故障检测方法、装置及电子设备与流程

本发明涉及故障检测，尤其涉及一种故障检测方法、装置及电子设备。

背景技术：

1、在光网络中，告警是故障管理的关键指标，每当故障发生时都会进行上报。近年来，光网络中的告警预测和根本原因分析取得了一些技术进展。故障预测关注预测提前发生故障的概率，进行主动修障。故障定位是通过集中挖掘多个告警之间的关联来分析其故障的根本原因，以快速恢复网络，以确保业务级别协议(service-level agreement，sla)正常。

2、随着光网络规模的不断扩大，大量的告警伴随着故障出现，存在着大量分布在不同层级的无用告警，告警之间的关系比较复杂，难以准确定位根故障。现有的故障判断方法如告警相关性矩阵，需要过滤大量的告警，这种规则配置型的故障识别任务存在通用性较低、故障种类覆盖不全、准确性不高等问题。

技术实现思路

1、鉴于上述问题，本技术实施例提供一种克服上述问题或者至少部分地解决上述问题的故障检测方法、装置及电子设备。

2、第一方面，本发明实施例提供了一种故障检测方法，所述方法包括：

3、获取s个告警数据，并获取所述s个告警数据中的每一个告警数据对应的加权值，所述s个告警数据包括：处于时间窗口内的m个第一告警数据以及处于所述时间窗口外的n个第二告警数据，m与n之和为s，s、m、n均为大于1的正整数；

4、根据所述s个告警数据中的每一个告警数据对应的加权值，生成关于所述s个告警数据的频域曲线图；

5、对所述频域曲线图进行时频变换处理，得到时域数据；

6、通过马尔科夫转移场算法对所述时域数据进行编码，得到第一特征图像；

7、将所述第一特征图像输入至神经网络模型中进行故障检测，得到故障检测结果。

8、可选地，所述获取所述s个告警数据中的每一个告警数据对应的加权值，包括：

9、对所述s个告警数据中的第i个告警数据进行赋值处理，得到所述第i个告警数据的目标赋值；

10、获取所述第i个告警数据的告警等级，并根据所述第i个告警数据的告警等级，确定所述第i个告警数据对应的权重，i为1至s中的整数；

11、根据所述第i个告警数据的目标赋值和所述第i个告警数据对应的权重，计算所述第i个告警数据的加权值。

12、可选地，所述对所述s个告警数据中的第i个告警数据进行赋值处理，得到所述第i个告警数据的目标赋值，包括：

13、在所述第i个告警数据为所述第一告警数据的情况下，将所述第i个告警数据按照第一数值进行赋值，得到所述第i个告警数据的初始赋值；

14、将所述m个第一告警数据中与所述第i个告警数据相同的第一告警数据的初始赋值与所述第i个告警数据的初始赋值相加，得到所述第i个告警数据的目标赋值。

15、可选地，所述根据所述s个告警数据中的每一个告警数据对应的加权值，生成关于所述s个告警数据的频域曲线图，包括：

16、根据所述s个告警数据中的每一个告警数据的告警序号以及对应的加权值，生成频域节点图；

17、通过二次函数将所述频域节点图中的每两个相邻的节点进行拟合，得到所述频域曲线图。

18、可选地，所述获取所述s个告警数据中的每一个告警数据对应的加权值之前，所述方法还包括：

19、根据所述s个告警数据中的每一个告警数据的告警前缀，将所述s个告警数据进行分组，得到p个组别；其中，相同告警前缀的告警数据为同一组别，不同告警前缀的告警数据为不同组别，p为大于1的整数；

20、获取所述p个组别中的每一个组别中的告警数据的告警频次；

21、将所述p个组别的告警频次按照由大至小的顺序进行排序，并将告警频次高于预设频次的组别间隔排序，得到排序后的s个告警数据。

22、可选地，在对所述s个告警数据分组的过程中，如果具有相同告警前缀的告警数据的数量小于或等于q，则将具有相同告警前缀的告警数据分为一个组别；

23、如果具有相同告警前缀的告警数据的数量大于q，则每q个具有相同告警前缀的告警数据分为一个组别，剩余小于q的具有相同告警前缀的告警数据分为其他组别。

24、第二方面，本发明实施例还提供了一种故障检测装置，所述装置包括：

25、第一获取模块，用于获取s个告警数据，并获取所述s个告警数据中的每一个告警数据对应的加权值，所述s个告警数据包括：处于时间窗口内的m个第一告警数据以及处于所述时间窗口外的n个第二告警数据，m与n之和为s，s、m、n均为大于1的正整数；

26、生成模块，用于根据所述s个告警数据中的每一个告警数据对应的加权值，生成关于所述s个告警数据的频域曲线图；

27、处理模块，用于对所述频域曲线图进行时频变换处理，得到时域数据；

28、编码模块，用于通过马尔科夫转移场算法对所述时域数据进行编码，得到第一特征图像；

29、检测模块，用于将所述第一特征图像输入至神经网络模型中进行故障检测，得到故障检测结果。

30、可选地，所述第一获取模块在获取所述s个告警数据中的每一个告警数据对应的加权值时，具体用于：

31、对所述s个告警数据中的第i个告警数据进行赋值处理，得到所述第i个告警数据的目标赋值；

32、获取所述第i个告警数据的告警等级，并根据所述第i个告警数据的告警等级，确定所述第i个告警数据对应的权重，i为1至s中的整数；

33、根据所述第i个告警数据的目标赋值和所述第i个告警数据对应的权重，计算所述第i个告警数据的加权值。

34、可选地，所述第一获取模块在对所述s个告警数据中的第i个告警数据进行赋值处理，得到所述第i个告警数据的目标赋值时，具体用于：

35、在所述第i个告警数据为所述第一告警数据的情况下，将所述第i个告警数据按照第一数值进行赋值，得到所述第i个告警数据的初始赋值；

36、将所述m个第一告警数据中与所述第i个告警数据相同的第一告警数据的初始赋值与所述第i个告警数据的初始赋值相加，得到所述第i个告警数据的目标赋值。

37、可选地，所述生成模块，具体用于：

38、根据所述s个告警数据中的每一个告警数据的告警序号以及对应的加权值，生成频域节点图；

39、通过二次函数将所述频域节点图中的每两个相邻的节点进行拟合，得到所述频域曲线图。

40、可选地，所述装置还包括：

41、分组模块，用于根据所述s个告警数据中的每一个告警数据的告警前缀，将所述s个告警数据进行分组，得到p个组别；其中，相同告警前缀的告警数据为同一组别，不同告警前缀的告警数据为不同组别，p为大于1的整数；

42、第二获取模块，用于获取所述p个组别中的每一个组别中的告警数据的告警频次；

43、排序模块，用于将所述p个组别的告警频次按照由大至小的顺序进行排序，并将告警频次高于预设频次的组别间隔排序，得到排序后的s个告警数据。

44、可选地，在对所述s个告警数据分组的过程中，如果具有相同告警前缀的告警数据的数量小于或等于q，则将具有相同告警前缀的告警数据分为一个组别；

45、如果具有相同告警前缀的告警数据的数量大于q，则每q个具有相同告警前缀的告警数据分为一个组别，剩余小于q的具有相同告警前缀的告警数据分为其他组别。

46、第三方面，本发明实施例还提供了一种电子设备，包括存储器，收发机，处理器：

47、存储器，用于存储计算机程序；收发机，用于在处理器的控制下收发数据；处理器，用于读取存储器中的计算机程序并执行如上述第一方面所述的方法。

48、第四方面，本发明实施例还提供一种处理器可读存储介质，处理器可读存储介质存储有计算机程序，计算机程序用于使处理器执行上述第一方面所述的方法。

49、本发明上述实施例，通过获取s个告警数据以及s个告警数据中的每一个告警数据对应的加权值，所述s个告警数据包括：处于时间窗口内的m个第一告警数据以及处于所述时间窗口外的n个第二告警数据，m与n之和为s，根据所述s个告警数据中的每一个告警数据对应的加权值，生成关于所述s个告警数据的频域曲线图，对所述频域曲线图进行时频变换处理，得到时域数据，通过马尔科夫转移场算法对所述时域数据进行编码，得到第一特征图像；将所述第一特征图像输入至神经网络模型中进行故障检测，得到故障检测结果。

50、上述方案，对原始告警数据进行加权后生成频域曲线图，将频域曲线图作为频谱图进行时频变换得到时序数据，再利用马尔科夫转移场算法编码得到第一特征图像，由此得到的第一特征图像中的特征明显增强，再将马尔科夫转移场和神经网络模型相结合，提取深度隐藏的故障特征，得到故障检测结果，提高故障场景覆盖面和定位的准确性。