故障根因定位方法、装置及可读存储介质制造方法及图纸

本申请实施例提供一种故障根因定位方法、装置及可读存储介质，该方法包括：根据网络拓扑图，确定节点拓扑信息；获取故障权重信息，所述故障权重信息表示所述网络拓扑图中故障根因概率分布的情况；根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率，其中故障根因概率最高的节点为预测的故障根因。点为预测的故障根因。点为预测的故障根因。

【技术实现步骤摘要】
故障根因定位方法、装置及可读存储介质


[0001]本申请实施例涉及通信
，具体涉及一种故障根因定位方法、装置及可读存储介质。

技术介绍

[0002]行业现场网是行业现场端侧节点网络接入技术的统称，它们连接行业现场末端的各类终端、机器、传感器和系统等，满足行业现场对传感、数据、定位、控制、管理等的多样业务需求。行业现场网主要的研究对象包括无源通信(例如射频识别(Radio Frequency Identification，RFID))、短距通信(例如星闪)和时延敏感网络(Time Sensitive Networking，TSN)。随着行业现场网深入楼宇、医院、商超、工业园区等场景，异构网络管理难、网络运维效率低的问题日益突出，企业用户对统一、便捷的网络管理的需求更为强烈。
[0003]如图1行业现场网场景RFID所示，完整节点拓扑包括了电子标签(tag)、解读器天线(reader antenna)、解读器(reader)、平台(host computer)。当有故障时，往往会有几十个告警同时发生，如何从纷繁的告警中准确快速地定位故障原因是亟待解决的问题。

技术实现思路

[0004]本申请实施例在于提供一种故障根因定位方法、装置及可读存储介质，解决如何准确快速地定位故障原因的问题。
[0005]第一方面，提供一种故障根因定位方法，包括：
[0006]根据网络拓扑图，确定节点拓扑信息；
[0007]获取故障权重信息，所述故障权重信息表示所述网络拓扑图中故障根因概率分布的情况；
[0008]根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率，其中故障根因概率最高的节点为预测的故障根因。
[0009]可选地，所述根据网络拓扑图，确定节点拓扑信息的步骤，包括：
[0010]根据所述网络拓扑图中的路径信息，确定拓扑矩阵和所述网络拓扑图中各个节点的积分过滤器；
[0011]根据故障类型和/或与故障相关的路径，生成全局相关矩阵，所述全局相关矩阵中的元素用于表示针对特定的故障所述网络拓扑图中各个节点的故障相关关系；
[0012]根据所述拓扑矩阵和所述全局相关矩阵的乘积，得到节点拓扑矩阵。
[0013]可选地，所述获取故障权重信息的步骤，包括：
[0014]判断节点使用方的本地故障数据库或者节点制造方的故障根因数据模型是否有更新；
[0015]如果节点使用方的本地故障数据库或者节点制造方的故障根因数据模型有更新，则使用更新后的本地故障数据库或者更新后的故障根因数据模型，对故障权重信息进行更新；否则，使用已有的故障权重信息。
[0016]可选地，所述方法还包括：
[0017]将本地故障数据库上报给节点制造方，所述本地故障数据库是节点使用方基于数字孪生生成的；
[0018]从所述节点制造方获取更新后的故障根因数据模型，所述故障根因数据模型是所述节点制造方基于多个节点使用方上报的本地故障数据库更新的得到的。
[0019]可选地，所述根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率的步骤，包括：
[0020]通过
[0021][0022]，计算得到目标函数X
’
，n表示故障告警的次数，n大于1；
[0023]其中，A为拓扑矩阵，D
error
为与一种故障告警对应的全局相关矩阵，H
error
为与一种故障告警对应的故障根因概率分布矩阵；
[0024]对目标函数X
’
做归一化后，得到目标根因预测矩阵X；
[0025]通过prop
i
＝∑∑f
i
*X，计算节点i的故障根因概率；
[0026]其中，f
i
表示节点i的积分过滤器，*为哈达马积。
[0027]可选地，所述方法还包括：
[0028]根据本地样本，对故障根因概率分布矩阵进行更新，所述本地样本包括：故障告警和所述故障告警的根因。
[0029]可选地，所述根据本地样本，对故障根因概率分布矩阵进行更新的步骤，包括：
[0030]根据预设范围的样本生成指定时间范围内的目标故障根因概率分布矩阵；
[0031]根据预设的权重参数和所述目标故障根因概率分布矩阵，对所述故障根因概率分布矩阵进行更新，得到更新后的故障根因概率分布矩阵；
[0032]根据更新后的故障根因概率分布矩阵和节点拓扑矩阵的乘积经过归一化处理后，得到预测概率；
[0033]根据所述预测概率，构建损失函数；
[0034]根据本地样本和损失函数，对故障根因概率分布矩阵进行训练，优化所述权重参数。
[0035]第二方面，提供一种故障根因定位装置，包括：
[0036]节点拓扑模块，用于根据网络拓扑图，确定节点拓扑信息；
[0037]故障权重模块，用于获取故障权重信息，所述故障权重信息表示所述网络拓扑图中故障根因概率分布的情况；
[0038]根因定位模块，用于根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率，其中故障根因概率最高的节点为预测的故障根因。
[0039]可选地，所述节点拓扑模块进一步用于：
[0040]根据所述网络拓扑图中的路径信息，确定拓扑矩阵和所述网络拓扑图中各个节点的积分过滤器；
[0041]根据故障类型和/或与故障相关的路径，生成全局相关矩阵，所述全局相关矩阵中
的元素用于表示针对特定的故障所述网络拓扑图中各个节点的故障相关关系；
[0042]根据所述拓扑矩阵和所述全局相关矩阵的乘积，得到节点拓扑矩阵。
[0043]可选地，所述故障权重模块进一步用于：
[0044]判断节点使用方的本地故障数据库或者节点制造方的故障根因数据模型是否有更新；
[0045]如果节点使用方的本地故障数据库或者节点制造方的故障根因数据模型有更新，则使用更新后的本地故障数据库或者更新后的故障根因数据模型，对故障权重信息进行更新；否则，使用已有的故障权重信息。
[0046]可选地，所述装置还包括：
[0047]更新模块，用于将本地故障数据库上报给节点制造方，所述本地故障数据库是节点使用方基于数字孪生生成的；
[0048]从所述节点制造方获取更新后的故障根因数据模型，所述故障根因数据模型是所述节点制造方基于多个节点使用方上报的本地故障数据库更新的得到的。
[0049]可选地，所述根因定位模块进一步用于：
[0050]通过
[0051][0052]，计算得到目标函数X
’
，n表示故障告警的次数，n大于1；
[0053]其中，A为拓扑矩阵，D
error
为与一种故障告警对应的全局相关矩阵，H
error
为与一种故障告本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障根因定位方法，其特征在于，包括：根据网络拓扑图，确定节点拓扑信息；获取故障权重信息，所述故障权重信息表示所述网络拓扑图中故障根因概率分布的情况；根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率，其中故障根因概率最高的节点为预测的故障根因。2.根据权利要求1所述的方法，其特征在于，所述根据网络拓扑图，确定节点拓扑信息的步骤，包括：根据所述网络拓扑图中的路径信息，确定拓扑矩阵和所述网络拓扑图中各个节点的积分过滤器；根据故障类型和/或与故障相关的路径，生成全局相关矩阵，所述全局相关矩阵中的元素用于表示针对特定的故障所述网络拓扑图中各个节点的故障相关关系；根据所述拓扑矩阵和所述全局相关矩阵的乘积，得到节点拓扑矩阵。3.根据权利要求1所述的方法，其特征在于，所述获取故障权重信息的步骤，包括：判断节点使用方的本地故障数据库或者节点制造方的故障根因数据模型是否有更新；如果节点使用方的本地故障数据库或者节点制造方的故障根因数据模型有更新，则使用更新后的本地故障数据库或者更新后的故障根因数据模型，对故障权重信息进行更新；否则，使用已有的故障权重信息。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将本地故障数据库上报给节点制造方，所述本地故障数据库是节点使用方基于数字孪生生成的；从所述节点制造方获取更新后的故障根因数据模型，所述故障根因数据模型是所述节点制造方基于多个节点使用方上报的本地故障数据库更新的得到的。5.根据权利要求2所述的方法，其特征在于，所述根据所述节点拓扑信息和所述故障权重信息，确定所述网络拓扑图中各个节点的故障根因概率的步骤，包括：通过计算得到目标函数X
’
，n表示故障告警的次数，n大于1；其中，A为拓扑矩阵，D
error
为与一种故障告警对应的全局相关矩阵，H
error
为与一种故障告警对应的故障根因概率分布矩阵，所述故障根因概率分布矩阵中的元素表示各个节点为故障根因的概率；对目标函数X
’
做归一化后，得到目标根因预测矩阵X；通过prop
i
＝∑∑f
i
*X，计算节点i的故障根因概率，所述节点i是所述网络拓扑图中的任意节点；其中，f
i
表示节点i的积分过滤器，*为哈达马积。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：根据本地样本，对故障根因概率分布矩阵进行更新，所述本地样本包括：故障告警和所
述故障告警的根因。7.根据权利要求6所述的方法，其特征在于，所述根据本地样本，对故障根因概率分布矩阵进行更新的步骤，包括：根据预设范围的样本生成指定时间范围内的目标故障根因概率分布矩阵；根据预设的权重参数和所述目标故障根因概率分布矩阵，对所述故障根因概率分布矩阵进行更新，得到更新后的故障根因概率分布矩...

【专利技术属性】
技术研发人员：王凯，范晓晖，李宜铮，罗达，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：