[發(fā)明專利]一種利用馬爾科夫模型分析與預(yù)測機(jī)房故障的方法

在審

• 申請?zhí)枺?/td>: 202010961323.2
• 申請日: 2020-09-14
• 公開（公告）號: CN112132195A
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 顧磊;沈李峰
• 申請（專利權(quán)）人: 江西山水光電科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q10/00
• 代理公司: 武漢華旭知識產(chǎn)權(quán)事務(wù)所 42214
• 代理人: 劉榮;周宗貴

一種利用馬爾科夫模型分析與預(yù)測機(jī)房故障的方法，該方法根據(jù)歷史告警故障數(shù)據(jù)構(gòu)建馬爾科夫模型矩陣，并根據(jù)當(dāng)前的新告警故障數(shù)據(jù)按照馬爾科夫模型矩陣推斷是否發(fā)生故障狀態(tài)轉(zhuǎn)移，再將新告警故障數(shù)據(jù)和預(yù)測故障狀態(tài)轉(zhuǎn)移以網(wǎng)絡(luò)消息的形式發(fā)生至運(yùn)維人員，最后將新告警故障數(shù)據(jù)加入歷史告警故障數(shù)據(jù)中進(jìn)行數(shù)據(jù)更新，以方便提高下一次推斷故障狀態(tài)轉(zhuǎn)移的準(zhǔn)確性，該方法根據(jù)歷史告警故障數(shù)據(jù)構(gòu)建馬爾科夫模型矩陣，判斷出告警故障數(shù)據(jù)的不同狀態(tài)之間的內(nèi)在聯(lián)系，而且利用馬爾科夫模型分析新產(chǎn)生的新告警故障數(shù)據(jù)，判斷出對無人機(jī)房將來會(huì)發(fā)生的問題并且對相關(guān)運(yùn)維人員進(jìn)行預(yù)警，而不是被動(dòng)式等待問題出現(xiàn)并且解決，因此提高了運(yùn)維人員的工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種利用馬爾科夫模型分析與預(yù)測機(jī)房故障的方法，屬于機(jī)房檢測技術(shù)領(lǐng)域。

背景技術(shù)

目前各大運(yùn)營商在機(jī)房管理上都采用無人值守智慧化管理方式，運(yùn)維人員通過遠(yuǎn)程監(jiān)控手段來降低運(yùn)維成本，即利用攝像機(jī)對監(jiān)視對象中設(shè)備及其運(yùn)行情況的監(jiān)視，但是人工監(jiān)控要求工作人員一直在屏幕前，不但工作量大，而且難免會(huì)有疏漏。而且故障發(fā)生后，由運(yùn)維人員及時(shí)處理，完全取決于運(yùn)維人員的工作經(jīng)驗(yàn)以及工作效率，只能被動(dòng)式等待問題出現(xiàn)并且解決。

而且機(jī)房故障狀態(tài)會(huì)發(fā)生轉(zhuǎn)移，比如水浸設(shè)備故障發(fā)生后，有一定概率發(fā)生電壓過高，或者過低相關(guān)故障，煙感設(shè)備故障發(fā)生后，也有一定概率發(fā)生紅外設(shè)備等關(guān)聯(lián)設(shè)備故障，但目前只能通過運(yùn)維人員的長期工作獲取的經(jīng)驗(yàn)來預(yù)防這些問題的發(fā)生。

發(fā)明內(nèi)容

為解決上述現(xiàn)有技術(shù)中存在的技術(shù)問題，本發(fā)明提供了一種利用馬爾科夫模型分析與預(yù)測機(jī)房故障的方法，該方法利用馬爾科夫模型分析新產(chǎn)生的新告警故障數(shù)據(jù)，預(yù)判出對無人機(jī)房將來會(huì)發(fā)生的問題并且進(jìn)行預(yù)警，從而對機(jī)房運(yùn)維人員起到提前預(yù)判問題的發(fā)生，同時(shí)提高了運(yùn)維人員的工作效率。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為，一種利用馬爾科夫模型分析與預(yù)測機(jī)房故障的方法，至少包括以下步驟：

(1)根據(jù)歷史告警故障數(shù)據(jù)計(jì)算出初始經(jīng)驗(yàn)值，再根據(jù)初始經(jīng)驗(yàn)值構(gòu)建馬爾科夫模型矩陣，且初始經(jīng)驗(yàn)值存儲(chǔ)到經(jīng)驗(yàn)庫中，其中馬爾科夫模型矩陣的計(jì)算公式為：

p_ij＝p(E_j/E_i) 式1

式1中，E_i為故障第i種狀態(tài)概率，E_j為故障第j種狀態(tài)概率，p_ij為從狀態(tài)i到狀態(tài)j的條件概率即故障第i種狀態(tài)轉(zhuǎn)為故障第j種狀態(tài)的狀態(tài)轉(zhuǎn)移概率；式2中，P為狀態(tài)轉(zhuǎn)移概率矩陣，p_ij為從狀態(tài)i到狀態(tài)j的條件概率；式3中，p_ij為從狀態(tài)i到狀態(tài)j 的條件概率；

(2)根據(jù)馬爾科夫模型矩陣設(shè)定不同閾值，再將采集得到的新告警故障數(shù)據(jù)值與閾值A(chǔ)進(jìn)行比對，若數(shù)據(jù)值小于相應(yīng)閾值A(chǔ)，則作為普通故障或者事件進(jìn)行丟棄；若數(shù)據(jù)值大于相應(yīng)閾值A(chǔ)，則認(rèn)定為故障狀態(tài)轉(zhuǎn)移，且將新告警故障數(shù)據(jù)值根據(jù)馬爾科夫模型數(shù)據(jù)并行計(jì)算出其他條件概率，再將條件概率值與相應(yīng)的閾值B進(jìn)行比對，若條件概率值小于相應(yīng)閾值B，則作為極低故障狀態(tài)轉(zhuǎn)移事件丟棄；若條件概率值大于相應(yīng)閾值 B，則將新告警故障數(shù)據(jù)和預(yù)測故障狀態(tài)轉(zhuǎn)移以網(wǎng)絡(luò)消息的形式輸出；

(3)將新告警故障數(shù)據(jù)加入歷史告警故障數(shù)據(jù)中進(jìn)行數(shù)據(jù)更新，即故障狀態(tài)產(chǎn)生次數(shù)加歷史狀態(tài)次數(shù)形成總歷史狀態(tài)次數(shù)，且更新后的歷史告警故障數(shù)據(jù)更新馬爾科夫模型矩陣，再將更新后的歷史告警故障數(shù)據(jù)進(jìn)行存儲(chǔ)。

對上述技術(shù)方案的進(jìn)一步改進(jìn)為：步驟(1)所述歷史告警故障數(shù)據(jù)以周或月或年為時(shí)間范圍內(nèi)的告警故障數(shù)據(jù)結(jié)合而成。

且步驟(3)所述更新后的歷史告警故障數(shù)據(jù)以故障名稱、故障狀態(tài)、馬爾科夫模型矩陣、故障更新日期、相應(yīng)閾值的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)。