一种物联网通信网关动态调用装置制造方法及图纸

本申请涉及互联网领域，其具体地公开了一种物联网通信网关动态调用装置，其通过采用基于深度学习的人工智能算法来提取通信网关的状态数据中的参数特征间的多尺度隐含关联特征，并基于这些所述参数特征间的多尺度隐含关联特征的融合特征分布信息来回归生成物联网通信网关的数据指标值，以此与阈值比较来进行故障检测，进而确定通信网关是否被调用。这样，能够根据实际情况动态地进行物联网通信网关调用，从而能够有效保证动态调用之前的网关软硬件设备的稳定运行，提高调用的效率。提高调用的效率。提高调用的效率。

【技术实现步骤摘要】
一种物联网通信网关动态调用装置


[0001]本申请涉及互联网领域，且更为具体地，涉及一种物联网通信网关动态调用装置。

技术介绍

[0002]网关又称为网间连接器、协议转换器，在传输层上仅用于连个高层协议不同的网络互连，是最复杂的网络互连设备，既可以用于广域网互连，也可用于局域网互连，是一种充当转换重任的计算机系统或设备。随着网关技术的不断发展，网关设备在物联网通信网络中越来越被广泛应用，网关设备开始走入大众生活中，使得人们的生活更加智能化和便利化。但是，当前网关在进行调用时，常存在网关运行稳定性较差，调用效率低等问题。
[0003]因此，期望一种优化的物联网通信网关动态调用装置，其能够根据实际情况动态地进行物联网通信网关调用，以在保证网关运行稳定性的基础上提高调用的效率。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种物联网通信网关动态调用装置，其通过采用基于深度学习的人工智能算法来提取通信网关的状态数据中的参数特征间的多尺度隐含关联特征，并基于这些所述参数特征间的多尺度隐含关联特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网通信网关动态调用装置，其特征在于，包括：网关状态数据采集单元，用于获取待调用通信网关的网关状态数据；矩阵构造单元，用于将所述网关状态数据构造为网关状态数据矩阵，其中，所述网关状态数据矩阵中各个位置的值用于表示第i个数据类型中第j个数据对应的参数特征；多尺度卷积检测单元，用于将所述网关状态数据矩阵通过包含第一卷积神经网络和第二卷积神经网络的双流网络模型以得到第一尺度特征图和第二尺度特征图；融合单元，用于将所述第一尺度特征图和所述第二尺度特征图进行融合以得到解码特征图；解码单元，用于将所述解码特征图通过解码器以得到用于表示物联网通信网关的数据指标值的解码值；以及调用控制结果生成单元，用于基于所述解码值与预定阈值之间的比较，确定所述物联网通信网关是否可被调用。2.根据权利要求1所述的物联网通信网关动态调用装置，其特征在于，所述第一卷积神经网络使用具有第一尺寸的第一卷积核，所述第二卷积神经网络使用具有第二尺寸的第二卷积核，所述第一尺寸不同于所述第二尺寸。3.根据权利要求1所述的物联网通信网关动态调用装置，其特征在于，所述第一卷积神经网络使用具有第一空洞率的第一卷积核，所述第二卷积神经网络使用具有第二空洞率的第二卷积核，所述第一卷积核和所述第二卷积核具有相同的尺寸。4.根据权利要求2或3所述的物联网通信网关动态调用装置，其特征在于，所述多尺度卷积检测单元，包括：第一尺度卷积编码子单元，用于使用所述第一卷积神经网络的各层在层的正向传递中对输入数据进行第一卷积核的卷积处理：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为所述第一尺度特征图，所述第一卷积神经网络的第一层的输入为网关状态数据矩阵；以及第二尺度卷积编码子单元，用于使用所述第二卷积神经网络的各层在层的正向传递中对输入数据进行第二卷积核的卷积处理：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络的最后一层的输出为所述第二尺度特征图，所述第二卷积神经网络的第一层的输入为网关状态数据矩阵。5.根据权利要求4所述的物联网通信网关动态调用装置，其特征在于，所述融合单元，进一步用于：以如下公式融合所述第一尺度特征图和所述第二尺度特征图以得到解码特征图；其中，所述公式为：F其中表示所述第一尺度特征图，表示所述第二尺度特征图，F表示所述解码特征图，分别表示所述第一尺度特征图量、所述第二尺度特征图的加权参数...

【专利技术属性】
技术研发人员：张云超，王延鹏，石辉，
申请(专利权)人：深圳桥通物联科技有限公司，
类型：发明
国别省市：