本发明涉及故障诊断，尤其涉及一种基于云平台的无线电设备故障诊断方法及系统。
背景技术：
1、随着现代通信技术的发展，无线电设备在军事、民用航空、航海、卫星通信等领域扮演着至关重要的角色。这些设备的可靠性和稳定性直接影响着整个通信系统的性能。因此，确保无线电设备处于良好工作状态，及时发现并排除故障显得尤为重要。传统的无线电设备故障诊断依赖于经验丰富的技术人员进行手动检查，这种方法不仅耗时耗力，而且容易受到人为因素的影响。
2、近年来，随着云计算和大数据技术的进步，基于云平台的无线电设备故障诊断技术得到了快速发展。这种技术利用云平台的强大计算能力和存储资源，能够高效处理大量监测数据，实现对无线电设备故障的实时监控和预测。
3、目前，大多数基于云平台的无线电设备故障诊断技术都依赖于机器学习算法，如支持向量机、决策树、随机森林、神经网络等。这些算法通过训练建立一个故障诊断模型，该模型能够根据输入的无线电设备运行数据输出故障状态。然而，现有的技术在实际应用过程中仍存在一些问题，这些问题主要体现在以下几个方面：
4、一、由于模型的输出结果往往是基于模型中的置信度实现准确输出的，但该输出结果往往存在一定的不确定性，即使模型的准确率很高，但也会出现误报的情况，特别是当置信度较低时，因此对于模型的输出结果仍然存在一定的误诊现象；
5、二、现有的诊断方法往往只依赖于单一的模型输出结果，缺乏对模型输出的进一步验证机制，这可能导致对故障状态的判断不够准确；
6、三、基于模型输出的故障诊断结果直接用于制定维护计划时，由于没有充分考虑故障的具体原因和严重程度，这将会导致维护计划不够精细，从而无法达到最优的维护效果。
7、因此，现有技术急需一种基于云平台的无线电设备故障诊断方法及系统的技术方案。
技术实现思路
1、为了解决上述技术问题，本发明提供了一种基于云平台的无线电设备故障诊断方法，具体包括以下步骤：
2、步骤s1、通过设置在无线电设备上的多个传感器获取实时运行数据；
3、步骤s2、将实时运行数据上传至云平台，并通过云平台对实时运行数据进行预处理；
4、步骤s3、基于预处理后的实时运行数据执行故障诊断、验证过程，得到确定的无线电设备的故障状态；
5、步骤s3a、对实时运行数据执行故障诊断，得到当前无线电设备的故障状态；
6、步骤s3a1、对经过预处理后的实时运行数据进行特征提取，得到特征向量；
7、步骤s3a2、构建故障诊断模型，并利用特征向量对故障诊断模型进行训练，直至故障诊断模型收敛，得到训练完毕的故障诊断模型；
8、步骤s3a3、重新获取一组实时运行数据，并将实时运行数据输入至故障诊断模型中，识别得到当前无线电设备的故障状态；
9、步骤s3b、对当前无线电设备的故障状态执行验证过程，得到确定的无线电设备的故障状态；
10、步骤s3b1、通过故障诊断模型调用当前无线电设备的故障状态的置信度分值；
11、步骤s3b2、调用当前无线电设备的故障状态的实时运行数据；
12、步骤s3b3、通过步骤s3b2得到的实时运行数据，获取实时运行数据中包括的参数及参数的数据，并分析每个参数对当前无线电设备的故障的影响程度，得到当前无线电设备的故障评分值；
13、步骤s3b31、基于实时运行数据中包括的参数的数据，对每个参数的数据量分别进行统计，形成每个参数的数据集，计算并获取每个参数的数据集的均值，并通过均值得到每个参数的数据集的标准差；
14、其中，每个参数的数据集的均值的计算公式为：
15、
16、其中，代表第i个参数的数据集x的均值；n代表数据集中的数据点数量；xik代表第i个参数的数据集x中第k个数据点；
17、步骤s3b32、通过每个参数的数据集的均值及标准差，得到每个参数的数据集的偏斜度及峰度；
18、其中，得到每个参数的数据集的偏斜度的计算公式为：
19、
20、其中，代表第i个参数的数据集x的偏斜度；n代表数据集中的数据点数量；xik代表第i个参数的数据集x中第k个数据点；代表第i个参数的数据集x的均值；代表第i个参数的数据集x中所有数据点与均值之差的三次方的和；代表第i个参数的数据集x的标准差；代表第i个参数的数据集x的标准差的三次方；
21、其中，得到每个参数的数据集的峰度的计算公式为：
22、
23、其中，第i个参数的数据集x的峰度；n代表数据集中的数据点数量；xik代表第i个参数的数据集x中第k个数据点；代表第i个参数的数据集x的均值；代表第i个参数的数据集x中所有数据点与均值之差的三次方的和；代表第i个参数的数据集x的标准差；
24、代表第i个参数的数据集x的标准差的四次方；
25、步骤s3b33、通过每个参数的数据集，获取每个参数的数据集中的最大值，根据每个参数的数据集中的最大值、每个参数的数据集的均值、标准差、偏斜度、峰度，得到每个参数对当前无线电设备的故障的第一影响系数；
26、其中，得到每个参数对当前无线电设备的故障的第一影响系数的计算公式为：
27、
28、其中，yi代表第i个参数对当前无线电设备的故障的第一影响系数；λ代表形状参数，用于调整函数的陡峭程度；xi，max代表第i个参数的数据集中的最大值；代表第i个参数的数据集x的均值；代表第i个参数的数据集x的标准差；代表第i个参数的数据集x的偏斜度；第i个参数的数据集x的峰度；α代表每个参数的数据集的偏斜度的权重系数；β代表每个参数的数据集的峰度的权重系数；
29、步骤s3b34、对每个参数对当前无线电设备的故障的第一影响系数进行加权平均处理，得到所有参数对当前无线电设备的故障的第二影响系数；
30、
31、其中，d代表所有参数对当前无线电设备的故障的第二影响系数；l代表参数的数量；δ代表第一影响系数的权重系数；yi代表第i个参数对当前无线电设备的故障的第一影响系数；
32、步骤s3b35、分析每个参数一一组合时，对当前无线电设备的故障的影响程度，得到每个一一组合参数对当前无线电设备的故障的第三影响系数；
33、步骤s3b351、获取每个参数的数据集，并一一进行组合，对组合后的数据集进行标准化处理，得到处于同一个衡量维度上的一一组合参数的数据集；
34、步骤s3b352、根据步骤s3b31及步骤s3b32，依次计算每个一一组合参数的数据集的均值、标准差、偏斜度及峰度；
35、步骤s3b353、根据每个一一组合参数的数据集，获取每个一一组合参数的数据集中的最大值，根据每个一一组合参数的数据集中的最大值、每个一一组合参数的数据集的均值、标准差、偏斜度及峰度，得到每个一一组合参数对当前无线电设备的故障的第三影响系数；
36、其中，得到每个一一组合参数对当前无线电设备的故障的第三影响系数的计算公式为：
37、
38、其中，y{i，j}代表第i个参数与第j个参数组合时对当前无线电设备的故障的第三影响系数；λ代表形状参数，用于调整函数的陡峭程度；x{i，j}，max代表第i个参数与第j个参数组合时的数据集中的最大值；代表第i个参数与第j个参数组合时的数据集x的均值；代表第i个参数与第j个参数组合时的数据集x的标准差；代表第i个参数与第j个参数组合时的数据集x的偏斜度；第i个参数与第j个参数组合时的数据集x的峰度；ε代表一一组合参数的数据集的偏斜度的权重系数；τ代表一一组合参数的数据集的峰度的权重系数；
39、步骤s3b36、将每个一一组合参数对当前无线电设备的故障的第三影响系数进行加权平均处理，得到所有一一组合参数对当前无线电设备的故障的第四影响系数；
40、其中，得到所有一一组合参数对当前无线电设备的故障的第四影响系数的计算公式为：
41、
42、其中，t代表所有一一组合参数对当前无线电设备的故障的第四影响系数；q代表一一组合参数的数量；θ代表第三影响系数的权重系数；y{i，j}代表第i个参数与第j个参数组合时对当前无线电设备的故障的第三影响系数；
43、步骤s3b37、根据所有参数对当前无线电设备的故障的第二影响系数、所有一一组合参数对当前无线电设备的故障的第四影响系数，得到当前无线电设备的故障评分值；
44、其中，得到当前无线电设备的故障评分值的计算公式为：
45、fsv＝φ·d+ω·t；
46、其中，fsv代表当前无线电设备的故障评分值；d代表所有参数对当前无线电设备的故障的第二影响系数；t代表所有一一组合参数对当前无线电设备的故障的第四影响系数；φ代表第二影响系数的权重系数；t代表第四影响系数的权重系数；
47、步骤s3b4、对故障评分值执行标准化处理，使故障评分值与置信度分值处于同一个衡量维度，得到当前无线电设备的标准故障评分值，若当前无线电设备的故障状态的置信度分值大于等于当前无线电设备的标准故障评分值，则表示当前无线电设备的故障状态为确定存在故障，即为确定的无线电设备的故障状态；
48、若当前无线电设备的故障状态的置信度分值小于当前无线电设备的标准故障评分值，则表示当前无线电设备的故障状态为确定不存在故障，即为否定的无线电设备的故障状态，此时重新执行步骤s3a3，直至得到确定的无线电设备的故障状态；
49、步骤s4、根据确定的无线电设备的故障状态制定维修计划并执行。
50、一种基于云平台的无线电设备故障诊断系统，使用如上任一项所述的一种基于云平台的无线电设备故障诊断方法，包括如下模块：
51、数据采集模块：用于通过设置在无线电设备上的多个传感器获取实时运行数据；
52、预处理模块：与所述数据采集模块连接，用于将实时运行数据上传至云平台，并通过云平台对实时运行数据进行预处理；
53、诊断及验证模块：与所述预处理模块连接，用于对基于预处理后的实时运行数据执行故障诊断、验证过程，得到确定的无线电设备的故障状态；
54、计划制定及执行模块：与所述诊断及验证模块连接，用于根据确定的无线电设备的故障状态制定维修计划并执行。
55、本发明实施例具有以下技术效果：
56、本发明旨在通过以基于数据驱动且层层递进的方式，进行科学且精准地获取无线电设备的故障评分值，以此来对基于故障诊断模型的置信度输出的无线电设备的故障状态进行进一步验证，以得到确定存在故障的无线电设备的故障状态，这不仅可以进一步确认故障诊断模型的输出结果的准确性，降低误诊的风险，且对于最终维护计划的制定能够更好地准确把握，即能够制定更为精准且高效的维护计划，从而能够在最大程度上降低不必要的人力物力支出，节约时间成本，提高无线电设备的可用性和稳定性；
57、本发明在获取科学且精准的无线电设备的故障评分值的过程中采用基于数据驱动且层层递进的方式，首先在计算每个参数对当前无线电设备的故障的第一影响系数时，通过使用最大值、均值、标准差、偏斜度和峰度，可以综合评估每个参数对无线电设备故障的影响程度，从而为后续的故障评分值提供更加全面的信息基础，有助于提高故障评分值的准确性，减少误诊的可能性，接着再通过将第一影响系数进行加权平均处理，可以综合考虑所有参数对故障的影响程度，得到的第二影响系数由于综合了所有参数的影响，因此可以提供一个更准确的故障评分值，有助于进一步提高故障诊断的准确性，再接着通过使用每个一一组合参数的数据集中的最大值、均值、标准差、偏斜度和峰度，可以全面考虑参数组合的特征，从而更好地评估参数组合对无线电设备故障的影响程度，使得得到的第三影响系数有助于再进一步提高故障评分值的准确性，减少误诊的可能性，最后通过将第三影响系数进行加权平均处理，可以综合考虑所有参数组合对故障的影响程度，从而更好地反映不同参数组合对故障的影响程度，得到的第四影响系数由于综合了所有参数组合的影响，可以提供一个更准确、可靠的故障评分值，有助于更进一步提高故障诊断的准确性。
1.一种基于云平台的无线电设备故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于云平台的无线电设备故障诊断方法，其特征在于，所述步骤s3，基于预处理后的实时运行数据执行故障诊断、验证过程，得到确定的无线电设备的故障状态，包括：
3.根据权利要求2所述的基于云平台的无线电设备故障诊断方法，其特征在于，步骤s3a，对实时运行数据执行故障诊断，得到当前无线电设备的故障状态，包括：
4.根据权利要求3所述的基于云平台的无线电设备故障诊断方法，其特征在于，步骤s3b，对当前无线电设备的故障状态执行验证过程，得到确定的无线电设备的故障状态，包括：
5.根据权利要求4所述的基于云平台的无线电设备故障诊断方法，其特征在于，步骤s3b3，通过步骤s3b2得到的实时运行数据，获取实时运行数据中包括的参数及参数的数据，并分析每个参数对当前无线电设备的故障的影响程度，得到当前无线电设备的故障评分值，包括：
6.根据权利要求5所述的基于云平台的无线电设备故障诊断方法，其特征在于，步骤s3b35，分析每个参数一一组合时，对当前无线电设备的故障的影响程度，得到每个一一组合参数对当前无线电设备的故障的第三影响系数，包括：
7.根据权利要求5所述的基于云平台的无线电设备故障诊断方法，其特征在于，其中，得到每个参数对当前无线电设备的故障的第一影响系数的计算公式为：
8.根据权利要求6所述的基于云平台的无线电设备故障诊断方法，其特征在于，其中，得到每个一一组合参数对当前无线电设备的故障的第三影响系数的计算公式为：
9.一种基于云平台的无线电设备故障诊断系统，用于执行权利要求1-8任一项所述的基于云平台的无线电设备故障诊断方法，其特征在于，所述系统包括：
