CN116594802A - 设备故障预测方法、计算机设备和计算机可读存储介质 - Google Patents

Abstract

本申请涉及设备检测领域，特别涉及一种设备故障预测方法、计算机设备和计算机可读存储介质，该方法包括：确定待检测的源设备和至少一个对照设备；获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数；根据第一静态参数与每个对照设备的第二静态参数，确定全部对照设备中的目标设备；对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。上述方法通过根据源设备和对照设备的静态参数和动态参数进行故障预测，实现在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以提高设备故障预测的准确性。

Description

设备故障预测方法、计算机设备和计算机可读存储介质

技术领域

本申请涉及设备检测领域，尤其涉及一种设备故障预测方法、计算机设备和计算机可读存储介质。

背景技术

随着计算机设备的数量和种类的极速增长，计算机设备不断地产生各种各样的数据，如何预测计算机设备是否会出现故障尤为重要。在相关技术中，大数据与机器学习技术能够在众多数据中找到规律并进行设备故障预测，为了确保预测的准确性，基于大数据与机器学习技术的设备故障预测方法都需要大量的训练数据。在实际应用中，计算机设备在故障状态时或在即将出现故障状态时的数据并不常见，如果训练数据不够多，那么大数据与机器学习技术在设备故障预测中就无法保证准确率。

因此，如何提高设备故障预测的准确性成为亟需解决的问题。

发明内容

本申请提供了一种设备故障预测方法、计算机设备和计算机可读存储介质，解决了相关技术中由于训练数据较少导致大数据与机器学习技术预测设备故障准确率较低的问题。

第一方面，本申请提供了一种设备故障预测方法，应用于计算机设备，所述方法包括：

确定待检测的源设备和至少一个对照设备；获取所述源设备的第一静态参数和第一动态参数，以及获取每个所述对照设备的第二静态参数和第二动态参数；根据所述第一静态参数与每个所述对照设备的第二静态参数，从全部所述对照设备中确定目标设备；对所述第一动态参数与所述目标设备的第二动态参数进行故障预测，获得所述源设备对应的故障预测结果。

上述方法，通过获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数，可以实现将第二静态参数作为参考，确定对照设备中的目标设备，以及实现将目标设备的第二动态参数作为参考进行故障预测，从而可以在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以有效提高设备故障预测的准确性。

第二方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的设备故障预测方法。

第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的设备故障预测方法。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。

图1是本申请实施例提供的一种计算机设备的结构示意性框图；

图2是本申请实施例提供的一种设备故障预测方法的示意性流程图；

图3是本申请实施例提供的一种确定目标设备的子步骤的示意性流程图；

图4是本申请实施例提供的一种计算相似度的子步骤的示意性流程图；

图5是本申请实施例提供的另一种设备故障预测方法的子步骤的示意性流程图；

图6是本申请实施例提供的一种故障预测的子步骤的示意性流程图；

图7是本申请实施例提供的另一种相似度计算的子步骤的示意性流程图；

图8是本申请实施例提供的另一种设备故障预测方法的子步骤的示意性流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

本申请的实施例提供了一种设备故障预测方法、计算机设备和计算机可读存储介质。该设备故障预测方法应用于计算机设备中，通过获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数，可以实现将第二静态参数作为参考，确定对照设备中的目标设备，以及实现将目标设备的第二动态参数作为参考进行故障预测，从而可以在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以有效提高设备故障预测的准确性。

示例性的，计算机设备可以是服务器或终端。其中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑和台式电脑等设备。

请参阅图1，图1是本申请实施例提供的一种计算机设备1000的结构示意图。计算机设备1000可以包括处理器1001和存储器1002，其中处理器1001以及存储器1002可以通过总线连接，该总线比如为集成电路（Inter-integrated Circuit，I2C）总线等任意适用的总线。

其中，存储器1002可以包括存储介质和内存储器。存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器1001执行任意一实施例所描述的设备故障检测方法。

其中，处理器1001用于提供计算和控制能力，支撑整个计算机设备1000的运行。

其中，处理器1001可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等类型的处理器。通用处理器可以是微处理器，或者，通用处理器也可以是任何常规的处理器等。

其中，在一个实施例中，处理器1001用于运行存储在存储器1002中的计算机程序，以实现如下步骤：

确定待检测的源设备和至少一个对照设备；获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数；根据第一静态参数与每个对照设备的第二静态参数，从全部对照设备中确定目标设备；对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。

在一个实施例中，处理器1001在实现根据第一静态参数与每个对照设备的第二静态参数，从全部对照设备中确定目标设备时，用于实现：

根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，获得每个对照设备对应的设备相似度；根据最大设备相似度对应的对照设备，确定目标设备。

在一个实施例中，第一静态参数包括多个参数项，第二静态参数包括多个参数项；处理器1001在实现根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，获得每个对照设备对应的设备相似度时，用于实现：

依次将每个对照设备的第二静态参数确定为当前静态参数；对第一静态参数中的每个参数项与当前静态参数中的相应参数项进行相似度计算，获得当前静态参数中的每个参数项对应的参数相似度；根据当前静态参数中的全部参数项对应的参数相似度，确定当前静态参数对应的对照设备的设备相似度。

在一个实施例中，第一动态参数包括当前时刻对应的第一参数记录信息；处理器1001在实现根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，获得每个对照设备对应的设备相似度之后，还用于实现：

若全部对照设备对应的设备相似度小于预设的第一阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

在一个实施例中，第一动态参数包括当前时刻对应的第一参数记录信息，第二动态参数包括多个历史时刻对应的第二参数记录信息；处理器1001在实现对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果时，用于实现：

根据第一参数记录信息与每个第二参数记录信息进行相似度计算，获得每个第二参数记录信息对应的参数相似度；根据最大参数相似度对应的第二参数记录信息，确定目标参数记录信息；根据目标参数记录信息对应的故障标识，确定故障预测结果。

在一个实施例中，处理器1001还用于实现：

若最大参数相似度对应多个第二参数记录信息，则将与第一参数记录信息在时间上最接近的第二参数记录信息，确定为目标参数记录信息。

在一个实施例中，第一参数记录信息包括多个参数项，第二参数记录信息包括多个参数项；处理器1001在实现根据第一参数记录信息与每个第二参数记录信息进行相似度计算，获得每个第二参数记录信息对应的参数相似度时，用于实现：

依次将每个第二参数记录信息，确定为对照记录信息；对第一参数记录信息中的每个参数项进行特征提取，获得第一参数记录信息中的每个参数项对应的特征值；对对照记录信息中的每个参数项进行特征提取，获得对照记录信息中的每个参数项对应的特征值；对对照记录信息中的每个参数项的特征值与第一参数记录信息中对应的参数项的特征值进行相似度计算，获得对照记录信息中的每个参数项的特征相似度；根据对照记录信息中的全部参数项对应的特征相似度，确定对照记录信息的参数相似度。

在一个实施例中，处理器1001在实现对对照记录信息中的每个参数项的特征值与第一参数记录信息中对应的参数项的特征值进行相似度计算，获得对照记录信息中的每个参数项的特征相似度时，用于实现：

依次将第一参数记录信息中的每个参数项，确定为第一参数项；依次将对照记录信息中与第一参数项匹配的参数项，确定为第二参数项；根据第一参数项的每个特征值与第二参数项中对应的特征值进行相似度计算，获得第二参数项中的每个特征值的特征相似度；根据第二参数项中的全部特征值的特征相似度，确定第二参数项的特征相似度。

在一个实施例中，处理器1001在实现根据第一参数记录信息与每个第二参数记录信息进行相似度计算，获得每个第二参数记录信息对应的参数相似度之后，还用于实现：

若全部第二参数记录信息对应的参数相似度小于预设的第二阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参阅图2，图2是本申请实施例提供的一种设备故障预测方法的示意性流程图。如图2所示，该设备故障预测方法可以包括步骤S101至步骤S104。

步骤S101、确定待检测的源设备和至少一个对照设备。

需要说明的是，本申请实施例可以应用于设备故障预测场景中，通过获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数，可以实现将第二静态参数作为参考，确定对照设备中的目标设备，以及实现将目标设备的第二动态参数作为参考进行故障预测，从而可以在样本数据较少或者数据类型不完全一致的情况下进行故障预测，无需依赖大数据算法与机器学习算法，可以有效提高设备故障预测的准确性。

示例性的，在进行设备故障预测之前，可以先确定待检测的源设备和至少一个对照设备。

需要说明的是，源设备是指待进行故障检测的设备。对照设备是指作为对照或参考的设备。在本申请实施例中，可以将对照设备的参数作为对照参数，根据对照设备的对照参数与源设备的参数进行对比，以确定源设备是否出现故障。

例如，可以根据用户的选中操作确定待检测的源设备和至少一个对照设备。

步骤S102、获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数。

示例性的，在确定待检测的源设备和至少一个对照设备之后，可以获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数。

例如，可以采集源设备当前时刻的第一静态参数和第一动态参数，以及从本地数据库或本地磁盘中读取每个对照设备的第二静态参数和第二动态参数。

其中，第一静态参数可以包括多个参数项，第一动态参数可以包括当前时刻对应的第一参数记录信息，第一参数记录信息可以包括多个参数项。第二静态参数可以包括多个参数项，第二动态参数可以包括多个历史时刻对应的第二参数记录信息，第二参数记录信息可以包括多个参数项。

需要说明的是，静态参数是指设备的固有属性。示例性的，第一静态参数、第二静态参数可以包括但不限于设备的处理器频率、内存容量、额定功率等参数项。动态参数是指设备在每一时刻的运行状态，参数记录信息是指记录设备不同时刻的动态参数。

示例性的，第一动态参数、第二动态参数可以包括但不限于设备的处理器利用率、内存利用率、网络收发流量、各种传感器读数等参数项。第一参数记录信息可以包括源设备在当前时刻T₁的处理器利用率、内存利用率、网络收发流量、各种传感器读数等参数项；第二参数记录信息可以包括对照设备在历史时刻T₀的处理器利用率、内存利用率、网络收发流量、各种传感器读数等参数项。

步骤S103、根据第一静态参数与每个对照设备的第二静态参数，从全部对照设备中确定目标设备。

示例性的，在获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数之后，可以根据第一静态参数与每个对照设备的第二静态参数，从全部对照设备中确定目标设备。

例如，可以根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，并将最大设备相似度对应的对照设备确定为目标设备。

上述实施例，通过根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，可以实现从多个对照设备中确定与源设备最相似的目标设备，后续可以根据源设备的第一动态参数与目标设备的第二动态参数进行故障预测，提高了故障预测的准确性。

步骤S104、对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。

示例性的，在从全部对照设备中确定目标设备之后，可以对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。

其中，第一动态参数可以包括当前时刻对应的第一参数记录信息，第二动态参数可以包括多个历史时刻对应的第二参数记录信息。例如，可以将第一参数记录信息与目标设备的每个第二参数记录信息进行相似度计算，得到每个第二参数记录信息的参数相似度；然后，根据最大参数相似度对应的第二参数记录信息的故障标识，确定故障预测结果。

示例性的，当最大参数相似度对应的第二参数记录信息的故障标识为已故障时，可以确定故障预测结果为源设备故障。当最大参数相似度对应的第二参数记录信息的故障标识为未故障时，可以确定故障预测结果为源设备无故障。

需要说明的是，在本申请实施例中，可以预先对每个第二参数记录信息进行故障标注，得到携带故障标识的第二参数记录信息。例如，若对照设备或目标设备出现故障，则可以对出现故障时的第二参数记录信息标注“已故障”的标识。又例如，若对照设备或目标设备未出现故障，则可以对当前的第二参数记录信息标注“未故障”的标识。

可以理解的是，将第一参数记录信息与目标设备的每个第二参数记录信息进行相似度计算，可以得到与第一参数信息记录最相似的第二参数记录信息，当在采集最相似的第二参数记录信息时目标设备出现故障，说明源设备也会在采集第一参数信息时出现故障，因此可以根据第二参数记录信息的故障标识判断源设备是否会出现故障。

上述实施例，通过将第一参数记录信息与目标设备的每个第二参数记录信息进行相似度计算，可以实现在样本数据较少或者数据类型不完全一致的情况下，根据与第一参数信息记录最相似的第二参数记录信息的故障标识，确定源设备的故障预测结果，无需依赖大数据算法与机器学习算法，可以有效提高设备故障预测的准确性。

请参阅图3，图3是本申请实施例提供的一种确定目标设备的子步骤的示意性流程图，步骤S103中从全部对照设备中确定目标设备，可以包括以下步骤S201和步骤S202。

步骤S201、根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，获得每个对照设备对应的设备相似度。

示例性的，在根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，可以对比第一静态参数中的参数项与每个对照设备的第二静态参数中的参数项，根据第一静态参数中的参数项的数值和第二镜头参数中的参数项的数值，确定设备相似度。

可以理解的是，设备相似度用于表示源设备与对照设备之间的相似度。

步骤S202、根据最大设备相似度对应的对照设备，确定目标设备。

示例性的，在获得每个对照设备对应的设备相似度之后，可以将最大设备相似度对应的对照设备，确定为目标设备。

上述实施例，通过根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，可以实现将与源设备最相似的对照设备作为目标设备，后续可以根据源设备的第一动态参数与目标设备的第二动态参数进行故障预测，提高了故障预测的准确性。

请参阅图4，图4是本申请实施例提供的一种计算相似度的子步骤的示意性流程图，步骤S201中根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，可以包括以下步骤S301至步骤S303。

步骤S301、依次将每个对照设备的第二静态参数确定为当前静态参数。

示例性的，由于有多个对照设备，可以依次将每个对照设备的第二静态参数确定为当前静态参数。其中，当前静态参数可以包括处理器频率、内存容量和额定功率等参数项。

步骤S302、对第一静态参数中的每个参数项与当前静态参数中的相应参数项进行相似度计算，获得当前静态参数中的每个参数项对应的参数相似度。

示例性的，可以对第一静态参数中的每个参数项与当前静态参数中的相应参数项进行相似度计算，获得当前静态参数中的每个参数项对应的参数相似度。

在一些实施例中，当第一静态参数中的参数项与当前静态参数中的相应参数项的数值相等时，可以将参数相似度确定为第一相似度。当第一静态参数中的参数项存在，而当前静态参数中的相应参数项不存在或没有数值时，可以将参数相似度确定为第二相似度。当第一静态参数中的参数项与当前静态参数中的相应参数项不相等时，可以将第一静态参数中的参数项的数值与当前静态参数中的相应参数项的数值相除，得到当前静态参数中的参数项的相似度。其中，绝对值较大的参数项作为除数。

其中，第一相似度、第二相似度可以根据实际情况设定，具体数值在此不作限定。例如，第一相似度可以为1，第二相似度可以为-1。

例如，对于处理器频率这一参数项，当第一静态参数中的处理器频率与当前静态参数中的处理器频率相等时，可以将参数相似度确定为1。当第一静态参数中的处理器频率存在，而当前静态参数中的处理器频率不存在或没有数值时，可以将参数相似度确定为-1。当第一静态参数中的处理器频率与当前静态参数中的处理器频率不相等时，可以将第一静态参数中的处理器频率与当前静态参数中的处理器频率相除，得到当前静态参数中的处理器频率的相似度。其中，绝对值较大的处理器频率作为除数。

步骤S303、根据当前静态参数中的全部参数项对应的参数相似度，确定当前静态参数对应的对照设备的设备相似度。

示例性的，在获得当前静态参数中的每个参数项对应的参数相似度之后，可以根据当前静态参数中的全部参数项对应的参数相似度，确定当前静态参数对应的对照设备的设备相似度。

例如，在当前静态参数为对照设备A的第二静态参数时，可以根据当前静态参数中的全部参数项对应的参数相似度，确定对照设备A的设备相似度。又例如，在当前静态参数为对照设备B的第二静态参数时，可以根据当前静态参数中的全部参数项对应的参数相似度，确定对照设备B的设备相似度。

示例性的，在当前静态参数中的参数项为处理器频率、内存容量和额定功率时，可以根据处理器频率对应的参数相似度、内存容量对应的参数相似度和额定功率对应的参数相似度，确定当前静态参数对应的对照设备的设备相似度。例如，可以将处理器频率对应的参数相似度、内存容量对应的参数相似度和额定功率对应的参数相似度之和，确定为当前静态参数对应的对照设备的设备相似度。又例如，可以将处理器频率对应的参数相似度、内存容量对应的参数相似度和额定功率对应的参数相似度的平均值，确定为当前静态参数对应的对照设备的设备相似度。

上述实施例，通过对第一静态参数中的每个参数项与当前静态参数中的相应参数项进行相似度计算，可以获得当前静态参数中的每个参数项对应的参数相似度，进而可以根据当前静态参数中的全部参数项对应的参数相似度，确定当前静态参数对应的整个对照设备的设备相似度。

请参阅图5，图5是本申请实施例提供的另一种设备故障预测方法的子步骤的示意性流程图，可以包括以下步骤S401和步骤S402。

步骤S401、根据第一静态参数与每个对照设备的第二静态参数进行相似度计算，获得每个对照设备对应的设备相似度。

可以理解，步骤S401与上述步骤S201相同，在此不作赘述。

步骤S402、若全部对照设备对应的设备相似度小于预设的第一阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

示例性的，在获得每个对照设备对应的设备相似度之后，若全部对照设备对应的设备相似度小于预设的第一阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

其中，预设的第一阈值可以根据实际情况设定，具体数值在此不作限定。

需要说明的是，在本申请实施例中，当源设备与全部对照设备都不完全相似时，说明没有与源设备相似的对照设备。此时，可以将源设备的参数记录信息存储在预设的特征数据库中，用于后续对源设备进行故障预测。特征数据库用于存储各设备的参数记录信息以及故障标识。

示例性的，若检测到源设备在下一时刻出现故障，则可以对当前时刻采集的第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至特征数据库。若源设备在下一时刻未出现故障，则可以将当前时刻采集的第一参数记录信息存储至特征数据库。

上述实施例，通过在全部对照设备对应的设备相似度小于第一阈值且源设备在下一时刻出现故障，对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至特征数据库，后续可以基于添加故障标识后的第一参数记录信息检测源设备是否出现故障。

请参阅图6，图6是本申请实施例提供的一种故障预测的子步骤的示意性流程图，步骤S104中对第一动态参数与目标设备的第二动态参数进行故障预测，可以包括以下步骤S501至步骤S503。

步骤S501、根据第一参数记录信息与每个第二参数记录信息进行相似度计算，获得每个第二参数记录信息对应的参数相似度。

在一些实施例中，可以依次将每个第二参数记录信息中的每个参数项与第一参数记录信息中的相应参数项进行相似度计算，得到每个第二参数记录信息对应的参数相似度。

示例性的，当第一参数记录信息、第二参数记录信息都包括处理器利用率、内存利用率、网络收发流量、各种传感器读数等参数项时，可以将第一参数记录信息中的处理器利用率、内存利用率、网络收发流量、各种传感器读数与第二参数记录信息中的对应参数项进行数值对比，根据参数项的数值差确定相似度。例如，对于参数项处理器利用率，可以将一参数记录信息中的处理器利用率与第二参数记录信息中的处理器利用率进行数值对比，根据得到的数值差确定处理器利用率对应的相似度。

示例性的，在得到第二参数记录信息中的每个参数项对应的相似度之后，可以将第二参数记录信息中的所有参数项对应的相似度进行相加，得到第二参数记录信息的参数相似度。

上述实施例，通过根据第一参数记录信息与每个第二参数记录信息进行相似度计算，可以获得每个第二参数记录信息对应的参数相似度，后续可以基于每个第二参数记录信息对应的参数相似度，从多个第二参数记录信息中确定目标参数记录信息。

步骤S502、根据最大参数相似度对应的第二参数记录信息，确定目标参数记录信息。

示例性的，在获得每个第二参数记录信息对应的参数相似度之后，可以根据最大参数相似度对应的第二参数记录信息，确定目标参数记录信息。例如，可以将最大参数相似度对应的第二参数记录信息，确定为目标参数记录信息。

需要说明的是，通过将最大参数相似度对应的第二参数记录信息，确定为目标参数记录信息，后续可以实现根据与第一参数记录信息最相似的目标参数记录信息携带的故障标识，确定故障预测结果。

在一些实施例中，本申请实施例提供的设备故障预测方法，还可以包括：若最大参数相似度对应多个第二参数记录信息，则将与第一参数记录信息在时间上最接近的第二参数记录信息，确定为目标参数记录信息。

示例性的，若最大参数相似度对应有第二参数记录信息C和第二参数记录信息D，且第二参数记录信息C的采集时间与第一参数记录信息的采集时间最接近，则可以将第二参数记录信息C确定为目标参数记录信息。

上述实施例，通过在最大参数相似度对应多个第二参数记录信息时，将与第一参数记录信息在时间上最接近的第二参数记录信息确定为目标参数记录信息，实现选择时效性最高的第二参数记录信息进行故障预测，可以有效提高故障预测的准确性。

步骤S503、根据目标参数记录信息对应的故障标识，确定故障预测结果。

示例性的，在确定目标参数记录信息之后，可以根据目标参数记录信息对应的故障标识，确定故障预测结果。例如，当目标参数记录信息的故障标识为已故障时，可以确定故障预测结果为源设备故障。又例如，当目标参数记录信息的故障标识为未故障时，可以确定故障预测结果为源设备无故障。

需要说明的是，通过根据与第一参数记录信息最相似的目标参数记录信息携带的故障标识，确定故障预测结果，由于目标参数记录信息与第一参数记录信息最相似、最有代表性，因此可以有效提高设备故障预测的准确性。

请参阅图7，图7是本申请实施例提供的另一种计算相似度的子步骤的示意性流程图，步骤S501中根据第一参数记录信息与每个第二参数记录信息进行相似度计算，可以包括以下步骤S601至步骤S605。

步骤S601、依次将每个第二参数记录信息，确定为对照记录信息。

示例性的，可以依次将每个第二参数记录信息，确定为对照记录信息。需要说明的是，由于第二参数记录信息有多个，因此需要将每个第二参数记录信息与第一参数记录信息进行相似度计算。

步骤S602、对第一参数记录信息中的每个参数项进行特征提取，获得第一参数记录信息中的每个参数项对应的特征值。

示例性的，可以对第一参数记录信息中的每个参数项进行特征提取，获得第一参数记录信息中的每个参数项对应的特征值。

其中，在本申请实施例中，第一参数记录信息、第二参数记录信息中的每个参数项对应的特征值包括以下至少一项：均值，中位数，第一四分位数，第三四分位数，最小值，最大值，方差，偏度，峰度。

示例性的，对于第一参数记录信息中的处理器利用率，可以计算处理器利用率的特征值。例如，可以计算处理器利用率的均值、中位数、第一四分位数、第三四分位数、最小值、最大值、方差、偏度以及峰度等等。

步骤S603、对对照记录信息中的每个参数项进行特征提取，获得对照记录信息中的每个参数项对应的特征值。

示例性的，可以提取对照记录信息中的每个参数项的特征值。例如，对于对照记录信息中的处理器利用率，可以计算处理器利用率的均值、中位数、第一四分位数、第三四分位数、最小值、最大值、方差、偏度以及峰度等特征值。又例如，对于对照记录信息中的内存利用率，可以计算内存利用率的均值、中位数、第一四分位数、第三四分位数、最小值、最大值、方差、偏度以及峰度等特征值。

步骤S604、对对照记录信息中的每个参数项的特征值与第一参数记录信息中对应的参数项的特征值进行相似度计算，获得对照记录信息中的每个参数项的特征相似度。

示例性的，在获得第一参数记录信息中的每个参数项对应的特征值和对照记录信息中的每个参数项对应的特征值之后，可以对对照记录信息中的每个参数项的特征值与第一参数记录信息中对应的参数项的特征值进行相似度计算，获得对照记录信息中的每个参数项的特征相似度。

在一些实施例中，对对照记录信息中的每个参数项的特征值与第一参数记录信息中对应的参数项的特征值进行相似度计算，获得对照记录信息中的每个参数项的特征相似度，可以包括：依次将第一参数记录信息中的每个参数项，确定为第一参数项；依次将对照记录信息中与第一参数项匹配的参数项，确定为第二参数项；根据第一参数项的每个特征值与第二参数项中对应的特征值进行相似度计算，获得第二参数项中的每个特征值的特征相似度；根据第二参数项中的全部特征值的特征相似度，确定第二参数项的特征相似度。

示例性的，当第一参数项为处理器利用率时，可以将对照记录信息中的处理器利用率确定为第二参数项。

示例性的，在确定第一参数项和第二参数项之后，可以根据第一参数项的每个特征值与第二参数项中对应的特征值进行相似度计算，获得第二参数项中的每个特征值的特征相似度。

例如，可以将第一参数项中的每个特征值与第二参数项中的相应特征值相除，得到第二参数项中的每个特征值的特征相似度，其中，绝对值较大的特征值作为除数。又例如，当第一参数项中的特征值对源设备不适用且第二参数项中的相应特征值对目标设备不适用时，可以将第二参数项中的相应特征值的特征相似度确定为第三相似度。又例如，当第一参数项中的特征值对源设备不适用或第二参数项中的相应特征值对目标设备不适用时，可以将第二参数项中的相应特征值的特征相似度确定为第四相似度。

其中，第三相似度、第四相似度可以根据实际情况设定，具体数值在此不作限定。例如，第三相似度可以为1，第四相似度可以为-1。

示例性的，在获得第二参数项中的每个特征值的特征相似度之后，可以根据第二参数项中的全部特征值的特征相似度，确定第二参数项的特征相似度。例如，可以将第二参数项中的全部特征值的特征相似度之和，确定为第二参数项的特征相似度。又例如，可以将第二参数项中的全部特征值的特征相似度的平均值，确定为第二参数项的特征相似度。

上述实施例，通过根据第一参数项的每个特征值与第二参数项中对应的特征值进行相似度计算，并根据得到的第二参数项中的全部特征值的特征相似度，确定第二参数项的特征相似度，可以实现计算对照记录信息中的所有参数项的特征相似度。

步骤S605、根据对照记录信息中的全部参数项对应的特征相似度，确定对照记录信息的参数相似度。

示例性的，在获得对照记录信息中的每个参数项的特征相似度之后，可以根据对照记录信息中的全部参数项对应的特征相似度，确定对照记录信息的参数相似度。例如，可以将对照记录信息中的全部参数项对应的特征相似度之和，确定为对照记录信息的参数相似度。又例如，可以基于预设的权重计算公式，将对照记录信息中的全部参数项对应的特征相似度进行权重计算，得到对照记录信息的参数相似度。

上述实施例，通过根据对照记录信息中的全部参数项对应的特征相似度，确定对照记录信息的参数相似度，计算过程简单，可以准确地得到对照记录信息与第一参数记录信息之间的相似度。

请参阅图8，图8是本申请实施例提供的另一种设备故障预测方法的子步骤的示意性流程图，可以包括以下步骤S701和步骤S702。

步骤S701、根据第一参数记录信息与每个第二参数记录信息进行相似度计算，获得每个第二参数记录信息对应的参数相似度。

可以理解，步骤S701与上述步骤S501相同，在此不作赘述。

步骤S702、若全部第二参数记录信息对应的参数相似度小于预设的第二阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

示例性的，在获得每个第二参数记录信息对应的参数相似度之后，若全部第二参数记录信息对应的参数相似度小于第二阈值，且源设备在下一时刻出现故障，则对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至预设的特征数据库。

其中，第二阈值可以根据实际情况设定，具体数值在此不作限定。

需要说明的是，当源设备的第一参数记录信息与目标设备的所有第二参数记录信息都不完全相似时，说明第一参数记录信息没有相似的第二参数记录信息。此时，可以将源设备的第一参数记录信息存储在预设的特征数据库中，用于后续对源设备进行故障预测。

示例性的，若检测到源设备在下一时刻出现故障，则可以对当前时刻采集的第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至特征数据库。若源设备在下一时刻未出现故障，则可以将当前时刻采集的第一参数记录信息存储至特征数据库。

上述实施例，通过在全部第二参数记录信息对应的参数相似度小于第二阈值且源设备在下一时刻出现故障，对第一参数记录信息添加故障标识，并将添加故障标识后的第一参数记录信息存储至特征数据库，后续可以基于添加故障标识后的第一参数记录信息检测源设备是否出现故障。

本申请的实施例中还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序中包括程序指令，处理器执行程序指令，实现本申请实施例提供的任一项设备故障预测方法。例如，该计算机程序被处理器加载，可以执行如下步骤：

确定待检测的源设备和至少一个对照设备；获取源设备的第一静态参数和第一动态参数，以及获取每个对照设备的第二静态参数和第二动态参数；根据第一静态参数与每个对照设备的第二静态参数，从全部对照设备中确定目标设备；对第一动态参数与目标设备的第二动态参数进行故障预测，获得源设备对应的故障预测结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，计算机可读存储介质可以是前述实施例的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字卡(Secure Digital，SD)，闪存卡(Flash Card)等。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种设备故障预测方法，其特征在于，包括：

确定待检测的源设备和至少一个对照设备；

获取所述源设备的第一静态参数和第一动态参数，以及获取每个所述对照设备的第二静态参数和第二动态参数；

根据所述第一静态参数与每个所述对照设备的第二静态参数，从全部所述对照设备中确定目标设备；

对所述第一动态参数与所述目标设备的第二动态参数进行故障预测，获得所述源设备对应的故障预测结果。

2.根据权利要求1所述的设备故障预测方法，其特征在于，所述根据所述第一静态参数与每个所述对照设备的第二静态参数，从全部所述对照设备中确定目标设备，包括：

根据所述第一静态参数与每个所述对照设备的第二静态参数进行相似度计算，获得每个所述对照设备对应的设备相似度；

根据最大设备相似度对应的对照设备，确定所述目标设备。

3.根据权利要求2所述的设备故障预测方法，其特征在于，所述第一静态参数包括多个参数项，所述第二静态参数包括多个参数项；

所述根据所述第一静态参数与每个所述对照设备的第二静态参数进行相似度计算，获得每个所述对照设备对应的设备相似度，包括：

依次将每个所述对照设备的第二静态参数确定为当前静态参数；

对所述第一静态参数中的每个参数项与所述当前静态参数中的相应参数项进行相似度计算，获得所述当前静态参数中的每个所述参数项对应的参数相似度；

根据所述当前静态参数中的全部所述参数项对应的参数相似度，确定所述当前静态参数对应的对照设备的设备相似度。

4.根据权利要求2所述的设备故障预测方法，其特征在于，所述第一动态参数包括当前时刻对应的第一参数记录信息；

所述根据所述第一静态参数与每个所述对照设备的第二静态参数进行相似度计算，获得每个所述对照设备对应的设备相似度之后，所述方法还包括：

若全部所述对照设备对应的设备相似度小于预设的第一阈值，且所述源设备在下一时刻出现故障，则对所述第一参数记录信息添加故障标识，并将添加故障标识后的所述第一参数记录信息存储至预设的特征数据库。

5.根据权利要求1所述的设备故障预测方法，其特征在于，所述第一动态参数包括当前时刻对应的第一参数记录信息，所述第二动态参数包括多个历史时刻对应的第二参数记录信息；

所述对所述第一动态参数与所述目标设备的第二动态参数进行故障预测，获得所述源设备对应的故障预测结果，包括：

根据所述第一参数记录信息与每个所述第二参数记录信息进行相似度计算，获得每个所述第二参数记录信息对应的参数相似度；

根据最大参数相似度对应的第二参数记录信息，确定目标参数记录信息；

根据所述目标参数记录信息对应的故障标识，确定所述故障预测结果。

6.根据权利要求5所述的设备故障预测方法，其特征在于，所述方法还包括：

若最大参数相似度对应多个第二参数记录信息，则将与所述第一参数记录信息在时间上最接近的第二参数记录信息，确定为所述目标参数记录信息。

7.根据权利要求5所述的设备故障预测方法，其特征在于，所述第一参数记录信息包括多个参数项，所述第二参数记录信息包括多个参数项；

所述根据所述第一参数记录信息与每个所述第二参数记录信息进行相似度计算，获得每个所述第二参数记录信息对应的参数相似度，包括：

依次将每个所述第二参数记录信息，确定为对照记录信息；

对所述第一参数记录信息中的每个参数项进行特征提取，获得所述第一参数记录信息中的每个参数项对应的特征值；

对所述对照记录信息中的每个参数项进行特征提取，获得所述对照记录信息中的每个参数项对应的特征值；

对所述对照记录信息中的每个参数项的特征值与所述第一参数记录信息中对应的参数项的特征值进行相似度计算，获得所述对照记录信息中的每个参数项的特征相似度；

根据所述对照记录信息中的全部参数项对应的特征相似度，确定所述对照记录信息的参数相似度。

8.根据权利要求7所述的设备故障预测方法，其特征在于，所述第一参数记录信息、所述第二参数记录信息中的每个所述参数项对应的特征值包括以下至少一项：均值，中位数，第一四分位数，第三四分位数，最小值，最大值，方差，偏度，峰度。

9.根据权利要求7所述的设备故障预测方法，其特征在于，所述对所述对照记录信息中的每个参数项的特征值与所述第一参数记录信息中对应的参数项的特征值进行相似度计算，获得所述对照记录信息中的每个参数项的特征相似度，包括：

依次将所述第一参数记录信息中的每个参数项，确定为第一参数项；

依次将所述对照记录信息中与所述第一参数项匹配的参数项，确定为第二参数项；

根据所述第一参数项的每个特征值与所述第二参数项中对应的特征值进行相似度计算，获得所述第二参数项中的每个特征值的特征相似度；

根据所述第二参数项中的全部特征值的特征相似度，确定所述第二参数项的特征相似度。

10.根据权利要求5所述的设备故障预测方法，其特征在于，所述根据所述第一参数记录信息与每个所述第二参数记录信息进行相似度计算，获得每个所述第二参数记录信息对应的参数相似度之后，所述方法还包括：

若全部所述第二参数记录信息对应的参数相似度小于预设的第二阈值，且所述源设备在下一时刻出现故障，则对所述第一参数记录信息添加故障标识，并将添加故障标识后的所述第一参数记录信息存储至预设的特征数据库。

11.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至10中任一项所述的设备故障预测方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至10中任一项所述的设备故障预测方法。