基站设备的故障预测方法、装置和基站制造方法及图纸

技术编号:27662054 阅读:27 留言:0更新日期:2021-03-12 14:33
本公开涉及一种基站设备的故障预测方法、装置和基站,涉及通信技术领域。该方法包括:根据基站设备的工作运行参数,利用机器学习方法进行故障预测,以确定多个第一预测结果,第一预测结果包括至少一个故障属性;根据基站设备的硬件属性参数,利用机器学习方法进行故障预测,以确定多个第二预测结果,第二预测结果包括与第一预测结果同类型的故障属性;筛选出故障属性的数值相同的第一预测结果和第二预测结果,确定为基站设备第一故障综合预测结果。

【技术实现步骤摘要】
基站设备的故障预测方法、装置和基站
本公开涉及通信
,特别涉及一种基站设备的故障预测方法、基站设备的故障预测装置、基站和计算机可读存储介质。
技术介绍
4G无线基站设备是由BBU(BaseBandUnit,基带单元)和RRU(RemoteRFUnit,射频单元)组成。无线基站的BBU和RRU之间通信由CPRI(CommonPublicRadioInterface,通用公共无线电接口)光纤通过IR(InterfacebetweentheRRUandtheBBU,BBU和RRU之间接口)连接。在存在RRU拉远的场景下,经常会出现由于光纤和连接头老化导致的链路中断的故障。因此,此段光路会发生一定的故障率,如果不对其进行及时的处理将会严重的影响网络指标,甚至出现断站、断服的问题。为了保证基站设备的正常运转,提升网络指标,对这些基站设备故障进行预测,提前排除故障,势在必行。在相关技术中,采用人工巡检的方式检查可能出现的接头松动、线路老化等问题,及时更换器件。或者在故障已经发生之后,专业的运维人员通过告警信息,依靠经验为故障定位,解决故障。
技术实现思路
本公开的专利技术人发现上述相关技术中存在如下问题:在故障发生故障后依靠人工经验进行排查,导致故障处理效率低。鉴于此,本公开提出了一种基站设备的故障预测技术方案,能够提高故障处理效率。根据本公开的一些实施例,提供了一种基站设备的故障预测方法,包括:根据基站设备的工作运行参数,利用机器学习方法进行故障预测,以确定多个第一预测结果,所述第一预测结果包括至少一个故障属性;根据所述基站设备的硬件属性参数,利用机器学习方法进行故障预测,以确定多个第二预测结果,所述第二预测结果包括与所述第一预测结果同类型的故障属性;筛选出所述故障属性的数值相同的所述第一预测结果和所述第二预测结果,确定为所述基站设备第一故障综合预测结果。在一些实施例中,所述的故障预测方法,还包括:根据所述故障属性,对所述第一故障综合预测结果以外的所述第一预测结果和所述第二预测结果进行聚类处理;将处理结果为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第二故障综合预测结果,所述第二故障综合预测结果的故障可能性低于所述第一故障综合预测结果。在一些实施例中,所述的故障预测方法,还包括:将处理结果不为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第三故障综合预测结果,所述第三故障综合预测结果的故障可能性低于所述第二故障综合预测结果。在一些实施例中,所述的故障预测方法,在进行故障预测之前,还包括:根据工作运行参数和硬件属性参数的数据统计特征,分别对该工作运行参数和该硬件属性参数进行序列异常检测处理,得到处理后的工作运行参数和硬件属性参数。在一些实施例中,所述工作运行参数包括所述基站设备的接收功率、发射功率、温度、偏置电流、电压、误码率中的至少一项;所述硬件属性参数包括所述基站设备的生产日期、使用年数、建议使用年限、故障历史信息中的至少一项。在一些实施例中,所述故障属性包括基站编号、基站设备编号,故障发生器件或接口、故障种类中的至少一项,以及故障发生时间。在一些实施例中,所述工作运行参数的类型根据所述基站设备的历史故障告警信息和相应的故障分类确定。根据本公开的另一些实施例,提供一种基站设备的故障预测装置,包括:预测单元,用于根据基站设备的工作运行参数,利用机器学习方法进行故障预测,以确定多个第一预测结果,所述第一预测结果包括至少一个故障属性,根据所述基站设备的硬件属性参数,利用机器学习方法进行故障预测,以确定多个第二预测结果,所述第二预测结果包括与所述第一预测结果同类型的故障属性;确定单元,用于筛选出所述故障属性的数值相同的所述第一预测结果和所述第二预测结果,确定为所述基站设备第一故障综合预测结果。在一些实施例中,所述确定单元根据所述故障属性,对所述第一故障综合预测结果以外的所述第一预测结果和所述第二预测结果进行聚类处理,将处理结果为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第二故障综合预测结果,所述第二故障综合预测结果的故障可能性低于所述第一故障综合预测结果。在一些实施例中,所述确定单元将处理结果不为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第三故障综合预测结果,所述第三故障综合预测结果的故障可能性低于所述第二故障综合预测结果。在一些实施例中,所述的故障预测装置,还包括:检测处理单元,用于根据工作运行参数和硬件属性参数的数据统计特征,分别对该工作运行参数和该硬件属性参数进行序列异常检测处理,得到处理后的工作运行参数和硬件属性参数。在一些实施例中,所述工作运行参数包括所述基站设备的接收功率、发射功率、温度、偏置电流、电压、误码率中的至少一项;所述硬件属性参数包括所述基站设备的生产日期、使用年数、建议使用年限、故障历史信息中的至少一项。在一些实施例中,所述故障属性包括基站编号、基站设备编号,故障发生器件或接口、故障种类中的至少一项,以及故障发生时间。在一些实施例中,所述工作运行参数的类型根据所述基站设备的历史故障告警信息和相应的故障分类确定。根据本公开的又一些实施例,提供一种基站设备的故障预测装置,包括:存储器;和耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器装置中的指令,执行上述任一个实施例中的基站设备的故障预测方法。根据本公开的再一些实施例,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一个实施例中的基站设备的故障预测方法。根据本公开的再一些实施例,提供一种基站,包括:上述任一个实施例所述的基站设备的故障预测装置。在上述实施例中,分别从运行参数和硬件参数两方面,采用机器学习方法进行故障预测,并结合两方面的预测结果确定综合预测结果。这样,可以在故障发生前从多方面出发进行自动故障预测,从而提高故障处理的效率。附图说明构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:图1示出本公开的基站设备的故障预测方法的一些实施例的流程图;图2示出本公开的基站设备的故障预测方法的另一些实施例的流程图;图3示出本公开的基站设备的故障预测方法的一些实施例的示意图;图4示出本公开的基站设备的故障预测方法的另一些实施例的示意图;图5示出本公开的基站设备的故障预测装置的一些实施例的示意图;图6示出本公开的基站设备的故障预测装置的另一些实施例的框图;图7示出本公开的基站设备的故障预测装置的又一些实施例的框图;图8示出本公开的基站的一些实施例的框图。具体实施方式现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对本文档来自技高网...

【技术保护点】
1.一种基站设备的故障预测方法,包括:/n根据基站设备的工作运行参数,利用机器学习方法进行故障预测,以确定多个第一预测结果,所述第一预测结果包括至少一个故障属性;/n根据所述基站设备的硬件属性参数,利用机器学习方法进行故障预测,以确定多个第二预测结果,所述第二预测结果包括与所述第一预测结果同类型的故障属性;/n筛选出所述故障属性的数值相同的所述第一预测结果和所述第二预测结果,确定为所述基站设备第一故障综合预测结果。/n

【技术特征摘要】
1.一种基站设备的故障预测方法,包括:
根据基站设备的工作运行参数,利用机器学习方法进行故障预测,以确定多个第一预测结果,所述第一预测结果包括至少一个故障属性;
根据所述基站设备的硬件属性参数,利用机器学习方法进行故障预测,以确定多个第二预测结果,所述第二预测结果包括与所述第一预测结果同类型的故障属性;
筛选出所述故障属性的数值相同的所述第一预测结果和所述第二预测结果,确定为所述基站设备第一故障综合预测结果。


2.根据权利要求1所述的故障预测方法,还包括:
根据所述故障属性,对所述第一故障综合预测结果以外的所述第一预测结果和所述第二预测结果进行聚类处理;
将处理结果为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第二故障综合预测结果,所述第二故障综合预测结果的故障可能性低于所述第一故障综合预测结果。


3.根据权利要求2所述的故障预测方法,还包括:
将处理结果不为同一类的所述第一预测结果和所述第二预测结果,确定为所述基站设备第三故障综合预测结果,所述第三故障综合预测结果的故障可能性低于所述第二故障综合预测结果。


4.根据权利要求1所述的故障预测方法,在进行故障预测之前,还包括:
根据工作运行参数和硬件属性参数的数据统计特征,分别对该工作运行参数和该硬件属性参数进行序列异常检测处理,得到处理后的工作运行参数和硬件属性参数。


5.根据权利要求1-4任一项所述的故障预测方法,其中,
所述工作运行参数包括所述基站设备的接收功率、发射功率、温度、偏置电流、电压、误码率中的至少一项;
所述硬件属性参数包括所述基站设备的生产日期、使用年数、建议使用年限、故障历史信息中的至少一项。


6.根据权利要求1-4任一项所述的故障预测方法,其中,
所述故障属性包括基站编号、基站设备编号,故障发生器件或接口、故障种类中的至少一项,以及故障发生时间。


7.根据权利要求1-4任一项所述的故障预测方法,其中,
所述工作运行参数的类型根据所...

【专利技术属性】
技术研发人员:杜宇王海宁曾宇
申请(专利权)人:中国电信股份有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1