[發明專利]一種故障關聯方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202111277169.8
• 申請日: 2021-10-29
• 公開（公告）號: CN113986673A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 吳浩然;廖軍
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/02;G06N3/08
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 羅建民;鄧伯英

1.一種故障關聯方法，其特征在于，包括：

獲取一個或多個設備的告警日志，并對所述告警日志進行詞向量編碼；

將編碼后的告警日志輸入預訓練的深度神經網絡模型，得到所述編碼后的告警日志所關聯的第一故障分類；

根據所述第一故障分類以及預設的工單模板生成故障單，并確定所述故障單對應的設備維修人員；

接收所述設備維修人員基于所述故障單發送的反饋工單，并根據所述反饋工單中的第二故障分類以及對應的所述編碼后的告警日志對所述預訓練的深度神經網絡模型進行再訓練。

2.根據權利要求1所述的故障關聯方法，其特征在于，所述獲取一個或多個設備的告警日志，具體包括：

根據預先存儲的目標網絡的拓撲信息以及預設的廣搜輪次獲取所述一個或多個設備的告警日志。

3.根據權利要求2所述的故障關聯方法，其特征在于，所述根據預先存儲的目標網絡的拓撲信息以及預設的廣搜輪次獲取所述一個或多個設備的告警日志，具體包括：

獲取所述廣搜輪次，并判斷所述廣搜輪次是否為0；

若所述廣搜輪次為0，則獲取待分析設備的告警日志；

若所述廣搜輪次不為0，則獲取所述待分析設備以及根據所述拓撲信息和所述廣搜輪次得到的所述待分析設備的一個或多個相鄰設備的告警日志。

4.根據權利要求1所述的故障關聯方法，其特征在于，每個設備的所述告警日志均包括一條或多條告警信息，每條告警信息均包括告警時間、告警位置和告警內容，所述對所述告警日志進行詞向量編碼，具體包括：

針對每一個設備的告警日志，對所述告警日志中的每條告警信息的告警時間、告警位置和告警內容分別進行編碼，形成一個長度為m*n大小的特征矩陣，其中，m為編碼后的告警時間、告警位置和告警內容的位數之和，n為告警信息的條數；

根據預設的統一尺寸對所有設備的特征矩陣進行組合，形成M*N*k的3階張量，其中，M*N為預設的統一尺寸，k為所有特征矩陣的個數。

5.根據權利要求1所述的故障關聯方法，其特征在于，所述將編碼后的告警日志輸入預訓練的深度神經網絡模型，得到所述編碼后的告警日志所關聯的第一故障分類之前，所述方法還包括：

獲取一個或多個設備的歷史告警日志，并對所述歷史告警日志進行詞向量編碼；

將編碼后的歷史告警日志以及所關聯的故障分類標簽作為訓練數據對所述深度神經網絡模型進行預訓練，得到所述預訓練的深度神經網絡模型。

6.根據權利要求5所述的故障關聯方法，其特征在于，所述深度神經網絡模型為修改后的視覺幾何組VGG16模型，所述將編碼后的歷史告警日志以及所關聯的故障分類標簽作為訓練數據對所述深度神經網絡模型進行預訓練之前，所述方法還包括：

將所述VGG16模型中的所有最大池化層替換為平均池化層，去掉所述VGG16模型中的最后一個全連接層，得到修改后的VGG16模型。

7.根據權利要求2所述的故障關聯方法，其特征在于，所述第一故障分類為無故障或預設的多個故障分類中的一種，所述根據所述第一故障分類以及預設的工單模板生成故障單，具體包括：

若所述第一故障分類不為無故障，則根據所述第一故障分類以及預設的工單模板生成所述故障單，其中，所述故障單用于指示所述一個或多個設備中的其中一個設備出現了所述第一故障分類對應的故障。

8.根據權利要求7所述的故障關聯方法，其特征在于，若所述廣搜輪次不為0且所述第一故障分類不為無故障，所述根據所述第一故障分類以及預設的工單模板生成故障單之前，所述方法還包括：

從包含所述待分析設備和所述相鄰設備的多個設備中獲取其中一部分設備的告警日志作為第一告警日志，并對所述第一告警日志進行詞向量編碼；

將編碼后的第一告警日志輸入預訓練的深度神經網絡模型，得到所述編碼后的第一告警日志所關聯的第三故障分類；

根據所述第一故障分類和所述第三故障分類縮小存在所述第一故障分類對應故障的定位范圍。