[发明专利]物联网节点故障检测方法、装置、存储介质及计算机设备

说明书

一种物联网节点故障检测方法、装置、存储介质及计算机设备，该方法包括：获取一网络中的多个目标物联网节点采集的目标无线数据；在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。本方法借助深度迁移学习模型充分利用邻近节点的标签数据，实现对物联网节点无标签无线数据进行故障诊断。

技术领域

本发明涉及云计算技术领域，特别是涉及一种物联网节点故障检测方法、装置、存储介质及计算机设备。

背景技术

随着智能物联网应用的快速发展，多样的智能服务和严格的性能要求使得基于雾计算或边缘计算的无线网络正在成为支撑智能物联网的重要架构。在云数据中心的强大计算能力于边缘节点的本地计算和存储能力结合下，网络所承担的不同质量的服务压力可以得到有效缓解。与此同时，复杂的网络结构和功能也使得网络维护变得更加困难。为了解决这个问题，数据挖掘方法或者人工智能方法已经被广泛用来进行网络的故障检测、诊断与恢复工作。

然而，对人工智能方法来说，无论是监督学习方法还是非监督学习方法都需要巨大的标签数据来进行建模，且需要大量专家知识，对大规模网络来说为每一个无线节点从无到有建立故障诊断模型需要巨大的开销。此外，对物联网节点来说，考虑到节点重部署以及节能的优化策略，部分节点会存在数据量不足以及数据过期等问题。这种数据从数据量上来说无法建立起有效模型，从数据有效性上来说数据的分布不同不适合用来训练，因此，针对该类数据无法利用故障诊断模型进行故障检测。

发明内容

鉴于上述状况，有必要针对现有技术中针对网络中数据量不足以及数据过期的节点无法建立有效的故障诊断模型和进行故障检测的问题，提供一种物联网节点故障检测方法、装置、存储介质及计算机设备。

一种物联网节点故障检测方法，包括：

获取一网络中的多个目标物联网节点采集的目标无线数据，所述目标无线数据为所述目标物联网采集物联网节点采集与之建立连接的物联网设备的无线数据；

在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；

建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；

利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。

进一步的，上述物联网节点故障检测方法，其中，在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据的步骤包括：

在预存的数据诊断库中搜索与所述目标物联网节点处于同一网络的物联网节点；

对搜索到的物联网节点的标签数据进行聚类分析，以确定与所述目标物联网节点的无线数据分布类似的物联网节点，从而确定所述目标物联网节点邻近的物联网节点及其标签数据。

进一步的，上述物联网节点故障检测方法，其中，所述跟据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到故障诊断模型的步骤包括：

将所述目标域数据划分为训练数据和测试数据；

根据所述源域数据和所述训练数据训练所述深度迁移学习模型，并根据所述测试数据对训练好的所述深度迁移学习模型进行测试；

当训练好的所述深度迁移学习模型测试合格时，则确定训练好的所述深度迁移学习模型为故障诊断模型。