[发明专利]大型主机硬件故障识别方法、装置、设备及存储介质

权利要求书

1.一种大型主机硬件故障识别方法，其特征在于，包括：

从目标主机系统的硬件英文告警历史信息中提取关键字英文实体；

按照每类字母出现的频率将所述关键字英文实体进行量化编码，获得故障特征序列集；

根据所述故障特征序列集训练隐马尔科夫模型，获得硬件故障识别模型；

利用所述硬件故障识别模型对所述目标主机系统进行硬件故障识别。

2.如权利要求1所述的大型主机硬件故障识别方法，其特征在于，所述根据所述故障特征序列集训练隐马尔科夫模型，包括：

根据公式迭代更新隐马尔科夫模型，直至相邻两次迭代的概率值对数差小于给定阈值时为止，并将此时的隐马尔科夫模型作为硬件故障识别模型；

其中，为目标主机系统从隐含状态i转到隐含状态j的状态转移概率矩阵；为目标主机系统在隐含状态j下出现故障特征序列k的输出概率矩阵；l为观察序列样本集数目变量；L为l的样本总数；t为观察状态时间点变量；T为t的样本总数；M为隐藏状态总数目；为t时刻隐含状态i下观察序列(O₁,O₂,…,O_t)出现的概率；a_ij为目标主机系统从隐含状态i转到隐含状态j的状态转移概率；为隐含状态j下观察值出现的概率；为隐含状态j下观察序列(O_i+2,O_i+3,…,O_T)出现的概率；为t时刻隐含状态i下观察序列(O_t+1,O_t+2,…,O_T)出现的概率；为t+1时刻隐含状态j下观察序列(O₁,O₂,…,O_t+1)出现的概率；为t时刻隐含状态j下观察序列(O₁,O₂,…,O_t)出现的概率；为t时刻隐含状态j下观察序列(O_t+1,O_t+2,…,O_T)出现的概率；O_t＝v_k表示t时刻出现的观察值O_t的取值为v_k。

3.如权利要求2所述的大型主机硬件故障识别方法，其特征在于，所述给定阈值预先根据公式确定；

其中，thd(F)为故障F对应的给定阈值，γ为比例系数；K为故障特征序列组数；O⁽ⁱ⁾为第i个故障特征序列；λ_F为故障F对应的隐马尔科夫模型；P(O⁽ⁱ⁾|λ_F)为在模型λ_F下O⁽ⁱ⁾出现的概率；len(O⁽ⁱ⁾)为故障特征序列O⁽ⁱ⁾的维数长度长。

4.如权利要求1所述的大型主机硬件故障识别方法，其特征在于，所述利用所述硬件故障识别模型对所述目标主机系统进行硬件故障识别，包括：

将所述目标主机系统待识别的硬件英文告警信息量化编码为待识别故障特征序列；

将所述待识别故障特征序列输入至硬件故障识别模型集合的每个模型中，以在所述硬件故障识别模型集合的所有模型下寻找其最大输出概率对数值；

将所述最大输出概率对数值与对应模型的给定阈值进行比较，以判断所述待识别硬件英文告警信息对应的硬件故障类型。

5.如权利要求4所述的大型主机硬件故障识别方法，其特征在于，所述将所述最大输出概率对数值与对应模型的给定阈值进行比较，包括：

当比较结果满足时，确认所述硬件英文告警信息为硬件故障告警信息；

其中，G为故障标识；O⁽ⁱ⁾为待识别故障特征序列；λ_G为故障G对应的隐马尔科夫模型；P(O⁽ⁱ⁾|λ_G)为在模型λ_F下O⁽ⁱ⁾出现的概率；len(O⁽ⁱ⁾)为待识别故障特征序列O⁽ⁱ⁾的维数长度长；thd()为给定阈值计算公式。