基于深度学习的设备故障诊断方法及系统技术方案

本发明专利技术提供一种基于深度学习的设备故障诊断方法及系统。所述方法包括：在通信总线中广播第一测试消息；在接收到第二终端设备的第一应答消息后，根据第二终端设备的备案信息，向第二终端设备发送多次第二测试消息；根据所述第二终端设备对于第二测试消息的应答时间、第二终端设备使用的运算资源以及第二终端设备的备案信息，对第二终端设备进行筛选，确定应答性能合格的第三终端设备；根据第三终端设备的备案信息，向第三终端设备发送第三测试消息；根据第三终端设备的执行结果，确定第三终端设备是否存在硬件性能故障。根据本发明专利技术，可在多个设备中筛选出需要维修或更换的终端设备，减少逐一检测的工作量和检测成本，以及减少维修或更换成本。少维修或更换成本。少维修或更换成本。

【技术实现步骤摘要】
基于深度学习的设备故障诊断方法及系统


[0001]本专利技术涉及物联网
，尤其涉及一种基于深度学习的设备故障诊断方法及系统。

技术介绍

[0002]相关技术中，CN115580635A公开了一种物联网终端的智能化故障诊断方法及系统，该方法包括：对目标网络结构的物联网组成设备的信息进行确定，进行设备分类输出采集源设备和传输源设备，将采集源设备的信息和传输源设备的信息输入设备故障概率计算模型中，通过进行模型分析输出标识设备，基于标识采集源设备和标识传输源设备生成故障诊断库，并存储至所述云端服务器中，获取实时网络故障信息，根据故障诊断库进行设备定位输出故障设备。
[0003]CN115028073A公开了一种基于工业物联网的智慧工厂工业设备故障分析评估系统，包括：制动结构故障监测模块，制动结构故障分析模块，起升结构故障监测模块，起升结构故障分析模块，设备故障分析模块、设备故障预警终端数据库；通过分析得到目标起重机的制动结构故障评估系数和起升结构故障评估系数，进而综合计算得到目标起重机设备故障评估系数。
[0004]CN115296976A公开了一种物联网设备故障检测方法、装置、设备及存储介质，该方法包括：通过获取当前时间窗口中各物联网设备的设备数据；解析各物联网设备的设备数据获取各物联网设备至少两种事件属性的状态值，并将各物联网设备同一种事件属性的状态值存储至一个Bitmap数据结构中，任一Bitmap数据结构的每一位对应一个物联网设备同一种事件属性的状态值，状态值为0或1；根据预设故障筛选规则对至少两个事件属性的Bitmap数据结构进行位运算，根据结果进行故障设备检测和/或故障原因分析。
[0005]然而，相关技术均无法准确测试物联网终端设备的性能，也无法确定物联网终端设备是否存在性能故障。
[0006]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0007]本专利技术实施例提供一种基于深度学习的设备故障诊断方法及系统，能够测试物联网终端设备的性能，确定终端设备是否存在硬件性能故障。
[0008]本专利技术实施例的第一方面，提供一种基于深度学习的设备故障诊断方法,包括：在通信总线中广播第一测试消息，其中，所述第一测试消息用于确定出在所述云端设备中备案的多个终端设备中，未上线或无法应答的第一终端设备；在接收到第二终端设备的第一应答消息后，根据所述第二终端设备的备案信息，向所述第二终端设备发送多次第二测试消息，其中，所述第二测试消息用于测试所述第二
终端设备的应答性能；根据所述第二终端设备对于所述第二测试消息的应答时间、所述第二终端设备在执行所述第二测试消息对应的命令时使用的运算资源以及所述第二终端设备的备案信息，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备；根据所述第三终端设备的备案信息，向所述第三终端设备发送第三测试消息，其中，所述第三测试消息用于测试所述第三终端设备的运行性能；在接收到的所述第三终端设备对于所述第三测试消息对应的命令的执行结果的情况下，根据所述执行结果，确定所述第三终端设备是否存在硬件性能故障。
[0009]在本专利技术的一些实施例中，根据所述第二终端设备对于所述第二测试消息的应答时间、所述第二终端设备在执行所述第二测试消息对应的命令时使用的运算资源以及所述第二终端设备的备案信息，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备，包括：根据所述第二终端设备的备案信息，确定所述第二终端设备的运算资源总量；根据所述第二终端设备的运算资源总量，和所述第二终端设备在执行各个第二测试消息对应的命令时使用的运算资源，确定所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量；根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量、所述第二测试消息的运算资源需求量，以及所述第二终端设备的运算资源总量，确定所述第二终端设备的运算资源利用性能指标；根据所述第二终端设备对于各个第二测试消息的应答时间、所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备的应答速率衰减性能指标；根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量和应答时间，确定所述第二终端设备的运算资源与应答时间的一致性指标；根据所述运算资源利用性能指标、所述应答速率衰减性能指标和所述一致性指标，确定所述第二终端设备的应答性能指标；根据所述应答性能指标，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备。
[0010]在本专利技术的一些实施例中，根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量、所述第二测试消息的运算资源需求量，以及所述第二终端设备的运算资源总量，确定所述第二终端设备的运算资源利用性能指标，包括：根据各个第二测试消息的运算资源需求量以及所述第二终端设备的运算资源总量，确定所述第二终端设备在执行各个第二测试消息对应的命令时的理论运算资源剩余量；根据所述第二终端设备在执行各个第二测试消息对应的命令时的所述运算资源剩余量和所述理论运算资源剩余量，确定资源剩余差异；对所述资源剩余差异进行统计，获得第一资源利用性能指标；对所述第二终端设备在执行各个第二测试消息对应的命令时的资源剩余差异进行三次样条插值拟合，获得剩余差异曲线；
求解所述剩余差异曲线的第一导函数曲线；将使所述第一导函数曲线大于0的自变量范围与所述第二测试消息的发送次数的比值，确定为第二资源利用性能指标；根据所述第一资源利用性能指标和所述第二资源利用性能指标，确定所述运算资源利用性能指标。
[0011]在本专利技术的一些实施例中，根据所述第二终端设备对于各个第二测试消息的应答时间、所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备的应答速率衰减性能指标，包括：根据所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备对于各个第二测试消息的理论应答时间；根据所述第二终端设备对于各个第二测试消息的所述应答时间和所述理论应答时间，确定应答时间差异；对所述应答时间差异进行统计，获得第一时间差异指标；对所述应答时间差异进行三次样条插值拟合，获得时间差异曲线；求解所述时间差异曲线的第二导函数曲线；将使所述第二导函数曲线大于0的自变量范围与所述第二测试消息的发送次数的比值，确定为第二时间差异指标；根据所述第一时间差异指标和所述第二时间差异指标，定所述第二终端设备的应答速率衰减性能指标。
[0012]在本专利技术的一些实施例中，根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量和应答时间，确定所述第二终端设备的运算资源与应答时间的一致性指标，包括：根据公式，确定所述第二终端设备的运算资源与应答时间的一致性指标Y，其中，V为所述第二终端设备的运算资源总量，V
i
为第二终端设备在执行第i个第二测试消息对应的命令时的运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的设备故障诊断方法，其特征在于，所述方法用于云端设备，包括：在通信总线中广播第一测试消息，其中，所述第一测试消息用于确定出在所述云端设备中备案的多个终端设备中，未上线或无法应答的第一终端设备；在接收到第二终端设备的第一应答消息后，根据所述第二终端设备的备案信息，向所述第二终端设备发送多次第二测试消息，其中，所述第二测试消息用于测试所述第二终端设备的应答性能；根据所述第二终端设备对于所述第二测试消息的应答时间、所述第二终端设备在执行所述第二测试消息对应的命令时使用的运算资源以及所述第二终端设备的备案信息，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备；根据所述第三终端设备的备案信息，向所述第三终端设备发送第三测试消息，其中，所述第三测试消息用于测试所述第三终端设备的运行性能；在接收到的所述第三终端设备对于所述第三测试消息对应的命令的执行结果的情况下，根据所述执行结果，确定所述第三终端设备是否存在硬件性能故障。2.根据权利要求1所述的基于深度学习的设备故障诊断方法，其特征在于，根据所述第二终端设备对于所述第二测试消息的应答时间、所述第二终端设备在执行所述第二测试消息对应的命令时使用的运算资源以及所述第二终端设备的备案信息，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备，包括：根据所述第二终端设备的备案信息，确定所述第二终端设备的运算资源总量；根据所述第二终端设备的运算资源总量，和所述第二终端设备在执行各个第二测试消息对应的命令时使用的运算资源，确定所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量；根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量、所述第二测试消息的运算资源需求量，以及所述第二终端设备的运算资源总量，确定所述第二终端设备的运算资源利用性能指标；根据所述第二终端设备对于各个第二测试消息的应答时间、所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备的应答速率衰减性能指标；根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量和应答时间，确定所述第二终端设备的运算资源与应答时间的一致性指标；根据所述运算资源利用性能指标、所述应答速率衰减性能指标和所述一致性指标，确定所述第二终端设备的应答性能指标；根据所述应答性能指标，对所述第二终端设备进行筛选，确定应答性能合格的第三终端设备。3.根据权利要求2所述的基于深度学习的设备故障诊断方法，其特征在于，根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量、所述第二测试消息的运算资源需求量，以及所述第二终端设备的运算资源总量，确定所述第二终端设备的运算资源利用性能指标，包括：根据各个第二测试消息的运算资源需求量以及所述第二终端设备的运算资源总量，确
定所述第二终端设备在执行各个第二测试消息对应的命令时的理论运算资源剩余量；根据所述第二终端设备在执行各个第二测试消息对应的命令时的所述运算资源剩余量和所述理论运算资源剩余量，确定资源剩余差异；对所述资源剩余差异进行统计，获得第一资源利用性能指标；对所述第二终端设备在执行各个第二测试消息对应的命令时的资源剩余差异进行三次样条插值拟合，获得剩余差异曲线；求解所述剩余差异曲线的第一导函数曲线；将使所述第一导函数曲线大于0的自变量范围与所述第二测试消息的发送次数的比值，确定为第二资源利用性能指标；根据所述第一资源利用性能指标和所述第二资源利用性能指标，确定所述运算资源利用性能指标。4.根据权利要求2所述的基于深度学习的设备故障诊断方法，其特征在于，根据所述第二终端设备对于各个第二测试消息的应答时间、所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备的应答速率衰减性能指标，包括：根据所述第二测试消息的运算资源需求量和所述第二终端设备的备案信息，确定所述第二终端设备对于各个第二测试消息的理论应答时间；根据所述第二终端设备对于各个第二测试消息的所述应答时间和所述理论应答时间，确定应答时间差异；对所述应答时间差异进行统计，获得第一时间差异指标；对所述应答时间差异进行三次样条插值拟合，获得时间差异曲线；求解所述时间差异曲线的第二导函数曲线；将使所述第二导函数曲线大于0的自变量范围与所述第二测试消息的发送次数的比值，确定为第二时间差异指标；根据所述第一时间差异指标和所述第二时间差异指标，定所述第二终端设备的应答速率衰减性能指标。5.根据权利要求2所述的基于深度学习的设备故障诊断方法，其特征在于，根据所述第二终端设备在执行各个第二测试消息对应的命令时的运算资源剩余量和应答时间，确定所述第二终端设备的运算资源与应答时间的一致性指标，包括：根据公式，确定所述第二终端设备的运算资源与应答时间的一致性指标Y，其中，V为所述第二终端设备的运算资源总量，V
i
为第二终端设备在执行第i个第二测试消息对应的命令时的运算资源剩余量，t
i
为...

【专利技术属性】
技术研发人员：杨璇，刘许超，赵旖旎，黄丽钦，闫泽，
申请(专利权)人：国网智联电商有限公司，
类型：发明
国别省市：