[发明专利]一种故障预测方法及装置、电子设备、存储介质在审
申请号: | 202211022626.3 | 申请日: | 2022-08-24 |
公开(公告)号: | CN115328753A | 公开(公告)日: | 2022-11-11 |
发明(设计)人: | 熊奕洋;乔亚娟;董石磊;谭华 | 申请(专利权)人: | 中国电信股份有限公司 |
主分类号: | G06F11/34 | 分类号: | G06F11/34 |
代理公司: | 北京律智知识产权代理有限公司 11438 | 代理人: | 孙宝海 |
地址: | 100033 *** | 国省代码: | 北京;11 |
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 故障 预测 方法 装置 电子设备 存储 介质 | ||
1.一种故障预测方法,其特征在于,所述方法包括:
获取设备运行过程中产生的日志文件;其中,所述日志文件包括日志数据的时间戳信息和类别信息;
根据所述日志数据的时间戳信息和类别信息,对所述日志数据进行特征分析,得到用于表征所述日志数据的重要性参数;
根据所述重要性参数对所述日志数据进行语义编码处理,得到目标语义编码结果;
根据所述目标语义编码结果确定所述设备发生故障的预测信息。
2.根据权利要求1所述的方法,其特征在于,所述日志数据的数量为多条;所述根据所述日志数据的时间戳信息和类别信息,对所述日志数据进行特征分析,得到用于表征所述日志数据的重要性参数,包括:
根据各条日志数据的时间戳信息和类别信息,生成向量矩阵;
根据所述向量矩阵进行特征分析,得到用于表征所述日志数据的重要性参数。
3.根据权利要求2所述的方法,其特征在于,所述日志文件还包括日志数据的属性信息;所述根据各条日志数据的时间戳信息和类别信息,生成向量矩阵,包括:
对各条日志数据的时间戳信息、类别信息,以及属性信息进行向量化处理,得到所述各条日志数据对应的词向量;
根据所述各条日志数据对应的词向量生成所述向量矩阵。
4.根据权利要求2所述的方法,其特征在于,所述根据所述向量矩阵进行特征分析,得到用于表征所述日志数据的重要性参数,包括:
对所述向量矩阵中含有的特征元素进行数据分析预处理,得到数据分析预处理后的向量矩阵;其中,所述数据分析预处理包括异常特征元素的剔除处理、重复特征元素的剔除处理,以及不完整特征元素的填充处理中的至少一种;
对所述数据分析预处理后的向量矩阵中含有的特征元素进行特征分析,得到所述向量矩阵中每个特征元素对应的重要性参数。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述日志文件还包括日志数据的属性信息;所述根据所述重要性参数对所述日志数据进行语义编码处理得到目标语义编码结果,包括:
获取向量矩阵;其中,所述向量矩阵是根据所述日志数据的时间戳信息、类别信息,以及属性信息得到的;
对所述向量矩阵进行语义编码处理得到语义编码结果;
根据所述重要性参数对所述语义编码结果进行调整,得到所述目标语义编码结果。
6.根据权利要求5所述的方法,其特征在于,所述日志数据的数量为多条;所述根据所述重要性参数对所述语义编码结果进行调整,得到所述目标语义编码结果,包括:
将所述重要性参数作为权重,并根据所述权重对所述语义编码结果进行加权运算,得到各条日志数据对应的目标语义编码结果。
7.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述目标语义编码结果确定所述设备发生故障的预测信息,包括:
对所述目标语义编码结果进行解码处理,得到解码结果;
将所述解码结果的值作为预测信息,其中,所述预测信息为所述设备发生故障的概率值,故障的类别与日志文件中多条日志数据对应。
8.一种故障预测装置,其特征在于,包括:
获取模块,用于获取设备运行过程中产生的日志文件;其中,所述日志文件包括日志数据的时间戳信息和类别信息;
分析模块,用于根据所述日志数据的时间戳信息和类别信息,对所述日志数据进行特征分析,得到用于表征所述日志数据的重要性参数;
处理模块,用于根据所述重要性参数对所述日志数据进行语义编码处理得到目标语义编码结果;
确定模块,用于根据所述目标语义编码结果确定所述设备发生故障的预测信息。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至7中的任一项所述的故障预测方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1至7中的任一项所述的故障预测方法。
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中国电信股份有限公司,未经中国电信股份有限公司许可,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/202211022626.3/1.html,转载请声明来源钻瓜专利网。