[发明专利]故障检测方法及装置

权利要求书

1.一种故障检测方法，其特征在于，包括：

获取目标设备的第一日志数据和关联设备的第二日志数据，其中，所述关联设备是与所述目标设备的运行状态相关联的设备；

分别对所述第一日志数据和所述第二日志数据进行词向量转换处理，获得所述第一日志数据对应的第一日志向量和所述第二日志数据对应的第二日志向量；

根据所述第一日志向量和所述第二日志向量，对所述目标设备在预设故障预测时间的日志向量进行预测，获得第三日志向量；

根据所述第三日志向量，获得所述目标设备的故障预测信息。

2.根据权利要求1所述的故障检测方法，其特征在于，所述获取目标设备的第一日志数据和关联设备的第二日志数据，包括：

获取所述目标设备对应的设备拓扑信息；

根据所述设备拓扑信息，确定所述目标设备的关联设备；

确定所述目标设备在第一预设时间的日志数据，获得所述第一日志数据；

确定所述关联设备在第二预设时间的日志数据，获得所述第二日志数据。

3.根据权利要求2所述的故障检测方法，其特征在于，所述根据所述设备拓扑信息，确定所述目标设备的关联设备，包括：

根据所述设备拓扑信息，通过广度搜索算法确定所述目标设备的关联设备。

4.根据权利要求1或2所述的故障检测方法，其特征在于，所述分别对所述第一日志数据和所述第二日志数据进行词向量转换处理，获得所述第一日志数据对应的第一日志向量和所述第二日志数据对应的第二日志向量，包括：

对所述第一日志数据进行独热编码，获得第一独热编码的集合；

对所述第二日志数据进行独热编码，获得第二独热编码的集合；

将所述第一独热编码和所述第二独热编码输入预设的词向量模型，获得第一日志词向量的集合和第二日志词向量的集合；其中，所述词向量模型为通过训练获得的具有将独热编码转换为词向量功能的模型，所述第一日志词向量为所述第一独热编码对应的词向量，所述第二日志词向量为所述第二独热编码对应的词向量；

将所述第一日志词向量进行拼接，获得所述第一日志向量；

将所述第二日志词向量进行拼接，获得所述第二日志向量。

5.根据权利要求2所述的故障检测方法，其特征在于，所述预设故障预测时间与所述第一预设时间之间间隔预设时长。

6.根据权利要求1所述的故障检测方法，其特征在于，所述根据所述第三日志向量，获得所述目标设备的故障预测信息，包括：

根据所述第三日志向量，获得所述目标设备的预测设备状态向量；

根据所述预测设备状态向量，确定所述目标设备的故障预测信息。

7.根据权利要求6所述的故障检测方法，其特征在于，所述根据所述第三日志向量，获得所述目标设备的预测设备状态向量，包括：

将所述第三日志向量输入预设的设备状态预测模型，获得所述目标设备的预测设备状态向量；

其中，所述设备状态预测模型为通过训练获得的具有预测设备状态向量的模型。

8.根据权利要求1所述的故障检测方法，其特征在于，所述根据所述第三日志向量，获得所述目标设备的故障预测信息之后，还包括：

在所述故障预测信息为存在故障的情况下，发出故障预警提示信号。

9.一种故障检测装置，其特征在于，包括：

日志数据获取模块，被配置为获取目标设备的第一日志数据和关联设备的第二日志数据，其中，所述关联设备是与所述目标设备的运行状态相关联的设备；

日志向量获取模块，被配置为分别对所述第一日志数据和所述第二日志数据进行词向量转换处理，获得所述第一日志数据对应的第一日志向量和所述第二日志数据对应的第二日志向量；

预测日志获取模块，被配置为根据所述第一日志向量和所述第二日志向量，对所述目标设备在预设故障预测时间的日志向量进行预测，获得第三日志向量；

故障预测模块，被配置为根据所述第三日志向量，获得所述目标设备的故障预测信息。

10.根据权利要求9所述的故障检测装置，其特征在于，所述日志向量获取模块，具体包括：

编码单元，被配置为对所述第一日志数据进行独热编码，获得第一独热编码的集合，以及对所述第二日志数据进行独热编码，获得第二独热编码的集合；

词向量转换单元，被配置为将所述第一独热编码和所述第二独热编码输入预设的词向量模型，获得第一日志词向量的集合和第二日志词向量的集合；其中，所述词向量模型为通过训练获得的具有将独热编码转换为词向量功能的模型；

拼接单元，被配置为将所述第一日志词向量进行拼接，获得所述第一日志向量，以及将所述第二日志词向量进行拼接，获得所述第二日志向量。