本發(fā)明涉及交換機(jī)自檢，尤其涉及一種光纖交換機(jī)快速自檢方法及裝置。

背景技術(shù)：

1、隨著信息技術(shù)和通信技術(shù)的快速發(fā)展，光纖網(wǎng)絡(luò)在現(xiàn)代通信系統(tǒng)中發(fā)揮著至關(guān)重要的作用。光纖交換機(jī)作為通信網(wǎng)絡(luò)的中樞設(shè)備，承擔(dān)著大量的數(shù)據(jù)傳輸和交換任務(wù)，其運(yùn)行的可靠性直接關(guān)系到網(wǎng)絡(luò)服務(wù)的質(zhì)量和穩(wěn)定性。然而，隨著設(shè)備復(fù)雜性的增加和應(yīng)用環(huán)境的多樣化，光纖交換機(jī)面臨的潛在故障風(fēng)險(xiǎn)逐漸增多。由于光纖交換機(jī)在長(zhǎng)期運(yùn)行中可能受到環(huán)境因素、設(shè)備老化和意外損壞等多種因素的影響，故障風(fēng)險(xiǎn)增加，傳統(tǒng)的光纖交換機(jī)自檢方法通常依賴于定期手動(dòng)檢查或基礎(chǔ)的自動(dòng)化測(cè)試，存在檢測(cè)效率低、故障定位不準(zhǔn)確等問題，難以滿足日益增長(zhǎng)的網(wǎng)絡(luò)需求。因此，及時(shí)準(zhǔn)確的故障檢測(cè)和維護(hù)顯得尤為重要。

2、經(jīng)檢索，中國(guó)專利號(hào)cn201711102368.9公開了一種光纖交換機(jī)快速自檢方法及裝置，該發(fā)明雖然為公司節(jié)省專業(yè)測(cè)試設(shè)備的費(fèi)用支出，檢驗(yàn)操作專業(yè)性較低符合任意崗位人員執(zhí)行，可實(shí)現(xiàn)快速批量性檢測(cè)，提升工作效率，可批量應(yīng)用推廣，但是無法保證光纖交換機(jī)自檢過程的整體性能最優(yōu)，自檢過程中的時(shí)間和資源消耗較多，人為錯(cuò)誤的可能性較高；此外，現(xiàn)有的光纖交換機(jī)快速自檢方法及裝置無法提供更具魯棒性的自檢流程，自檢周期較長(zhǎng)，降低整體響應(yīng)速度；為此，我們提出一種光纖交換機(jī)快速自檢方法及裝置。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，而提出的一種光纖交換機(jī)快速自檢方法及裝置。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種光纖交換機(jī)快速自檢方法，該自檢方法具體步驟如下：

4、ⅰ、采集光纖交換機(jī)運(yùn)行數(shù)據(jù)并構(gòu)建交換機(jī)虛擬模型；

5、ⅱ、識(shí)別預(yù)測(cè)光纖交換機(jī)潛在故障并優(yōu)化自檢流程；

6、ⅲ、采集外部設(shè)備信息并優(yōu)化各設(shè)備間的工作負(fù)載分配；

7、ⅳ、實(shí)時(shí)分析各交換機(jī)自檢信息并優(yōu)化光纖交換機(jī)自檢參數(shù)；

8、ⅴ、通過區(qū)塊鏈存儲(chǔ)自檢過程中的各項(xiàng)數(shù)據(jù)和模型參數(shù)；

9、ⅵ、對(duì)所有檢測(cè)結(jié)果進(jìn)行綜合分析并生成自檢報(bào)告。

10、作為本發(fā)明的進(jìn)一步方案，步驟ⅰ所述構(gòu)建交換機(jī)虛擬模型具體步驟如下：

11、s1.1：通過安裝在光纖交換機(jī)中的傳感器，實(shí)時(shí)采集設(shè)備的運(yùn)行數(shù)據(jù)，并收集光纖交換機(jī)長(zhǎng)期運(yùn)行積累的歷史數(shù)據(jù)，之后通過去除噪聲、修正錯(cuò)誤數(shù)據(jù)以及填補(bǔ)缺失值各項(xiàng)操作處理各組數(shù)據(jù)，再通過箱線法識(shí)別并剔除數(shù)據(jù)中的異常值，并利用歸一化或標(biāo)準(zhǔn)化方法將不同量綱的數(shù)據(jù)轉(zhuǎn)換為無量綱形式；

12、s1.2：根據(jù)歷史數(shù)據(jù)和光纖交換機(jī)的設(shè)備規(guī)格，提取光纖交換機(jī)各項(xiàng)參數(shù)信息，構(gòu)建光纖交換機(jī)的三維幾何模型，通過自適應(yīng)網(wǎng)格劃分技術(shù)將三維幾何模型劃分為多組有限元單元，每個(gè)單元通過節(jié)點(diǎn)連接；

13、s1.3：對(duì)設(shè)備的結(jié)構(gòu)、材料和外界作用力進(jìn)行建模，并模擬設(shè)備在不同工作條件下的應(yīng)力以及溫度分布各項(xiàng)情況，將虛擬模型的輸出與歷史數(shù)據(jù)進(jìn)行對(duì)比，驗(yàn)證模型的準(zhǔn)確性，并對(duì)模型進(jìn)行實(shí)時(shí)調(diào)整。

14、作為本發(fā)明的進(jìn)一步方案，s1.1所述設(shè)備的運(yùn)行數(shù)據(jù)具體包括光信號(hào)強(qiáng)度、設(shè)備溫度、電壓、電流以及錯(cuò)誤日志信息；

15、s1.1所述歷史數(shù)據(jù)具體包括光纖交換機(jī)不同時(shí)間點(diǎn)的運(yùn)行狀態(tài)信息和故障記錄；

16、s1.2所述光纖交換機(jī)各項(xiàng)參數(shù)信息具體包括設(shè)備的光學(xué)特性、物理尺寸、電氣特性、熱學(xué)特性、力學(xué)特性、信息傳輸速率以及傳輸延遲。

17、作為本發(fā)明的進(jìn)一步方案，步驟ⅱ所述識(shí)別預(yù)測(cè)光纖交換機(jī)潛在故障具體步驟如下：

18、s2.1：收集預(yù)處理后的光纖交換機(jī)的運(yùn)行數(shù)據(jù)和歷史故障記錄，根據(jù)歷史故障記錄，通過人工或利用現(xiàn)有的故障診斷系統(tǒng)自動(dòng)對(duì)收集的數(shù)據(jù)進(jìn)行標(biāo)注，并將標(biāo)注的各組數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；

19、s2.2：構(gòu)建cnn模型，并設(shè)計(jì)并初始化模型輸入層、多個(gè)卷積層、池化層、全連接層和輸出層架構(gòu)，將訓(xùn)練集輸入cnn模型中，模型將訓(xùn)練集數(shù)據(jù)從輸入層開始進(jìn)行前向傳播，之后輸出層輸出預(yù)測(cè)值，并通過交叉熵?fù)p失函數(shù)計(jì)算預(yù)測(cè)值與實(shí)際值之間的損失值；

20、s2.3：將損失值從輸出層開始，進(jìn)行反向傳播，并采用梯度下降法優(yōu)化各網(wǎng)絡(luò)層參數(shù)，每輪訓(xùn)練周期結(jié)束后，在驗(yàn)證集上評(píng)估cnn模型各項(xiàng)性能指標(biāo)，并基于驗(yàn)證集的結(jié)果，對(duì)模型的超參數(shù)進(jìn)行優(yōu)化，反復(fù)訓(xùn)練與驗(yàn)證cnn模型，直至模型性能指標(biāo)達(dá)到預(yù)設(shè)閾值后，停止訓(xùn)練；

21、s2.4：在測(cè)試集上評(píng)估最終優(yōu)化后的cnn模型，計(jì)算模型在未見數(shù)據(jù)上的表現(xiàn)，之后在光纖交換機(jī)的運(yùn)行過程中，實(shí)時(shí)采集并預(yù)處理各項(xiàng)數(shù)據(jù)，通過訓(xùn)練好的cnn模型對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行推理，輸出故障預(yù)測(cè)結(jié)果，若預(yù)測(cè)結(jié)果超過預(yù)設(shè)閾值，則判定為存在潛在故障。

22、作為本發(fā)明的進(jìn)一步方案，步驟ⅱ所述優(yōu)化自檢流程具體步驟如下：

23、s3.1：依據(jù)實(shí)時(shí)采集的光纖交換機(jī)以及預(yù)測(cè)結(jié)果，構(gòu)建光纖交換機(jī)的自檢的狀態(tài)空間，并將在每個(gè)狀態(tài)下可執(zhí)行的動(dòng)作，組成動(dòng)作空間，之后將自檢流程的起始狀態(tài)作為搜索樹的根節(jié)點(diǎn)，初始化搜索樹；

24、s3.2：從根節(jié)點(diǎn)開始，按照最大化上置信策略選擇子節(jié)點(diǎn)，直到到達(dá)尚未完全展開或未訪問過的節(jié)點(diǎn)，再從動(dòng)作空間中選擇一組尚未探索過的動(dòng)作對(duì)該節(jié)點(diǎn)進(jìn)行擴(kuò)展；

25、s3.3：從新擴(kuò)展的節(jié)點(diǎn)開始，使用隨機(jī)策略或啟發(fā)式策略模擬執(zhí)行自檢流程，直至完成所有檢測(cè)步驟后停止模擬，記錄模擬過程中得到的累積獎(jiǎng)勵(lì)，再將模擬得到的累積獎(jiǎng)勵(lì)從新擴(kuò)展的節(jié)點(diǎn)一直回傳到根節(jié)點(diǎn)，并更新路徑上各個(gè)節(jié)點(diǎn)的訪問次數(shù)和累積獎(jiǎng)勵(lì)；

26、s3.4：重復(fù)進(jìn)行多次選擇、擴(kuò)展、模擬和反向傳播，直至達(dá)到預(yù)設(shè)迭代時(shí)間后停止，選擇根節(jié)點(diǎn)下具有最高獎(jiǎng)勵(lì)值的節(jié)點(diǎn)路徑作為當(dāng)前狀態(tài)下的最優(yōu)決策路徑，并根據(jù)選擇的最優(yōu)決策路徑，執(zhí)行自檢流程的各項(xiàng)步驟，監(jiān)控并記錄實(shí)際自檢流程結(jié)果。

27、作為本發(fā)明的進(jìn)一步方案，步驟ⅳ所述優(yōu)化光纖交換機(jī)自檢參數(shù)具體步驟如下

28、s4.1：依據(jù)光纖交換機(jī)各項(xiàng)參數(shù)信息設(shè)置自檢參數(shù)的范圍和取值空間，在參數(shù)空間中通過拉丁超立方采樣選擇多組初始樣本點(diǎn)，并評(píng)估各樣本點(diǎn)目標(biāo)函數(shù)值，并依據(jù)選擇的各組初始樣本點(diǎn)構(gòu)建高斯過程模型；

29、s4.2：通過高斯過程模型對(duì)目標(biāo)函數(shù)進(jìn)行建模，并為每個(gè)未觀察點(diǎn)提供一個(gè)預(yù)測(cè)分布，在參數(shù)空間中最大化期望改進(jìn)函數(shù)，以確定下一步進(jìn)行目標(biāo)函數(shù)評(píng)估的參數(shù)點(diǎn)，并在選定的參數(shù)點(diǎn)進(jìn)行目標(biāo)函數(shù)評(píng)估，將新的數(shù)據(jù)點(diǎn)加入到現(xiàn)有的數(shù)據(jù)集中；

30、s4.3：使用更新后的數(shù)據(jù)集重新訓(xùn)練高斯過程模型，修正對(duì)目標(biāo)函數(shù)的預(yù)測(cè)分布，重復(fù)迭代更新，直至目標(biāo)函數(shù)值變化值小于預(yù)設(shè)閾值，在停止條件滿足后，選擇當(dāng)前評(píng)估過的參數(shù)點(diǎn)中目標(biāo)函數(shù)值最優(yōu)的參數(shù)點(diǎn)作為最終優(yōu)化的結(jié)果，之后將該參數(shù)點(diǎn)對(duì)應(yīng)的自檢參數(shù)替換原有自檢參數(shù)。

31、一種光纖交換機(jī)快速自檢裝置，包括傳感器模塊、中央處理器、圖形處理器、模數(shù)轉(zhuǎn)換器、通信模塊、存儲(chǔ)單元、電源管理模塊以及顯示報(bào)警模塊；

32、所述傳感器模塊具體包括光學(xué)傳感器、溫度傳感器以及電流傳感器，分別用于檢測(cè)光纖交換機(jī)中的光信號(hào)強(qiáng)度和傳輸質(zhì)量、光纖交換機(jī)內(nèi)部及周圍環(huán)境的溫度以及設(shè)備的電流消耗；

33、所述中央處理器用于處理來自各個(gè)傳感器的數(shù)據(jù)；所述圖形處理器用于進(jìn)行復(fù)雜的數(shù)據(jù)分析時(shí)，提供加速計(jì)算能力；所述模數(shù)轉(zhuǎn)換器用于將傳感器采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)；

34、所述通信模塊用于通過無線以及有線網(wǎng)絡(luò)連接的方式，與遠(yuǎn)程監(jiān)控系統(tǒng)以及網(wǎng)絡(luò)設(shè)備進(jìn)行通信；所述存儲(chǔ)單元用于存儲(chǔ)自檢裝置的固件、檢測(cè)算法以及歷史自檢數(shù)據(jù)；

35、所述電源管理模塊用于管理整個(gè)裝置的電源分配；所述顯示報(bào)警模塊用于顯示裝置的工作狀態(tài)，并在檢測(cè)到嚴(yán)重故障或異常時(shí)，發(fā)出警報(bào)聲提示運(yùn)維人員及時(shí)處理。

36、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

37、1、該光纖交換機(jī)快速自檢方法，依據(jù)光纖交換機(jī)各項(xiàng)參數(shù)信息設(shè)置自檢參數(shù)的范圍和取值空間，在參數(shù)空間中通過拉丁超立方采樣選擇多組初始樣本點(diǎn)，并評(píng)估各樣本點(diǎn)目標(biāo)函數(shù)值，并依據(jù)選擇的各組初始樣本點(diǎn)構(gòu)建高斯過程模型，通過高斯過程模型對(duì)目標(biāo)函數(shù)進(jìn)行建模，并為每個(gè)未觀察點(diǎn)提供一個(gè)預(yù)測(cè)分布，在參數(shù)空間中最大化期望改進(jìn)函數(shù)，以確定下一步進(jìn)行目標(biāo)函數(shù)評(píng)估的參數(shù)點(diǎn)，并在選定的參數(shù)點(diǎn)進(jìn)行目標(biāo)函數(shù)評(píng)估，將新的數(shù)據(jù)點(diǎn)加入到現(xiàn)有的數(shù)據(jù)集中，使用更新后的數(shù)據(jù)集重新訓(xùn)練高斯過程模型，修正對(duì)目標(biāo)函數(shù)的預(yù)測(cè)分布，重復(fù)迭代更新，直至目標(biāo)函數(shù)值變化值小于預(yù)設(shè)閾值，在停止條件滿足后，選擇當(dāng)前評(píng)估過的參數(shù)點(diǎn)中目標(biāo)函數(shù)值最優(yōu)的參數(shù)點(diǎn)作為最終優(yōu)化的結(jié)果，之后將該參數(shù)點(diǎn)對(duì)應(yīng)的自檢參數(shù)替換原有自檢參數(shù)，能夠保證光纖交換機(jī)自檢過程的整體性能最優(yōu)，極大地提高優(yōu)化效率，降低自檢過程中的時(shí)間和資源消耗，減少人為錯(cuò)誤的可能性，并提高整體自檢的準(zhǔn)確性和效率。

38、2、本發(fā)明依據(jù)實(shí)時(shí)采集的光纖交換機(jī)以及預(yù)測(cè)結(jié)果，構(gòu)建光纖交換機(jī)的自檢的狀態(tài)空間，并將在每個(gè)狀態(tài)下可執(zhí)行的動(dòng)作，組成動(dòng)作空間，之后將自檢流程的起始狀態(tài)作為搜索樹的根節(jié)點(diǎn)，初始化搜索樹，從根節(jié)點(diǎn)開始，按照最大化上置信策略選擇子節(jié)點(diǎn)，直到到達(dá)尚未完全展開或未訪問過的節(jié)點(diǎn)，再從動(dòng)作空間中選擇一組尚未探索過的動(dòng)作對(duì)該節(jié)點(diǎn)進(jìn)行擴(kuò)展，從新擴(kuò)展的節(jié)點(diǎn)開始，使用隨機(jī)策略或啟發(fā)式策略模擬執(zhí)行自檢流程，直至完成所有檢測(cè)步驟后停止模擬，記錄模擬過程中得到的累積獎(jiǎng)勵(lì)，再將模擬得到的累積獎(jiǎng)勵(lì)從新擴(kuò)展的節(jié)點(diǎn)一直回傳到根節(jié)點(diǎn)，并更新路徑上各個(gè)節(jié)點(diǎn)的訪問次數(shù)和累積獎(jiǎng)勵(lì)，重復(fù)進(jìn)行多次選擇、擴(kuò)展、模擬和反向傳播，直至達(dá)到預(yù)設(shè)迭代時(shí)間后停止，選擇根節(jié)點(diǎn)下具有最高獎(jiǎng)勵(lì)值的節(jié)點(diǎn)路徑作為當(dāng)前狀態(tài)下的最優(yōu)決策路徑，并根據(jù)選擇的最優(yōu)決策路徑，執(zhí)行自檢流程的各項(xiàng)步驟，監(jiān)控并記錄實(shí)際自檢流程結(jié)果，能夠有效應(yīng)對(duì)自檢過程中的不確定性因素，提供更具魯棒性的自檢流程，避免全局搜索所帶來的高計(jì)算成本，縮短自檢周期，提升整體響應(yīng)速度，增強(qiáng)自檢流程的靈活性和適應(yīng)性。