[發明專利]磁盤故障的預測方法、裝置及電子設備

在審

• 申請號: 201810437601.7
• 申請日: 2018-05-09
• 公開（公告）號: CN108681496A
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 楊俊
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F11/22
• 分類號: G06F11/22;G06N3/02
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

1.一種磁盤故障的預測方法，其特征在于，所述方法包括：

獲取待檢測磁盤在指定時間前的N組基本指標數據，其中，N為正整數；

利用預先訓練的神經網絡模型對所述待檢測磁盤在指定時間前的N組基本指標數據進行預測，確定所述待檢測磁盤在所述指定時間的故障預測結果。

2.根據權利要求1所述的方法，其特征在于，預先訓練神經網絡模型的步驟包括：

針對預設類型的多個樣本磁盤，分別獲取每個所述樣本磁盤在一時間前連續的M組基本指標數據，其中，所述預設類型包括所述待檢測磁盤的類型，M為正整數，且M≥N；

獲取各所述樣本磁盤在所述一時間的運行狀態，其中，所述運行狀態為故障狀態或正常狀態；

利用各所述樣本磁盤在所述一時間的運行狀態，及所述樣本磁盤在一時間前連續的M組基本指標數據，對神經網絡模型進行訓練，得到所述預先訓練的神經網絡模型。

3.根據權利要求1所述的方法，其特征在于，在所述利用預先訓練的神經網絡模型對N組所述基本指標數據進行預測，確定所述待檢測磁盤在所述指定時間的故障預測結果之后，所述方法還包括：

若所述待檢測磁盤的故障預測結果連續為故障的次數超過預設異常次數閾值，利用所述待檢測磁盤的自診斷程序Selftest對所述待檢測磁盤進行檢測，得到故障檢測結果。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

通過所述故障檢測結果及所述待檢測磁盤在指定時間前的N組基本指標數據，更新所述預先訓練的神經網絡模型。

5.根據權利要求1-4任一所述的方法，其特征在于，所述基本指標數據包括：自我檢測、分析及報告技術SMART指標。

6.一種磁盤故障的預測裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取待檢測磁盤在指定時間前的N組基本指標數據，其中，N為正整數；

故障預測模塊，用于利用預先訓練的神經網絡模型對所述待檢測磁盤在指定時間前的N組基本指標數據進行預測，確定所述待檢測磁盤在所述指定時間的故障預測結果。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

采樣模塊，用于針對預設類型的多個樣本磁盤，分別獲取每個所述樣本磁盤在一時間前連續的M組基本指標數據，其中，所述預設類型包括所述待檢測磁盤的類型，M為正整數，且M≥N；

狀態確定模塊，用于獲取各所述樣本磁盤在所述一時間的運行狀態，其中，所述運行狀態為故障狀態或正常狀態；

網絡訓練模塊，用于利用各所述樣本磁盤在所述一時間的運行狀態，及所述樣本磁盤在一時間前連續的M組基本指標數據，對神經網絡模型進行訓練，得到所述預先訓練的神經網絡模型。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

故障檢測模塊，用于若所述待檢測磁盤的故障預測結果連續為故障的次數超過預設異常次數閾值，利用所述待檢測磁盤的自診斷程序Selftest對所述待檢測磁盤進行檢測，得到故障檢測結果。

9.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

網絡更新模塊，用于通過所述故障檢測結果及所述待檢測磁盤在指定時間前的N組基本指標數據，更新所述預先訓練的神經網絡模型。

10.根據權利要求6-9任一所述的裝置，其特征在于，所述基本指標數據包括：自我檢測、分析及報告技術SMART指標。

11.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，所述處理器，所述通信接口，所述存儲器通過所述通信總線完成相互間的通信；

所述存儲器，用于存放計算機程序；

所述處理器，用于執行存儲器上所存放的程序時，實現權利要求1-5任一所述的方法步驟。