本发明属于电力巡检设备,具体涉及一种电力巡检设备的辅助链路网络接入方法及装置。
背景技术:
1、随着无线网络的高速发展,无人机、机器人、机器狗等高端智能设备在电力巡检中得到了广泛的应用,在输电、变电、配电等专业大量采用无人机、机器人来代替人工巡检,通过智能管控中心预设的任务计划,无人机等智能设备自主开展电力线的巡检任务。
2、目前受运营商网络覆盖信号及网络传输特性的影响,有些线路无网络信号,有些地方存在覆盖不全的情况,操作中心无法实时查看无人机巡检数据,无法实现远距离巡检数据传输和远程实时操控,特别是操控电力的无人机、机器人进行巡检,由于安全等级高,不能出现任何差错以及高延时的情况,必须有更稳定的、更可靠的、更安全的电力巡检设备的辅助链路网络移动接入方法和装置来保证数据的传输。
技术实现思路
1、本发明的目的在于提供一种电力巡检设备的辅助链路网络接入方法及装置,以解决双链路漫游时主链路无法保持较高性能传输数据的问题。
2、为实现上述目的,本发明提供如下技术方案:一种电力巡检设备的辅助链路网络接入方法,包括:扫描输电网关的网络参数;
3、将扫描的网络参数输入神经网络后得到网络评分;
4、将网络评分与网络选择算法进行比较,过滤出可以选择网络;
5、若可以选择网络的网络评分超过当前关联网络的设定差值,则确认为最优选择网络,主动发起四向握手过程与最优选择网络关联,同时断开与当前关联网络的连接;
6、若可以选择网络的网络评分未超过当前关联网络的设定差值,则维持当前关联网络;
7、其中,所述神经网络通过判断网络参数关系得出网络评分。
8、优选的,所述断开与当前关联网络的连接后,关联最优选择网络,重新获取ip地址和网络配置信息,并通知输电网关网络环境已发生变化,更新网络系统信息;
9、设定周期内重复上述步骤,实时评估网络并选择最优选择网络进行关联,并根据网络环境与需求调整选择频率。
10、优选的,所述神经网络包括:
11、接收各网络参数并将网络参数进行数字化编码的输入层;
12、接收输入层数据,通过多层神经元与激活函数自动学习网络参数之间的关系与权值,得到网络状态的向量表达的隐藏层;
13、用于将接收的网络评分输出的输出层。
14、优选的,所述得到网络状态的向量表达的方法包括:
15、输入层:接收网络参数的参数特征x;
16、相关性矩阵:计算输入的参数特征x之间的相关性矩阵r:r = relevance(x,x);
17、注意力权重:对相关性矩阵r进行softmax,得到注意力权重α:α= softmax(r);
18、特征选择:使用注意力权重α与输入的参数特征x相乘,得到新的特征向量z;作为网络输入:z =αx;
19、隐藏层:隐藏层中3个神经元,分别关注特征向量z中的不同特征;
20、输出结果:3个神经元的输出为网络状态向量,表示输入的参数特征x的关系,用于分类或回归计算;
21、错误反向传播:若输出结果不准确,误差通过反向传播调整注意力权重α和隐藏层神经元权重,更新网络状态的向量表达。
22、优选的,所述激活函数为relu。
23、优选的,所述神经网络通过网络训练学习得选择最优网络的模型,所述网络训练的方法包括:
24、采集不同网络的网络参数及人工评定的最优选择网络作为标签,构建数据集;所述数据集包括:
25、训练集:包含80%-90%数据集,用于网络训练,通过反向传播算法不断调整各层节点权重和偏置,最小化损失函数,学习选择最优网络的模型;
26、验证集:包含10%-20%数据集,用于验证训练好的模型,评估其在新数据上的推广性能,如果效果达不到预设值则调整网络结构和网络参数进行再次训练;
27、测试集:用于模拟实际使用场景下的新数据,测试最终模型的选择效果,若准确度达到预设要求则结束训练,否则返回再次训练。
28、优选的,所述网络参数包括:
29、信号强度、snr、网络负载、加密方式、传输速率、热点数量、mu-mimo、频段中任意一个或者多个组合。
30、优选的,所述网络选择算法包括:
31、确定各网络参数的门限与权重值;
32、遍历所有接收到的网络按规则进行评分;
33、对所有网络进行评分排序,过滤出总分最低的网络;
34、根据权重最高的网络参数进行二次筛选,选择最终的网络;
35、当输入的网络参数更新时,重复上述的步骤,实时得到最新的可接入网络列表。
36、优选的,所述过滤出可以选择网络包括:
37、神经网络根据输入的网络参数计算各网络评分,选出高分网络;
38、根据评分过滤不符合条件的网络,更新选项;
39、如果有多个网络评分相近,则根据网络选择算法的优先级进行辅助判断;
40、综合神经网络评分与网络选择算法评分,选择最终方案;
41、当环境变化,重复上述方法更新最新方案。
42、本发明另提供一种电力巡检设备的辅助链路网络接入装置,包括:
43、cpu:用于系统运行以及算法的计算;
44、缓存模块:用于数据的临时运算与存储;
45、存储模块:用于运算后的数据存储,为下一次的数据更新做支撑;
46、电源管理:用于所有模块的电源供电管理;
47、无人机电源接口模块:用于将无人机的机载电源作为供电电源;
48、无人机数据对比接口:用于无人机拍摄及视频数据的传输;
49、第一wifi通信模块:用于构建主wifi网络;
50、第二wifi 通信模块:用于构建辅助链路wifi网络;
51、第一wifi天线:用于第一wifi通信模块的信号发送与接收;
52、第二wifi天线:用于第二wifi通信模块的信号发送与接收;
53、wifi控制模块:用于对第一wifi通信模块和第二wifi通信模块的接入控制设备进行控制,构建控制指令,解析设备返回信息;
54、wifi链路策略实时分析模块:用于执行上述任意一项所述的一种电力巡检设备的辅助链路网络接入方法。
55、本发明的技术效果和优点:该电力巡检设备的辅助链路网络接入方法及装置,通过主链路模块继续传输数据,辅助链路模块建立链接,当辅助链路模块连接完全建立后再做数据流切换,保障数据报文不会在漫游飞行时丢失,双链路漫游方法将产生延时的部分放在了辅助链路上,因此在完成主备切换时可实现零延时,高速移动场景下智能电力巡检设备的网络接入装置采用双链路漫游方法使主链路始终保持在当前工作信道以较高性能传输数据,保障了流量的稳定性。
1.一种电力巡检设备的辅助链路网络接入方法,其特征在于:包括:
2.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述断开与当前关联网络的连接后,关联最优选择网络,重新获取ip地址和网络配置信息,并通知输电网关网络环境已发生变化,更新网络系统信息;
3.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述神经网络包括:
4.根据权利要求3所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述得到网络状态的向量表达的方法包括:
5.根据权利要求3所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述激活函数为relu。
6.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述神经网络通过网络训练学习得选择最优网络的模型,所述网络训练的方法包括:
7.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述网络参数包括:
8.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述网络选择算法包括:
9.根据权利要求1所述的一种电力巡检设备的辅助链路网络接入方法,其特征在于:所述过滤出可以选择网络包括:
10.一种电力巡检设备的辅助链路网络接入装置,其特征在于:包括: