[发明专利]分布式故障节点预测方法、装置、电子设备及存储介质

说明书

本申请涉及工业物联网故障评估技术领域，提供了一种分布式故障节点预测方法、装置、电子设备及存储介质，其中，方法包括以下步骤：S1.获取每个节点对应的邻近节点集合和远亲节点集合；S2.根据所述邻近节点集合和所述远亲节点集合确定每个所述节点对应的故障节点集合；S3.根据每个所述节点对应的所述故障节点集合获取潜在故障节点。本发明具有预测结果准确和预测高效的有益效果。

技术领域

本申请涉及工业物联网故障评估技术领域，具体而言，涉及一种分布式故障节点预测方法、装置、电子设备及存储介质。

背景技术

近年来，人工智能及机器人技术的发展和普及，让传统制造业向智能制造迈进了重要一步。目前学术界和工业界都在研究适配智能工厂的网络拓扑和控制调度算法，为了确保整个系统有足够的鲁棒性，智能工厂的智能机器人和智能设备通常以分布式的网络拓扑进行数据交换。当以分布式的方式进行设备互联时，各个设备很难及时地发现系统中的潜在故障节点（其中，节点是指智能机器人和智能设备，下文以节点统称智能机器人和智能设备），从而让系统陷入漫长的排查过程而影响生产效率。因此，研究在群体分布式场景下的快速故障节点预测算法，是智能工厂能够最终落地的关键算法之一。

目前业界主要基于机器学习算法，特别是深度学习算法来对潜在故障节点来进行预测。随着样本数据的增加以及机器学习算法的成熟，这种方法一般能给出一个大概率正确的预测值。但在工业场景下，样本数据，特别是有差异的样本数据不容易获得，而机器学习算法又严重依赖样本量，这会导致预测值的准确度偏低。另外，机器学习算法的数值模型通常较为复杂，只有在适合并行计算的硬件平台上才能快速求解，而工业设备通常只有一些计算能力有限的芯片，这会导致评估时间过长从而导致算法实时性偏低。

基于上述问题，目前尚未有有效的解决方法。

发明内容

本申请的目的在于提供一种分布式故障节点预测方法、装置、电子设备及存储介质，能够快速预测出潜在故障节点，保证生产不受影响。

第一方面，本申请提供了一种分布式故障节点预测方法，用于对分布式系统的潜在故障节点进行预测，所述分布式系统包括多个以分布式的网络拓扑进行数据交换的节点；其中，包括以下步骤：

S1.获取每个节点对应的邻近节点集合和远亲节点集合；

S2.根据所述邻近节点集合和所述远亲节点集合确定每个所述节点对应的故障节点集合；

S3.根据每个所述节点对应的所述故障节点集合获取潜在故障节点；

步骤S2包括依次以各所述节点为中心节点，并执行以下步骤：

S201.令所述中心节点向所述邻近节点集合中的每个邻近节点发送第二探测数据包，以获取每个所述邻近节点和所述中心节点之间的第一通信时长；

S202.令每个所述邻近节点向所述远亲节点集合中的同一个远亲节点发送第三探测数据包，以获取各所述邻近节点经所述远亲节点到所述中心节点的第二通信时长；

S203.根据所述第一通信时长和所述第二通信时长分别计算所述中心节点对应的第一通信时间方差和第二通信时间方差；

S204.根据所述第一通信时间方差和所述第二通信时间方差判断所述远亲节点是否为候选故障节点；

S205.若是，则根据所述第一通信时间方差和所述第二通信时间方差计算所述候选故障节点对应的故障度，执行步骤S206；

若否，直接执行步骤S206；

S206.选取未被判断是否为候选故障节点的远亲节点作为所述远亲节点集合中的下一个远亲节点，重复执行步骤S201-步骤S205以判断所述远亲节点集合中的下一个远亲节点是否为候选故障节点，直到将所述远亲节点集合中的所有远亲节点判断完毕；