[發明專利]智能運維云平臺系統及其控制方法

在審

• 申請號: 201810969256.1
• 申請日: 2018-08-23
• 公開（公告）號: CN109063854A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 孫曉樂
• 申請（專利權）人: 河南中裕廣恒科技股份有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06N3/04
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 蘇勝

1.一種智能運維云平臺系統的控制方法，其特征在于，所述智能運維云平臺系統與至少一個前端設備連接，該控制方法包括：

獲取至少一個前端設備的運行狀態信息；

根據所述前端設備的標識信息，建立與所述前端設備對應的狀態信息集合；

調用與所述前端設備相對應的測試環境，對所述狀態信息集合進行測試；

確定所述運行狀態信息是否存在故障信息，以確定所述前端設備是否出現故障。

2.根據權利要求1所述的智能運維云平臺系統的控制方法，其特征在于，所述智能運維云平臺系統預先采用小型卷積神經網絡建立與每個前端設備相對應的故障信息集合，根據預設的深度學習算法對所述狀態信息集合進行處理的步驟包括：

基于所述故障信息集合，采用大型卷積神經網絡對所述狀態信息集合進行識別；

確定所述狀態信息集合中是否存在故障信息。

3.根據權利要求1所述的智能運維云平臺系統的控制方法，其特征在于，所述智能運維云平臺系統包括多個集群服務器，所述智能運維云平臺系統預先采用小型卷積神經網絡建立與每個前端設備相對應的故障信息集合的方法包括：

搭建卷積神經網絡模型；

利用所述集群服務器對所述卷積神經網絡模型進行訓練，以獲取所述小型卷積神經網絡和大型卷積神經網絡。

4.根據權利要求3所述的智能運維云平臺系統的控制方法，其特征在于，所述卷積神經網絡模型包括第一卷積層、第一最大池化層、第一局部響應歸一化層、第二卷積層、第二局部響應歸一化層、第二最大池化層、第一基于修正線性激活的全連接層、第二基于修正線性激活的全連接層和輸出函數層；其中：

所述第一卷積層用于實現卷積和整流線性激活，所述第一卷積層用于通過過濾器過濾所述狀態信息集合中的各條狀態信息，得到每條狀態信息的特征值；

所述第一最大池化層用于在預設數量的狀態信息中，選取特征值最大的值作為輸出值；

所述第一局部響應歸一化層用于進行局部響應歸一化；

所述第二卷積層用于對經過歸一化處理的數據進行卷積和整流線性激活；

所述第二局部響應歸一化層用于對經過所述第二卷積層處理后的數據進行局部響應歸一化；

所述第二最大池化層用于從經過所述第二局部響應歸一化層處理后的數據中選擇特征值最大的值作為輸出值；

所述第一卷積層、第一最大池化層、第一局部響應歸一化層、第二卷積層、第二局部響應歸一化層通過所述第一基于修正線性激活的全連接層和第二基于修正線性激活的全連接層與所述輸出函數層連接；

所述輸出函數層用于對數據進行線性變換以輸出結果。

5.根據權利要求3所述的智能運維云平臺系統的控制方法，其特征在于，所述智能運維云平臺系統還包括與所述集群服務器連接的客戶端，該方法還包括：

當確定所述前端設備出現故障時，生成與出現故障的前端設備對應的故障提示信息，以使所述客戶端展示出現故障的前端設備。

6.一種智能運維云平臺系統，其特征在于，所述智能運維云平臺系統與至少一個前端設備連接，所述智能運維云平臺系統包括控制裝置，該控制裝置包括：

狀態信息獲取模塊，用于獲取至少一個前端設備的運行狀態信息；

集合建立模塊，用于根據所述前端設備的標識信息，建立與所述前端設備對應的狀態信息集合；

測試模塊，用于調用與所述前端設備相對應的測試環境，對所述狀態信息集合進行測試；

故障確定模塊，用于確定所述運行狀態信息是否存在故障信息，以確定所述前端設備是否出現故障。

7.根據權利要求6所述的智能運維云平臺系統，其特征在于，所述智能運維云平臺系統預先采用小型卷積神經網絡建立與每個前端設備相對應的故障信息集合，根據預設的深度學習算法對所述狀態信息集合進行處理的步驟包括：

基于所述故障信息集合，采用大型卷積神經網絡對所述狀態信息集合進行識別；

確定所述狀態信息集合中是否存在故障信息。