一种基于人工智能的通讯设备状态监测方法及系统

专利主权项内容

1.一种基于人工智能的通讯设备状态监测系统，其特征在于，所述通讯设备状态监测系统包括以下模块：数据获取模块，用于获取通讯设备中的设备历史状态数据，对所述设备历史状态数据进行数据预处理，得到待训练设备历史状态数据；模型建立模块，用于通过LSTM长短期记忆神经网络建立LSTM通讯设备状态监测网络模型，利用贝叶斯优化算法对所述LSTM通讯设备状态监测网络模型进行优化，得到初始BO-LSTM通讯设备状态监测网络模型，其中，通过LSTM长短期记忆神经网络建立LSTM通讯设备状态监测网络模型，所述LSTM通讯设备状态监测网络模型至少包括输入层、LSTM隐藏层、Dropout层、输出层；利用BayesianOptimization库对贝叶斯算法进行优化，得到贝叶斯优化算法；利用贝叶斯优化算法对所述LSTM通讯设备状态监测网络模型进行优化；输入层用于获取设备状态数据，并将所述设备状态数据传递给 LSTM 隐藏层；在所述LSTM通讯设备状态监测网络模型的LSTM隐藏层之间加入Dropout层；LSTM 隐藏层用于对所述设备状态数据进行数据分析和学习，得到初始BO-LSTM通讯设备状态监测网络模型；模型训练模块，用于将所述待训练设备历史状态数据输入至所述初始BO-LSTM通讯设备状态监测网络模型中进行训练，得到目标BO-LSTM通讯设备状态监测网络模型；状态识别模块，用于获取通讯设备中的设备实时状态数据，将所述设备实时状态数据输入至目标BO-LSTM通讯设备状态监测网络模型中进行识别，得到通讯设备实时状态数据，其中，所述通讯设备实时状态数据包括通讯设备严重故障、通讯设备一般故障和通讯设备轻微故障；所述通讯设备严重故障包括通讯设备连接线断裂、通讯设备元器件故障、通讯设备电源指示灯熄灭和通讯设备串口断开；所述通讯设备一般故障包括通讯设备系统程序故障和通讯设备电源故障；所述通讯设备轻微故障包括通讯设备元器件老化、通讯设备信号遮蔽和通讯设备连接线故障；状态判断模块，用于对所述通讯设备实时状态数据进行判断，若判断为通讯设备严重故障和一般故障，则根据所述通讯设备实时状态数据生成设备故障维护措施，并将所述设备故障维护措施发送至服务器中，同时对服务器进行预警，其中，对所述通讯设备实时状态数据进行判断，若判断为通讯设备严重故障和通讯设备一般故障；获取通讯设备严重故障和通讯设备一般故障的设备历史维修数据，利用均值漂移聚类算法对设备历史维修数据进行聚类，得到设备维修措施数据库；基于所述设备维修措施数据库，根据通讯设备严重故障和通讯设备一般故障生成设备故障维护措施；将所述设备故障维护措施发送至服务器中，同时对服务器进行预警；状态监测模块，用于若判断为通讯设备为轻微故障，则根据所述通讯设备实时状态数据获取设备轻微故障因素，根据所述设备轻微故障因素对通讯设备进行监测，若所述设备轻微故障因素继续扩大，则对服务器进行预警，其中，若判断为通讯设备为轻微故障，则根据所述通讯设备实时状态数据获取设备轻微故障因素；所述设备轻微故障因素包括加速通讯设备元器件老化的温度和湿度、增加通讯设备信号遮蔽的物体和增加通讯设备连接线故障的物体；根据所述设备轻微故障因素对通讯设备元器件、通讯设备信号遮蔽物和通讯设备连接线进行监测；若所述通讯设备元器件达到设定使用时长，则对服务器进行预警；若通讯设备信号遮蔽物有增加趋势，则对服务器进行预警；若通讯设备连接线断裂，则对服务器进行预警；所述数据获取模块包括以下子模块：获取子模块，用于获取通讯设备中的设备历史状态数据，所述设备历史状态数据至少包括通讯设备程序状态，通讯设备连接线状态、通讯设备元器件状态、通讯设备电源指示灯状态、通讯设备串口状态；删除子模块，用于对所述设备历史状态数据中的缺失值数据进行删除，得到完整设备历史状态数据；归一化子模块，用于将所述完整设备历史状态数据进行归一化处理，得到待训练设备历史状态数据；所述模型训练模块包括以下子模块：训练子模块，用于将所述待训练设备历史状态数据输入至所述初始BO-LSTM通讯设备状态监测网络模型中进行训练；隐藏层子模块，用于设定所述初始BO-LSTM通讯设备状态监测网络模型中的LSTM隐藏层数为2；优化器子模块，用于利用Adam算法设置为所述初始BO-LSTM通讯设备状态监测网络模型的优化器；优化算法子模块，用于基于贝叶斯优化算法设置所述初始BO-LSTM通讯设备状态监测网络模型的学习率和神经元数量；激活函数子模块，用于将tanh双曲正切激活函数设置为所述初始BO-LSTM通讯设备状态监测网络模型的激活函数；得到子模块，用于将MSE损失函数设定为所述初始BO-LSTM通讯设备状态监测网络模型的损失函数，迭代次数设置为100次，得到目标BO-LSTM通讯设备状态监测网络模型。