本发明专利技术提供一种设备故障预测方法、装置、电子设备及存储介质，涉及计算机技术领域，其中所述设备故障预测方法包括：对业务系统中M个设备的实时指标数据进行监测；在监测到M个设备中第一设备的实时指标数据发生异常的情况下，基于第一设备及预先构建的设备相似矩阵，从M个设备中确定目标设备；目标设备为M个设备中与第一设备的相似度达到预设阈值的设备；设备相似矩阵用于表征M个设备之间的相似度。通过上述方法，基于第一设备及设备相似矩阵，将与第一设备相似的目标设备确定为预测故障设备，可以提高设备故障预测的准确率；同时，避免了对设备数量庞大的业务系统进行建模，节省了人力物力，提升了设备故障预测的效率。提升了设备故障预测的效率。提升了设备故障预测的效率。
【技术实现步骤摘要】
设备故障预测方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机
，尤其涉及一种设备故障预测方法、装置、电子设备及存储介质。
技术介绍
[0002]随着科技的飞速发展，计算机软件在分布式云环境下部署得愈加庞大，各个组件之间的依赖关系错综复杂，企业部署的业务系统中通常会使用到大量的设备，这些设备在长时间运行工作后难免由于各种各样的原因而出现故障，在故障发生之后会对整个业务系统造成非常大的影响，进而对企业造成损失。因此，对于业务系统中的设备进行故障预测是非常有必要的。
[0003]相关技术中，通常采用基于可靠性模型、物理模型或定性分析的方法来对业务系统中的设备进行故障预测。但是，对于企业部署的业务系统而言，设备的数量十分庞大，因此无法针对设备数量庞大的业务系统进行有效建模，导致设备故障预测精度低。
[0004]因此，如何针对设备数量庞大的业务系统进行准确的设备故障预测是目前亟待解决的问题。
技术实现思路
[0005]针对现有技术存在的问题，本专利技术实施例提供一种设备故障预测方法、装置、电子设备及存储介质。
[0006]本专利技术提供一种设备故障预测方法，包括：对业务系统中M个设备的实时指标数据进行监测；在监测到所述M个设备中第一设备的实时指标数据发生异常的情况下，基于所述第一设备及预先构建的设备相似矩阵，从所述M个设备中确定目标设备；所述目标设备为所述M个设备中与所述第一设备的相似度达到预设阈值的设备；所述目标设备为预测故障设备；所述设备相似矩阵用于表征所述M个设备之间的相似度；M为正整数。
[0007]可选地，所述设备相似矩阵通过以下方式构建：针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据；N为正整数；基于所述M个设备中所述N个类型的目标历史指标数据及所述衍生指标数据，构建所述设备相似矩阵。
[0008]可选地，所述针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据，包括：针对每一个所述设备，基于先验知识确定历史指标数据对；所述历史指标数据对包括第一类型的目标历史指标数据及第二类型的目标历史指标数据；所述第一类型与第二类型之间具有关联关系；将所述N个类型的目标历史指标数据进行非线性转换，生成与所述N个类型的目标
历史指标数据对应的第一衍生指标数据；将各所述历史指标数据对中的所述第一类型的目标历史指标数据及所述第二类型的目标历史指标数据进行相乘，生成与所述N个类型的目标历史指标数据对应的第二衍生指标数据。
[0009]可选地，在所述针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据之前，所述方法还包括：获取所述M个设备中N个类型的原始历史指标数据；针对每一个所述设备，在预设时段内对每一个类型的所述原始历史指标数据进行聚合处理，生成所述N个类型的原始历史指标数据对应的N个类型的聚合历史指标数据；基于所述N个类型的聚合历史指标数据，确定所述N个类型的目标历史指标数据。
[0010]可选地，所述基于所述N个类型的聚合历史指标数据，确定所述N个类型的目标历史指标数据，包括：针对每一个所述设备，基于动态时间规整算法DTW计算所述聚合历史指标数据对应的N个类型之间的相似度；基于所述N个类型之间的相似度，对所述N个类型的聚合历史指标数据进行去重处理，确定所述N个类型的目标历史指标数据。
[0011]可选地，所述基于所述M个设备中所述N个类型的目标历史指标数据及所述衍生指标数据，构建所述设备相似矩阵，包括：对所述M个设备中所述N个类型的目标历史指标数据及所述衍生指标数据进行标准化处理，生成所述M个设备对应的特征向量；利用余弦相似度算法计算各所述特征向量之间的相似度；基于各所述特征向量之间的相似度，构建所述设备相似矩阵。
[0012]可选地，在所述将所述目标设备确定为预测故障设备之后，所述方法还包括：基于所述预测故障设备对应的设备信息，生成告警事件及与所述告警事件对应的处置策略。
[0013]本专利技术还提供一种设备故障预测装置，包括：监测模块，用于对业务系统中M个设备的实时指标数据进行监测；确定模块，用于在监测到所述M个设备中第一设备的实时指标数据发生异常的情况下，基于所述第一设备及预先构建的设备相似矩阵，从所述M个设备中确定目标设备；所述目标设备为所述M个设备中与所述第一设备的相似度达到预设阈值的设备；所述目标设备为预测故障设备；所述设备相似矩阵用于表征所述M个设备之间的相似度；M为正整数。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述设备故障预测方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述设备故障预测方法。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述设备故障预测方法。
[0017]本专利技术提供的设备故障预测方法、装置、电子设备及存储介质，通过对业务系统中
M个设备的实时指标数据进行监测，在监测到业务系统中第一设备的实时指标数据发生异常的情况下，基于第一设备及设备相似矩阵确定出M个设备中与第一设备的相似度达到预设阈值的目标设备，通过将与第一设备相似的目标设备确定为预测故障设备，可以提高设备故障预测的准确率；同时，避免了对设备数量庞大的业务系统进行建模，节省了人力物力，提升了设备故障预测的效率。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术提供的设备故障预测方法的流程示意图之一；图2是本专利技术提供的基于DTW算法计算类型相似度的示意图；图3是本专利技术提供的设备故障预测方法的流程示意图之二；图4是本专利技术提供的设备故障预测装置的结构示意图；图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0020]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]为了便于更加清晰地理解本申请各实施例，首先对一些相关的背景知识进行如下介绍。
[0022]随着全球化竞争激烈，产品趋同性越专利技术显，产品质量与成本成为企业最关注的指标。但是如何使产品具备成本优势，对企业来说是不小的挑战。提高设备全局利本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种设备故障预测方法，其特征在于，包括：对业务系统中M个设备的实时指标数据进行监测；在监测到所述M个设备中第一设备的实时指标数据发生异常的情况下，基于所述第一设备及预先构建的设备相似矩阵，从所述M个设备中确定目标设备；所述目标设备为所述M个设备中与所述第一设备的相似度达到预设阈值的设备；所述目标设备为预测故障设备；所述设备相似矩阵用于表征所述M个设备之间的相似度；M为正整数。2.根据权利要求1所述的设备故障预测方法，其特征在于，所述设备相似矩阵通过以下方式构建：针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据；N为正整数；基于所述M个设备中所述N个类型的目标历史指标数据及所述衍生指标数据，构建所述设备相似矩阵。3.根据权利要求2所述的设备故障预测方法，其特征在于，所述针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据，包括：针对每一个所述设备，基于先验知识确定历史指标数据对；所述历史指标数据对包括第一类型的目标历史指标数据及第二类型的目标历史指标数据；所述第一类型与第二类型之间具有关联关系；将所述N个类型的目标历史指标数据进行非线性转换，生成与所述N个类型的目标历史指标数据对应的第一衍生指标数据；将各所述历史指标数据对中的所述第一类型的目标历史指标数据及所述第二类型的目标历史指标数据进行相乘，生成与所述N个类型的目标历史指标数据对应的第二衍生指标数据。4.根据权利要求2所述的设备故障预测方法，其特征在于，在所述针对所述M个设备中N个类型的目标历史指标数据，生成与所述N个类型的目标历史指标数据对应的衍生指标数据之前，所述方法还包括：获取所述M个设备中N个类型的原始历史指标数据；针对每一个所述设备，在预设时段内对每一个类型的所述原始历史指标数据进行聚合处理，生成所述N个类型的原始历史指标数据对应的N个类型的聚合历史指标数据；基于所述N个类型的聚合历史指标数据，确定所述N...
【专利技术属性】
技术研发人员：张治国，王越，陆仲达，刘乘玮，
申请(专利权)人：北京宝兰德软件股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。