[发明专利]一种光模块故障诊断和预警的方法、装置以及系统

权利要求书

1.一种光模块故障诊断和预警的方法，其特征在于，包括：

实时获取所述光模块的第一周期的数字诊断检测DDM数据，采用异常检测模型对所述第一周期的DDM数据进行处理，确定第一异常向量；其中，所述异常检测模型为样本DDM数据及样本异常向量的函数关系模型，所述样本异常向量用于表示所述样本DDM数据是否异常；

根据所述第一异常向量，调用异常检测模型的样本频繁项集以及对应的样本置信度集，判断所述第一异常向量与所述样本频繁项集中的异常向量是否匹配；其中，所述样本频繁项集是与端口故障数据同时出现的样本异常向量的集合，所述样本置信度集是与端口故障数据同时出现的样本异常向量对应的样本置信度的集合，所述样本置信度是样本异常向量与端口故障数据同时出现的概率；

若匹配，则确定光模块在第一周期的故障概率为所述样本频繁项集中的异常向量相对应的样本置信度；

若不匹配，则确定光模块在第一周期不存在故障。

2.如权利要求1所述的方法，其特征在于，实时获取所述光模块的第一周期的数字诊断检测DDM数据之前，包括：

获取异常检测模型的样本DDM数据集；其中，所述样本DDM数据集包括多个周期的DDM数据；

根据所述多个周期的DDM数据，确定每个周期的DDM数据对应的异常检测参数集、异常检测方法集以及异常检测方法参数集；其中，所述异常检测方法参数集与异常检测方法集一一对应；

根据所述异常检测参数集、异常检测方法集以及异常检测方法参数集，确定所述异常检测模型的样本异常向量集；其中，所述样本异常向量集包括多个周期的DDM数据对应的异常向量；

根据所述样本异常向量集，生成所述异常检测模型。

3.如权利要求2所述的方法，其特征在于，所述异常检测参数集为包括至少一个异常检测参数的集合；所述异常检测参数是对所述异常检测参数对应的一个周期的DDM数据的参数进行数学计算确定的数值，所述DDM数据的参数包括光模块的工作温度参数、工作电压参数、偏置电压参数、接收光功率参数、发射光功率参数中的至少一种。

4.如权利要求2所述的方法，其特征在于，根据所述异常检测参数集、异常检测方法集以及异常检测方法参数集，确定样本异常向量集包括：

根据一个周期的DDM数据所对应的异常检测方法集中的异常检测方法以及所述异常检测方法所对应的异常检测方法参数，确定所述周期的DDM数据所对应的异常检测参数集中的第一异常检测参数所对应的异常检测区间；

判断所述第一异常检测参数是否在所述异常检测区间之内；

若不在，则确定所述第一异常检测参数异常，所述第一异常检测参数对应的分量大小为第一预设阈值；

若在，则确定所述第一异常检测参数不异常，所述第一异常检测参数对应的分量大小为第二预设阈值；

根据所述分量大小，确定所述周期的DDM数据对应的异常向量。

5.如权利要求3所述的方法，其特征在于，所述样本异常向量用于表示所述样本DDM数据是否异常，包括：

所述样本异常向量包括多个分量；其中，不同的分量用于表示所述样本DDM数据的不同的异常检测参数是否异常；

若所述分量大小为第一预设阈值，则所述分量表示对应的所述样本DDM数据的异常检测参数异常；

若所述分量大小为第二预设阈值，则所述分量表示对应的所述样本DDM数据的异常检测参数不异常。

6.如权利要求2所述的方法，其特征在于，根据所述第一异常向量，调用异常检测模型的样本频繁项集以及对应的样本置信度集之前，还包括：

获取所述样本DDM数据集对应的端口故障数据集；其中，一个周期的样本DDM数据对应一个端口故障数据；

根据所述样本DDM数据集对应的样本异常向量集以及所述端口故障数据集，通过频繁项集挖掘算法，确定所述样本DDM数据集对应的样本频繁项集和样本置信度集。