[发明专利]一种故障检测方法、终端以及计算机存储介质

权利要求书

1.一种故障检测方法，其特征在于，包括：

持续获取处于家庭环境下的多个设备的状态数据，所述状态数据包括以下一个或多个指标：cpu温度、cpu使用率、ram占用率、storage占用率、网速、流量、分辨率、wifi信号强度、蓝牙信号强度、活跃度、是否处在待机状态；

对所述状态数据进行处理，得到训练数据，所述训练数据中包括多个与故障相关的feature；

基于所述训练数据以及非监督学习算法得到设备故障预测模型；得到feature后，利用局域密度方法进行聚类并设定阈值，从而获得非监督学习模型，所述非监督学习模型用于新产生的数据并识别得到存在故障的危险设备，对所得到的危险设备进行标记；

当获取到待预测设备的最新数据时，将所述最新数据导入所述设备故障预测模型进行预测；

设备之前的数据构成历史数据；对所有设备的历史数据统一进行聚类，同时对每个设备的历史数据分别进行聚类分析，并通过调整不同的feature列表，查看聚类的效果是否有改善；其中，使用基于局域密度的算法来对设备聚类，并假设当前数据集中存在预设阈值比例的异类(outlier)设备；得到一个带有阈值比例的模型，由于新产生的数据和之前的数据是相似的，所以应用模型的时候也就有预设阈值比例的设备会被当作异类；将该模型运用在当天产生的数据集上，就会找到异类设备，通过标记这些异类设备并上传日志，供后续的回溯分析使；根据异类设备分析危险设备；

当预测结果确定所述待预测设备为危险设备时，对所述待预测设备进行标记。

2.如权利要求1所述的方法，其特征在于，通过kafka和大数据系统持续收集多个设备的状态信息。

3.如权利要求1所述的方法，其特征在于，获取多个设备在预设时间段内所有上报的状态数据；其中，预设时间段对应当前之前的预设时间。

4.如权利要求1所述的方法，其特征在于，不同所述设备的状态信息通过不同的标识进行标记；同一所述设备下不同时间的所述状态信息通过产生的时间戳进行标记。

5.如权利要求1所述的方法，其特征在于，所述处理包括以下一个或多个的任意组合：数据整理、数据清洗。

6.如权利要求5所述的方法，其特征在于，不同所述设备的状态数据分散在不同的表中，所述数据整理为将分散在不同表中的状态数据汇总到一个总表中；

所述数据清洗是通过spark或hive来进行的。

7.如权利要求1所述的方法，其特征在于，所述feature是通过kmeans聚类算法及Silhouette Coefficient和Calinski-Harabasz Index性能评估方法进行选择得到的。

8.一种终端，其特征在于，包括处理器，所述处理器用于执行权利要求1-7任一项所述的方法。

9.计算机存储介质，其特征在于，所述计算机存储介质中存储有用于执行权利要求1-7任一项所述的方法的程序。