买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:安徽思高智能科技有限公司
摘要:本发明提供一种面向RPA任务流的故障诊断方法及设备,涉及故障诊断技术领域,包括:通过任务集合和执行器集群构建第一阶段RPA任务依赖图;对第一阶段RPA任务依赖图进行表征嵌入和进一步的边构建,获得第二阶段RPA任务依赖图;将第二阶段RPA任务依赖图输入图卷积神经网络进行执行器节点分类,构建故障依赖图;对故障依赖图进行故障根因分析,获得故障根因排序。本发明通过构建RPA任务依赖图表达在动态变化中任务与执行器之间的相互关系,并通过对RPA任务依赖图进行执行器节点分类,构建故障依赖图;故障依赖图可以找到存在故障的执行器,并表达在动态变化中任务与故障执行器之间的相互关系,实现在动态变化的RPA任务流中的故障根因定位。
主权项:1.一种面向RPA任务流的故障诊断方法,其特征在于,包括:S1:获取RPA任务流的任务集合和执行器集群,通过任务集合和执行器集群构建第一阶段RPA任务依赖图;S2:对第一阶段RPA任务依赖图进行表征嵌入和进一步的边构建,获得第二阶段RPA任务依赖图;S3:将第二阶段RPA任务依赖图输入图卷积神经网络进行执行器节点分类,构建故障依赖图;S4:对故障依赖图进行故障根因分析,获得故障根因排序,根据故障根因排序获得故障诊断结果;步骤S2具体为:S21:获取执行器集群中各执行器的监控数据,将各监控数据作为对应执行器节点的属性进行表征嵌入;S22:获取任务集合中各任务的执行时间,通过各执行时间计算获得对应任务节点的边的权值进行表征嵌入;S23:通过任务之间的依赖关系以及任务与执行器之间的下发关系构建执行器之间的等待关系,将等待关系作为执行器节点之间的边,获得第二阶段RPA任务依赖图;步骤S3具体为:S31:获取执行器集群中各执行器的监控数据,通过监控数据构建大小为的执行器节点的特征矩阵H;S32:通过第二阶段RPA任务依赖图构建执行器节点的带权邻接矩阵A;S33:将特征矩阵H和带权邻接矩阵A输入图卷积神经网络,计算获得各执行器节点为故障节点的概率,将概率大于预设值的执行器节点作为故障节点;S34:通过故障节点和任务节点构建故障依赖图。
全文数据:
权利要求:
百度查询: 安徽思高智能科技有限公司 一种面向RPA任务流的故障诊断方法及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。