[发明专利]一种基于神经网络的服务器故障监测方法及系统

权利要求书

1.一种基于神经网络的服务器故障监测方法，其特征在于，该方法是利用BMC获得服务器信息，通过神经网络对信息分析预测服务器是否会发生故障，并将故障反馈给网页进行显示，同时监测服务器状态，以提高服务器的稳定性；具体如下：

S1、BMC系统通过I2C获得服务器健康信息数据，下一步执行步骤S2；

S2、对获取的健康信息数据进行预处理，下一步执行步骤S3；

S3、通过神经网络预测是否存在故障隐患：

①、若是，则同时执行步骤S4和S5；

②、若否，则跳转至步骤S7；

S4、形成一条报警记录在相关web页面显示，下一步执行步骤S7；

S5、判断监控服务器是否宕机：

①、若是，则执行步骤S6；

②、若否，则跳转至步骤S7；

S6、对服务器进行复位操作，下一步执行步骤S7；

S7、结束。

2.根据权利要求1所述的基于神经网络的服务器故障监测方法，其特征在于，所述服务器健康信息数据包括服务器端电压、服务器端电流和服务器端温度。

3.根据权利要求1所述的基于神经网络的服务器故障监测方法，其特征在于，所述步骤S2中对获取的健康信息数据进行预处理具体如下：

S201、将字符型数据转化成数据型数据；

S202、对数据进行归一化处理，防止数据差异对预测结果的影响。

4.根据权利要求1所述的基于神经网络的服务器故障监测方法，其特征在于，所述神经网络采用BP神经网络，BP神经网络训练和测试过程具体如下：

S301、将训练数据集作为输入数据，对BP神经网络的权值阈值进行初始值编码；

S302、BP神经网络训练得到的误差作为适应度值；

S303、对适应度值进行选择操作；

S304、对适应度值进行交叉操作；

S305、对适应度值进行变异操作；

S306、计算适应度值；

S307、判断适应度值是否满足结束条件：

①、若是，则执行步骤S308；

②、若否，则跳转至步骤S303；

S308、获得最优权值和阈值；

S309、计算误差；

S310、更新神经网络的权值阈值；

S311、测试数据集作为输入，测试神经网络预测的准确性，并根据结果判断是否满足结束条件：

①、若是，则执行步骤S312；

②、若否，则跳转至步骤S309，对阈值和权值再次更新进行微调；

S312、得到满足条件的神经网络，完成神经网络的训练和测试。

5.根据权利要求4所述的基于神经网络的服务器故障监测方法，其特征在于，所述训练数据集和测试数据集通过对采集到的数据进行标记，即每条数据若正常则标记正常，若异常则标记故障类型；训练数据集占有标记数据的70％，测试数据集占有标记数据的30％。

6.根据权利要求4所述的基于神经网络的服务器故障监测方法，其特征在于，所述BP神经网络的权值阈值是利用遗传算法的全局搜索特征进行调节和优化，防止神经网络陷入局部最优。

7.一种基于神经网络的服务器故障监测系统，其特征在于，该系统包括，

数据采集模块，用于BMC系统通过I2C获得服务器端电压、服务器端电流和服务器端温度的健康信息数据；

数据处理模块，用于将字符型数据转化成数值型数据，为防止数据差异对预测结果的影响对数据进行归一化处理；

基于神经网络的故障预测模块，用于将训练完成并确定各个节点的参数的神经网络运用于BMC系统中，将完成预处理的数据作为神经网络的输入，输出则为预测的服务器故障类型；

故障预警模块，用于当预测结果为故障时，在web页面显示报警信息以提示用户，并监测服务器是否会发生宕机。