本發(fā)明屬于軌道交通設(shè)備告警技術(shù)領(lǐng)域，尤其是涉及一種軌道交通綜合監(jiān)控智能短信告警方法。

背景技術(shù)：

隨著我國鐵路行業(yè)的迅速發(fā)展，為了提高經(jīng)濟效益，提高勞動生產(chǎn)率，很多變電所都實現(xiàn)了無人值守。現(xiàn)有的大多變電所都是采用短信方式告警，而現(xiàn)有的告警短信的發(fā)送具有內(nèi)容拖沓、重復(fù)、頻繁、單向無交互等缺點。不能夠?qū)⒃O(shè)備告警信息情況有效、及時、準確的發(fā)送至監(jiān)控平臺。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明旨在提出一種軌道交通綜合監(jiān)控智能短信告警方法，以解決現(xiàn)有的短信告警的內(nèi)容拖沓、重復(fù)、頻繁、單向無交互等情況。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種軌道交通綜合監(jiān)控智能短信告警方法，包括以下步驟：

s1、建立基于神經(jīng)網(wǎng)絡(luò)的多隱層深度學(xué)習(xí)數(shù)學(xué)模型；

s2、根據(jù)建立的數(shù)學(xué)模型對采集到的告警數(shù)據(jù)進行機器學(xué)習(xí)處理，并將優(yōu)化處理后的內(nèi)容以短信的方式發(fā)送給用戶；

s3、對用戶反饋的結(jié)果進行執(zhí)行，以及將學(xué)習(xí)知識進行學(xué)習(xí)庫入庫處理。

進一步的，所述步驟s1中，所述基于神經(jīng)網(wǎng)絡(luò)的多隱層深度學(xué)習(xí)數(shù)學(xué)模型包括從前往后依次執(zhí)行的輸入元、歸類層、凈化層、決策層、輸出元、反饋層。

進一步的，所述數(shù)學(xué)模型的輸入元包括監(jiān)控平臺的所有實時數(shù)據(jù)和故障報告的異常及告警，以及監(jiān)控對象的從屬關(guān)系、布局。

進一步的，所述數(shù)學(xué)模型的歸類層包括對異常數(shù)據(jù)和告警的歸屬、分類；一個監(jiān)控對象提取歸納出的所有表征，采用一條短信描述。

進一步的，數(shù)學(xué)模型中的凈化層包括凈化層輸入元，所述凈化層輸入元包括歸類層的輸出元、監(jiān)控對象告警等級、告警形式、表征周期、自學(xué)習(xí)基礎(chǔ)判斷庫，凈化層主要對凈化層輸入元進行凈化，防止告警短信的重復(fù)發(fā)送、不必要發(fā)送、漏送情況的發(fā)生。

進一步的，數(shù)學(xué)模型的決策層包括決策層輸入元，所述決策層輸入元包括凈化層的輸出元、告警聯(lián)動策略、告警分析策略、應(yīng)急執(zhí)行策略、學(xué)習(xí)庫、接收對象判斷策略。

進一步的，數(shù)學(xué)模型中的決策層在告警信息進行短信內(nèi)容生成時，對告警的應(yīng)對策略進行匯報建議和分析，對短信內(nèi)容的發(fā)送對象進行梳理和確定，所述短信內(nèi)容包括閱讀對象的期望反饋內(nèi)容。

進一步的，所述步驟s2的具體執(zhí)行方法如下：

s201、啟動事件采集進程，對監(jiān)控系統(tǒng)的實時數(shù)據(jù)和故障報告進行采集；

s202、啟動深度學(xué)習(xí)數(shù)據(jù)模型進程，對實時數(shù)據(jù)和故障報告的變化進行分析處理；

s203、將采集到的告警數(shù)據(jù)和設(shè)備及參數(shù)配置做為輸入元進行歸類處理，對屬于同一設(shè)備或監(jiān)控對象的告警進行歸類，并結(jié)合告警等級及學(xué)習(xí)庫做為下一級的輸入；

s204、進入凈化層后，對告警按等級、先后順序以及重復(fù)判斷等進行處理、提煉，生成簡煉純潔數(shù)據(jù)，然后結(jié)合聯(lián)動策略、學(xué)習(xí)庫做為下一級輸入；

s205、在決策層通過輸入的數(shù)據(jù)源進行短信內(nèi)容的生成，包括告警內(nèi)容、建議、處理措施、請求反饋內(nèi)容、發(fā)送對象的確定，最終生成輸出元；

s206、告警的輸出元通過消息隊列傳遞給短信發(fā)送進程；短信發(fā)送進程將接收到的告警信息通過移動通訊調(diào)制解調(diào)器發(fā)送至用戶手機。

進一步的，所述步驟s3的具體執(zhí)行方法如下：

用戶接收短信后，根據(jù)短信提示進行回復(fù)，回復(fù)包括信息確認、肯定、拒絕、指導(dǎo)、控制命令對應(yīng)代碼的組合，數(shù)學(xué)模型接收反饋后進行控制命令的執(zhí)行，以及將學(xué)習(xí)知識存入學(xué)習(xí)庫。

進一步的，所述步驟s201中，所述事件采集進程通過kf6600規(guī)約從綜合監(jiān)控系統(tǒng)中獲取實時數(shù)據(jù)和故障報告的變化。相對于現(xiàn)有技術(shù)，本發(fā)明所述的軌道交通綜合監(jiān)控智能短信告警方法具有以下優(yōu)勢：

(1)本發(fā)明所述的軌道交通綜合監(jiān)控智能短信告警方法適用于軌道交通變電所無人值守的狀況，當綜合監(jiān)控系統(tǒng)中用戶監(jiān)測的對象發(fā)生變化時，通過移動通訊調(diào)制解調(diào)器發(fā)出短信至用戶手機，使用戶能夠?qū)崟r、直接地了解和掌握變電所現(xiàn)場情況，并及時對發(fā)生的情況做出應(yīng)對。也改變了傳統(tǒng)方式中短信內(nèi)容完全照搬監(jiān)控后臺報警提示，使提示更簡練、精準，并能及時反饋交互，也節(jié)省了用戶的大量通信費用。

(2)本發(fā)明所述的軌道交通綜合監(jiān)控智能短信告警方法采用深度學(xué)習(xí)模型，通過不斷的學(xué)習(xí)，使模塊在收到告警后，能準確的發(fā)送到對應(yīng)的用戶，告警內(nèi)容更符合用戶要求，給出的處理和執(zhí)行意見更準確，告警的預(yù)測和原因判斷更合理正確。

附圖說明

構(gòu)成本發(fā)明的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中：

圖1為本發(fā)明實施例所述的軌道交通綜合監(jiān)控智能短信告警方法數(shù)學(xué)模型原理示意圖。

具體實施方式

需要說明的是，在不沖突的情況下，本發(fā)明中的實施例及實施例中的特征可以相互組合。

在本發(fā)明的描述中，需要理解的是，術(shù)語“中心”、“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明的限制。此外，術(shù)語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”等的特征可以明示或者隱含地包括一個或者更多個該特征。在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。

在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通。對于本領(lǐng)域的普通技術(shù)人員而言，可以通過具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

下面將參考附圖并結(jié)合實施例來詳細說明本發(fā)明。

如圖1所示，軌道交通綜合監(jiān)控智能短信告警方法，包括以下步驟：

s1、建立基于神經(jīng)網(wǎng)絡(luò)的多隱層深度學(xué)習(xí)數(shù)學(xué)模型；

s2、根據(jù)建立的數(shù)學(xué)模型對采集到的告警數(shù)據(jù)進行機器學(xué)習(xí)、處理，并將優(yōu)化處理后的內(nèi)容以短信的方式發(fā)送給用戶；

s3、對用戶反饋的結(jié)果進行執(zhí)行，以及將學(xué)習(xí)知識進行學(xué)習(xí)庫入庫處理。

深度學(xué)習(xí)數(shù)學(xué)模型接收的用戶反饋信息，在模型中進行整理學(xué)習(xí)，學(xué)習(xí)內(nèi)容包括告警信息針對不同用戶的貼切告警級別、告警內(nèi)容，以及故障識別、用戶的處理意見和方式等，通過不斷的學(xué)習(xí)，使模塊在收到告警后，能準確的發(fā)送到對應(yīng)的用戶，告警內(nèi)容更符合用戶要求，給出的處理和執(zhí)行意見更準確，告警的預(yù)測和原因判斷更合理正確。

其中，所述步驟s1中，所述基于神經(jīng)網(wǎng)絡(luò)的多隱層深度學(xué)習(xí)數(shù)學(xué)模型包括從前往后依次執(zhí)行的輸入元、歸類層、凈化層、決策層、輸出元、反饋層。

其中，所述步驟s2的具體執(zhí)行方法如下：

s201、啟動事件采集進程，對監(jiān)控系統(tǒng)的實時數(shù)據(jù)和故障報告進行采集；

s202、啟動深度學(xué)習(xí)數(shù)據(jù)模型進程，對實時數(shù)據(jù)和故障報告的變化進行分析處理；

s203、將采集到的告警數(shù)據(jù)和設(shè)備及參數(shù)配置做為輸入元進行歸類處理，對屬于同一設(shè)備或監(jiān)控對象的告警進行歸類，并結(jié)合告警等級及自學(xué)習(xí)庫做為下一級的輸入；

s204、進入凈化層后，對告警按等級及先后順序以及重復(fù)判斷等進行處理、提煉，生成簡煉純潔數(shù)據(jù)結(jié)合聯(lián)動策略、學(xué)習(xí)庫做為下一級輸入；

s205、在決策層通過輸入的數(shù)據(jù)源進行短信內(nèi)容的生成，包括告警內(nèi)容、建議、處理措施、請求反饋內(nèi)容、發(fā)送對象的確定，最終生成輸出元；

s206、告警的輸出元通過消息隊列傳遞給短信發(fā)送進程；短信發(fā)送進程將接收到的告警信息通過移動通訊調(diào)制解調(diào)器發(fā)送至用戶手機。

其中，所述步驟s3的具體執(zhí)行方法如下：

用戶接收短信后，根據(jù)短信提示進行回復(fù)，回復(fù)包括信息確認、肯定、拒絕、指導(dǎo)、控制命令對應(yīng)代碼的組合，數(shù)學(xué)模型接收反饋后進行控制命令的執(zhí)行，以及生成自學(xué)習(xí)知識存入知識庫。

其中，所述步驟s201中，所述事件采集進程通過kf6600規(guī)約從綜合監(jiān)控系統(tǒng)中獲取實時數(shù)據(jù)和故障報告的變化。

其中，所述數(shù)學(xué)模型的輸入元包括監(jiān)控平臺的所有實時數(shù)據(jù)和故障報告的異常及告警，以及監(jiān)控對象的從屬關(guān)系、布局。

其中，所述數(shù)學(xué)模型的歸類層包括對異常數(shù)據(jù)和告警的歸屬、分類；一個監(jiān)控對象提取歸納出的所有表征，采用一條短信描述。

其中，數(shù)學(xué)模型中的凈化層包括凈化層輸入元，所述凈化層輸入元包括歸類層的輸出元、監(jiān)控對象告警等級、告警形式、表征周期、自學(xué)習(xí)基礎(chǔ)判斷庫，凈化層主要對凈化層輸入元進行凈化，防止告警短信的重復(fù)發(fā)送、不必要發(fā)送、漏送情況的發(fā)生。

其中，數(shù)學(xué)模型的決策層包括決策層輸入元，所述決策層輸入元包括凈化層的輸出元、告警聯(lián)動策略、告警分析策略、應(yīng)急執(zhí)行策略、學(xué)習(xí)庫、接收對象判斷策略。

其中，數(shù)學(xué)模型中的決策層在告警信息進行短信內(nèi)容生成時，對告警的應(yīng)對策略進行匯報建議和分析，對短信內(nèi)容的發(fā)送對象進行梳理和確定，所述短信內(nèi)容包括閱讀對象的期望反饋內(nèi)容。

通過建立基于神經(jīng)網(wǎng)絡(luò)的多隱層深度學(xué)習(xí)數(shù)學(xué)模型，對綜合監(jiān)控采集到的告警數(shù)據(jù)進行機器學(xué)習(xí)處理，輸出優(yōu)化的短信內(nèi)容，進行告警通知的發(fā)送，并將反饋結(jié)果進行執(zhí)行及學(xué)習(xí)庫入庫處理；具體過程如下：啟動事件采集進程后，對實時數(shù)據(jù)和故障報告進行采集；啟動深度學(xué)習(xí)數(shù)學(xué)模型進程，對實時數(shù)據(jù)和故障報告的變化進行分析處理；首先將采集到的告警數(shù)據(jù)和設(shè)備及參數(shù)配置做為輸入進行歸類處理，對屬于同一設(shè)備或監(jiān)控對象的告警進行歸類，并結(jié)合告警等級及自學(xué)習(xí)庫等做為下一級的輸入。進入凈化層后，對告警按等級及先后順序以及重復(fù)判斷等進行處理、提煉，生成簡煉純潔數(shù)據(jù)結(jié)合聯(lián)動策略、學(xué)習(xí)庫等做為下一級輸入。在決策層通過輸入的數(shù)據(jù)源進行短信內(nèi)容的生成，包括告警內(nèi)容、建議、處理措施、請求反饋內(nèi)容、發(fā)送對象等的確定，最終生成輸出元。告警的輸出元通過消息隊列傳遞給短信發(fā)送進程；短信發(fā)送進程將接收到的告警信息通過移動通訊調(diào)制解調(diào)器發(fā)送至用戶手機。用戶接收短信后，可根據(jù)短信提示進行回復(fù)，包括信息確認、肯定、拒絕、指導(dǎo)、控制命令等對應(yīng)代碼組合。模型接收反饋后進行控制命令的執(zhí)行或是生成自學(xué)習(xí)知識存入知識庫。

所述基于神經(jīng)網(wǎng)絡(luò)的短信通知深度學(xué)習(xí)數(shù)學(xué)模型包括輸入元、歸類層、凈化層、決策層、輸出元、反饋層。

模型中輸入元包括平臺監(jiān)控所有實時數(shù)據(jù)及故障報告的異常及告警、監(jiān)控對象的從屬關(guān)系、布局等

模型中歸類層包括對異常數(shù)據(jù)和告警的歸屬和分類。對于同一個監(jiān)控對象提取歸納出所有表征，用來描述對象異常，在一條短信中描述。

模型中凈化層的輸入元包括歸類層的輸出元、監(jiān)控對象告警等級、告警形式、表征周期、自學(xué)習(xí)基礎(chǔ)判斷庫等。

模型中凈化層主要對告警結(jié)合重復(fù)性、按等級、按用戶反饋、表征周期等進行凈化。避免了短時內(nèi)告警的重復(fù)發(fā)送、不必要發(fā)送、漏送等情況的發(fā)生。

模型中決策層的輸入元包括凈化層的輸出元、告警聯(lián)動策略、告警分析策略、應(yīng)急執(zhí)行策略、學(xué)習(xí)庫、接收對象判斷策略等。

模型中決策層主要對告警信息進行短信內(nèi)容生成時，對告警的應(yīng)對策略進行匯報建議和分析，對短信內(nèi)容的發(fā)送對象進行梳理和確定。并且內(nèi)容中包括閱讀對象的期望反饋內(nèi)容。

用戶接收短信后，可根據(jù)短信提示進行回復(fù)，包括信息確認、肯定、拒絕、指導(dǎo)、控制命令等對應(yīng)代碼組合。模型接收反饋后進行控制命令的執(zhí)行或是生成自學(xué)習(xí)知識存入知識庫。

所述實時數(shù)據(jù)對象包括遙信對象和遙測對象。

所述事件采集進程通過kf6600規(guī)約從綜合監(jiān)控系統(tǒng)中獲取實時數(shù)據(jù)和故障報告的變化。

所述短息發(fā)送進程通過消息傳遞方式從深度學(xué)習(xí)數(shù)學(xué)模塊進程中獲取故障報告告警信息和實時數(shù)據(jù)告警信息，并通過移動通訊調(diào)制解調(diào)器將故障報告告警信息和實時數(shù)據(jù)告警信息發(fā)送至用戶手機。

所述短息發(fā)送進程和移動通訊調(diào)制解調(diào)器之間通過kf6601規(guī)約來通信。

下面以收到213饋線裝置通信中斷信號為實施例，進一步解釋智能短信告警的具體方法，深度學(xué)習(xí)數(shù)學(xué)模型在收到這個告警信息時，先對這個信號進行設(shè)備識別，是屬于213饋線的監(jiān)控內(nèi)容，同時也是通信中斷類，然后從這兩個類別里去查找告警等級，饋線故障和通信中斷都屬于一級告警，最高級別告警，從學(xué)習(xí)庫中可以查到接收對象對這一告警的接收關(guān)注度較高，提取關(guān)注度，做為發(fā)送的優(yōu)化級評判標準。進入到凈化層以后，將模型中的告警進行等級的排序。并且看通信中斷中還有哪個裝置也有同樣的告警，報警的數(shù)量和恢復(fù)情況，判斷是否屬于閃斷。另外看213饋線還有哪些告警，進行分類歸集。并對同一類的告警進行整理提煉。在決策層，對純化層的數(shù)據(jù)進行故障的分析，此時看到通信中斷所有的裝置都報一個，并且沒有恢復(fù)，并且時間一致。從知識庫中可以分析出，通信故障應(yīng)該發(fā)生在交換機側(cè)或是交換機與通信管理機之間的通信上。然后決策系統(tǒng)判斷通信管理機與各裝置通信的接口進程的運行狀態(tài)，發(fā)現(xiàn)過程正常運行，但是tcp連接中斷，屬于等待狀態(tài)。因此可以判斷出是交換機故障。編輯交換機故障告警短信內(nèi)容，建議為查看交換機是否運行正?；蚴怯布綦?、建議帶交換機進行現(xiàn)場維護。查找配置庫確定此類故障屬于工班中誰的工作范圍，確定短信接收人。此前系統(tǒng)中配置了兩個接收人員，所以本次告警發(fā)送給兩人。經(jīng)過模型的上述處理，避免了大量通信中斷告警的信息發(fā)送，并且也避免所有維管人員都去接收處理，直接將告警原因發(fā)送到對應(yīng)的接收人。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。