一种基于深度学习的智慧路灯远程通信故障检测方法与流程

摘要: 本发明涉及故障诊断,具体为一种基于深度学习的智慧路灯远程通信故障检测方法。背景技术:1、随着智慧城市和物联网技术的发展,智慧路灯通常通过通信模块和边缘网关接入远...
一种基于深度学习的智慧路灯远程通信故障检测方法与流程

本发明涉及故障诊断,具体为一种基于深度学习的智慧路灯远程通信故障检测方法。

背景技术:

1、随着智慧城市和物联网技术的发展,智慧路灯通常通过通信模块和边缘网关接入远程管理平台,以实现开关灯、调光、参数配置、状态查询和故障报警等功能。由于智慧路灯数量较多、分布范围较广且长期在室外运行,远程通信的可靠性直接影响路灯控制和维护效率。

2、现有智慧路灯故障检测方法主要采集路灯的电压、电流、功率、温度、光照强度以及通信时延、丢包率、信号强度等数据,再通过阈值比较、历史数据分析或者机器学习模型识别异常状态。部分方法还结合路灯节点之间的网络拓扑关系,对异常节点进行定位。

3、然而,智慧路灯远程通信涉及管理平台、网关、通信链路、路灯终端以及灯具驱动电路等多个环节。管理平台未收到路灯终端的状态信息或控制回执时,可能是通信链路异常,也可能是网关拥塞、终端未正常执行、灯具驱动故障或者状态信息未能正常返回。不同故障原因可能表现为相同或相近的离线、超时及状态异常现象。

4、现有方法主要依据所采集数据与预设阈值或故障样本之间的差异确定故障类型,难以准确区分产生相近异常现象的不同故障原因。当网络负载、环境条件或设备状态发生变化时,还容易出现误判。

5、因此,现有智慧路灯故障检测方法存在故障环节判断不准确的问题。为此,提出一种基于深度学习的智慧路灯远程通信故障检测方法。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的智慧路灯远程通信故障检测方法,包括:响应于目标路灯终端的通信异常,建立诊断会话并确定竞争故障原因集;根据网络负载生成通信环回探测,根据当前照明目标生成可逆执行探测,并使通信环回探测和可逆执行探测携带同一会话标识,获取探测下发、终端接收、终端执行、灯端物理响应、状态恢复及探测回执信息,经事件序列和相对时间对齐形成双域响应序列;将其输入深度学习响应表征模型,得到响应状态及可信度,并依据故障原因的预期作用路径排除不一致故障原因;存在多个未决故障原因时,根据预期响应差异和探测成本选择后续探测,更新未决故障原因集,输出故障环节、故障范围和检测证据。

2、为实现上述目的,本发明提供如下技术方案:

3、一种基于深度学习的智慧路灯远程通信故障检测方法,包括:响应于目标路灯终端的远程通信异常表征,建立诊断会话并确定包括通信路径故障、终端执行故障和灯端负载故障的竞争故障原因集;根据网络负载生成通信环回探测,根据当前照明目标生成可逆执行探测,并使所述通信环回探测和可逆执行探测携带同一会话标识;获取同一会话标识下的探测下发信息、终端接收信息、终端执行信息、灯端物理响应信息、状态恢复信息和探测回执信息,按事件序列和相对时间对齐并标记缺失事件,形成双域响应序列;将双域响应序列输入经训练的深度学习响应表征模型,得到终端接收状态、终端执行状态、灯端物理响应状态、状态恢复状态和探测回执状态及各自可信度,并根据故障原因的预期作用路径与响应状态的一致性排除与响应状态不一致的故障原因,得到未决故障原因集;当未决故障原因集包含多个故障原因时,根据不同故障原因对应的预期响应差异及探测成本选择并执行后续探测,根据后续探测的响应状态更新未决故障原因集;根据更新后的未决故障原因集输出故障环节、故障范围和检测证据。

4、优选的,所述远程通信异常表征按照异常触发类型划分为控制指令未在响应时限内获得回执、路灯终端未按上报周期发送状态数据、控制指令对应的终端状态未发生预期变化以及同一网关下多个路灯终端发生关联异常;根据远程通信异常表征在预设故障链中确定候选故障环节,并将候选故障环节对应的故障原因加入竞争故障原因集;预设故障链包括网关节点、下行链路、路灯终端、灯端负载和上行链路;所述通信路径故障包括网关节点故障、下行链路故障和上行链路故障。

5、优选的,所述通信环回探测包括探测序号、会话标识和校验数据,目标路灯终端在保持驱动输出不变的情况下校验所述校验数据并形成环回响应;所述可逆执行探测包括探测序号、会话标识、执行量变化值和恢复条件,目标路灯终端在照明安全容差内按照所述执行量变化值改变驱动输出,在达到预定持续时间时恢复至探测前的驱动输出,在达到所述预定持续时间前检测到满足预设响应条件的灯端物理响应时提前恢复至探测前的驱动输出。

6、优选的,所述照明安全容差包括照明输出变化幅度上限、执行量改变持续时间上限和恢复误差上限;所述终端执行信息由驱动占空比、输出电流设定值和调光执行状态表征,所述灯端物理响应信息由驱动电流、输入功率和光照响应表征;当照明输出变化幅度达到对应上限时触发驱动输出恢复,当执行量改变持续时间达到对应上限时触发驱动输出恢复,在驱动输出恢复后确定恢复误差,所述恢复误差超过恢复误差上限时将目标路灯终端标记为待复核终端。

7、优选的,形成所述双域响应序列包括:根据会话标识和探测序号关联同一次诊断会话中的通信环回探测信息和可逆执行探测信息;将探测下发信息、终端接收信息和探测回执信息划分至通信响应域,将终端执行信息、灯端物理响应信息和状态恢复信息划分至执行物理响应域;以探测下发时刻为时间基准,确定已获取事件对应的终端接收时延、执行启动时延、灯端响应时延、状态恢复时延和回执返回时延,对超过对应等待时限但在对应探测观察窗结束前已经产生并获取的事件保留其事件时延,对截至对应探测观察窗结束仍未产生的事件设置第一缺失标记,对已经产生但管理端在对应探测过程中未获取且经后续本地记录确认已经产生的事件设置第二缺失标记;将各时延、终端执行信息、灯端物理响应幅度、恢复误差、第一缺失标记和第二缺失标记按事件序列组成双域响应序列。

8、优选的,所述通信路径故障按照故障位置划分为下行链路故障、上行链路故障和网关节点故障;根据预期作用路径与响应状态的一致性排除故障原因包括:在探测下发状态正常,且终端接收状态正常、所述终端接收状态的可信度达到预设条件时,排除对应探测时段的下行链路故障;在通信环回探测的终端接收状态和探测回执状态均正常,且所述终端接收状态和探测回执状态各自的可信度均达到预设条件时,进一步排除对应探测时段的上行链路故障和网关节点故障;在探测下发状态正常且终端接收信息具有第一缺失标记时,保留网关节点故障和下行链路故障;在终端接收状态正常且终端执行状态异常时,保留终端执行故障;在终端执行状态正常且灯端物理响应状态异常时,保留灯端负载故障;在后续通信恢复后读取同一会话标识对应的本地记录,当本地记录表明终端执行状态和灯端物理响应状态均正常且探测回执具有第二缺失标记时,保留上行链路故障,并使网关节点故障保持未决状态;根据各故障原因的排除结果和保留结果确定未决故障原因集。

9、优选的,当同一网关下多个路灯终端在相互重叠的时间段内出现相同类型的双域响应序列异常时,获取各路灯终端的实际转发节点信息,并根据所述实际转发节点信息确定对应的实际转发路径;确定各实际转发路径的共同路径部分;在所述共同路径部分包含共同网关节点时,将所述共同网关节点确定为候选共享故障范围;在所述共同路径部分包含共同转发链路时,将所述共同转发链路确定为候选共享故障范围;根据所述候选共享故障范围更新对应的未决故障原因集。

10、优选的,所述后续探测包括环回重传探测、改变报文长度的通信探测、经备用路径发送的通信探测、改变执行量的可逆执行探测和相邻路灯终端实施的光照响应探测;所述光照响应探测通过相邻路灯终端的光照检测部件采集目标路灯终端执行可逆执行探测前后的光照变化;根据不同未决故障原因对应的预期响应差异确定各后续探测的区分度,根据照明扰动量、探测报文数量和预计持续时间确定探测成本,根据区分度与探测成本的比值确定待执行的后续探测;根据待执行的后续探测对应的响应状态更新未决故障原因集;在故障原因唯一且支持该故障原因的关键响应状态各自的可信度均达到预设条件时停止探测,在累计探测次数达到对应上限时停止探测并输出人工复核标记,在累计探测成本达到对应上限时停止探测并输出人工复核标记。

11、与现有技术相比,本发明的有益效果为:

12、1、本发明通过在同一诊断会话中联合实施通信环回探测和可逆执行探测,并将探测下发、终端接收和探测回执形成的通信响应与终端执行、灯端物理响应和状态恢复形成的执行物理响应进行关联,使原本仅表现为离线、超时或状态异常的远程通信故障能够沿通信过程和实际执行过程分别获得检测证据,为区分不同故障环节提供数据基础。

13、2、本发明通过按照事件序列和相对时间对探测过程中产生的多类响应信息进行对齐,将超过对应等待时限但在探测观察窗结束前产生的事件保留为迟延事件,并区分截至探测观察窗结束仍未产生事件的第一缺失状态与事件已经产生但管理端未获取的第二缺失状态,使正常响应、迟延响应、事件未产生以及事件已产生但返回失败具有可区分的响应表征,降低仅根据单一超时结果进行故障环节判断造成的混淆。

14、3、本发明利用经训练的深度学习响应表征模型获得各探测环节的响应状态及可信度,再结合不同故障原因对应的预期作用路径进行一致性判断,使深度学习模型承担复杂双域响应的状态表征,而故障原因依据具有物理和通信过程含义的作用路径进行排除,从而提高通信路径故障、终端执行故障和灯端负载故障之间的可区分性,并保留相应检测证据。

15、4、本发明在一次探测不能唯一确定故障原因时,根据不同未决故障原因的预期响应差异确定后续探测的区分度,并结合照明扰动量、探测报文数量和预计持续时间确定探测成本,据此选择后续探测并迭代更新未决故障原因集;同时结合多路灯实际转发路径的共同部分确定共享故障范围,使故障检测能够由初始异常逐步收敛至具体故障环节及故障范围。