[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

专利信息
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
【说明书】:

发明提供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,所述方法包括:构建系统仿真平台;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;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;根据所述训练集确定学习引擎;利用所述测试集中各KPI数据进行验证,获得输出学习引擎,以使后续将所述待测KPI数据输入所述学习引擎中进行故障诊断。本发明减少了故障预测所需的带有故障原因的KPI数据的数量,而且还提高了故障预测的准确性。

技术领域

本发明涉及故障诊断技术领域,特别是涉及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。

背景技术

过去十几年内,智能终端设备数量急剧增加,运营商为了提高网络容量、覆盖范围以及服务质量,大量部署小基站,这导致网络结构越来越复杂,配置和管理如此复杂的网络给运营商带来了巨大的挑战。为了降低运行商的资本支出和运营支出,3GPP引入了自组网。自组网的理念是让蜂窝网络可以自配置,自优化以及自治愈,蜂窝网络的故障诊断属于网络自治愈的一个重要环节。

目前对于蜂窝网络故障诊断主要采用的是机器学习的方式,通过基站侧记录的KPI以及相应的故障原因所形成的数据集来训练一个分类器模型,最后通过该分类器模型来完成故障诊断。采用这种方式有一个瓶颈,如果要获得一个诊断效果很好的分类器,就需要大量有故障原因的KPI数据作为训练样本。但是实际生活中有故障原因的KPI数据很少,因为故障诊断专家完成故障诊断之后,基本不会将具体的故障原因写入到基站记录的KPI数据中,因此有故障原因的KPI数据很少。此外,由于大多数情况下基站都是正常工作的,所以记录的KPI数据中大部分都是没有故障的,因此这个数据集是类别不平衡的,直接使用一个类别不平衡的数据集来训练分类器,在预测阶段,该分类器会偏向于预测为占比例较大的那一类,因此存在故障诊断准确率低的问题。

发明内容

基于此,本发明的目的是提供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,以提高故障诊断的准确率。

为实现上述目的,本发明提供了一种基于主动学习自组织蜂窝网络的故障诊断方法,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。

可选的,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;

步骤S12:确定所述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。

可选的,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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/201911280120.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top