基于云计算的物联网设备自动运维方法与流程

1.本发明涉及物联网设备管理技术领域，具体为一种基于云计算的物联网设备自动运维方法。


背景技术：

2.随着物联网的发展，物联网设备数量的增加、设备技术和结构的复杂化，使得物联网设备运维越来越困难。目前物联网设备运维过程主要是通过一个指定项目的维修平台、设备资产管理平台或者设备厂家的网站等进行专项维护，且只有当设备已经出现故障后，才可以去申请维护，因为难以及时发现并维修设备，也难以提高设备工作效率。
3.同时，传统的人工运维模式已经不能完全发现物联网设备运行过程中的隐患并提出相应的优化措施。同时，随着物联网运行数据的日益增长，如果继续采用人工运维模式，则势必会给运维人员带来繁重的工作量，不仅增加了运维人力成本，而且运维效率不高。
4.为了解决上述问题，我们提出了一种基于云计算的物联网设备自动运维方法。


技术实现要素：

5.针对现有技术的不足，本发明提供了一种基于云计算的物联网设备自动运维方法，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于云计算的物联网设备自动运维方法，包括以下步骤：
7.s1、基于物联网技术对需要运维的物联网设备进行设备属性信息和类型的定义，用于对设备进行精准识别；
8.s2、通过物联网中配置的传感器群对需要运维的物联网设备进行原始数据的采集；
9.s3、对采集到的原始数据基于云计算平台erp进行数据的预处理；
10.s4、将预处理后的运维数据基于预测模型进行物联网设备的自动运维分析；
11.s5、基于步骤s4中分析后的数据参数进行预设值的比对，判断物联网设备是否存在异常状态，异常状态分为故障状态以及亚健康状态；
12.s6、触发异常状态下的设备运维措施，形成运维工单；
13.s7、对应的运维人员接收运维工单，并进行设备的现场运维处理。
14.进一步优化本技术方案，所述步骤s1中，需要运维的物联网设备基于rfid识别技术设置有rfid标签，所述rfid标签用于获取物联网设备的基本信息表，并上传至云计算平台erp，所述rfid标签完全符合iso-18000-6c标准的所有特点，具有128位epc编码，96位uid号，以及1920bits的用户可编程内存，32bits访问密码和32bits自毁密码，片芯的工作频段为860mhz-960mhz。
15.进一步优化本技术方案，所述步骤s2中，传感器群基于传感技术采集物联网设备实时的运行状态数据、环境参数以及工作日志，并对运行状态数据、环境参数以及工作日志
进行云计算平台erp的设备匹配，基于rfid标签实现物联网设备原始数据的精准识别。
16.进一步优化本技术方案，所述步骤s3中，进行数据的预处理进一步包括以下具体处理步骤：
17.s301、采用增量迭代算法对原始数据进行先行处理，并完成运维数据格式上的转换操作；
18.s302、基于运维策略模型并通过深度学习神经网络进行特征分析，获取物联网设备需要运维的数据特征；
19.s303、基于数据特征对运维数据进行筛选，并获得带有时间序列的运维数据。
20.进一步优化本技术方案，所述云计算平台erp进一步包括基础设施即服务iaas、平台即服务paas和软件即服务saas；
21.所述软件即服务saas，用于对物联网设备提供软件服务方式，实现在云端对物联网设备数据进行信息资源的共享；
22.所述平台即服务paas，用于在物联网中构建能力标准化、接口统一化的云计算平台，并基于云计算服务对物联网设备的原始数据进行定向的运维分析；
23.所述基础设施即服务iaas，用于提供云计算具备的海量数据信息存储及数据处理能力，协助物联网处理采集到的物联网设备的数据信息，完成共享物理资源以及运维分析的操作。
24.进一步优化本技术方案，所述步骤s4中，进行物联网设备自动运维分析的预测模型为时间序列预测模型，对运维数据从时间序列的趋势性、周期性、平稳性的多方面进行运维数据的预测。
25.进一步优化本技术方案，所述时间序列预测模型由ar(p)模型、ma(q)模型以及差分算子l组成，所述时间序列预测模型如下所示：
[0026][0027]
其中，∈
t
为独立分布的高斯随机变量，d为差分的阶数，l为滞后算子，ar(p)代表变量对自身p个滞后项的回归，ma(q)则表示变量对滞后q个残差项的回归。
[0028]
进一步优化本技术方案，所述时间序列预测模型中，独立分布的高斯随机变量∈
t
如下式所示：
[0029]
∈
t
～normal(0,σ2)。
[0030]
进一步优化本技术方案，所述步骤s5中，预设值为物联网设备正常运行状态下的阈值，基于时间序列预测模型进行运维预测后，得出的预测结果与阈值进行区域匹配，从而判断出物联网设备是否存在异常。
[0031]
进一步优化本技术方案，所述步骤s6中，获取运维人员对应的工作状态以及实时位置，在各运维人员中确定所述待运维设备对应的目标运维人员。
[0032]
与现有技术相比，本发明提供了一种基于云计算的物联网设备自动运维方法，具备以下有益效果：
[0033]
该基于云计算的物联网设备自动运维方法，通过云计算平台对海量的物联网设备的运维数据进行分析，基于时间序列预测模型，快速识别出存在异常的物联网设备，并针对
出现异常的物联网设备进行快速运维，从而有助于完善物联网结构、提高物联网运行稳定性。
附图说明
[0034]
图1为本发明提出的一种基于云计算的物联网设备自动运维方法的流程示意图。
具体实施方式
[0035]
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0036]
实施例：
[0037]
请参阅图1，一种基于云计算的物联网设备自动运维方法，结合云计算平台erp进行自动运维分析，所述云计算平台erp进一步包括基础设施即服务iaas、平台即服务paas和软件即服务saas；
[0038]
所述软件即服务saas，用于对物联网设备提供软件服务方式，实现在云端对物联网设备数据进行信息资源的共享；
[0039]
所述平台即服务paas，用于在物联网中构建能力标准化、接口统一化的云计算平台，并基于云计算服务对物联网设备的原始数据进行定向的运维分析；
[0040]
所述基础设施即服务iaas，用于提供云计算具备的海量数据信息存储及数据处理能力，协助物联网处理采集到的物联网设备的数据信息，完成共享物理资源以及运维分析的操作。
[0041]
通过云计算平台对海量的物联网设备的运维数据进行分析，基于时间序列预测模型，快速识别出存在异常的物联网设备，并针对出现异常的物联网设备进行快速运维，从而有助于完善物联网结构、提高物联网运行稳定性。
[0042]
该基于云计算的物联网设备自动运维方法包括以下步骤：
[0043]
s1、基于物联网技术对需要运维的物联网设备进行设备属性信息和类型的定义，用于对设备进行精准识别。
[0044]
其中，需要运维的物联网设备基于rfid识别技术设置有rfid标签，所述rfid标签用于获取物联网设备的基本信息表，并上传至云计算平台erp，所述rfid标签完全符合iso-18000-6c标准的所有特点，具有128位epc编码，96位uid号，以及1920bits的用户可编程内存，32bits访问密码和32bits自毁密码，片芯的工作频段为860mhz-960mhz。
[0045]
s2、通过物联网中配置的传感器群对需要运维的物联网设备进行原始数据的采集。
[0046]
其中，传感器群基于传感技术采集物联网设备实时的运行状态数据、环境参数以及工作日志，并对运行状态数据、环境参数以及工作日志进行云计算平台erp的设备匹配，从而基于rfid标签实现物联网设备原始数据的精准识别。
[0047]
s3、对采集到的原始数据基于云计算平台erp进行数据的预处理。
[0048]
进一步的，进行数据的预处理包括以下具体处理步骤：
[0049]
s301、采用增量迭代算法对原始数据进行先行处理，并完成运维数据格式上的转换操作；
[0050]
s302、基于运维策略模型并通过深度学习神经网络进行特征分析，获取物联网设备需要运维的数据特征；
[0051]
s303、基于数据特征对运维数据进行筛选，并获得带有时间序列的运维数据。
[0052]
s4、将预处理后的运维数据基于预测模型进行物联网设备的自动运维分析。
[0053]
其中，进行物联网设备自动运维分析的预测模型为时间序列预测模型，对运维数据从时间序列的趋势性、周期性、平稳性的多方面进行运维数据的预测。
[0054]
进一步的，所述时间序列预测模型由ar(p)模型、ma(q)模型以及差分算子l组成，所述时间序列预测模型如下所示：
[0055][0056]
其中，∈
t
为独立分布的高斯随机变量，d为差分的阶数，l为滞后算子，ar(p)代表变量对自身p个滞后项的回归，ma(q)则表示变量对滞后q个残差项的回归。
[0057]
更进一步的，所述时间序列预测模型中，独立分布的高斯随机变量∈
t
如下式所示：
[0058]
∈
t
～normal(0,σ2)。
[0059]
在模型中，三个超参数p、d、q阶数的选择对模型的预测效果至关重要。超参数p和q阶数的选择可以用样本自相关函数(sample acf)和样本偏自相关函数(sample pacf)来决定。
[0060]
例如，arma(p,q)模型可以如下式所示：
[0061][0062]
在引入一定阶数d差分算子l后，一个在均值上非平稳的随机过程就有可能被转化为一个平稳过程，从而使得时间序列预测模型模型可以更好的描述运维数据背后的分布，利用差分的操作将非平稳时间序列转换成平稳或弱平稳的时间序列，再用时间序列预测模型模型对转换后的运维数据进行分析和预测。
[0063]
s5、基于步骤s4中分析后的数据参数进行预设值的比对，判断物联网设备是否存在异常状态，异常状态分为故障状态以及亚健康状态。
[0064]
其中，预设值为物联网设备正常运行状态下的阈值，基于时间序列预测模型进行运维预测后，得出的预测结果与阈值进行区域匹配，从而判断出物联网设备是否存在异常。
[0065]
s6、触发异常状态下的设备运维措施，形成运维工单。
[0066]
其中，运维工单形成后，获取运维人员对应的工作状态以及实时位置，在各运维人员中确定所述待运维设备对应的目标运维人员
[0067]
s7、对应的运维人员接收运维工单，并进行设备的现场运维处理。
[0068]
本发明的有益效果是：
[0069]
该基于云计算的物联网设备自动运维方法，通过云计算平台对海量的物联网设备
的运维数据进行分析，基于时间序列预测模型，快速识别出存在异常的物联网设备，并针对出现异常的物联网设备进行快速运维，从而有助于完善物联网结构、提高物联网运行稳定性。
[0070]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0071]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。