摘要
本发明公开了基于AI的物联网IP地址状态实时检测方法,具体涉及工业网络运维技术领域,用于解决现有技术因动态通信环境与网络拓扑频繁切换导致的设备健康状态监测失真、预诊断能力不足的问题;是通过基于设备标识符、动态传输路径指纹及协议特征提取高维时序数据,通过自适应特征选择生成表征设备健康协同演化规律的多维特征向量;结合高斯混合模型与隐马尔可夫模型的概率评估生成交互特征图,刻画设备间通信行为与健康风险的关联性;利用动态图神经网络实时建模设备行为与网络拓扑的联动变化,输出健康状态动态演化路径;最终通过强化学习优化维护策略权重,触发分级维护动作;显著提升工业物联网场景下预测性维护的精准度与实时响应能力。
技术关键词
状态实时检测
多维特征向量
设备标识符
数据包特征
设备间通信
交互特征
工业物联网设备
设备健康状态
皮尔逊相关系数
网络拓扑
高斯混合模型
时序特征
传输路径
马尔可夫模型
生成设备
动态
网络通信数据
风险
特征选择
工业物联网场景
系统为您推荐了相关专利信息
风电场发电功率
混合预测模型
XGBoost模型
电网频率偏差
依赖特征
成因分析方法
有功功率
电压
监测点
多维特征向量