[发明专利]一种IT设备监测数据的健康评价系统及健康评价方法有效

专利信息
申请号: 202110161300.8 申请日: 2021-02-05
公开(公告)号: CN112990656B 公开(公告)日: 2023-05-05
发明(设计)人: 钟保强;董天波;佘俊;王振乾;钟建栩;王伟;陈黎;宣侃平 申请(专利权)人: 南方电网调峰调频发电有限公司信息通信分公司
主分类号: G06Q10/0639 分类号: G06Q10/0639;G06N3/04;G06F16/36;G06F16/335
代理公司: 南宁智卓专利代理事务所(普通合伙) 45129 代理人: 谭月萍;邓世江
地址: 510430 广东省广州市番禺区东环街番禺大*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 it 设备 监测 数据 健康 评价 系统 方法
【权利要求书】:

1.一种IT设备监测数据的健康评价系统,其特征在于:所述健康评价系统包括:获取模块、知识抽取模块、知识图谱存储模块、知识图谱转换模块和健康评审模块;所述获取模块用于获取IT设备状态监测数据,并依据编码规则对状态监测数据进行编码以获取IT设备的健康信息;所述知识抽取模块将IT设备的健康信息经过预处理获取健康类信息文本,再通过知识关联存储在所述知识图谱存储模块中,所述知识图谱存储模块将所存储的健康信息送入知识图谱转换模块进行知识图谱转换以便获取健康图谱,将匹配的目标图谱与健康图谱进行比较分析,并将比较分析结果送入健康评审模块进行健康评价,并将评价确认的健康图谱进行可视化输出;所述健康评价系统还包括知识图谱推理模块和知识图谱学习模块,所述知识图谱推理模块用于获取知识图谱存储模块中存储的IT设备的健康数据,并对健康数据设置健康边界上限值以及根据数据推理规则提供至少一个学习文本,所述知识图谱学习模块用于抽取符合规则的健康类文本和过滤干扰健康数据,并根据健康边界上限值和学习文本进行深度学习整合,建立IT设备的健康图谱。

2.根据权利要求1所述的一种IT设备监测数据的健康评价系统,其特征在于:所述深度学习整合的过程包括对大于健康边界上限值的IT设备的健康数据提供所述学习文本,然后对所述学习文本进行挖掘、特征分类聚合和过滤,形成IT设备质量事件文本的分类指标,再结合语料库进行主设备质量事件文本特征进行训练,形成IT设备的健康指标深度神经网络,以便自动识别文本中存在的质量事件特征,最后经过随机二次抽样和交叉验证,转化为可在健康图谱中进行搜索和推理的IT设备的质量安全事件验证集并再次存入所述知识图谱存储模块中,根据质量安全事件验证集建立IT设备的健康图谱。

3.根据权利要求1所述的一种IT设备监测数据的健康评价系统,其特征在于:获取IT设备的健康信息包括IT设备的实时监测数据、实时故障运行参数、历史运行数据、历史故障参数、故障频率和维修报告。

4.一种利用权利要求1至3任一权利要求所述一种IT设备监测数据的健康评价系统进行健康评价方法,其特征在于:包括通过获取模块获取IT设备的健康信息;所述知识抽取模块将IT设备的健康信息经过预处理获取健康类信息文本,再通过知识关联进行存储在知识图谱存储模块中,通过知识图谱转换模块获取所存储的健康信息进行知识图谱转换以便形成健康图谱,将匹配的目标图谱与健康图谱进行比较分析,对比较分析结果进行健康评价,并将健康确认的健康图谱进行可视化输出。

5.根据权利要求4所述的健康评价方法,其特征在于:对IT设备的健康数据设置健康边界上限值以及根据数据推理规则提供至少一个学习文本,抽取符合规则的健康类文本和过滤干扰数据,并根据健康边界上限值和学习文本进行深度学习整合,建立IT设备的健康图谱。

6.根据权利要求5所述的健康评价方法,其特征在于:对大于健康边界上限值的IT设备的健康数据进行提供一个学习文本,然后对学习文本进行挖掘、特征分类聚合和过滤,形成IT设备质量事件文本的分类指标,再结合语料库进行主设备质量事件文本特征进行训练形成了IT设备的健康类事件深度神经网络,从而自动识别文本中存在的质量事件特征,最后经过随机二次抽样和交叉验证,转化为可在健康图谱中进行搜索和推理的IT设备的质量安全事件验证集并再次存入所述知识图谱存储模块中,根据质量安全事件验证集建立IT设备的健康图谱。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南方电网调峰调频发电有限公司信息通信分公司,未经南方电网调峰调频发电有限公司信息通信分公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110161300.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top