[發明專利]一種數據中心監控系統的故障分類方法和裝置

在審

• 申請號: 201710409304.7
• 申請日: 2017-06-02
• 公開（公告）號: CN107247653A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 段誼海;劉成平;李鋒
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/08
• 代理公司: 北京安信方達知識產權代理有限公司11262
• 代理人: 李紅爽,李丹

1.一種數據中心監控系統的故障分類方法，其特征在于，所述方法包括：

根據監控資源中各個監控項的監控狀態構造網絡的輸入矩陣；

根據所述輸入矩陣，通過預先經過訓練的反向傳播BP神經網絡對所述監控資源進行故障分類。

2.如權利要求1所述的數據中心監控系統的故障分類方法，其特征在于，所述根據監控資源中各個監控項的監控狀態構造網絡的輸入矩陣包括：

獲取所述監控資源中各個監控項的監控狀態；

將不同的監控資源中不同監控項的監控狀態分別生成相應的二進制數；

對屬于同一監控項的多個監控狀態對應的二進制數做“與”處理；

將針對所述不同的監控資源中不同監控項做“與”處理后獲得的多個處理結果按照預設順序排成列向量或行向量，以形成所述輸入矩陣。

3.如權利要求1或2所述的數據中心監控系統的故障分類方法，其特征在于，

所述監控資源包括：速度傳感器、電壓傳感器、溫度傳感器和/或硬盤傳感器；

所述監控項包括：風扇轉速、電壓、溫度和/或硬盤穩定性；

所述監控狀態包括：正常或故障。

4.如權利要求1所述的數據中心監控系統的故障分類方法，其特征在于，所述方法還包括：在根據所述輸入矩陣對所述監控資源進行故障分類之前，預先對所述BP神經網絡進行訓練；

所述預先對所述BP神經網絡進行訓練包括：

A、對所述BP神經網絡進行初始化，以確定所述BP神經網絡的輸入向量和輸出向量(X,Y)，并確定所述BP神經網絡的輸入層節點數n、隱含層節點數l、輸出層節點數m、輸入層和隱含層之間的權值W_ij、隱含層和輸出層的權值W_jk、隱含層閾值a、輸出層閾值b、學習率η、神經元激勵函數f(x)和最大迭代次數；

B、根據所述輸入向量X、輸入層和隱含層之間的權值W_ij以及隱含層閾值a確定隱含層的輸入值H_j；

C、根據所述隱含層的輸出值H_j、隱含層和輸出層的權值W_jk以及輸出層閾值b確定BP神經網絡的預測輸出值O_k；

D、對所述預測輸出值O_k和期望輸出值Y_k計算誤差e_k；

E、根據計算出來的誤差e_k，更新所述W_ij、W_jk、a和b；

F、根據計算出的當前誤差和預設誤差值確定流程是否結束，或者根據當前迭代次數和所述最大迭代次數確定流程是否結束，如果確定流程結束，輸出結果，如果確定流程未結束，返回步驟B。