[发明专利]一种存储设备故障预测方法和系统

摘要

本发明公开了一种存储设备故障预测方法和系统，属于计算机存储技术领域。包括：S1.采集N个存储设备在不同时间点的SMART属性数据；S2.打乱所有存储设备的顺序，选取第j＝1个存储设备；83.该存储设备各时间点的SMART属性数据作为小批次样本，输入故障预测模型进行训练，得到输出结果；S4.根据存储设备的时间点tn的状态、输出结果、LTMIN和LTMAX，动态调整各样本的标签和反馈权重；S5.计算该批次的综合损失Lossj；S6.选取下一个存储设备，重复步骤S3‑S5，直至所有存储设备都取完，计算该周期内所有存储设备的总损失Lossfinal；87.判断Lossfinal是否收敛，若是，得到训练好的预测模型，进入步骤S8，否则，进入步骤S2；S8.将待预测存储设备的当前SMART属性数据输入训练好的预测模型，得到预测结果。

主权项

1.一种存储设备故障预测方法，其特征在于，所述方法包括以下步骤：S1.接收输入的最小提前时间LTMIN和最大提前时间LTMAX，并实时采集同存储设备系列的N个存储设备在不同时间点的SMART属性数据，保证采集到的数据包括正常存储设备数据和故障存储设备数据；S2.随机打乱所有存储设备的顺序，按照打乱后的顺序选取第j＝1个存储设备；S3.该存储设备各时间点的SMART属性数据{I_t1，I_t2，…I_tn}作为小批次样本，每个时间点的SMART属性数据I_ti作为一个样本，输入多层感知器的存储设备故障预测模型进行训练，得到输出结果{O_t1，O_t2，…，O_tn}，tn表示该存储设备最后采集时间；S4.根据该存储设备的时间点tn的状态、输出结果{O_t1，O_t2，…，O_tn}、最小提前时间LTMIN和最大提前时间LTMAX，动态调整该批次中各样本对应的标签{L_t1，L_t2，…，L_tn}和反馈权重{w_t1，w_t2，…，w_tn}；S5.根据输出结果{O_t1，O_t2，…，O_tn}、标签{L_t1，L_t2，…，L_tn}和反馈权重{w_t1，w_t2，…，w_tn}，计算该批次的综合损失Loss_j，并根据综合损失进行后向反馈，调整预测模型各层神经元的权重和偏差；S6.按照打乱后的顺序选取下一个存储设备，重复步骤S3‑S5，直至所有存储设备都取完，计算该周期内所有存储设备的总损失S7.判断Loss_final是否收敛，若是，得到训练好的预测模型，进入步骤S8，否则，进入步骤S2；S8.将待预测存储设备的当前SMART属性数据输入训练好的预测模型，得到预测结果。