CN117950947A - 一种基于互联网的计算机故障监测系统及方法 - Google Patents
一种基于互联网的计算机故障监测系统及方法 Download PDFInfo
- Publication number
- CN117950947A CN117950947A CN202410036170.9A CN202410036170A CN117950947A CN 117950947 A CN117950947 A CN 117950947A CN 202410036170 A CN202410036170 A CN 202410036170A CN 117950947 A CN117950947 A CN 117950947A
- Authority
- CN
- China
- Prior art keywords
- area
- monitoring
- data
- abnormal
- target
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 360
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 198
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 94
- 238000012423 maintenance Methods 0.000 claims description 89
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 230000032683 aging Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了计算机故障监测技术领域,具体为一种基于互联网的计算机故障监测系统及方法,方法包括:对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;基于监测点采集目标监测区域的基础数据,得到监测数据;基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链;基于区块链对监测数据进行分析,得到分析结果;基于分析结果确定异常监测区域,能够实时采集各个区域的监测数据,提高对数据的处理效率,从而提高对故障监测的及时性。
Description
技术领域
本发明涉及计算机故障监测技术领域,具体为一种基于互联网的计算机故障监测系统及方法。
背景技术
计算机是现代一种用于高速计算的电子计算机器,可以进行数值计算,又可以进行逻辑计算,还具有存储记忆功能,能够按照程序运行,自动、高速处理海量数据的现代化智能电子设备。由硬件系统和软件系统所组成,没有安装任何软件的计算机称为裸机。可分为超级计算机、工业控制计算机、网络计算机、个人计算机、嵌入式计算机五类,较先进的计算机有生物计算机、光子计算机、量子计算机等。
现有的计算机故障监测系统在使用时,对所有的监测数据进行统一监测,统一处理,使得采集的数据不够准确,且统一处理导致对数据的处理速度较慢,无法及时的了解计算机的监测情况,影响对计算机故障预警的准确性。
为此我们提出一种基于互联网的计算机故障监测系统及方法用于解决上述问题。
发明内容
本发明的目的在于提供一种基于互联网的计算机故障监测系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于互联网的计算机故障监测系统及方法,该方法包括:
对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;
基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;
基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
基于区块链对监测数据进行分析,得到分析结果;所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;并基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域。
通过采用上述技术方案,通过子区块链评估各个区域的异常指数,根据异常指数设定对应的监测频率,实时采集各个区域的监测数据,并判断监测数据是否超出标准阈值,再通过总区块链统计超出标准阈值的异常监测区域,判断异常区域之间是否存在故障关联,存在则按照时间戳记录的时间报警第一异常区域,若不存在,则每个异常区域均报警,通过对每个区域的信息进行单独处理,再将异常区域进行综合处理,增加传输次数,控制每次的传输量,对数据进行传输,提高对数据的处理效率,从而提高对故障监测的及时性。
优选的,所述基于监测点采集目标监测区域的基础数据,得到监测数据的步骤包括:基于目标监测区域统计目标监测区域的基础数据,对目标监测区域的基础数据进行分类,得到分类结果;基于分类结果获取目标监测区域内各个硬件的基础数据,得到评估数据;基于评估数据评估目标监测区域的异常指数;基于异常指数对目标监测区域的各类监测数据进行权重值划分,得到权重数据;基于权重数据设定各类监测数据的采集频率;基于采集频率对目标监测区域的基础数据进行数据采集,得到监测数据。
通过采用上述技术方案,通过根据各个区域的异常情况对硬件按照不同的频率进行数据采集,在节约资源的基础上提高采集数据的准确性。
优选的,所述基于评估数据评估目标监测区域的异常指数的步骤包括:获取评估数据,所述评估数据包括各个硬件的历史故障次数、故障程度以及老化程度;基于评估数据评估各个硬件的异常指数对应的公式为:其中,δ表示目标监测区域的异常指数,m表示目标监测区域硬件的个数,n表示各个硬件的历史故障次数,Gik表示第k个硬件第i次的故障程度,Lk表示第k个硬件的老化程度,Tk表示第k个硬件的维护周期,β表示异常指数的影响因子,α为常数。
优选的,基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域的步骤包括:将监测数据传输至对应的区块链,得到待分析数据,所述待分析数据至少包括一类目标监测区域的基础数据;预设目标监测区域内各类监测数据的标准阈值,得到预设标准阈值;判断待分析数据是否满足预设标准阈值,若判断出待分析数据满足预设标准阈值,则判定为目标监测区域不存在异常情况,将目标监测区域记为正常监测区域,并对目标监测区域继续监测;若判断出待分析数据不满足预设标准阈值,则判定为目标监测区域存在异常情况,将目标监测区域记为异常监测区域。
优选的,判断各个异常监测区域的故障是否存在关联的步骤包括:统计异常监测区域的数量,基于区域编号确定异常监测区域的位置;统计异常监测区域内出现故障的基础数据,得到异常数据;判断各个异常监测区域之间的异常数据的种类是否相同;
若判断出各个异常监测区域之间的异常数据的种类相同,则判定为异常监测区域为关联区域,将与异常监测区域之间对应的故障记为关联故障,并将关联区域的第一异常区域记为预警区域;
如果异常监测区域内部至少有两个异常数据的种类相同,将至少有两个异常数据的种类相同对应的计算机硬件标记为维修关联硬件,则提醒工作人员对维修关联硬件逐次进行维修处理;
若判断出各个异常监测区域之间的异常数据的种类不相同,则判定为各个异常监测区域之间不存在关联,并将与异常监测区域之间对应的故障记为不关联故障。
优选的,所述基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数,所述硬件的异常指数包括第一硬件的异常指数与第二硬件的异常指数的步骤包括:基于区域编号获取预警区域的位置,统计预警区域的异常指数,计算故障原因与异常指数的评估数据的相似度,得到实际相似度;判断实际相似度是否满足预设标准阈值,若判断出实际相似度满足预设标准阈值,则判定为异常监测区域的故障是由评估数据对应的硬件引起的,将与评估数据对应的硬件记为第一硬件,并获取第一硬件的异常指数;若判断出实际相似度不满足预设标准阈值,则判定为异常监测区域的故障是由初次出现故障的硬件引起的,将初次出现故障的硬件记为第二硬件,并对第二硬件执行基于评估数据评估各个硬件的异常指数的步骤,得到第二硬件的异常指数。
优选的,判断目标维护时间是否超出预设的标准时间阈值,确定工作区域的步骤包括:若判断出目标维护时间超出标准时间阈值,则统计所有目标监测区域的位置,基于多个目标监测区域提取正常区域的位置,得到正常区域位置数据;判断各个正常区域是否存在工作人员;若判断出正常区域不存在工作人员,则将正常区域记为空闲正常区域;计算空闲正常区域位置数据与预警区域之间的距离,得到距离数据;按照距离数据的降序对空闲正常区域进行排序,得到最优空闲正常区域;将最优空闲正常区域作为工作区域;若判断出正常区域存在工作人员,则继续执行判断各个正常区域是否存在工作人员的步骤,直至得到空闲正常区域;若判断出目标维护时间未超出标准时间阈值,则将预警区域作为工作区域。
一种基于互联网的计算机故障监测系统,应用于如上述任意一项所述的基于互联网的计算机故障监测方法,包括:
区域划分模块,用于对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;
数据采集模块,用于基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;
构建模块,用于基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
确定模块,用于基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
判断模块,用于判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
维护模块,用于基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域。
与现有技术相比,本发明的有益效果是:
1.通过子区块链评估各个区域的异常指数,根据异常指数设定对应的监测频率,实时采集各个区域的监测数据,并判断监测数据是否超出标准阈值,再通过总区块链统计超出标准阈值的异常监测区域,判断异常区域之间是否存在故障关联,存在则按照时间戳记录的时间报警第一异常区域,若不存在,则每个异常区域均报警,通过对每个区域的信息进行单独处理,再将异常区域进行综合处理,增加传输次数,控制每次的传输量,对数据进行传输,提高对数据的处理效率,从而提高对故障监测的及时性;
2.根据各个区域之间的依赖关系判断数据异常原因是否关联,能够根据故障是否关联确定需要警告的区域,提高故障监测的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的方法流程示意图;
图2为本发明的系统结构框图。
附图中,各标号所代表的部件列表如下:
1、区域划分模块;2、数据采集模块;3、构建模块;4、确定模块;5、判断模块;6、维护模块。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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,都属于本发明保护的范围。
实施例
请参阅图1至图2,本发明提供一种基于互联网的计算机故障监测系统及方法的技术方案:
一种基于互联网的计算机故障监测方法,该方法包括以下步骤:
S1:对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
具体的,计算机的温度数据包括计算机的输出设备的温度数据、计算机的输入设备的温度数据与计算机的存储设备的温度数据;计算机的输出设备可以是用于将各种计算结果数据或信息以数字、字符、图像、声音等形式表现出来,可以是显示屏、扬声器等,均属于计算机的输出设备,计算机的输出设备的数据是只采集显示屏的温度数据或者异味数据等,计算机的输入设备是指向计算机输入数据和信息的设备,可以是键盘,鼠标,摄像头,语音输入装置等都属于输入设备;计算机的存储设备是将信息数字化后再以利用电等方式的媒体加以存储,可以是硬盘或者存储器等;通过采集计算机的输入设备的温度数据、计算机的输入设备的温度数据以及计算机的存储设备的温度数据,用于判断各个目标监测区域是否存在异常情况,且基础数据还可以包括计算机的气味数据等其他可以反映出计算机故障的相关数据;
基于监测点采集目标监测区域的基础数据,得到监测数据的步骤包括:基于目标监测区域统计目标监测区域的基础数据,对目标监测区域的基础数据进行分类,得到分类结果;基于分类结果获取目标监测区域内各个硬件的基础数据,得到评估数据;基于评估数据评估目标监测区域的异常指数;基于异常指数对目标监测区域的各类监测数据进行权重值划分,得到权重数据;基于权重数据设定各类监测数据的采集频率;基于采集频率对目标监测区域的基础数据进行数据采集,得到监测数据;
具体的,根据不同的位置设置不同的采集频率,容易出现故障的地方,设定的采集频率高,不容易出现故障的地方,设定的采集频率低,按照出现故障的情况设定对应的采集频率的权重,能够根据需求设定对应的采集频率,避免由于不需要多次采集反而多次采集,导致监测点消耗严重的情况,降低对监测点的使用;
基于评估数据评估目标监测区域的异常指数的步骤包括:获取评估数据,所述评估数据包括各个硬件的历史故障次数、故障程度以及老化程度;基于评估数据评估各个硬件的异常指数对应的公式为:其中,δ表示目标监测区域的异常指数,m表示目标监测区域硬件的个数,n表示各个硬件的历史故障次数,Gik表示第k个硬件第i次的故障程度,Lk表示第k个硬件的老化程度,Tk表示第k个硬件的维护周期,β表示异常指数的影响因子,α为常数;
具体的,所述监测数据包括温度数据、气味数据以及内存占用数据,根据不同的目标监测区域,对温度数据、气味数据以及内存占用数据设定不同的权重值,根据对应监测点中各个硬件的历史故障次数、故障程度、维护程度、设备老旧程度共同评估该区域的各个硬件的异常指数,根据异常指数对每个硬件设备按照权重值设定不同的采集频率,能够根据异常情况需求进行对应的频率采集,提高采集的适应性,比如初次维护的硬件,能够在很久一段时间不会发生故障,就可以适当的降低采集频率,比如五天采集一次,十天采集一次等,对故障次数频率且依然没有更换的设备,则可以延长采集频率,比如三分钟采集一次,两分钟采集一次等;
S2:基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域的步骤包括:将监测数据传输至区块链,得到待分析数据,所述待分析数据至少包括一类目标监测区域的基础数据;预设目标监测区域内各类监测数据的标准阈值,得到预设标准阈值;判断待分析数据是否满足预设标准阈值,若判断出待分析数据满足预设标准阈值,则判定为目标监测区域不存在异常情况,将目标监测区域记为正常监测区域,并对目标监测区域继续监测;若判断出待分析数据不满足预设标准阈值,则判定为目标监测区域存在异常情况,将目标监测区域记为异常监测区域;
具体的,通过区块链内设定的多个传感器分别采集对应的监测数据,监测数据包括目标监测区域内的温度数据、内存占用数据与气味数据等,不同的数据采用不同的监测设备,对所有的数据进行汇总,根据汇总结果对所有的数据进行处理,比如按照硬件的作用进行分类、按照时间对监测数据进行排序等,根据处理结果,判断各类型的数据是否满足对应的预设条件,若满足,则表示该区域的数据正常,继续监测,若不满足,则表示该区域存在异常情况,标记为异常监测区域。比如,假设将计算机区域划分为AB两个区域,A区域对应的部分需要重点监测温度和气味,B区域对应的部分需要重点监测内存占用,则此时根据区域需要监测的数据设定对应的监测设备,并采集对应的监测数据,对监测数据进行归一化整理,得到处理结果,判断A区域各个硬件的温度和气味数据是否满足预设条件,气味数据可以是烟味数据或者烧焦气味等,此处的预设条件是指在A区域不存在故障的情况下的标准温度和标准气味,若是A区域的实际温度和气味数据超出预设条件,则表示A区域存在异常情况,同理,B区域是判断内存占用是否满足对应的预设条件,此时的预设条件是B区域不存在故障的情况下的标准内存占用,比如结合计算机的软件设备、使用情况以及自身可承受情况,综合确定标准的内存占比,将其与B区域的实际占比进行对比,从而判断B区域是否存在异常,确定B区域是否为异常监测区域,能够根据不同区域的故障指数,对不同的数据设定不同的采集频率,设定不同的权重监测需要监测的部分,及时的了解计算机的实际情况;
S3:判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
判断各个异常监测区域的故障是否存在关联的步骤包括:统计异常监测区域的数量,基于区域编号确定异常监测区域的位置;统计异常监测区域内出现故障的基础数据,得到异常数据;
判断各个异常监测区域之间的异常数据的种类是否相同;
若判断出各个异常监测区域之间的异常数据的种类相同,则判定为异常监测区域为关联区域,将与异常监测区域之间对应的故障记为关联故障,并将关联区域的第一异常区域记为预警区域;
如果异常监测区域内部至少有两个异常数据的种类相同,将至少有两个异常数据的种类相同对应的计算机硬件标记为维修关联硬件,则提醒工作人员对维修关联硬件逐次进行维修处理;
若判断出各个异常监测区域之间的异常数据的种类不相同,则判定为各个异常监测区域之间不存在关联,并将与异常监测区域之间对应的故障记为不关联故障;
具体的,设A区域与B区域的硬件配置相同,假设对A区域和B区域的温度数据或者气味数据监测的结果是异常,则表示A区域和B区域均为异常监测区域,A区域的硬件分别为A1、A2、A3等,B区域的硬件分别为B1、B2、B3等,A1与B1分别表示配置在不同区域的同类硬件,此时对A区域和B区域的各个硬件进行分别监测;
若A区域出现故障的硬件为A1,B区域异常的硬件为B1,则表示A区域与B区域的故障存在关联,将关联区域记为一个整体区域,并对最先出现异常的A区域进行预警,当A区域出现异常时,则表示与A关联的B区域存在同样需求的维护,比如两者坏的均是显示屏,则维修人员只需要携带维修显示屏的工具即可完成故障维护,因此只预警一个区域即可完成待维护预警;
若A区域出现故障硬件为A1,B区域出现异常的硬件为B2,则表示A区域与B区域的故障不关联,此时则需要每个异常监测区域均需要预警,以提醒维护人员采用不同工具对各个异常监测区域进行维护,能够根据预警的情况确定各个监测区域的维护内容,提高对计算机故障的维护效果;
若A区域出现故障的硬件为A1和A2,B区域出现故障的硬件为B1和B3,此时则表示A1与B1之间出现故障,A2和B3之间不存在故障,则表示A区域的A1硬件与B区域的B1硬件之间存在关联故障,则提醒维护人员对首先对存在关联故障的硬件进行依次维修,然后再对硬件A2和硬件B3进行维修,能够增加维护人员在维修硬件A1和硬件B1时的熟练度,提高对硬件的维护效率。
S4:基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域;
基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数,所述硬件的异常指数包括第一硬件的异常指数与第二硬件的异常指数的步骤包括:基于区域编号获取预警区域的位置,统计预警区域的异常指数,计算故障原因与异常指数的评估数据的相似度,得到实际相似度;判断实际相似度是否满足预设标准阈值,若判断出实际相似度满足预设标准阈值,则判定为异常监测区域的故障是由评估数据对应的硬件引起的,将与评估数据对应的硬件记为第一硬件,并获取第一硬件的异常指数;若判断出实际相似度不满足预设标准阈值,则判定为异常监测区域的故障是由初次出现故障的硬件引起的,将初次出现故障的硬件记为第二硬件,并对第二硬件执行基于评估数据评估各个硬件的异常指数的步骤,得到第二硬件的异常指数;
基于硬件的异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果的步骤包括:预设维护等级,每个维护等级对应一个等级标准阈值,得到等级标准阈值集;基于等级标准阈值集提取与异常指数对应的等级标准阈值,基于等级标准阈值确定对硬件的维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;
具体的,先判断故障原因是否因为异常指数中的硬件引起,若是的话,则表示存在异常指数的硬件需要进行维护,判断该硬件的异常指数所属等级,预设维护等级,每个维护等级对应一个等级标准阈值,根据异常指数所属的等级标准阈值判断该硬件需要的维护等级,比如一等级的维护是硬件链接松动,此时则只需要简单的把硬件连接紧密即可,二等级的维护是对硬件的内部零件进行更换,三等级的维护是对硬件整体进行更换等,每个等级对应不同的维护结果,若故障原因不是因为异常指数中的硬件引起的,则重新统计故障硬件的异常指数,判断初次出现故障的硬件的异常指数对应的维护等级,能够有效的提高维护效果。
所判断目标维护时间是否超出预设的标准时间阈值,确定工作区域的步骤包括:若判断出目标维护时间超出标准时间阈值,则统计所有目标监测区域的位置,基于多个目标监测区域提取正常区域的位置,得到正常区域位置数据;判断各个正常区域是否存在工作人员;若判断出正常区域不存在工作人员,则将正常区域记为空闲正常区域;计算空闲正常区域位置数据与预警区域之间的距离,得到距离数据;按照距离数据的降序对空闲正常区域进行排序,得到最优空闲正常区域;将最优空闲正常区域作为工作区域;若判断出正常区域存在工作人员,则继续执行判断各个正常区域是否存在工作人员的步骤,直至得到空闲正常区域;若判断出目标维护时间未超出标准时间阈值,则将预警区域作为工作区域。
具体的,假设预警区域对应的维护等级为一等级,而一等级对应的目标维护时间是十分钟,而预设的需要把预警区域换到正常区域为工作区域的时间为十五分钟,需要的维护时间是十分钟,十分钟位于十五分钟之内,此时,则需要预警区域的计算机对应的工作人员等几分钟即可,无需换到其他正常区域,如果需要的维护时间是20分钟甚至到一个多小时,此时表示维护的时间较长,容易影响目标工作者的工作进度,则统计其他正常区域,并筛选出无人操作的计算机作为工作区域,能够有效的降低当计算机出现故障时影响目标工作者的工作进度的情况发生。
一种基于互联网的计算机故障监测系统,应用其特征在于,包括:
区域划分模块1,用于对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;
数据采集模块2,用于基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;
构建模块3,用于基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
确定模块4,用于基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
判断模块5,用于判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
维护模块6,用于基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域。
本发明,对计算机进行区域划分,每个区域部署一个监测点,每个监测点均部署对应的数字传感器组,每个区域作为一个区块链节点,把每个监测点采集的数据传输至区块链中,每个区块链处理自己对应区域的数据,判断是否超出标准阈值,超出,则表示该区域的数据存在异常,并统计异常区域的数量和位置,根据各个区域之间的依赖关系判断数据异常原因是否关联,若关联,则将第一异常区域作为主要区域,对其进行异常警告,若不关联,则对异常区域分别进行异常警告,能够根据故障是否关联确定需要警告的区域,提高故障监测的准确性;每个区域设定不同的监测数据;通过子区块链评估各个区域的异常指数,根据异常指数设定对应的监测频率,实时采集各个区域的监测数据,并判断监测数据是否超出标准阈值,再通过总区块链统计超出标准阈值的异常监测区域,判断异常区域之间是否存在故障关联,存在则按照时间戳记录的时间报警第一异常区域,若不存在,则每个异常区域均报警;通过对每个区域的信息进行单独处理,再将异常区域进行综合处理,增加传输次数,控制每次的传输量,对数据进行传输,提高对数据的处理效率,从而提高对故障监测的及时性。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于互联网的计算机故障监测方法,其特征在于,该方法包括以下步骤:
S1:对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;
基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;
基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
S2:基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
S3:判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
S4:基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域。
2.根据权利要求1所述的基于互联网的计算机故障监测方法,其特征在于,所述基于监测点采集目标监测区域的基础数据,得到监测数据的步骤包括:基于目标监测区域统计目标监测区域的基础数据,对目标监测区域的基础数据进行分类,得到分类结果;基于分类结果获取目标监测区域内各个硬件的基础数据,得到评估数据;基于评估数据评估目标监测区域的异常指数,得到异常指数集;基于异常指数集对目标监测区域的各类监测数据进行权重值划分,得到权重数据;基于权重数据设定各类监测数据的采集频率;基于采集频率对目标监测区域的基础数据进行数据采集,得到监测数据。
3.根据权利要求2所述的基于互联网的计算机故障监测方法,其特征在于,所述基于评估数据评估目标监测区域的异常指数的步骤包括:获取评估数据,所述评估数据包括各个硬件的历史故障次数、故障程度以及老化程度;基于评估数据评估各个硬件的异常指数对应的公式为:其中,δ表示目标监测区域的异常指数,m表示目标监测区域硬件的个数,n表示各个硬件的历史故障次数,Gik表示第k个硬件第i次的故障程度,Lk表示第k个硬件的老化程度,Tk表示第k个硬件的维护周期,β表示异常指数的影响因子,α为常数。
4.根据权利要求1所述的基于互联网的计算机故障监测方法,其特征在于,基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域的步骤包括:将监测数据传输至对应的区块链,得到待分析数据,所述待分析数据至少包括一类目标监测区域的基础数据;预设目标监测区域内各类监测数据的标准阈值,得到预设标准阈值;判断待分析数据是否满足预设标准阈值,若判断出待分析数据满足预设标准阈值,则判定为目标监测区域不存在异常情况,将目标监测区域记为正常监测区域,并对目标监测区域继续监测;若判断出待分析数据不满足预设标准阈值,则判定为目标监测区域存在异常情况,将目标监测区域记为异常监测区域。
5.根据权利要求2所述的基于互联网的计算机故障监测方法,其特征在于,判断各个异常监测区域的故障是否存在关联的步骤包括:统计异常监测区域的数量,基于区域编号确定异常监测区域的位置;统计异常监测区域内出现故障的基础数据,得到异常数据;判断各个异常监测区域之间的异常数据的种类是否相同,若判断出各个异常监测区域之间的异常数据的种类相同,
则判定为异常监测区域为关联区域,将与异常监测区域内计算机硬件对应的故障记为关联故障,并将关联区域的第一异常区域记为预警区域;若判断出各个异常监测区域之间的异常数据的种类不相同,则判定为各个异常监测区域之间不存在关联,并将与异常监测区域之间对应的故障记为不关联故障;
如果异常监测区域内部至少有两个异常数据的种类相同,将至少有两个异常数据的种类相同对应的计算机硬件标记为维修关联硬件,则提醒工作人员对维修关联硬件逐次进行维修处理。
6.根据权利要求1所述的基于互联网的计算机故障监测方法,其特征在于,所述基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数,所述硬件的异常指数包括第一硬件的异常指数与第二硬件的异常指数的步骤包括:基于区域编号获取预警区域的位置,统计预警区域的异常指数,计算故障原因与异常指数的评估数据的相似度,得到实际相似度;判断实际相似度是否满足预设标准阈值,若判断出实际相似度满足预设标准阈值,则判定为异常监测区域的故障是由评估数据对应的硬件引起的,将与评估数据对应的硬件记为第一硬件,并获取第一硬件的异常指数;若判断出实际相似度不满足预设标准阈值,则判定为异常监测区域的故障是由初次出现故障的硬件引起的,将初次出现故障的硬件记为第二硬件,并对第二硬件执行基于评估数据评估各个硬件的异常指数的步骤,得到第二硬件的异常指数。
7.根据权利要求1所述的基于互联网的计算机故障监测方法,其特征在于,所述判断目标维护时间是否超出预设的标准时间阈值,确定工作区域的步骤包括:若判断出目标维护时间超出标准时间阈值,则统计所有目标监测区域的位置,基于多个目标监测区域提取正常区域的位置,得到正常区域位置数据;判断各个正常区域是否存在工作人员;若判断出正常区域不存在工作人员,则将正常区域记为空闲正常区域;计算空闲正常区域位置数据与预警区域之间的距离,得到距离数据;按照距离数据的降序对空闲正常区域进行排序,得到最优空闲正常区域;将最优空闲正常区域作为工作区域;若判断出正常区域存在工作人员,则继续执行判断各个正常区域是否存在工作人员的步骤,直至得到空闲正常区域;若判断出目标维护时间未超出标准时间阈值,则将该预警区域作为工作区域。
8.一种基于互联网的计算机故障监测系统,应用于如权利要求1-8任意一项所述的基于互联网的计算机故障监测方法,其特征在于,包括:
区域划分模块(1),用于对计算机进行区域划分,得到目标监测区域;对每个目标监测区域进行编号,得到区域编号,每个目标监测区域对应一个监测点;
数据采集模块(2),用于基于监测点采集目标监测区域的基础数据,得到监测数据,所述基础数据至少包括计算机的温度数据;
构建模块(3),用于基于监测数据建立多个区块链节点,基于目标监测区域将多个区块链节点构建得到多个子区块链,并作为子区块链节点,基于网络协议构建多个区块链节点之间的通信得到区块链,在区块链中插入时间戳;
确定模块(4),用于基于区块链对监测数据进行分析,得到分析结果,所述分析结果包括正常监测区域与异常监测区域;基于时间戳按照异常监测区域的异常时间对异常监测区域进行排序,得到排序结果;基于排序结果确定第一异常区域;
判断模块(5),用于判断各个异常监测区域的故障是否存在关联,若判断出各个异常监测区域的故障为关联故障,则将第一异常区域记为预警区域;若判断出各个异常监测区域的故障为不关联故障,则将各个异常监测区域均记为预警区域;
维护模块(6),用于基于目标监测区域的基础数据评估目标监测区域的异常指数,得到异常指数集,基于异常指数集获取与预警区域对应的异常指数;基于异常指数确定维护等级,基于维护等级对异常监测区域进行维护,得到维护结果;基于维护等级获取预警区域的目标维护时间,判断目标维护时间是否超出预设的标准时间阈值,得到工作区域,并提醒异常监测区域的工作人员进入工作区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036170.9A CN117950947A (zh) | 2024-01-10 | 2024-01-10 | 一种基于互联网的计算机故障监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036170.9A CN117950947A (zh) | 2024-01-10 | 2024-01-10 | 一种基于互联网的计算机故障监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117950947A true CN117950947A (zh) | 2024-04-30 |
Family
ID=90801183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410036170.9A Pending CN117950947A (zh) | 2024-01-10 | 2024-01-10 | 一种基于互联网的计算机故障监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950947A (zh) |
-
2024
- 2024-01-10 CN CN202410036170.9A patent/CN117950947A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414155B (zh) | 一种带有单测点的风机部件温度异常检测和报警方法 | |
CN112083244B (zh) | 综合化航空电子设备故障智能诊断系统 | |
CN110703214B (zh) | 一种气象雷达状态评估和故障监测方法 | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN115657617A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
US20110178963A1 (en) | system for the detection of rare data situations in processes | |
EP3270250A1 (en) | Method and system for remote monitoring of power generation units | |
CN109165242B (zh) | 一种基于熵排序与时空分析的故障诊断及预警方法 | |
EP3553044A1 (en) | System and method of remote object monitoring | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN115454778A (zh) | 大规模云网络环境下的时序指标异常智能监控系统 | |
CN116680113B (zh) | 一种设备检测实施控制系统 | |
CN116670608A (zh) | 用于物联网预测建模的混合系综方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
CN114155692A (zh) | 一种设备故障上报方法、装置及存储介质 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
Becherer et al. | Intelligent choice of machine learning methods for predictive maintenance of intelligent machines | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
CN117950947A (zh) | 一种基于互联网的计算机故障监测系统及方法 | |
Vicêncio et al. | An intelligent predictive maintenance approach based on end-of-line test logfiles in the automotive industry | |
KR102188096B1 (ko) | 건설 구조물의 센서의 이벤트 분석방법 | |
Hu et al. | A two-stage equipment predictive maintenance framework for high-performance manufacturing systems | |
CN118118319B (zh) | 一种基于大数据的网络设备智能诊断方法及系统 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 |
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 |