[發(fā)明專利]一種對(duì)重復(fù)出現(xiàn)類型故障的可操作可解釋的根因定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210168856.4
• 申請(qǐng)日: 2022-02-23
• 公開(kāi)（公告）號(hào): CN114661504A
• 公開(kāi)（公告）日: 2022-06-24
• 發(fā)明（設(shè)計(jì)）人: 裴丹;李則言
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06F11/07
• 分類號(hào): G06F11/07
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 杜月

1.一種對(duì)重復(fù)出現(xiàn)類型故障的可操作可解釋的根因定位方法，其特征在于，包括以下步驟：

利用監(jiān)控系統(tǒng)進(jìn)行故障監(jiān)控，基于所述監(jiān)控系統(tǒng)監(jiān)控到的故障觸發(fā)訓(xùn)練好的根因定位模型；其中，所述訓(xùn)練好的根因定位模型通過(guò)訓(xùn)練好的決策樹(shù)進(jìn)行全局解釋；

根據(jù)所述故障發(fā)生時(shí)的故障實(shí)例對(duì)應(yīng)的指標(biāo)數(shù)據(jù)和故障依賴圖得到根因故障實(shí)例，并對(duì)所述根因故障實(shí)例的定位結(jié)果進(jìn)行局部解釋；其中，所述故障依賴圖根據(jù)所述故障實(shí)例構(gòu)建。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用隨機(jī)梯度下降法預(yù)設(shè)的損失函數(shù)，并基于歷史故障數(shù)據(jù)對(duì)根因定位模型進(jìn)行訓(xùn)練，得到所述練好的根因定位模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根因定位模型包括特征提取器、特征聚合器和分類器三個(gè)組件，則，

利用所述特征提取器將每個(gè)故障實(shí)例表示為固定長(zhǎng)度的向量；其中，所述向量為實(shí)例級(jí)特征；

利用所述特征聚合器基于所述故障依賴圖的結(jié)構(gòu)，把所述每個(gè)故障實(shí)例的相關(guān)故障實(shí)例的實(shí)例級(jí)特征進(jìn)行聚合以得到聚合特征；

利用所述分類器基于所述聚合特征進(jìn)行打分，以根據(jù)所述三個(gè)組件對(duì)所述根因定位模型進(jìn)行設(shè)計(jì)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用隨機(jī)梯度下降法預(yù)設(shè)的損失函數(shù)，包括：

采用二值交叉熵BCE度量故障T的故障實(shí)例v的輸出分?jǐn)?shù)s_T(v)和真實(shí)標(biāo)簽r_T(v)的差距之間的差距：

BCE(r_T(v)，s_T(v))＝r_T(v)·log(s_T(v))+(1-r_T(v))·log(1-s_T(v))

使用額外的權(quán)重對(duì)不同故障實(shí)例的BCE進(jìn)行加權(quán)平均得到所述預(yù)設(shè)的損失函數(shù)，所述預(yù)設(shè)的損失函數(shù)為L(zhǎng)_s，則：

其中，是訓(xùn)練集，T_i表示一個(gè)訓(xùn)練集中的故障，N_H是訓(xùn)練集的大小，V表示所有的故障實(shí)例，

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用局部解釋方式解釋所述根因故障實(shí)例的定位結(jié)果，包括：

預(yù)設(shè)第一故障和第二故障兩個(gè)故障；其中，所述第一故障是待解釋的當(dāng)前故障，所述第二故障是歷史故障；

對(duì)于所述第一故障中的每一個(gè)故障實(shí)例，比較其聚合特征和所述第二故障中每一個(gè)屬于相同故障類別的故障實(shí)例的聚合特征的距離，并將最小的一個(gè)作為該故障實(shí)例和所述第二故障的距離；

對(duì)所述第一故障中所有故障實(shí)例到所述第二故障的距離進(jìn)行加權(quán)平均，通過(guò)比較所述兩個(gè)故障之間的距離公式，以解釋所述根因故障實(shí)例的定位結(jié)果。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，預(yù)設(shè)第一故障T₁和第二故障T₂，所述兩個(gè)故障之間的距離公式為：

其中，N_c(v)表示所有和故障實(shí)例v屬于同一故障類別的故障實(shí)例集合，表示故障T₁中故障實(shí)例v的聚合特征，表示故障T₂中故障實(shí)例v′的聚合特征，||·||₁表示L1范數(shù)。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練好的根因定位模型通過(guò)訓(xùn)練好的決策樹(shù)進(jìn)行全局解釋，包括：

利用多種時(shí)序曲線特征提取從所述指標(biāo)數(shù)據(jù)中提取第一時(shí)序特征；

利用基于指標(biāo)重構(gòu)的特征提取對(duì)所述第一時(shí)序特征進(jìn)行選擇得到第二時(shí)序特征；

基于所述第二時(shí)序特征訓(xùn)練決策樹(shù)得到所述訓(xùn)練好的決策樹(shù)，根據(jù)所述訓(xùn)練好的決策樹(shù)利用所述訓(xùn)練好的根因定位模型對(duì)所述故障實(shí)例進(jìn)行根因判斷；其中，所述訓(xùn)練好的決策樹(shù)中的規(guī)則作為對(duì)所述訓(xùn)練好的根因定位模型的全局解釋。