[发明专利]一种基于主动学习自组织蜂窝网络的故障诊断方法及系统有效
申请号: | 201911280120.0 | 申请日: | 2019-12-13 |
公开(公告)号: | CN110968075B | 公开(公告)日: | 2022-05-06 |
发明(设计)人: | 朱琨;陈猛;王然;易畅言;王俊华 | 申请(专利权)人: | 南京航空航天大学 |
主分类号: | G05B23/02 | 分类号: | G05B23/02 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杨媛媛 |
地址: | 210016 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 主动 学习 组织 蜂窝 网络 故障诊断 方法 系统 | ||
1.一种基于主动学习自组织蜂窝网络的故障诊断方法,其特征在于,所述方法包括:
步骤S1:构建系统仿真平台;
步骤S2:利用所述系统仿真平台仿真网络故障,获得多个关键性能指标KPI数据;
步骤S3:从多个所述KPI数据中选取第一设定数量的所述KPI数据作为训练集,将剩余的所述KPI数据作为测试集;
步骤S4:根据所述训练集确定学习引擎;
步骤S5:将所述测试集中各KPI数据分别输入所述学习引擎中,确定精确度;
步骤S6:判断所述精确度是否小于设定值;如果所述精确度大于或等于设定值,则输出学习引擎;如果所述精确度小于设定值,则返回“步骤S4”;
步骤S7:获取待测KPI数据;
步骤S8:将所述待测KPI数据输入所述学习引擎中进行故障诊断;
步骤S1:构建系统仿真平台,具体包括:
步骤S11:确定抛物形天线在水平方向上的增益模型,具体公式为:
其中,为用户设备与基站天线在水平平面的夹角;为基站天线的方位角;为水平方向上3dB的波束宽度;Am为辐射的水平方向的最大衰减;为抛物形天线在水平方向上的增益模型;
步骤S12:确定所述抛物形天线在垂直方向上的增益模型,具体公式为:
其中,θ为用户设备和基站天线之间在垂直平面的夹角;θetilt为基站天线的电子下倾角;θ3dB为垂直方向上的3dB的波束宽度;SLAv为辐射的垂直方向的最大衰减;AV(θ)为抛物形天线在垂直方向上的增益模型;
步骤S13:根据所述抛物形天线在水平方向上的增益模型和在垂直方向上的增益模型确定抛物形天线模型;
步骤S14:基于所述抛物形天线模型和网络仿真器搭建所述系统仿真平台。
2.根据权利要求1所述的基于主动学习自组织蜂窝网络的故障诊断方法,其特征在于,根据所述训练集确定学习引擎,具体包括:
步骤S41:根据所述训练集确定待标注故障原因的KPI数据,所述故障原因为所述网络故障中任意一种;
步骤S42:对待标注故障原因的KPI数据进行标注;
步骤S43:将已标注故障原因的KPI数据加入所述训练集;
步骤S44:利用所述训练集中带有故障原因的各KPI数据进行训练,获得学习引擎。
3.根据权利要求2所述的基于主动学习自组织蜂窝网络的故障诊断方法,其特征在于,所述根据所述训练集确定待标注故障原因的KPI数据,具体包括:
步骤S411:将所述训练集中第二设定数量所述KPI数据对应的故障原因进行剔除;
步骤S412:将所述训练集中带有故障原因的各所述KPI数据分别输入分类回归树进行训练,分类回归树模型;
步骤S413:将所述训练集中无故障原因的各所述KPI数据分别输入分类回归树模型,确定各所述KPI数据对应不同故障原因的概率;
步骤S414:将各所述KPI数据对应不同故障原因的概率带入不确定度公式确定待标注故障原因的KPI数据。
4.根据权利要求3所述的基于主动学习自组织蜂窝网络的故障诊断方法,其特征在于,所述不确定度公式为最大熵公式、最小置信度公式和最小间距公式中任意一种。
5.根据权利要求1所述的基于主动学习自组织蜂窝网络的故障诊断方法,其特征在于,根据所述抛物形天线在水平方向上的增益模型和在垂直方向上的增益模型确定抛物形天线模型,具体公式为:
其中,为抛物形天线模型,为抛物形天线在水平方向上的增益模型,Am为辐射的水平方向的最大衰减,AV(θ)为抛物形天线在垂直方向上的增益模型。
6.一种基于主动学习自组织蜂窝网络的故障诊断系统,其特征在于,所述系统包括:
构建模块,用于构建系统仿真平台;
仿真模块,用于利用所述系统仿真平台仿真网络故障,获得多个关键性能指标KPI数据;
集合确定模块,用于从多个所述KPI数据中选取第一设定数量的所述KPI数据作为训练集,将剩余的所述KPI数据作为测试集;
学习引擎确定模块,用于根据所述训练集确定学习引擎;
精确度确定模块,用于将所述测试集中各KPI数据分别输入所述学习引擎中,确定精确度;
判断模块,用于判断所述精确度是否小于设定值;如果所述精确度大于或等于设定值,则输出学习引擎;如果所述精确度小于设定值,则返回“学习引擎确定模块”;
获取模块,用于获取待测KPI数据;
故障诊断模块,用于将所述待测KPI数据输入所述学习引擎中进行故障诊断;
所述构建模块,具体包括:
水平增益模型确定单元,用于确定抛物形天线在水平方向上的增益模型,具体公式为:
其中,为用户设备与基站天线在水平平面的夹角;为基站天线的方位角;为水平方向上3dB的波束宽度;Am为辐射的水平方向的最大衰减;为抛物形天线在水平方向上的增益模型;
垂直增益模型确定单元,用于确定所述抛物形天线在垂直方向上的增益模型,具体公式为:
其中,θ为用户设备和基站天线之间在垂直平面的夹角;θetilt为基站天线的电子下倾角;θ3dB为垂直方向上的3dB的波束宽度;SLAv为辐射的垂直方向的最大衰减;AV(θ)为抛物形天线在垂直方向上的增益模型;
抛物形天线模型确定单元,用于根据所述抛物形天线在水平方向上的增益模型和在垂直方向上的增益模型确定抛物形天线模型;
系统仿真平台确定单元,用于基于所述抛物形天线模型和网络仿真器搭建所述系统仿真平台。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911280120.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种多功能婴儿摇床
- 下一篇:一种硬逻辑延时触发器