[發明專利]一種故障檢測方法、終端以及計算機存儲介質

有效

• 申請號: 202110434674.2
• 申請日: 2021-04-22
• 公開（公告）號: CN113138875B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 尹繼圣
• 申請（專利權）人: 深圳感臻智能股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06K9/62
• 代理公司: 深圳智趣知識產權代理事務所(普通合伙) 44486
• 代理人: 崔艷崢

1.一種故障檢測方法，其特征在于，包括：

持續獲取處于家庭環境下的多個設備的狀態數據，所述狀態數據包括以下一個或多個指標：cpu溫度、cpu使用率、ram占用率、storage占用率、網速、流量、分辨率、wifi信號強度、藍牙信號強度、活躍度、是否處在待機狀態；

對所述狀態數據進行處理，得到訓練數據，所述訓練數據中包括多個與故障相關的feature；

基于所述訓練數據以及非監督學習算法得到設備故障預測模型；得到feature后，利用局域密度方法進行聚類并設定閾值，從而獲得非監督學習模型，所述非監督學習模型用于新產生的數據并識別得到存在故障的危險設備，對所得到的危險設備進行標記；

當獲取到待預測設備的最新數據時，將所述最新數據導入所述設備故障預測模型進行預測；

設備之前的數據構成歷史數據；對所有設備的歷史數據統一進行聚類，同時對每個設備的歷史數據分別進行聚類分析，并通過調整不同的feature列表，查看聚類的效果是否有改善；其中，使用基于局域密度的算法來對設備聚類，并假設當前數據集中存在預設閾值比例的異類(outlier)設備；得到一個帶有閾值比例的模型，由于新產生的數據和之前的數據是相似的，所以應用模型的時候也就有預設閾值比例的設備會被當作異類；將該模型運用在當天產生的數據集上，就會找到異類設備，通過標記這些異類設備并上傳日志，供后續的回溯分析使；根據異類設備分析危險設備；

當預測結果確定所述待預測設備為危險設備時，對所述待預測設備進行標記。

2.如權利要求1所述的方法，其特征在于，通過kafka和大數據系統持續收集多個設備的狀態信息。

3.如權利要求1所述的方法，其特征在于，獲取多個設備在預設時間段內所有上報的狀態數據；其中，預設時間段對應當前之前的預設時間。

4.如權利要求1所述的方法，其特征在于，不同所述設備的狀態信息通過不同的標識進行標記；同一所述設備下不同時間的所述狀態信息通過產生的時間戳進行標記。

5.如權利要求1所述的方法，其特征在于，所述處理包括以下一個或多個的任意組合：數據整理、數據清洗。

6.如權利要求5所述的方法，其特征在于，不同所述設備的狀態數據分散在不同的表中，所述數據整理為將分散在不同表中的狀態數據匯總到一個總表中；

所述數據清洗是通過spark或hive來進行的。

7.如權利要求1所述的方法，其特征在于，所述feature是通過kmeans聚類算法及Silhouette Coefficient和Calinski-Harabasz Index性能評估方法進行選擇得到的。

8.一種終端，其特征在于，包括處理器，所述處理器用于執行權利要求1-7任一項所述的方法。

9.計算機存儲介質，其特征在于，所述計算機存儲介質中存儲有用于執行權利要求1-7任一項所述的方法的程序。