一种工业计算机多源总线数据的AI异常检测方法和系统与流程

摘要: 本发明涉及工业计算机异常检测,特别涉及一种工业计算机多源总线数据的ai异常检测方法和系统。背景技术:1、工业计算机作为工业现场的数据采集、协议转换和控制运算节点...
一种工业计算机多源总线数据的AI异常检测方法和系统与流程

本发明涉及工业计算机异常检测,特别涉及一种工业计算机多源总线数据的ai异常检测方法和系统。

背景技术:

1、工业计算机作为工业现场的数据采集、协议转换和控制运算节点,通常通过扩展槽位、背板链路或外接总线适配单元连接多路外部现场总线通道。由于工业计算机长期运行在振动、温升、粉尘、电磁干扰等恶劣环境中,扩展槽位接触状态、适配卡连接状态或背板链路稳定性可能发生短时扰动,并在外部现场总线通信中表现为跨从站通信波动、短时重传、响应延迟或通道恢复后的异常片段。

2、现有技术中,针对工业计算机扩展结构的故障检测方案主要关注pcie链路参数、扩展设备在位状态或异常日志,针对工业现场总线的异常检测方案主要从现场总线报文、设备响应状态出发识别通信超时、丢帧、从站离线等异常,通用根因分析方案可将网络异常与cpu负载、接口利用率、物理连接问题等因素相关联或构建异构拓扑图谱。这些方案能够分别发现内部扩展设备异常或外部现场设备异常,但未将内部扩展槽位的短时扰动与外部现场总线通道中的跨从站通信波动建立承载传播关系,在多路现场总线通道经由同一外接总线适配单元接入的情况下,通常将各通道异常视为独立事件处理,未能识别共同的上游承载源端,也未以扩展槽侧掉线时刻和恢复时刻形成承载门控段来筛选外部波动片段,难以区分扩展槽微断连、单一从站本体故障和普通网络拥塞。

3、现有技术存在以下缺点:第一,内部扩展结构检测与外部现场总线检测割裂处理,缺少关联机制。第二,多路通道异常时未能识别共同的上游承载源端。第三,缺少以掉线和恢复时刻形成门控段的机制,容易将门控段之外的局部设备异常错误纳入扩展槽侧故障范围。第四,难以形成清楚的受影响边界,维护人员无法准确判断应优先排查扩展槽位、背板链路、适配单元还是下游设备。

技术实现思路

1、本发明的目的在于克服现有技术的不足,提供一种工业计算机多源总线数据的ai异常检测方法和系统,通过利用内部扩展总线与外部现场总线之间的承载关系,将扩展槽位短时扰动与外部跨从站通信波动进行关联归因,并通过承载门控段约束和分支剥离机制收敛出扩展槽微断连对应的受影响边界,从而为维护人员提供明确的排查方向。

2、为实现上述目的,本发明采用如下技术方案:

3、一种工业计算机多源总线数据的ai异常检测方法,包括:

4、在工业计算机运行期间,当外部现场总线出现跨从站通信波动时,截取所述跨从站通信波动发生前后的总线观测段,所述总线观测段包含内部扩展总线运行记录和外部现场总线通信记录;

5、通过异常检测模型从所述总线观测段中分离出内部扰动片段和外部波动片段;

6、根据外接总线适配单元在工业计算机内的挂接关系,确定承载所述外部现场总线的承载节点,并从所述内部扰动片段中选取对应于同一扩展槽位置或其下游承载链路且早于所述外部波动片段的源端扰动片段;

7、依据所述源端扰动片段中的掉线时刻和恢复时刻形成承载门控段,将落入所述承载门控段之后的延续窗口且经由所述承载节点传输的外部波动片段接入所述源端扰动片段,生成扰动证据链;

8、沿所述扰动证据链剥离未经过所述承载节点、早于所述承载门控段或仅对应单一从站的局部异常分支,得到扩展槽微断连的承载传播边界;

9、根据所述承载传播边界输出候选归因结果,所述候选归因结果包含疑似扩展槽位置和受影响总线范围,并作为人工复核或维护排查的受限依据。

10、进一步地,所述依据所述源端扰动片段中的掉线时刻和恢复时刻形成承载门控段,将落入所述承载门控段之后的延续窗口且经由所述承载节点传输的外部波动片段接入所述源端扰动片段,生成扰动证据链,包括:

11、以所述掉线时刻作为所述承载门控段的起点,以所述恢复时刻作为所述承载门控段的终点;

12、按照所述外部现场总线通信记录的传输来源,将外部波动片段划分为经过所述承载节点的可接入片段和未经过所述承载节点的不可接入片段;

13、在所述可接入片段的起始时刻落入所述承载门控段之后的延续窗口时,将所述可接入片段连接至所述源端扰动片段之后,形成所述扰动证据链。

14、进一步地,所述沿所述扰动证据链剥离未经过所述承载节点、早于所述承载门控段或仅对应单一从站的局部异常分支,得到扩展槽微断连的承载传播边界,包括:

15、以所述源端扰动片段对应的扩展槽位置作为共同源端,沿所述承载节点至外部现场总线的传输方向形成候选传播分支;

16、剥离未经过所述承载节点的候选传播分支;

17、剥离起始时刻未落入所述承载门控段之后的延续窗口的候选传播分支;

18、剥离只连接一个从站且未与其他候选传播分支形成同源延续关系的候选传播分支;

19、将剩余候选传播分支合并为所述承载传播边界。

20、进一步地,所述根据外接总线适配单元在工业计算机内的挂接关系,确定承载所述外部现场总线的承载节点,包括:

21、获取工业计算机中扩展槽位、背板链路、外接总线适配单元和外部现场总线通道之间的接入关系;

22、按照由扩展槽位侧指向外部现场总线通道侧的接入方向,将所述接入关系整理为总线归属链;

23、根据所述外部波动片段对应的外部现场总线通道,在所述总线归属链中确定与所述外部现场总线通道相连的外接总线适配单元,并将所述外接总线适配单元确定为所述承载节点。

24、进一步地,所述根据所述外部波动片段对应的外部现场总线通道,在所述总线归属链中确定与所述外部现场总线通道相连的外接总线适配单元,包括:

25、将不同外部波动片段分别挂接至对应的外部现场总线通道;从所述外部现场总线通道沿所述总线归属链向扩展槽位侧回溯,获得经过外接总线适配单元和背板链路的回溯路径;

26、对不同外部波动片段对应的回溯路径进行重合段识别,将覆盖不同外部现场总线通道且距离所述外部现场总线通道最近的重合链路段确定为公共承载链路。

27、进一步地,所述从所述内部扰动片段中选取对应于同一扩展槽位置或其下游承载链路且早于所述外部波动片段的源端扰动片段,包括:

28、在所述内部扰动片段中查找与所述公共承载链路相对应的链路扰动片段;

29、当所述链路扰动片段的发生时刻早于挂接至不同外部现场总线通道的外部波动片段时,将所述链路扰动片段作为所述源端扰动片段;

30、当多个链路扰动片段满足发生时刻要求时,优先选取位于所述公共承载链路上游且与所述承载节点保持接入连续性的链路扰动片段作为所述源端扰动片段。

31、进一步地,所述在所述可接入片段的起始时刻落入所述承载门控段之后的延续窗口时,将所述可接入片段连接至所述源端扰动片段之后,形成所述扰动证据链,包括:

32、根据所述恢复时刻之后经由所述承载节点传输的首个稳定通信片段确定所述延续窗口的终止位置;

33、将位于所述恢复时刻与所述终止位置之间的可接入片段按所属外部现场总线通道归入对应的下游链条;

34、将各下游链条连接至所述源端扰动片段之后,形成具有同一源端和不同下游链条的扰动证据链。

35、进一步地,所述剥离只连接一个从站且未与其他候选传播分支形成同源延续关系的候选传播分支,包括:

36、围绕所述候选传播分支对应的从站建立跨越所述承载门控段的从站连续片段;

37、当所述从站连续片段在所述承载门控段之前已经存在异常延续,或者在所述承载门控段结束后仍脱离所述承载节点独立延续时,将所述从站连续片段嵌入所述候选传播分支并形成证据断点;

38、从所述证据断点处截断指向从站本体故障的链条延伸。

39、进一步地,在将所述链路扰动片段作为所述源端扰动片段之后,还包括:

40、当所述源端扰动片段对应的扩展槽位置与所述公共承载链路之间存在中间背板链路时,沿所述总线归属链对所述中间背板链路进行扰动补查;

41、在所述中间背板链路存在早于所述承载节点的链路扰动片段时,将所述源端扰动片段上移至所述中间背板链路对应的扰动位置;

42、在所述中间背板链路未形成链路扰动片段时,保持所述源端扰动片段与所述扩展槽位置的对应关系。

43、本发明还提供一种工业计算机多源总线数据的ai异常检测系统,包括:

44、观测段获取模块,用于在工业计算机运行期间,当外部现场总线出现跨从站通信波动时,截取所述跨从站通信波动发生前后的总线观测段,所述总线观测段包含内部扩展总线运行记录和外部现场总线通信记录;

45、片段分离模块,用于通过异常检测模型从所述总线观测段中分离出内部扰动片段和外部波动片段;

46、承载回溯模块,用于根据外接总线适配单元在工业计算机内的挂接关系,确定承载所述外部现场总线的承载节点,并从所述内部扰动片段中选取对应于同一扩展槽位置或其下游承载链路且早于所述外部波动片段的源端扰动片段;

47、证据链生成模块,用于依据所述源端扰动片段中的掉线时刻和恢复时刻形成承载门控段,将落入所述承载门控段之后的延续窗口且经由所述承载节点传输的外部波动片段接入所述源端扰动片段,生成扰动证据链;

48、边界收敛模块,用于沿所述扰动证据链剥离未经过所述承载节点、早于所述承载门控段或仅对应单一从站的局部异常分支,得到扩展槽微断连的承载传播边界;

49、归因输出模块,用于根据所述承载传播边界输出候选归因结果,所述候选归因结果包含疑似扩展槽位置和受影响总线范围,并作为人工复核或维护排查的受限依据。

50、与现有技术相比,本发明具有以下有益效果:

51、第一,本发明将工业计算机内部扩展结构与外部现场总线通道的承载关系纳入异常归因过程,通过在同一总线观测段内同时截取内部扩展总线运行记录和外部现场总线通信记录,并利用总线归属链进行承载回溯,能够识别由扩展槽微断连引起的跨从站通信波动,避免将内部扩展结构扰动与外部现场设备故障割裂处理。

52、第二,本发明将ai模型作为异常片段分离工具,在此基础上利用总线归属链、承载节点和承载门控段进行进一步处理,使异常检测结果具有可追溯的链路依据,而不是仅依赖模型输出的置信度或异常分数。

53、第三,本发明通过源端扰动片段的掉线时刻和恢复时刻形成承载门控段,能够区分扩展槽短时扰动引起的恢复后波动和门控段之外原本存在的局部异常。承载门控段由工业计算机扩展结构侧实际失稳和恢复过程生成,外部波动片段只有在其起始时刻落入承载门控段之后的延续窗口时才能接入证据链,从而减少误归因。

54、第四,本发明通过节点外剥离、门控外剥离和单从站剥离三种剥离机制,将未经过同一承载节点、早于承载门控段或指向单一从站本体故障的异常分支从扰动证据链中排除,能够形成更清楚的承载传播边界。

55、第五,本发明输出疑似扩展槽位置和受影响总线范围作为人工复核或维护排查的受限依据,不直接触发现场控制动作,使维护人员能够优先检查特定扩展槽位置、背板链路和外接总线适配单元,提高维护排查的针对性和效率。