一种用于信息化串流的故障信息归类方法及系统技术方案

本发明专利技术适用于数据处理技术领域，提供了一种用于信息化串流的故障信息归类方法及系统，包括以下步骤：接收历史数据流故障信息，所述历史数据流故障信息包括异常数据流、数据参数名称和故障原因；根据故障原因对历史数据流故障信息进行第一次分类，从而得到若干个大类，根据数据参数名称对每大类中的历史数据流故障信息进行第二次分类，从而得到若干个小类；对每小类中的异常数据流进行分析，确定数据趋势特征，数据趋势特征上标记有数据参数名称，对所有的数据趋势特征进行汇总，得到数据趋势库。本发明专利技术通过将当前数据流故障信息输入至数据趋势库，进行数据变化趋势的匹配，就能够自动得到预测故障原因，预测速度快，预测结果精准。准。准。

【技术实现步骤摘要】
一种用于信息化串流的故障信息归类方法及系统


[0001]本专利技术涉及数据处理
，具体是涉及一种用于信息化串流的故障信息归类方法及系统。

技术介绍

[0002]串流处理是针对数据流应用大规模密集型计算特点而设计的一种编程模型，数据流是一连串的数字编码序列，常用来表示某一设备所产生的连续事件信息，它代表了一种新的数据模式，与传统数据库模型不同，它是一种大量、连续、快速并且随时间变化的数据流。目前的故障信息归类仅仅是根据故障原因和设备参数名称进行归类的，没有对归类后的故障信息进行进一步的自动分析和细化，且归类的故障信息缺少连续性，难以分析出故障原因导致的动态变化趋势，后续发生故障时，不便于根据归类的故障信息快速精准找到故障原因。因此，需要提供一种用于信息化串流的故障信息归类方法及系统，旨在解决上述问题。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术的目的在于提供一种用于信息化串流的故障信息归类方法及系统，以解决上述
技术介绍
中存在的问题。
[0004]本专利技术是这样实现的，一种用于信息化串流的故障信息归类方法，所述方法包括以下步骤：接收历史数据流故障信息，所述历史数据流故障信息包括异常数据流、数据参数名称和故障原因；根据故障原因对历史数据流故障信息进行第一次分类，从而得到若干个大类，根据数据参数名称对每大类中的历史数据流故障信息进行第二次分类，从而得到若干个小类；对每小类中的异常数据流进行分析，确定数据趋势特征，数据趋势特征上标记有数据参数名称，对所有的数据趋势特征进行汇总，得到数据趋势库，所述数据趋势库包括多种数据趋势特征和对应的故障原因；接收当前数据流故障信息，将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因。
[0005]作为本专利技术进一步的方案：所述对每小类中的异常数据流进行分析，确定数据趋势特征的步骤，具体包括：确定每小类中每个异常数据流的突变特征，所述突变特征包括突变速度和突变端点值；根据每个异常数据流的突变特征的相似度，对异常数据流进行分组和筛选；根据筛选后的异常数据流确定数据趋势特征，所述数据趋势特征包括一组或者多组突变速度范围和突变端点值范围。
[0006]作为本专利技术进一步的方案：所述确定每小类中每个异常数据流的突变特征的步骤，具体包括：根据最小间隔值依次计算异常数据流的每段变换速度；当后一段的变换速度相比前一段变换速度的变化幅度大于设定变化值时，设定后一段的变换速度为突变速度，记录突变端点值；当后一段的变换速度相比前一段变换速度的变化幅度小于或者等于设定变化值时，且前一段变换速度为突变速度时，将这两段变换速度整合为一段，并对突变速度和突变端点值进行更新；对所有的突变速度和对应的突变端点值进行汇总，从而得到突变特征。
[0007]作为本专利技术进一步的方案：所述根据每个异常数据流的突变特征的相似度，对异常数据流进行分组和筛选的步骤，具体包括：根据突变特征的相似度对每小类的异常数据流进行分组；根据每组中异常数据流的数量对异常数据流进行筛选，当一组中异常数据流的数量值小于设定数量值，删除所述组中所有的异常数据流。
[0008]作为本专利技术进一步的方案：所述将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因的步骤，具体包括：将当前数据流故障信息输入至数据趋势库，所述当前数据流故障信息包含数据参数名称；计算当前数据流故障信息的待验证趋势特征；将待验证趋势特征与数据趋势库中的数据趋势特征进行匹配，输出匹配度最高的数据趋势特征以及对应的故障原因。
[0009]本专利技术的另一目的在于提供一种用于信息化串流的故障信息归类系统，所述系统包括：历史数据流接收模块，用于接收历史数据流故障信息，所述历史数据流故障信息包括异常数据流、数据参数名称和故障原因；历史数据流归类模块，用于根据故障原因对历史数据流故障信息进行第一次分类，从而得到若干个大类，根据数据参数名称对每大类中的历史数据流故障信息进行第二次分类，从而得到若干个小类；数据趋势库生成模块，用于对每小类中的异常数据流进行分析，确定数据趋势特征，数据趋势特征上标记有数据参数名称，对所有的数据趋势特征进行汇总，得到数据趋势库，所述数据趋势库包括多种数据趋势特征和对应的故障原因；故障原因预测模块，用于接收当前数据流故障信息，将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因。
[0010]作为本专利技术进一步的方案：所述数据趋势库生成模块包括：突变特征确定单元，用于确定每小类中每个异常数据流的突变特征，所述突变特征包括突变速度和突变端点值；异常数据流筛选单元，用于根据每个异常数据流的突变特征的相似度，对异常数据流进行分组和筛选；数据趋势特征确定单元，用于根据筛选后的异常数据流确定数据趋势特征，所述
数据趋势特征包括一组或者多组突变速度范围和突变端点值范围。
[0011]作为本专利技术进一步的方案：所述突变特征确定单元包括：变换速度确定子单元，用于根据最小间隔值依次计算异常数据流的每段变换速度；突变速度确定子单元，当后一段的变换速度相比前一段变换速度的变化幅度大于设定变化值时，设定后一段的变换速度为突变速度，记录突变端点值；突变速度更新子单元，当后一段的变换速度相比前一段变换速度的变化幅度小于或者等于设定变化值时，且前一段变换速度为突变速度时，将这两段变换速度整合为一段，并对突变速度和突变端点值进行更新；突变特征确定子单元，用于对所有的突变速度和对应的突变端点值进行汇总，从而得到突变特征。
[0012]作为本专利技术进一步的方案：所述故障原因预测模块包括：当前数据流输入单元，用于将当前数据流故障信息输入至数据趋势库，所述当前数据流故障信息包含数据参数名称；待验证趋势特征单元，用于计算当前数据流故障信息的待验证趋势特征；趋势特征匹配单元，用于将待验证趋势特征与数据趋势库中的数据趋势特征进行匹配，输出匹配度最高的数据趋势特征以及对应的故障原因。
[0013]与现有技术相比，本专利技术的有益效果是：本专利技术通过对异常数据流进行自动分析，确定数据趋势特征，并对所有的数据趋势特征进行汇总，得到数据趋势库，如此，后续有故障发生时，调取发生时的数据流故障信息，形成当前数据流故障信息，将当前数据流故障信息输入至数据趋势库，进行数据变化趋势的匹配，就能够自动得到预测故障原因，预测速度快，预测结果精准。
附图说明
[0014]图1为一种用于信息化串流的故障信息归类方法的流程图。
[0015]图2为一种用于信息化串流的故障信息归类方法中对每小类中的异常数据流进行分析，确定数据趋势特征的流程图。
[0016]图3为一种用于信息化串流的故障信息归类方法中确定每小类中每个异常数据流的突变特征的流程图。
[0017]图4为一种用于信息化串流的故障信息归类方法中将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因的流程图。
[0018]图5为一种用于信息化串流的故障信息归类系统的结构示意图。
[0019]图6为一种用于信息化串流的故障信息归类系统中数据趋势库生成模块的结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于信息化串流的故障信息归类方法，其特征在于，所述方法包括以下步骤：接收历史数据流故障信息，所述历史数据流故障信息包括异常数据流、数据参数名称和故障原因；根据故障原因对历史数据流故障信息进行第一次分类，从而得到若干个大类，根据数据参数名称对每大类中的历史数据流故障信息进行第二次分类，从而得到若干个小类；对每小类中的异常数据流进行分析，确定数据趋势特征，数据趋势特征上标记有数据参数名称，对所有的数据趋势特征进行汇总，得到数据趋势库，所述数据趋势库包括多种数据趋势特征和对应的故障原因；接收当前数据流故障信息，将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因。2.根据权利要求1所述一种用于信息化串流的故障信息归类方法，其特征在于，所述对每小类中的异常数据流进行分析，确定数据趋势特征的步骤，具体包括：确定每小类中每个异常数据流的突变特征，所述突变特征包括突变速度和突变端点值；根据每个异常数据流的突变特征的相似度，对异常数据流进行分组和筛选；根据筛选后的异常数据流确定数据趋势特征，所述数据趋势特征包括一组或者多组突变速度范围和突变端点值范围。3.根据权利要求2所述一种用于信息化串流的故障信息归类方法，其特征在于，所述确定每小类中每个异常数据流的突变特征的步骤，具体包括：根据最小间隔值依次计算异常数据流的每段变换速度；当后一段的变换速度相比前一段变换速度的变化幅度大于设定变化值时，设定后一段的变换速度为突变速度，记录突变端点值；当后一段的变换速度相比前一段变换速度的变化幅度小于或者等于设定变化值时，且前一段变换速度为突变速度时，将这两段变换速度整合为一段，并对突变速度和突变端点值进行更新；对所有的突变速度和对应的突变端点值进行汇总，从而得到突变特征。4.根据权利要求2所述一种用于信息化串流的故障信息归类方法，其特征在于，所述根据每个异常数据流的突变特征的相似度，对异常数据流进行分组和筛选的步骤，具体包括：根据突变特征的相似度对每小类的异常数据流进行分组；根据每组中异常数据流的数量对异常数据流进行筛选，当一组中异常数据流的数量值小于设定数量值，删除所述组中所有的异常数据流。5.根据权利要求1所述一种用于信息化串流的故障信息归类方法，其特征在于，所述将当前数据流故障信息输入至数据趋势库，自动输出预测故障原因的步骤，具体包括：将当前数据流故障信息输入至数据趋势库，所述当前数据流故障信息包含数据参数名称；计算当前数据流故障信息的待验证趋势特征；将待验证趋势特征与数据趋势库中的数据趋势特征进...

【专利技术属性】
技术研发人员：赵士贤，
申请(专利权)人：南京广权科技有限公司，
类型：发明
国别省市：