工業物聯網節點設備通信異常在線監測方法

摘 要：常規的工業物聯網節點設備異常在線監測方法主要使用群體感知法獲取監測異常節點的矢量位置，但易受監測區域標定作用影響，無法進行異常監測識別。為此，設計一種全新的工業物聯網節點設備通信異常在線監測方法。首先提取物聯網節點設備異常狀態監測特征；然后構建工業物聯網節點設備通信異常在線監測框架；最后設計工業物聯網節點設備通信異常在線監測算法，實現通信異常在線監測。實驗結果表明：設計方法在有無信號干擾情況下均能有效完成在線監測任務，監測效果較好，可靠性較高，可為提高工業物聯網的通信傳輸質量提供參考。

關鍵詞：工業物聯網；節點設備；通信異常；在線監測；通信傳輸；信號干擾

中圖分類號：TP393.06 文獻標識碼：A 文章編號：2095-1302（2024）07-00-03

0 引 言

隨著工業物聯網復雜性的增加，節點設備的通信難度越來越高，通信異常事件頻發，不利于工業智能化發展。因此，需要進行有效的物聯網節點設備通信異常在線監測[1-3]。事實上，常見的工業物聯網節點設備通信異常問題較多，包括節點設備之間的通信連接突然中斷、節點設備之間的數據傳輸速度變慢、節點設備在通信過程中出現數據傳輸錯誤等[4-5]。需要從多個方面入手，包括優化網絡環境、選擇合適的通信協議和技術、提高設備性能和穩定性、加強設備管理和維護等。相關研究人員針對工業物聯網節點設備通信問題設計了幾種常規的通信異常在線監測方法，包括基于PSO算法的在線監測方法[6]，以及考慮區域殘差的在線監測方法[7-10]。但大多數監測方法的監測效果較差，與目前的監測要求不適配。因此，本文設計了一種全新的工業物聯網節點設備通信異常在線監測方法。

1 工業物聯網節點設備通信異常在線監測方法設計

1.1 提取物聯網節點設備異常在線監測特征

在實際物聯網節點設備通信異常監測過程中，同一監測區域中可能會監測到相同的事件源信息，可以根據該關聯性繪制事件源監測示意圖，如圖1所示。

由圖1可知，根據上述異常事件源可以設置監測空間布局的傳感器距離，將原本的滑動時間窗口劃分成多個子序列，此時計算的監測互相關系數C（τ）如式（1）所示：

式中：FΩ代表滑動前的子時間窗口；代表任意向量的歸一化計算；FΩ+1代表滑動后的子時間窗口。上述空間互相關系數屬于非對稱系數，滿足節點的物理距離變化要求，可以將觀測序列設置在指定的時間窗口中，從而提取準確的物聯網節點設備異常在線監測特征。

對于給定的監測時間窗口，其相關系數會進行遍歷滑動，從而生成不同的監測系數值，可以進一步計算互相關系數的極值，從而判斷關鍵的監測幾何特征，得到異常在線監測特征輸入、輸出值。選取的隨機監測節點監測的空間相關特征向量E（C）如式（2）所示：

式中：CKmax代表當前時間片段的時間維度；SKmax代表異常時間片段的時間維度。從時間維度上進行分析，子時間序列具備一定的特征模糊性，本文設計的方法重新規劃了歷史時間片段，從而得到了異常在線監測特征提取式，如式（3）所示：

式中：X代表歷史子時間序列；θ代表模糊映射值。使用上述異常在線監測特征提取式可以獲取準確的監測時間空間相關度指標，使其滿足異常在線監測的準確性要求。

1.2 構建工業物聯網節點設備通信異常在線監測框架

為提高物聯網節點設備通信異常監測效果，以上述提取的物聯網節點設備通信異常監測特征為基礎，設計通信異常在線監測框架，如圖2所示。

由圖2可知，上述在線監測框架可以對帶有時間戳的時序數據進行有效處理，降低海量高緯度通信異常數據的處理難度，形成無限性監測動態整合。

1.3 設計工業物聯網節點設備通信異常在線監測算法

基于上述構建的通信異常在線監測框架，可以設計有效的通信異常在線監測算法，首先需要計算監測時間序列聚類分析閔可夫斯基距離（Minkowki Distance），如式（4）所示：

式中：si代表初始時間序列；sj代表彈性度量序列。基于上述序列，可以快速進行一對多監測比較，對監測時間進行動態調整，拉伸或收縮匹配值，解決時間序列扭曲變形導致的監測匹配異常問題，降低其對干擾噪聲的敏感性。

本文引入了DBSCAN空間聚類技術生成了在線監測算法。根據空間點位的度量關系可以確定監測鄰域數據對象，此時監測數據集的監測閾值條件NEps（p）如式（5）所示：

式中：dist（p， q）代表p、q兩點之間的距離度量函數；Eps代表監測鄰域。基于此，可以判斷數據對象的滿足關系，調整監測節點的密度連接對稱性，生成的設備通信異常在線監測算法表達式如式（6）所示：

式中：fs代表概率分布差別的非對稱性度量值。使用上述監測算法可以對任意通信異常節點進行聚類處理，完成全局密度搜索，構建一個有效的監測簇，提高通信異常在線監測的抗干擾性。

2 實 驗

為了驗證所設計的工業物聯網節點設備通信異常在線監測方法的監測效果，本文選取了有效的實驗數據集，將其與文獻[6]、文獻[7]中兩種常規的工業物聯網節點設備通信異常在線監測方法對比，進行了如下實驗。

2.1 實驗準備

結合物聯網節點設備通信異常在線監測實驗要求，本文可以將其看成無監督學習任務，對物聯網異常節點進行標定處理，驗證不同監測方法的監測效果。本文選取PeMSD7數據集作為實驗數據集，其由某區域公路系統產生，內含2022年1月1日—2022年9月8日的全部傳感數據。以此為基礎，設計實驗流程如圖3所示。

根據上述實驗流程，即可輸出后續的物聯網節點設備通信異常在線監測實驗結果。

2.2 實驗結果與討論

根據上述實驗準備內容，可以進行物聯網節點設備通信異常在線監測實驗，即選取不同類型的工業物聯網節點設備通信協議，設置有效的實驗日期及網絡拓撲結構，施加不同程度的信號干擾，此時分別使用本文設計的工業物聯網節點設備通信異常在線監測方法、文獻[6]的基于PSO算法的工業物聯網節點設備通信異常在線監測方法，以及文獻[7]的考慮區域殘差的工業物聯網節點設備通信異常在線監測方法進行監測。三種方法的監測實驗結果見表1所列。

由表1可知，在相同的通信環境下，本文方法均能正常完成通信異常在線監測任務，不受信號干擾影響；文獻[6]和文獻[7]的方法在信號干擾下無法正常完成異常在線監測任務。上述實驗結果表明，本文設計的工業物聯網節點設備通信異常在線監測方法的監測效果較好，具有可靠性，有一定的應用價值。

3 結 語

常規的物聯網節點設備通信異常在線監測方法易受監測區域標定作用影響，難以抵御監測識別干擾。因此，本文設計了一種全新的物聯網節點設備通信異常在線監測方法。實驗結果表明：所設計方法的監測效果較好，具有可靠性，有一定的應用價值，能夠為工業物聯網的發展提供有力支持。

參考文獻

[1]張震，蓋昊宇，朱煉，等.基于節點連通性的物聯網鏈路傳輸負載均衡控制方法[J].重慶科技學院學報（自然科學版），2023，25（6）：79-84.

[2]張珂，蔡熙桐，霍洪雙.基于2.4G無線收發模塊的低成本農業物聯網節點軟件設計[J].齊齊哈爾大學學報（自然科學版），2023，39（6）：53-57.

[3]何湘桂，孟志強，周華安.基于LoRa物聯網的城市道路照明能耗與竊電監測系統[J].湖南大學學報（自然科學版），2023，50（10）：11-19.

[4]吳靜，王桂蘭，李小玲.基于樹莓派CM4和CC2530的6LoWPAN網絡的設計與實現[J].長江工程職業技術學院學報，2023，40（3）：29-34.

[5]鄧華.基于梯度算法的智能家具物聯網遠程控制信號分段壓縮傳輸方法[J].沈陽工程學院學報（自然科學版），2023，19（3）：82-86.

[6]張玲玲.基于PSO算法的通信網絡流量異常智能監測方法[J].信息與電腦（理論版），2023，35（10）：88-90.

[7]申楊捷.基于區域殘差的機場通信數據異常監測方法研究[J].電子元器件與信息技術，2023，7（4）：162-165.

[8]楊挺，侯昱丞，趙黎媛，等.基于時-頻域混合特征的變電站通信網異常流量檢測方法[J].電力系統自動化，2020，44（16）：79-86.

[9]劉智武，孫靖國，陳長勝.時間觸發通信網絡監護及容錯技術研究[J].電光與控制，2021，28（10）：85-89.

[10]李杰，楊黎霞，許磊，等.基于Socket的網絡通信流量異常監測方法[J].信息與電腦（理論版），2022，34（2）：176-179.