CN115840676A - 一种基于多维数据的计算机硬件故障预警方法及系统 - Google Patents
一种基于多维数据的计算机硬件故障预警方法及系统 Download PDFInfo
- Publication number
- CN115840676A CN115840676A CN202211602804.XA CN202211602804A CN115840676A CN 115840676 A CN115840676 A CN 115840676A CN 202211602804 A CN202211602804 A CN 202211602804A CN 115840676 A CN115840676 A CN 115840676A
- Authority
- CN
- China
- Prior art keywords
- hardware
- information
- state data
- evaluation
- multidimensional
- 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.)
- Pending
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本申请涉及计算机硬件技术领域,提供一种基于多维数据的计算机硬件故障预警方法及系统。所述方法包括:将多维运行状态数据信息按照运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;对标准多维运行状态数据信息进行评价,获得硬件运行效果信息;当硬件运行效果信息低于预设硬件效果阈值时,获得硬件故障状态数据信息;将硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;根据硬件故障状态数据信息和硬件维护措施方案,生成计算机硬件故障预警报告,并基于计算机硬件故障预警报告对目标计算机硬件进行运行故障预警。采用本方法能够实现硬件故障预警及时性,进而保证计算机稳定运行的技术效果。
Description
技术领域
本申请涉及计算机硬件技术领域,特别是涉及一种基于多维数据的计算机硬件故障预警方法及系统。
背景技术
硬件是指计算机系统中由电子,机械和光电元件等组成的各种物理装置的总称,这些物理装置按系统结构的要求构成一个有机整体为计算机软件运行提供物质基础。硬件的功能是输入并存储程序和数据,以及执行程序把数据加工成可以利用的形式,主要包括CPU、内存、主板、硬盘驱动器、光盘驱动器、各种扩展卡、连接线、电源等。因此,在计算机硬件发生故障之前进行及时预警,对计算机稳定运行和降低损失有着重要的现实意义。
然而,现有技术人工故障诊断效率低,无法对硬件故障进行及时预警,导致影响计算机稳定运行的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现硬件故障预警及时性,进而保证计算机稳定运行的一种基于多维数据的计算机硬件故障预警方法及系统。
一种基于多维数据的计算机硬件故障预警方法,所述方法包括:通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
一种基于多维数据的计算机硬件故障预警系统,所述系统包括:数据实时监测模块,用于通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;数据属性标记模块,用于对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;数据分类整合模块,用于将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;运行效果评价模块,用于对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;数据标记模块,用于当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;故障维护措施分析模块,用于将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;运行故障预警模块,用于根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
一种计算机可读存储介质,其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以下步骤:
通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
上述一种基于多维数据的计算机硬件故障预警方法及系统,解决了现有技术人工故障诊断效率低,无法对硬件故障进行及时预警,导致影响计算机稳定运行的技术问题,达到了通过对计算机硬件运行数据进行多维度实时采集,全方面分析硬件运行效果,提高硬件故障诊断效率和诊断准确性,实现硬件故障预警及时性,进而保证计算机稳定运行的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种基于多维数据的计算机硬件故障预警方法的流程示意图;
图2为一个实施例中一种基于多维数据的计算机硬件故障预警方法中获得多维运行状态数据信息的流程示意图;
图3为一个实施例中一种基于多维数据的计算机硬件故障预警系统的结构框图;
图4为一个实施例中计算机设备的内部结构图;
附图标记说明:数据实时监测模块11,数据属性标记模块12,数据分类整合模块13,运行效果评价模块14,数据标记模块15,故障维护措施分析模块16,运行故障预警模块17。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种基于多维数据的计算机硬件故障预警方法,所述方法包括:
步骤S100:通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
在一个实施例中,如图2所示,获得多维运行状态数据信息,本申请步骤S100还包括:
步骤S110:所述传感器组包括温湿度传感器、振动传感器、电压电流传感器;
步骤S120:通过所述温湿度传感器和所述电压电流传感器分别获得所述目标计算机硬件的运行环境温湿度信息和运行电压电流信息;
步骤S130:基于所述振动传感器获取所述目标计算机硬件的声音振动波形信息;
步骤S140:对所述声音振动波形信息进行波形信号分析,获得声音振动特征信息;
步骤S150:基于所述运行环境温湿度信息、所述运行电压电流信息和所述声音振动特征信息,获得所述多维运行状态数据信息。
具体而言,硬件是指计算机系统中由电子,机械和光电元件等组成的各种物理装置的总称,这些物理装置按系统结构的要求构成一个有机整体为计算机软件运行提供物质基础。硬件的功能是输入并存储程序和数据,以及执行程序把数据加工成可以利用的形式,主要包括CPU、内存、主板、硬盘驱动器、光盘驱动器、各种扩展卡、连接线、电源等。因此,在计算机硬件发生故障之前进行及时预警,对计算机稳定运行和降低损失有着重要的现实意义。
为实现计算机硬件智能化故障预警,首先通过传感器组对目标计算机硬件进行实时监测,所述传感器组主要包括温湿度传感器、振动传感器、电压电流传感器等。可将传感器组安装在计算机硬件的各运行部位进行运行数据的实时监测,通过所述温湿度传感器和所述电压电流传感器分别获取所述目标计算机硬件的运行环境温湿度信息和运行电压电流信息,示例性的,对系统板卡、CPU、显示器、硬盘、主机等电路的负载电流、电压进行监测采集,防止硬件电路短路或运行温度过高。
再基于所述振动传感器获取所述目标计算机硬件的声音振动波形信息,即监听电源风扇、软/硬盘电机或寻道机构、显示器变压器等硬件设备的工作声音是否正常,系统发生短路故障时常常伴随着异常声响,监听可以及时发现硬件故障隐患。对所述声音振动波形信息进行波形信号分析,包括:周期、振幅、频率、声强等参数提取分析,以此获得声音振动特征信息,所述声音振动特征信息用于表明硬件运行声响是否正常。基于所述运行环境温湿度信息、所述运行电压电流信息和所述声音振动特征信息,结合确定多维运行状态数据信息,所述多维运行状态数据信息用于全方面、多维度体现计算机硬件运行状态。通过传感器组对计算机硬件运行数据进行多维度实时采集,提高数据采集全面性,进而提高硬件运行效果分析准确性。
步骤S200:对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
步骤S300:将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
具体而言,对所述多维运行状态数据信息进行属性标记,即将状态采集数据按照属性类别进行分类,获得运行数据属性信息,所述运行数据属性信息包括温湿度运行数据属性、振动运行数据属性以及电压电流运行数据属性。再将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得属性分类处理后的标准多维运行状态数据信息,以提高数据处理效率。
步骤S400:对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
在一个实施例中,所述获得硬件运行效果信息,本申请步骤S400还包括:
步骤S410:对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行评分矩阵;
在一个实施例中,所述获得硬件运行评分矩阵,申请步骤S410还包括:
步骤S411:构建硬件运行评价模型,所述硬件运行评价模型包括温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型;
步骤S412:将所述标准多维运行状态数据信息分别输入温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型中,依次输出获得温湿度运行评价信息、振动运行评价信息、电压电流运行信息;
步骤S413:基于所述温湿度运行评价信息、振动运行评价信息、电压电流运行信息,获得所述硬件运行评分矩阵。
在一个实施例中,获得所述振动运行评价信息,本申请步骤S412还包括:
步骤S4121:所述振动运行评价模型包括输入层、波形分析层、振动评分层、输出层;
步骤S4122:将所述标准多维运行状态数据信息通过所述输入层,输入至所述波形匹配层中进行波形匹配,获得故障波形匹配信息;
步骤S4123:基于所述振动评分层中对所述故障波形匹配信息进行评价,获得振动运行评价信息;
步骤S4124:基于所述输出层对所述振动运行评价信息进行模型输出。
具体而言,对所述标准多维运行状态数据信息进行硬件运行效果评价,首先对硬件运行状态数据进行评分,具体为构建硬件运行评价模型,所述硬件运行评价模型为三维神经网络模型,可通过历史数据训练获得,包括温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型。将所述标准多维运行状态数据信息分别输入温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型中,即将多维运行状态数据信息输入对应属性模型中进行分析评价,依次输出获得温湿度运行评价信息、振动运行评价信息、电压电流运行信息,用于表明硬件温湿度运行环境、硬件振动运行、硬件电压电流运行是否符合安全标准以及运行故障程度。
在本实施例中,所述振动运行评价模型的功能层包括输入层、波形分析层、振动评分层、输出层。将所述标准多维运行状态数据信息通过所述输入层,输入至所述波形匹配层中进行波形匹配,所述波形匹配层存储有大数据获取的硬件异常运行波形数据库,进而获得故障波形匹配信息。再基于所述振动评分层中对所述故障波形匹配信息进行评价,根据故障波形类型以及严重等级进行评价,获得振动运行评价信息,诊断故障程度越大,运行评价越低,若无异常运行波形匹配,则为硬件安全运行,评分信息则为标准评分,可自行设定,例如安全运行可设定为90分。基于所述输出层对所述振动运行评价信息进行模型输出,并基于所述温湿度运行评价信息、振动运行评价信息、电压电流运行信息,获得各评分信息组成的硬件运行评分矩阵,提高评分合理性和评分效率。
步骤S420:根据所述运行数据属性信息,构建硬件运行效果网状图;
步骤S430:将所述硬件运行评分矩阵中的元素值投影至所述硬件运行效果网状图中,获得硬件效果评分网状图;
步骤S440:基于所述硬件效果评分网状图,获得所述硬件运行效果信息。
在一个实施例中,本申请步骤S440还包括:
步骤S441:获得计算机硬件评价属性信息;
步骤S442:对所述计算机硬件评价属性信息进行主特征分析,获得降维硬件评价属性信息;
步骤S443:对所述硬件降维评价属性信息进行因子分析,获得评价效果关键度系数;
步骤S444:基于所述评价效果关键度系数,对所述硬件运行效果信息进行修正。
具体而言,根据所述运行数据属性信息,即将温湿度运行数据属性、振动运行数据属性以及电压电流运行数据属性作为网状图指标,以此构建硬件运行效果网状图,每个指标对应网状图的一个网状线段组,用于可视化体现硬件运行效果评分。将所述硬件运行评分矩阵中的元素值按照网状图指标属性投影至所述硬件运行效果网状图中,获得评价分数映射后的硬件效果评分网状图。将所述硬件效果评分网状图围成的面积,作为硬件运行效果信息,所述硬件运行效果信息越大,表明网状图评价分数围成的面积越大,硬件运行效果越好。
为提高硬件运行效果评价准确性,获取计算机硬件评价属性信息,所述计算机硬件评价属性信息是为了全面分析硬件运行效果,提出的与硬件运行效果有关的多个变量,例如板卡电路、显示器运行温度等,其中每个变量都在不同程度上反映了硬件运行效果。对所述计算机硬件评价属性信息进行主特征分析即评价属性降维处理,将重要属性特征在数据中明确显示出来,从而得到与硬件运行效果关联性强的属性信息,即降维硬件评价属性信息。
再对所述硬件降维评价属性信息进行因子分析,即提取各属性信息中的共同特征,从而将本质相同的属性信息归为一个属性信息,共同因子多的属性信息权重对应较大,共同因子少的属性信息权重对应较小,从而得到评价效果关键度系数,即运行数据属性信息的权重分配结果。基于所述评价效果关键度系数,对硬件运行效果评分进行加权计算,从而根据计算结果对所述硬件运行效果信息进行修正。通过利用主特征分析对计算机硬件评价属性信息进行降维,降低了系统计算复杂度,进而进行运行数据属性信息的权重分配,提高了硬件运行效果信息的准确性和可靠性。
步骤S500:当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
步骤S600:将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
具体而言,所述预设硬件效果阈值为计算机硬件安全运行的标准评分阈值,当所述硬件运行效果信息低于预设硬件效果阈值时,表明硬件运行效果评分低于安全运行标准,硬件运行出现故障,因此对不合格维度数据进行标记,获得未达到安全标准的硬件故障状态数据信息。将所述硬件故障状态数据信息输入故障维护措施分析模型中进行分析,所述故障维护措施分析模型可通过历史数据训练获得,用于分析匹配硬件故障维护方案。示例性的,板卡出现损坏,对其进行定位并更换损坏配件,排除故障。
步骤S700:根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
具体而言,根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警,向维护人员进行显示预警。达到提高硬件故障诊断效率和诊断准确性,进而实现硬件故障预警及时性的技术效果。
在一个实施例中,本申请步骤还包括:
步骤S810:获得所述目标计算机硬件的使用年限信息;
步骤S820:对所述使用年限信息进行老化程度分析,获得运行老化影响因子;
步骤S830:基于所述运行老化影响因子对硬件使用质量进行损失分析,获得运行效果影响系数;
步骤S840:根据所述运行效果影响系数,对所述硬件运行效果信息进行调整修正。
具体而言,为提高硬件运行效果评价准确性,获取所述目标计算机硬件的使用年限信息。对所述使用年限信息进行老化程度分析,使用年限越长,硬件老化程度越高,获得相应的运行老化影响因子,老化影响因子越高,使用年限越长。硬件老化会对硬件使用质量造成影响,基于所述运行老化影响因子对硬件使用质量进行损失分析,获得运行效果影响系数,运行老化影响因子和运行效果影响系数呈正相关影响,老化影响程度越大,对硬件运行效果的使用质量造成的损失越大。根据所述运行效果影响系数,对所述硬件运行效果信息进行调整修正,结合硬件老化造成的质量损失对硬件运行效果信息进行分析,提高硬件运行效果信息的分析准确性和实际应用性,进而实现硬件故障预警及时性。
在一个实施例中,如图3所示,提供了一种基于多维数据的计算机硬件故障预警系统,包括:数据实时监测模块11,数据属性标记模块12,数据分类整合模块13,运行效果评价模块14,数据标记模块15,故障维护措施分析模块16,运行故障预警模块17,其中:
数据实时监测模块11,用于通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
数据属性标记模块12,用于对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
数据分类整合模块13,用于将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
运行效果评价模块14,用于对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
数据标记模块15,用于当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
故障维护措施分析模块16,用于将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
运行故障预警模块17,用于根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
在一个实施例中,所述数据实时监测模块还包括:
传感器组构成单元,用于所述传感器组包括温湿度传感器、振动传感器、电压电流传感器;
硬件运行信息获得单元,用于通过所述温湿度传感器和所述电压电流传感器分别获得所述目标计算机硬件的运行环境温湿度信息和运行电压电流信息;
声音振动波形信息获得单元,用于基于所述振动传感器获取所述目标计算机硬件的声音振动波形信息;
波形信号分析单元,用于对所述声音振动波形信息进行波形信号分析,获得声音振动特征信息;
多维运行状态数据获得单元,用于基于所述运行环境温湿度信息、所述运行电压电流信息和所述声音振动特征信息,获得所述多维运行状态数据信息。
在一个实施例中,所述运行效果评价模块还包括:
评分矩阵获得单元,用于对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行评分矩阵;
运行效果网状图构建单元,用于根据所述运行数据属性信息,构建硬件运行效果网状图;
硬件效果评分网状图获得单元,用于将所述硬件运行评分矩阵中的元素值投影至所述硬件运行效果网状图中,获得硬件效果评分网状图;
硬件运行效果信息获得单元,用于基于所述硬件效果评分网状图,获得所述硬件运行效果信息。
在一个实施例中,所述评分矩阵获得单元还包括:
硬件运行评价模型构成单元,用于构建硬件运行评价模型,所述硬件运行评价模型包括温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型;
模型评价输出单元,用于将所述标准多维运行状态数据信息分别输入温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型中,依次输出获得温湿度运行评价信息、振动运行评价信息、电压电流运行信息;
硬件运行评分矩阵获得单元,用于基于所述温湿度运行评价信息、振动运行评价信息、电压电流运行信息,获得所述硬件运行评分矩阵。
在一个实施例中,所述模型评价输出单元还包括:
振动运行评价模型构成单元,用于所述振动运行评价模型包括输入层、波形分析层、振动评分层、输出层;
波形匹配单元,用于将所述标准多维运行状态数据信息通过所述输入层,输入至所述波形匹配层中进行波形匹配,获得故障波形匹配信息;
振动评价单元,用于基于所述振动评分层中对所述故障波形匹配信息进行评价,获得振动运行评价信息;
模型输出单元,用于基于所述输出层对所述振动运行评价信息进行模型输出。
在一个实施例中,所述系统还包括:
评价属性获得单元,用于获得计算机硬件评价属性信息;
主特征分析单元,用于对所述计算机硬件评价属性信息进行主特征分析,获得降维硬件评价属性信息;
因子分析单元,用于对所述硬件降维评价属性信息进行因子分析,获得评价效果关键度系数;
运行效果信息修正单元,用于基于所述评价效果关键度系数,对所述硬件运行效果信息进行修正。
在一个实施例中,所述系统还包括:
使用年限信息获得单元,用于获得所述目标计算机硬件的使用年限信息;
老化程度分析单元,用于对所述使用年限信息进行老化程度分析,获得运行老化影响因子;
质量损失分析单元,用于基于所述运行老化影响因子对硬件使用质量进行损失分析,获得运行效果影响系数;
运行效果调整修正单元,用于根据所述运行效果影响系数,对所述硬件运行效果信息进行调整修正。
关于一种基于多维数据的计算机硬件故障预警系统的具体实施例可以参见上文中对于一种基于多维数据的计算机硬件故障预警方法的实施例,在此不再赘述。上述一种基于多维数据的计算机硬件故障预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于多维数据的计算机硬件故障预警方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于多维数据的计算机硬件故障预警方法,其特征在于,所述方法包括:
通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
2.如权利要求1所述的方法,其特征在于,所述获得多维运行状态数据信息,包括:
所述传感器组包括温湿度传感器、振动传感器、电压电流传感器;
通过所述温湿度传感器和所述电压电流传感器分别获得所述目标计算机硬件的运行环境温湿度信息和运行电压电流信息;
基于所述振动传感器获取所述目标计算机硬件的声音振动波形信息;
对所述声音振动波形信息进行波形信号分析,获得声音振动特征信息;
基于所述运行环境温湿度信息、所述运行电压电流信息和所述声音振动特征信息,获得所述多维运行状态数据信息。
3.如权利要求1所述的方法,其特征在于,所述获得硬件运行效果信息,包括:
对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行评分矩阵;
根据所述运行数据属性信息,构建硬件运行效果网状图;
将所述硬件运行评分矩阵中的元素值投影至所述硬件运行效果网状图中,获得硬件效果评分网状图;
基于所述硬件效果评分网状图,获得所述硬件运行效果信息。
4.如权利要求3所述的方法,其特征在于,所述获得硬件运行评分矩阵,包括:
构建硬件运行评价模型,所述硬件运行评价模型包括温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型;
将所述标准多维运行状态数据信息分别输入温湿度运行评价模型、振动运行评价模型、电压电流运行评价模型中,依次输出获得温湿度运行评价信息、振动运行评价信息、电压电流运行信息;
基于所述温湿度运行评价信息、振动运行评价信息、电压电流运行信息,获得所述硬件运行评分矩阵。
5.如权利要求4所述的方法,其特征在于,获得所述振动运行评价信息,包括:
所述振动运行评价模型包括输入层、波形分析层、振动评分层、输出层;
将所述标准多维运行状态数据信息通过所述输入层,输入至所述波形匹配层中进行波形匹配,获得故障波形匹配信息;
基于所述振动评分层中对所述故障波形匹配信息进行评价,获得振动运行评价信息;
基于所述输出层对所述振动运行评价信息进行模型输出。
6.如权利要求3所述的方法,其特征在于,所述方法包括:
获得计算机硬件评价属性信息;
对所述计算机硬件评价属性信息进行主特征分析,获得降维硬件评价属性信息;
对所述硬件降维评价属性信息进行因子分析,获得评价效果关键度系数;
基于所述评价效果关键度系数,对所述硬件运行效果信息进行修正。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述目标计算机硬件的使用年限信息;
对所述使用年限信息进行老化程度分析,获得运行老化影响因子;
基于所述运行老化影响因子对硬件使用质量进行损失分析,获得运行效果影响系数;
根据所述运行效果影响系数,对所述硬件运行效果信息进行调整修正。
8.一种基于多维数据的计算机硬件故障预警系统,其特征在于,所述系统包括:
数据实时监测模块,用于通过传感器组对目标计算机硬件进行实时监测,获得多维运行状态数据信息;
数据属性标记模块,用于对所述多维运行状态数据信息进行属性标记,获得运行数据属性信息;
数据分类整合模块,用于将所述多维运行状态数据信息按照所述运行数据属性信息进行分类整合,获得标准多维运行状态数据信息;
运行效果评价模块,用于对所述标准多维运行状态数据信息进行运行效果评价,获得硬件运行效果信息;
数据标记模块,用于当所述硬件运行效果信息低于预设硬件效果阈值时,对不合格维度数据进行标记,获得硬件故障状态数据信息;
故障维护措施分析模块,用于将所述硬件故障状态数据信息输入故障维护措施分析模型,获得硬件维护措施方案;
运行故障预警模块,用于根据所述硬件故障状态数据信息和所述硬件维护措施方案,生成计算机硬件故障预警报告,并基于所述计算机硬件故障预警报告对所述目标计算机硬件进行运行故障预警。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602804.XA CN115840676A (zh) | 2022-12-13 | 2022-12-13 | 一种基于多维数据的计算机硬件故障预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602804.XA CN115840676A (zh) | 2022-12-13 | 2022-12-13 | 一种基于多维数据的计算机硬件故障预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115840676A true CN115840676A (zh) | 2023-03-24 |
Family
ID=85578578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211602804.XA Pending CN115840676A (zh) | 2022-12-13 | 2022-12-13 | 一种基于多维数据的计算机硬件故障预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840676A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116379043A (zh) * | 2023-04-11 | 2023-07-04 | 浙江勤鹏科技股份有限公司 | 一种旋装式油液过滤器的故障检测方法及系统 |
CN116744321A (zh) * | 2023-08-11 | 2023-09-12 | 中维建技术有限公司 | 一种用于5g通信智能运维一体化平台的数据调控方法 |
-
2022
- 2022-12-13 CN CN202211602804.XA patent/CN115840676A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116379043A (zh) * | 2023-04-11 | 2023-07-04 | 浙江勤鹏科技股份有限公司 | 一种旋装式油液过滤器的故障检测方法及系统 |
CN116379043B (zh) * | 2023-04-11 | 2024-03-08 | 浙江勤鹏科技股份有限公司 | 一种旋装式油液过滤器的故障检测方法及系统 |
CN116744321A (zh) * | 2023-08-11 | 2023-09-12 | 中维建技术有限公司 | 一种用于5g通信智能运维一体化平台的数据调控方法 |
CN116744321B (zh) * | 2023-08-11 | 2023-11-14 | 中维建技术有限公司 | 一种用于5g通信智能运维一体化平台的数据调控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115840676A (zh) | 一种基于多维数据的计算机硬件故障预警方法及系统 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN111177714B (zh) | 异常行为检测方法、装置、计算机设备和存储介质 | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN113760670A (zh) | 电缆接头异常预警方法、装置、电子设备和存储介质 | |
CN112286771A (zh) | 一种针对全域资源监控的告警方法 | |
CN111080117A (zh) | 设备风险标签的构建方法、装置、电子设备及存储介质 | |
CN108009063B (zh) | 一种电子设备故障阈值检测的方法 | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN116366374A (zh) | 基于大数据的电网网络管理的安全评估方法、系统及介质 | |
CN114298558A (zh) | 电力网络安全研判系统及其研判方法 | |
CN110992205A (zh) | 风电机组发电机绕组的状态检测方法、系统及相关组件 | |
CN113487086A (zh) | 设备剩余使用寿命预测方法、装置、计算机设备和介质 | |
CN115793990B (zh) | 存储器健康状态确定方法、装置、电子设备及存储介质 | |
CN115729761B (zh) | 一种硬盘故障预测方法、系统、设备及介质 | |
CN115659351B (zh) | 一种基于大数据办公的信息安全分析方法、系统及设备 | |
CN116955071A (zh) | 故障分类方法、装置、设备及存储介质 | |
CN116415129A (zh) | 用于评估造纸机的刮刀的健康状态的方法、装置和计算设备 | |
CN114297034A (zh) | 云平台监控方法及云平台 | |
CN116861101B (zh) | 用于社交匹配的数据处理方法和装置 | |
CN117783792B (zh) | 基于多参数实时监测的阀侧套管绝缘状态检测方法及系统 | |
CN117194049B (zh) | 一种基于机器学习算法的云主机智能行为分析方法及系统 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
WO2022133825A1 (zh) | 元件、功能模块和系统的剩余寿命评估方法、装置和系统 |
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 |