务器将运维指令推送至AR智能设备中；步骤S7：运维人员更具AR智能设备中显示的运维指令执行运维操作。优选的，在步骤S1中，构建上下文知识推送模型的具体原理如下：所述的上下文知识推送模型包括运维上下文模型和知识上下文模型，所述的运维上下文模型和知识上下文模型分别由三个维度组成：用户、设备和任务；根据不同的维度，建立三个模型，分别是：用户模型，设备模型以及任务模型；所述的用户模型包括用户信息、相关任务、技能偏好以及知识偏好四个子属性；所述的设备模型包括设备信息、商业信息以及配置信息三个子属性；所述的任务模型包括任务信息、相关用户、相关信息以及相关任务四个子属性；优选的，在所述的用户模型中，用户信息子属性包括用户类型叶节点以及用户经历叶节点；所述的相关任务子属性包括相关任务叶节点；所述的技能偏好子属性包括技能偏好叶节点；所述的知识偏好子属性包括知识偏好叶节点；在所述的设备模型中，所述的设备信子属性息包括设备编号叶节点以及设备类型叶节点、所述的商业信息子属性包括商业信息叶节点；所述的配置信息子属性包括配置信息叶节点；在所述的所述的任务模型包括任务信息子属性包括当前信息叶节点以及历史信息叶节点；所述的相关用户子属性包括相关用户叶节点；所述的相关信息子属性包括相关信息叶节点；所述的相关任务子属性包括相关任务叶节点；上述的每个叶节点皆以文本或图像的形式呈现。优选的，步骤S2的具体步骤如下：相似度表示两个事物a，b之间的相似程度，表示为Simil(a，b)，Simil∈[0,1]，Simil(a,b)的值越大，a和b之间的相似性越大，在计算上下文模型之间的相似度时，需要建立树状的上下文模型，上下文模型由根属性、中间属性和叶属性组成，首先计算叶属性的相似度，然后根据子属性的权重计算中间属性的相似度，中间属性即位于叶属性和根属性之间的属性，最后得到根属性的相似度，根属性的相似性即为上下文模型之间的相似性；使用空间矢量的方法来降低计算复杂度，由于每个叶节点皆以文本或图像的形式呈现，不同类型的相似度计算方法如下。文本类型的叶属性：如公式(1)所示，u和v的属性值为(u1,u2本文档来自技高网...

【技术保护点】
1.一种基于AR的运维知识推送方法，其特征在于，包括以下步骤：/n步骤S1：构建上下文知识推送模型；/n步骤S2：将知识库中的知识在上下文知识推送模型计算相识度；/n步骤S3：根据上下文知识推送模型计算出来相识度将知识库中的知识推送到AR智能设备中；/n步骤S4：AR智能设备将接收到的知识库中的知识数据发送到边缘服务器中；/n步骤S5：边缘服务器对知识数据进行筛选，对筛选后的知识数据进行边缘计算，并将边缘计算结果发送到后端运维管理系统中；/n步骤S6：工作人员根据后端运维管理系统接收到的数据下发运维指令自边缘服务器，边缘服务器将运维指令推送至AR智能设备中；/n步骤S7：运维人员更具AR智能设备中显示的运维指令执行运维操作。/n

【技术特征摘要】
1.一种基于AR的运维知识推送方法，其特征在于，包括以下步骤：
步骤S1：构建上下文知识推送模型；
步骤S2：将知识库中的知识在上下文知识推送模型计算相识度；
步骤S3：根据上下文知识推送模型计算出来相识度将知识库中的知识推送到AR智能设备中；
步骤S4：AR智能设备将接收到的知识库中的知识数据发送到边缘服务器中；
步骤S5：边缘服务器对知识数据进行筛选，对筛选后的知识数据进行边缘计算，并将边缘计算结果发送到后端运维管理系统中；
步骤S6：工作人员根据后端运维管理系统接收到的数据下发运维指令自边缘服务器，边缘服务器将运维指令推送至AR智能设备中；
步骤S7：运维人员更具AR智能设备中显示的运维指令执行运维操作。


2.根据权利要求1所述的一种基于AR的运维知识推送方法，其特征在于，步骤S1中，构建上下文知识推送模型的具体原理如下：
所述的上下文知识推送模型包括运维上下文模型和知识上下文模型，所述的运维上下文模型和知识上下文模型分别由三个维度组成：用户、设备和任务；根据不同的维度，建立三个模型，分别是：用户模型，设备模型以及任务模型；
所述的用户模型包括用户信息、相关任务、技能偏好以及知识偏好四个子属性；
所述的设备模型包括设备信息、商业信息以及配置信息三个子属性；
所述的任务模型包括任务信息、相关用户、相关信息以及相关任务四个子属性。


3.根据权利要求2所述的一种基于AR的运维知识推送方法，其特征在于，在所述的用户模型中，用户信息子属性包括用户类型叶节点以及用户经历叶节点；所述的相关任务子属性包括相关任务叶节点；所述的技能偏好子属性包括技能偏好叶节点；所述的知识偏好子属性包括知识偏好叶节点；
在所述的设备模型中，所述的设备信子属性息包括设备编号叶节点以及设备类型叶节点、所述的商业信息子属性包括商业信息叶节点；所述的配置信息子属性包括配置信息叶节点；
在所述的所述的任务模型包括任务信息子属性包括当前信息叶节点以及历史信息叶节点；所述的相关用户子属性包括相关用户叶节点；所述的相关信息子属性包括相关信息叶节点；所述的相关任务子属性包括相关任务叶节点；
上述的每个叶节点皆以文本或图像的形式呈现。


4.根据权利要求3所述的一种基于AR的运维知识推送方法，其特征在于，步骤S2的具体步骤如下：
相似度表示两个事物a，b之间的相似程度，表示为Simil(a，b)，Simil∈[0,1]，Simil(a,b)的值越大，a和b之间的相似性越大，在计算上下文模型之间的相似度时，需要建立树...

【专利技术属性】
技术研发人员：李瑞德，彭志荣，高国华，陈嘉俊，张欣，杨玺，梁英杰，廖振朝，汤铭华，李伟雄，童捷，张天乙，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司江门供电局，
类型：发明
国别省市：广东;44