[发明专利]一种存储设备故障预测方法和系统

权利要求书

1.一种存储设备故障预测方法，其特征在于，所述方法包括以下步骤：

S1.接收输入的最小提前时间LTMIN和最大提前时间LTMAX，并实时采集同存储设备系列的N个存储设备在不同时间点的SMART属性数据，保证采集到的数据包括正常存储设备数据和故障存储设备数据；

S2.随机打乱所有存储设备的顺序，按照打乱后的顺序选取第j＝1个存储设备；

S3.该存储设备各时间点的SMART属性数据{I_t1，I_t2，…I_tn}作为小批次样本，每个时间点的SMART属性数据I_ti作为一个样本，输入多层感知器的存储设备故障预测模型进行训练，得到输出结果{O_t1，O_t2，…，O_tn}，tn表示该存储设备最后采集时间；

S4.根据该存储设备的时间点tn的状态、输出结果{O_t1，O_t2，…，O_tn}、最小提前时间LTMIN和最大提前时间LTMAX，动态调整该批次中各样本对应的标签{L_t1，L_t2，…，L_tn}和反馈权重{w_t1，w_t2，…，w_tn}；

S5.根据输出结果{O_t1，O_t2，…，O_tn}、标签{L_t1，L_t2，…，L_tn}和反馈权重{w_t1，w_t2，…，w_tn}，计算该批次的综合损失Loss_j，并根据综合损失进行后向反馈，调整预测模型各层神经元的权重和偏差；

S6.按照打乱后的顺序选取下一个存储设备，重复步骤S3-S5，直至所有存储设备都取完，计算该周期内所有存储设备的总损失

S7.判断Loss_final是否收敛，若是，得到训练好的预测模型，进入步骤S8，否则，进入步骤S2；

S8.将待预测存储设备的当前SMART属性数据输入训练好的预测模型，得到预测结果。

2.如权利要求1所述的方法，其特征在于，最小提前时间LTMIN和最大提前时间LTMAX作为时间约束条件，表示期望磁盘故障预测模型能够最少提前LTMIN、最多提前LTMAX预测到存储设备的故障。

3.如权利要求1所述的方法，其特征在于，所述多层感知器的存储设备故障预测模型包含一个输入层、一个隐藏层、一个输出层；输入层与磁盘上采集的SMART属性数据相连，神经元个数等于基于SMART属性构建的特征数；输出层包含一个神经元，输出类型为浮点数值，如果输出值超过阈值α，则认为该磁盘故障预测模型做出磁盘即将故障的预测结果。