一种系统异常监控方法及装置制造方法及图纸

本发明专利技术提供一种系统异常监控方法及装置。其中，所述方法包括：获取待监控系统中功能操作的执行时间数据；基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作；并将异常功能操作的特征信息发送到预设的模糊故障树模型；基于预设的模糊故障树模型确定所述异常功能操作的异常信息。采用本发明专利技术提供的系统异常监控方法，能够基于时间间隔约束的Petri网模型，并结合模糊逻辑对待监控系统中每个功能操作所需的执行时间数据和系统故障概率进行分析，实现了对系统中异常功能操作的有效检测和监控，同时提高了针对待监控系统中各种故障的识别效率和准确度。各种故障的识别效率和准确度。各种故障的识别效率和准确度。

【技术实现步骤摘要】
一种系统异常监控方法及装置


[0001]本专利技术涉及计算机应用
，具体涉及一种系统异常监控方法及装置。另外，还涉及一种电子设备及处理器可读存储介质。

技术介绍

[0002]随着工业生产系统的愈发复杂，为确保系统能在时间紧迫的情况下快速对异常情况做出反应，基于Petri网实现的监督控制策略越来越重要。Petri网具备建模、状态分析、决策辅助等方面的优势，能够用于描述异步计算机系统模型等，其在监督控制领域已有广泛应用。
[0003]但是，目前现有技术中基于Petri网实现的监控策略通常未考虑到系统受到时间限制约束时的情况，导致针对自动制造系统中各个功能操作的监控准确度较差。尤其是在具有时间约束的制造系统，对于每一个操作，往往要求操作时间必须包含在一个时间间隔约束条件内，一旦超出该时间间隔，就会对系统的运行造成极大影响，造成巨大经济损失。因此，如何设计一种精确的系统异常监控方案成为亟待解决的难题。

技术实现思路

[0004]为此，本专利技术提供一种系统异常监控方法及装置，以解决现有技术存在的系统异常监控局限性较高，监控精度较差的问题。
[0005]第一方面，本专利技术提供一种系统异常监控方法，包括：
[0006]获取待监控系统中功能操作的执行时间数据；
[0007]基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作；并将异常功能操作的特征信息发送到预设的模糊故障树模型；
[0008]基于预设的模糊故障树模型确定所述异常功能操作的异常信息。
[0009]在一个实施例中，基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作，具体包括：
[0010]基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petri网模型的时间间隔约束条件内，若是，则将所述执行时间数据对应的功能操作确定为异常功能操作。
[0011]在一个实施例中，所述的系统异常监控方法，还包括：
[0012]确定所述模糊故障树模型中顶事件的故障概率；其中，所述顶事件的故障概率表示所述待监控系统中系统部件的故障概率；
[0013]基于所述异常功能操作的特征信息、所述顶事件的故障概率以及预设的模糊规则，确定所述异常功能操作对应的维护类型信息。
[0014]在一个实施例中，确定所述模糊故障树模型中顶事件的故障概率，具体包括：
[0015]确定所述模糊故障树模型中基础事件的故障概率；其中，所述基础事件的故障概
率表示所述待监控系统中基础部件的故障概率；所述系统部件对应至少一个所述基础部件；
[0016]基于所述基础事件的故障概率确定所述模糊故障树模型中顶事件的故障概率。
[0017]在一个实施例中，基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petri网模型的时间间隔约束条件内，具体包括：确定所述Petri网模型内库所中托肯的状态停留时间，并根据所述状态停留时间和预设的时间间隔约束条件判断所述托肯是否为可用托肯，若是，则判定所述执行时间数据处于所述时间间隔约束条件内；若所述托肯为不可用托肯，则判定所述执行时间数据未处于所述时间间隔约束条件内；
[0018]其中，所述托肯的状态停留时间表示所述执行时间数据；所述托肯表示所述待监控系统中执行所述功能操作的目标部件；所述库所表示所述目标部件的位置。
[0019]在一个实施例中，所述Petri网模型和所述模糊故障树模型分别基于所述待监控系统的系统部件和基础部件进行建模得到。
[0020]在一个实施例中，所述的系统异常监控方法，还包括：基于所述模糊故障树模型确定所述异常功能操作的异常原因。
[0021]第二方面，本专利技术还提供一种系统异常监控装置，包括：
[0022]系统操作数据获取单元，用于获取待监控系统中功能操作的执行时间数据；
[0023]系统操作数据分析单元，用于基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作；并将异常功能操作的特征信息输入到预设的模糊故障树模型；
[0024]异常操作信息确定单元，用于基于预设的模糊故障树模型确定所述异常功能操作的异常信息。
[0025]在一个实施例中，系统操作数据分析单元，具体用于：
[0026]基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petri网模型的时间间隔约束条件内，若是，则将所述执行时间数据对应的功能操作确定为异常功能操作。
[0027]在一个实施例中，所述的系统异常监控装置，还包括：
[0028]故障概率确定单元，用于确定所述模糊故障树模型中顶事件的故障概率；其中，所述顶事件的故障概率表示所述待监控系统中系统部件的故障概率；
[0029]维护类型确定单元，用于基于所述异常功能操作的特征信息、所述顶事件的故障概率以及预设的模糊规则，确定所述异常功能操作对应的维护类型信息。
[0030]在一个实施例中，所述故障概率确定单元，具体用于：
[0031]确定所述模糊故障树模型中基础事件的故障概率；其中，所述基础事件的故障概率表示所述待监控系统中基础部件的故障概率；所述系统部件对应至少一个所述基础部件；
[0032]基于所述基础事件的故障概率确定所述模糊故障树模型中顶事件的故障概率。
[0033]在一个实施例中，基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petri网模型的时间间隔约束条件内，具体包括：确定所述Petri网模型内库所中托肯的状态停留时间，并根据所述状态停留
时间和预设的时间间隔约束条件判断所述托肯是否为可用托肯，若是，则判定所述执行时间数据处于所述时间间隔约束条件内；若所述托肯为不可用托肯，则判定所述执行时间数据未处于所述时间间隔约束条件内；
[0034]其中，所述托肯的状态停留时间表示所述执行时间数据；所述托肯表示所述待监控系统中执行所述功能操作的目标部件；所述库所表示所述目标部件的位置。
[0035]在一个实施例中，所述Petri网模型和所述模糊故障树模型分别基于所述待监控系统的系统部件和基础部件进行建模得到。
[0036]在一个实施例中，所述的系统异常监控装置，还包括：异常原因确定单元，用于基于所述模糊故障树模型确定所述异常功能操作的异常原因。
[0037]第三方面，本专利技术还提供一种电子设备，包括：存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述系统异常监控方法的步骤。
[0038]第四方面，本专利技术还提供一种处理器可读存储介质，所述处理器可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统异常监控方法，其特征在于，包括：获取待监控系统中功能操作的执行时间数据；基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作；并将异常功能操作的特征信息发送到预设的模糊故障树模型；基于预设的模糊故障树模型确定所述异常功能操作的异常信息。2.根据权利要求1所述的系统异常监控方法，其特征在于，基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，确定所述功能操作中的异常功能操作，具体包括：基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petri网模型的时间间隔约束条件内，若是，则将所述执行时间数据对应的功能操作确定为异常功能操作。3.根据权利要求1所述的系统异常监控方法，其特征在于，还包括：确定所述模糊故障树模型中顶事件的故障概率；其中，所述顶事件的故障概率表示所述待监控系统中系统部件的故障概率；基于所述异常功能操作的特征信息、所述顶事件的故障概率以及预设的模糊规则，确定所述异常功能操作对应的维护类型信息。4.根据权利要求3所述的系统异常监控方法，其特征在于，确定所述模糊故障树模型中顶事件的故障概率，具体包括：确定所述模糊故障树模型中基础事件的故障概率；其中，所述基础事件的故障概率表示所述待监控系统中基础部件的故障概率；所述系统部件对应至少一个所述基础部件；基于所述基础事件的故障概率确定所述模糊故障树模型中顶事件的故障概率。5.根据权利要求2所述的系统异常监控方法，其特征在于，基于所述功能操作的执行时间数据和预设的基于时间间隔约束的Petri网模型，判断所述执行时间数据是否处于所述Petr...

【专利技术属性】
技术研发人员：乔雪松，
申请(专利权)人：中移系统集成有限公司中国移动通信集团有限公司，
类型：发明
国别省市：