CN114238033A - 板卡运行状态预警方法、装置、设备及可读存储介质 - Google Patents

板卡运行状态预警方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114238033A
CN114238033A CN202111616772.4A CN202111616772A CN114238033A CN 114238033 A CN114238033 A CN 114238033A CN 202111616772 A CN202111616772 A CN 202111616772A CN 114238033 A CN114238033 A CN 114238033A
Authority
CN
China
Prior art keywords
surface temperature
clustering
board card
early warning
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111616772.4A
Other languages
English (en)
Other versions
CN114238033B (zh
Inventor
谭学元
曹美春
高万军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Yunjian Intelligent Technology Co ltd
Original Assignee
Hunan Yunjian Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Yunjian Intelligent Technology Co ltd filed Critical Hunan Yunjian Intelligent Technology Co ltd
Priority to CN202111616772.4A priority Critical patent/CN114238033B/zh
Publication of CN114238033A publication Critical patent/CN114238033A/zh
Application granted granted Critical
Publication of CN114238033B publication Critical patent/CN114238033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3031—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a motherboard or an expansion card
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3476—Data logging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Abstract

本发明提供了板卡运行状态预警方法、装置、设备及可读存储介质，所述方法包括：获取第一数据和第二数据；基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除；基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。本发明选取了温度和湿度作为评分因素，而不是只选取一种因素进行评分，通过选取多种因素可以使计算出来的评分更能体现板卡当前的运行状态，进而提高对板卡预警的准确性。

Description

板卡运行状态预警方法、装置、设备及可读存储介质
技术领域
本发明涉及数据处理技术领域，具体而言，涉及板卡运行状态预警方法、装置、设备及可读存储介质。
背景技术
在板卡的运行过程中，板卡的运行状态对整个设备的运行起着非常重要的作用。而目前，对板卡的运行状态的监控方法较少，因此利用何种参数，又利用何种方法得到一个能够体现板卡综合状态的评分，进而根据这个评分对板卡进行预警就显得非常重要。
发明内容
本发明的目的在于提供板卡运行状态预警方法、装置、设备及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了板卡运行状态预警方法，所述方法包括：
获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
可选的，所述基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合，包括：
将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
可选的，所述基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，包括：
根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
可选的，所述基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值，包括：
基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
可选的，所述基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警，包括：
获取第三数据，所述第三数据包括所述板卡周围区域各个湿度检测点的历史湿度，得到每个所述湿度检测点的历史湿度集合；
基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练，得到训练好的模型；
基于所述训练好的模型、所述当前时刻卡板周围区域的湿度集合和所述板卡经过第一时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评分，根据所述第一时间段后的运行状态评分选择相应的预警模式进行预警。
可选的，所述基于所述训练好的模型、所述当前时刻卡板周围区域的湿度集合和所述板卡经过第一时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评分，包括：
获取第四数据，所述第四数据为温度和湿度对应的权重；
利用所述训练好的模型和所述当前时刻卡板周围区域的湿度集合得到所述板卡经过第一时间段后的周围区域的湿度预测值；
基于所述湿度预测值、表面温度预测值、温度对应的权重和湿度对应的权重计算得到所述板卡经过所述第一时间段后的运行状态评分。
第二方面，本申请实施例提供了板卡运行状态预警装置，所述装置包括获取模块、剔除模块、预测模块和预警模块。
获取模块，用于获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
剔除模块，用于基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
预测模块，用于基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
预警模块，用于基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
可选的，所述剔除模块，包括：
组合单元，用于将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
聚类单元，用于将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
计算单元，用于基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
可选的，所述计算单元，包括：
删除子单元，用于根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
第一计算子单元，用于计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
第二计算子单元，用于根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
可选的，所述预测模块，包括：
去噪单元，用于基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
构建单元，用于基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
预测单元，用于通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
可选的，所述预警模块，包括：
获取单元，用于获取第三数据，所述第三数据包括所述板卡周围区域各个湿度检测点的历史湿度，得到每个所述湿度检测点的历史湿度集合；
训练单元，用于基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练，得到训练好的模型；
预警单元，用于基于所述训练好的模型、所述当前时刻卡板周围区域的湿度集合和所述板卡经过第一时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评分，根据所述第一时间段后的运行状态评分选择相应的预警模式进行预警。
可选的，所述预警单元，包括：
获取子单元，用于获取第四数据，所述第四数据为温度和湿度对应的权重；
第三计算子单元，用于利用所述训练好的模型和所述当前时刻卡板周围区域的湿度集合得到所述板卡经过第一时间段后的周围区域的湿度预测值；
第四计算子单元，用于基于所述湿度预测值、表面温度预测值、温度对应的权重和湿度对应的权重计算得到所述板卡经过所述第一时间段后的运行状态评分。
第三方面，本申请实施例提供了板卡运行状态预警设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述板卡运行状态预警方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述板卡运行状态预警方法的步骤。
本发明的有益效果为：
1、本发明选取了温度和湿度作为评分因素，而不是只选取一种因素进行评分，通过选取多种因素可以使计算出来的评分更能体现板卡当前的运行状态，进而提高对板卡预警的准确性。
2、通过本发明中的方法保证了采集的原始数据的广度，并且还通过异常数据剔除方法剔除了原始数据中的异常数据，通过以上方法提高了计算出的温度预测值和湿度预测值的准确性，进而提高对板卡的运行状态预警的准确性。
3、通过本发明中的阈值范围确定方法可以将范围缩小到最小，进而提高对异常数据筛选的准确性。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中所述的板卡运行状态预警方法流程示意图；
图2是本发明实施例中所述的板卡运行状态预警装置结构示意图；
图3是本发明实施例中所述的板卡运行状态预警设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了板卡运行状态预警方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
步骤S2、基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
步骤S3、基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
步骤S4、基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
在本实施例中，卡板的表面温度可以通过设置在板卡上的温度传感器所采集，卡板周围的湿度可以通过设置在板卡上的湿度传感器所采集；其中，所述第一表面温度集合中包括至少一个板卡的表面温度，所述湿度集合中包括至少一个板卡周围的湿度；通过采集多个温度或湿度可以保证采集的原始数据的广度，从而避免利用单一温度或湿度导致的板卡运行状态评分计算不准确的问题；
本实施例中，将采集到的原始数据进行处理，其中，对温度集合中的异常数据进行剔除，本实施例中通过将温度集合的异常数据剔除后再来预测未来一时间点的温度可以提高预测的准确性；同时，在本实施例中，还可以将湿度集合中的异常数据进行剔除，剔除后在利用相应的预测模型进行预测，通过此种方法也可以提高预测得到的未来一时间点的湿度的准确性；
通过本实施例中的方法保证了采集的原始数据的广度，并且还通过异常数据剔除方法剔除了原始数据中的异常数据，通过以上方法提高了计算出的温度预测值和湿度预测值的准确性，进而提高对板卡的运行状态预警的准确性。
在本公开的一种具体实施方式中，所述步骤S2，还可以包括步骤S21、步骤S22和步骤S23。
步骤S21、将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
步骤S22、将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
步骤S23、基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
在本实施例中，步骤S22可以理解为：例如温度集合中包括温度1、温度2、温度3、温度4，那么就从温度集合中随机抽取两个温度组成一个数组，例如（温度3，温度4）、（温度1，温度4）、（温度2，温度4）等；
本实施例中，采用基于距离类的聚类算法中的k-meams聚类算法，还可以利用基于密度的聚类算法，例如DBSCAN算法；通过聚类处理后，就得到每一个数据组所对应的聚类类别，其中，一个数据组可能有多个聚类别，然后将所有的聚类类别进行集合，就得到所述第一聚类类别集合；
步骤S23可以理解为：例如第一个聚类类别对应的阈值范围为2-3，第二个聚类类别对应的阈值范围为1-4，第三个聚类类别对应的阈值范围为3-5，则将三个阈值范围在刻度线上均标注出来，然后所形成的最小的阈值范围就为所述异常阈值范围，如上述例子，那么这三个聚类类别所形成的最小范围就为1-2，通过本实施例中的阈值范围确定方法可以将范围缩小到最小，进而提高异常数据筛选的准确性。
在本公开的一种具体实施方式中，所述步骤S23，还可以包括步骤S231、步骤S232和步骤S233。
步骤S231、根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
步骤S232、计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
步骤S233、根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
在本实施例中，个数阈值可以根据用户需求进行自定义设置，其中步骤S221可以理解为：例如有5个数据组均属于聚类类别1，8个数据组均属于聚类类别2，此时，若个数阈值为6，那么将聚类类别1进行剔除；通过此方法可以提高计算出的阈值范围的合理性。
在本公开的一种具体实施方式中，所述步骤S3，还可以包括步骤S31、步骤S32和步骤S33。
步骤S31、基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
步骤S32、基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
步骤S33、通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
在本实施例中，利用卡尔曼滤波算法对表面温度集合进行去噪处理，可以有效地滤除随机噪声，提高最后的预测的精准度。
在本公开的一种具体实施方式中，所述步骤S4，还可以包括步骤S41、步骤S42和步骤S43。
步骤S41、获取第三数据，所述第三数据包括所述板卡周围区域各个湿度检测点的历史湿度，得到每个所述湿度检测点的历史湿度集合；
步骤S42、基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练，得到训练好的模型；
步骤S43、基于所述训练好的模型、所述当前时刻卡板周围区域的湿度集合和所述板卡经过第一时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评分，根据所述第一时间段后的运行状态评分选择相应的预警模式进行预警。
在本实施例中，还可以利用步骤S21、步骤S22和步骤S23中的方法将历史湿度集合中的异常数据进行剔除，剔除后再对BP神经网络模型进行训练，通过此种方法，可以提高模型预测的精准性；
在本实施例中，可以构建运行状态评分-预警模式对应表，对应表中包括每一项得分所对应的预警模式（例如评分在6-7对应预警模式1，评分在8-14对应预警模式2）；对应表可以由人工构建后输入系统中去，得到运行状态评分直接匹配到对应的预警模式，然后根据对应的预警模式直接进行预警；
在本公开的一种具体实施方式中，所述步骤S43，还可以包括步骤S431、步骤S432和步骤S433。
步骤S431、获取第四数据，所述第四数据为温度和湿度对应的权重；
步骤S432、利用所述训练好的模型和所述当前时刻卡板周围区域的湿度集合得到所述板卡经过第一时间段后的周围区域的湿度预测值；
步骤S433、基于所述湿度预测值、表面温度预测值、温度对应的权重和湿度对应的权重计算得到所述板卡经过所述第一时间段后的运行状态评分。
在本实施例中，温度和湿度对应的权重可以由工作人员直接输入得到；在本实施例中，采集得到的温度集合和湿度集合通过各自的预测模型预测得到温度预测值和湿度预测值后，然后各自的预测值相应的乘上对应的权重就可以得到板卡在未来一时间点的运行状态评分。
实施例2
如图2所示，本实施例提供了板卡运行状态预警装置，所述装置包括获取模块701、剔除模块702、预测模块703和预警模块704。
获取模块701，用于获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
剔除模块702，用于基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
预测模块703，用于基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
预警模块704，用于基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
本实施例选取了温度和湿度作为评分因素，而不是只选取一种因素进行评分，通过选取多种因素可以使计算出来的评分更能体现板卡当前的运行状态，进而提高对板卡预警的准确性。
在本公开的一种具体实施方式中，所述剔除模块702，还包括组合单元7021、聚类单元7022和计算单元7023。
组合单元7021，用于将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
聚类单元7022，用于将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
计算单元7023，用于基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
在本公开的一种具体实施方式中，所述计算单元7023，还包括删除子单元70231、第一计算子单元70232和第二计算子单元70233。
删除子单元70231，用于根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
第一计算子单元70232，用于计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
第二计算子单元70233，用于根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
在本公开的一种具体实施方式中，所述预测模块703，还包括去噪单元7031、构建单元7032和预测单元7033。
去噪单元7031，用于基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
构建单元7032，用于基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
预测单元7033，用于通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
在本公开的一种具体实施方式中，所述预警模块704，还包括获取单元7041、训练单元7042和预警单元7043。
获取单元7041，用于获取第三数据，所述第三数据包括所述板卡周围区域各个湿度检测点的历史湿度，得到每个所述湿度检测点的历史湿度集合；
训练单元7042，用于基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练，得到训练好的模型；
预警单元7043，用于基于所述训练好的模型、所述当前时刻卡板周围区域的湿度集合和所述板卡经过第一时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评分，根据所述第一时间段后的运行状态评分选择相应的预警模式进行预警。
在本公开的一种具体实施方式中，所述预警单元7043，还包括获取子单元70431、第三计算子单元70432和第四计算子单元70433。
获取子单元70431，用于获取第四数据，所述第四数据为温度和湿度对应的权重；
第三计算子单元70432，用于利用所述训练好的模型和所述当前时刻卡板周围区域的湿度集合得到所述板卡经过第一时间段后的周围区域的湿度预测值；
第四计算子单元70433，用于基于所述湿度预测值、表面温度预测值、温度对应的权重和湿度对应的权重计算得到所述板卡经过所述第一时间段后的运行状态评分。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了板卡运行状态预警设备，下文描述的板卡运行状态预警设备与上文描述的板卡运行状态预警方法可相互对应参照。
图3是根据一示例性实施例示出的板卡运行状态预警设备800的框图。如图3所示，该板卡运行状态预警设备800可以包括：处理器801，存储器802。该板卡运行状态预警设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该板卡运行状态预警设备800的整体操作，以完成上述的板卡运行状态预警方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该板卡运行状态预警设备800的操作，这些数据例如可以包括用于在该板卡运行状态预警设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕，例如，可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该板卡运行状态预警设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，该板卡运行状态预警设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的板卡运行状态预警方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的板卡运行状态预警方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该板卡运行状态预警设备800的处理器801执行以完成上述的板卡运行状态预警方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的板卡运行状态预警方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的板卡运行状态预警方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.板卡运行状态预警方法，其特征在于，包括：
获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
2.根据权利要求1所述的板卡运行状态预警方法，其特征在于，所述基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合，包括：
将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
3.根据权利要求2所述的板卡运行状态预警方法，其特征在于，所述基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，包括：
根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
4.根据权利要求1所述的板卡运行状态预警方法，其特征在于，基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值，包括：
基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
5.板卡运行状态预警装置，其特征在于，包括：
获取模块，用于获取第一数据和第二数据，所述第一数据包括当前时刻卡板的第一表面温度集合，所述第一表面温度集合中包括至少一个板卡的表面温度，所述第二数据包括当前时刻卡板周围区域的湿度集合；
剔除模块，用于基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔除，得到剔除后的表面温度集合；
预测模块，用于基于所述剔除后的表面温度集合，利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第一时间段后的表面温度预测值；
预警模块，用于基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运行状态评分，并基于所述板卡经过所述第一时间段后的运行状态评分进行预警。
6.根据权利要求5所述的板卡运行状态预警装置，其特征在于，所述剔除模块，包括：
组合单元，用于将所述第一表面温度集合中的任意两个温度进行组合，得到数据组；
聚类单元，用于将全部的所述数据组利用基于距离类的聚类算法进行聚类处理，得到第一聚类类别集合，所述第一聚类类别集合包括至少一个聚类类别；
计算单元，用于基于所述第一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围，对所有的所述阈值范围进行分析，将全部的所述阈值范围所形成的最小阈值范围作为判断异常温度的所述异常阈值范围。
7.根据权利要求6所述的板卡运行状态预警装置，其特征在于，所述计算单元，包括：
删除子单元，用于根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删除操作，得到第二聚类类别集合，其中，获取个数阈值，若所述第一聚类类别中包含的所述数据组的个数小于所述个数阈值，则将所述第一聚类类别删除；
第一计算子单元，用于计算所述第二聚类类别集合中每个聚类类别所对应的参数，其中，将所述第二聚类类别集合中每个聚类类别中的表面温度进行集合，得到第三表面温度集合，计算所述第三表面温度集合的平均数和方差，将所述平均数和方差作为所述第二聚类类别集合中每个聚类类别所对应的参数；
第二计算子单元，用于根据所述第二聚类类别集合中每个聚类类别所对应的参数，利用拉依达准则计算每个聚类类别对应的阈值范围。
8.根据权利要求5所述的板卡运行状态预警装置，其特征在于，所述预测模块，包括：
去噪单元，用于基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理，得到去噪后的表面温度集合；
构建单元，用于基于所述去噪后的表面温度集合构建差分自回归移动平均预测模型；
预测单元，用于通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度预测值。
9.板卡运行状态预警设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述板卡运行状态预警方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述板卡运行状态预警方法的步骤。
CN202111616772.4A 2021-12-28 2021-12-28 板卡运行状态预警方法、装置、设备及可读存储介质 Active CN114238033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111616772.4A CN114238033B (zh) 2021-12-28 2021-12-28 板卡运行状态预警方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111616772.4A CN114238033B (zh) 2021-12-28 2021-12-28 板卡运行状态预警方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114238033A true CN114238033A (zh) 2022-03-25
CN114238033B CN114238033B (zh) 2022-09-13

Family

ID=80763632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111616772.4A Active CN114238033B (zh) 2021-12-28 2021-12-28 板卡运行状态预警方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114238033B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115237739A (zh) * 2022-09-23 2022-10-25 湖南云箭智能科技有限公司 板卡运行环境的分析方法、装置、设备及可读存储介质
CN115512503A (zh) * 2022-08-01 2022-12-23 四川通信科研规划设计有限责任公司 一种高铁线路的周界入侵行为预警方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140152449A1 (en) * 2012-12-05 2014-06-05 International Business Machines Corporation Early Detection of Environmental Conditions That Will Lead to Creep Corrosion on Printed Circuit Boards in Data Centers
CN106323373A (zh) * 2016-08-12 2017-01-11 工业和信息化部电子第五研究所 电子设备健康监测预警系统和方法
CN108509308A (zh) * 2018-02-08 2018-09-07 广州视源电子科技股份有限公司 板卡数据监控方法、系统、可读存储介质及计算机设备
CN109540212A (zh) * 2018-11-30 2019-03-29 湖南世优电力科技股份有限公司 一种基于大数据的电缆井状态评估预警系统及方法
CN111878320A (zh) * 2020-07-15 2020-11-03 上海电气风电集团股份有限公司 风力发电机组的监控方法、系统及计算机可读存储介质
CN112882833A (zh) * 2021-02-09 2021-06-01 广州思林杰科技股份有限公司 一种数据采集方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140152449A1 (en) * 2012-12-05 2014-06-05 International Business Machines Corporation Early Detection of Environmental Conditions That Will Lead to Creep Corrosion on Printed Circuit Boards in Data Centers
CN106323373A (zh) * 2016-08-12 2017-01-11 工业和信息化部电子第五研究所 电子设备健康监测预警系统和方法
CN108509308A (zh) * 2018-02-08 2018-09-07 广州视源电子科技股份有限公司 板卡数据监控方法、系统、可读存储介质及计算机设备
CN109540212A (zh) * 2018-11-30 2019-03-29 湖南世优电力科技股份有限公司 一种基于大数据的电缆井状态评估预警系统及方法
CN111878320A (zh) * 2020-07-15 2020-11-03 上海电气风电集团股份有限公司 风力发电机组的监控方法、系统及计算机可读存储介质
CN112882833A (zh) * 2021-02-09 2021-06-01 广州思林杰科技股份有限公司 一种数据采集方法、装置、计算机设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115512503A (zh) * 2022-08-01 2022-12-23 四川通信科研规划设计有限责任公司 一种高铁线路的周界入侵行为预警方法及装置
CN115512503B (zh) * 2022-08-01 2023-07-11 四川通信科研规划设计有限责任公司 一种高铁线路的周界入侵行为预警方法及装置
CN115237739A (zh) * 2022-09-23 2022-10-25 湖南云箭智能科技有限公司 板卡运行环境的分析方法、装置、设备及可读存储介质
CN115237739B (zh) * 2022-09-23 2022-12-09 湖南云箭智能科技有限公司 板卡运行环境的分析方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN114238033B (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
WO2017215403A1 (zh) 一种用户信用评估方法、装置及存储介质
WO2021184727A1 (zh) 数据异常检测方法、装置、电子设备及存储介质
CN114238033B (zh) 板卡运行状态预警方法、装置、设备及可读存储介质
CN110210508B (zh) 模型生成方法、异常流量检测方法、装置、电子设备、计算机可读存储介质
CN111340246A (zh) 用于企业智能决策分析的处理方法、装置和计算机设备
CN112382407A (zh) 一种风险管控方法、装置、电子设备和存储介质
JP2015103018A (ja) 行動パターン分析装置および行動パターン分析方法
CN112348261A (zh) 一种交易量预测方法、设备、装置及存储介质
CN110348490A (zh) 一种基于支持向量机算法的土壤质量预测方法及装置
CN111310139A (zh) 行为数据识别方法、装置及存储介质
CN106796618A (zh) 时序预测装置和时序预测方法
CN113298373A (zh) 一种金融风险评估方法、装置、存储介质和设备
CN111754241A (zh) 一种用户行为感知方法、装置、设备及介质
CN113806171A (zh) 一种服务器健康评估方法、系统、设备以及介质
CN116415931A (zh) 一种基于大数据的电力设备运行状态监控方法和系统
JP4661267B2 (ja) 原因調査装置、原因調査システム、原因調査方法、原因調査プログラム、および、原因調査プログラムを記録したコンピュータ読み取り可能な記録媒体
CN116739317B (zh) 一种矿用绞车自动化管理及调度平台、方法、设备及介质
CN111061394B (zh) 触摸力度识别方法及其模型的训练方法、装置和电子系统
CN115376692A (zh) 一种健康数据的处理方法、装置、电子设备及存储介质
CN116167454A (zh) 智能化的二分类模型训练方法及装置
US11955245B2 (en) Method and system for mental index prediction
CN114118306A (zh) Sds凝胶电泳实验数据的分析方法、装置及sds凝胶试剂
CN114648688A (zh) 高铁沿线景观等级评估方法、系统、设备及可读存储介质
CN113313582A (zh) 拒客回捞模型训练方法、装置及电子设备
WO2020045107A1 (ja) 評価更新装置、方法、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant