设备状态分析方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种设备状态分析方法、装置、存储介质及电子设备，用以解决利用现有技术对设备运行状态进行评估人力成本较高的技术问题。该方法包括：提取设备监控图像的特征信息，其中，设备在不同运行状态下产生的设备监控图像的特征信息不同；通过目标字典对特征信息进行稀疏表示，以得到设备监控图像的稀疏系数矩阵；根据稀疏系数矩阵中非零元素的分布确定设备的运行状态。

【技术实现步骤摘要】
设备状态分析方法、装置、存储介质及电子设备
本公开涉及运维监控领域，具体地，涉及一种设备状态分析方法、装置、存储介质及电子设备。
技术介绍
IT运维管理是确保应用系统正常运行的重要技术支撑部分。在现有技术中，通常采用智能化监控平台对服务器、交换机及存储设备等IT设备的运行状态信息进行采集，并生成状态变化趋势图，运维人员则根据工作经验对状态变化趋势图进行评估，以判断设备当前运行状态是否正常。因此，现有技术中利用人工干预的方式对设备的运行状态进行分析，不但对运维人员的知识储备要求较高，还增加了运维人员工作负担。
技术实现思路
本公开的目的是提供一种设备状态分析方法、装置、存储介质及电子设备，用以解决利用现有技术对设备运行状态进行评估人力成本较高的技术问题。为了实现上述目的，本公开第一方面提供一种设备状态分析方法，所述方法包括：提取设备监控图像的特征信息，其中，所述设备在不同运行状态下产生的设备监控图像的特征信息不同；通过目标字典对所述特征信息进行稀疏表示，以得到所述设备监控图像的稀疏系数矩阵；根据所述稀疏系数矩阵中非零元素的分布确定所述设备的运行状态。可选地，所述方法还包括目标字典的学习方法，包括：获取每一历史设备监控图像的特征信息以及分类标签，所述分类标签用于表征历史设备监控图像对应的设备运行状态；将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，使得所述目标字典对具有不同分类标签的特征信息的稀疏表示不同。可选地，所述将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，包括：通过求解以下带约束条件的目标函数，得到所述目标字典；D表示字典矩阵，X表示稀疏系数矩阵，Y表示历史设备监控图像的特征信息，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，在目标函数(1)下，满足约束条件||Xi||0≤T的字典矩阵D为所述目标字典。可选地，所述目标字典包括目标解析字典以及目标综合字典，所述将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，包括：通过求解以下带约束条件的目标函数，得到所述目标字典；D表示综合字典矩阵，Ω表示解析字典矩阵，X表示稀疏系数矩阵，C表示历史设备监控图像的种类个数，Yi表示第i类历史设备监控图像的特征信息，Di表示第i类历史设备监控图像的综合字典矩阵，Ωi表示第i类历史设备监控图像的解析字典矩阵，Xi表示第i类历史设备监控图像的稀疏系数矩阵，表示非第i类历史设备监控图像的稀疏系数矩阵，λ用于调节保真项与稀疏项的约束权重，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，解析字典矩阵Ωi用于将非第i类历史设备监控图像的稀疏系数矩阵映射为零；在目标函数(2)下，同时满足约束条件||Xi||0≤T的解析字典矩阵Ωi以及综合字典矩阵Di，分别为第i类设备监控图像的目标解析字典以及目标综合字典。可选地，所述根据所述稀疏系数矩阵中非零元素的分布确定所述设备的运行状态，包括：根据所述稀疏系数矩阵中非零元素的分布确定所述设备监控图像的特征信息对应的分类标签，其中，稀疏系数矩阵中非零元素的分布不同对应的分类标签不同；根据所述分类标签确定所述设备监控图像对应的设备运行状态。本公开第二方面提供一种设备状态分析装置，所述装置包括：特征提取模块，用于提取设备监控图像的特征信息，其中，所述设备在不同运行状态下产生的设备监控图像的特征信息不同；稀疏求解模块，用于通过目标字典对所述特征信息进行稀疏表示，以得到所述设备监控图像的稀疏系数矩阵；状态确定模块，用于根据所述稀疏系数矩阵中非零元素的分布确定所述设备的运行状态。可选地，所述装置还包括字典学习模块，用于获取每一历史设备监控图像的特征信息以及分类标签，所述分类标签用于表征历史设备监控图像对应的设备运行状态，并将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，使得所述目标字典对具有不同分类标签的特征信息的稀疏表示不同。可选地，所述字典学习模块用于通过求解以下带约束条件的目标函数，得到所述目标字典：D表示字典矩阵，X表示稀疏系数矩阵，Y表示历史设备监控图像的特征信息，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，在目标函数(1)下，满足约束条件||Xi||0≤T的字典矩阵D为所述目标字典。可选地，所述目标字典包括目标解析字典以及目标综合字典，所述字典学习模块用于通过求解以下带约束条件的目标函数，得到所述目标字典：D表示综合字典矩阵，Ω表示解析字典矩阵，X表示稀疏系数矩阵，C表示历史设备监控图像的种类个数，Yi表示第i类历史设备监控图像的特征信息，Di表示第i类历史设备监控图像的综合字典矩阵，Ωi表示第i类历史设备监控图像的解析字典矩阵，Xi表示第i类历史设备监控图像的稀疏系数矩阵，表示非第i类历史设备监控图像的稀疏系数矩阵，λ用于调节保真项与稀疏项的约束权重，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，解析字典矩阵Ωi用于将非第i类历史设备监控图像的稀疏系数矩阵映射为零；在目标函数(2)下，同时满足约束条件||Xi||0≤T的解析字典矩阵Ωi以及综合字典矩阵Di，分别为第i类设备监控图像的目标解析字典以及目标综合字典。可选地，所述状态确定模块包括：第一确定子模块，用于根据所述稀疏系数矩阵中非零元素的分布确定所述设备监控图像的特征信息对应的分类标签，其中，稀疏系数矩阵中非零元素的分布不同对应的分类标签不同；第二确定子模块，用于根据所述分类标签确定所述设备监控图像对应的设备运行状态。本公开第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的设备状态分析方法的步骤。本公开第四方面提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的设备状态分析方法的步骤。根据上述技术方案，通过提取设备监控图像的特征信息，并利用目标字典对特征信息进行稀疏表示，可以得到设备监控图像的稀疏系数矩阵，进而根据稀疏系数矩阵中非零元素的分布可以确定设备的运行状态。其中，特征信息可以表征设备在预设时间段内的状态变化趋势，设备在不同运行状态下产生的设备监控图像的特征信息不同，因而通过目标字典计算得到的稀疏系数矩阵也不相同，将特征信息作为训练样本对字典进行训练，所得到的目标字典的分类效果更准确。这样，通过对设备监控图像进行自动分析来评估设备的运行状态，不但可以节约运维管理的人力成本，减轻运维人员的工作负担，提高运维工作的执行效率，还可以避免由于运维人员经验不足所导致的判断失误。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是本公开实施例提供的一种设备状态分析方法的流程图；图2是本公开实施例提供的一种特征信息矩阵进行稀疏表示的示意图；图3是本公开实施例提供的一种设备状态分析方法的流程图；图4是本公开实施例提供的一种设备状态分析装置的框图；图5是本公开实施例提供的一种设备状本文档来自技高网...

【技术保护点】
1.一种设备状态分析方法，其特征在于，所述方法包括：提取设备监控图像的特征信息，其中，所述设备在不同运行状态下产生的设备监控图像的特征信息不同；通过目标字典对所述特征信息进行稀疏表示，以得到所述设备监控图像的稀疏系数矩阵；根据所述稀疏系数矩阵中非零元素的分布确定所述设备的运行状态。

【技术特征摘要】
1.一种设备状态分析方法，其特征在于，所述方法包括：提取设备监控图像的特征信息，其中，所述设备在不同运行状态下产生的设备监控图像的特征信息不同；通过目标字典对所述特征信息进行稀疏表示，以得到所述设备监控图像的稀疏系数矩阵；根据所述稀疏系数矩阵中非零元素的分布确定所述设备的运行状态。2.根据权利要求1所述的方法，其特征在于，所述方法还包括目标字典的学习方法，包括：获取每一历史设备监控图像的特征信息以及分类标签，所述分类标签用于表征历史设备监控图像对应的设备运行状态；将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，使得所述目标字典对具有不同分类标签的特征信息的稀疏表示不同。3.根据权利要求2所述的方法，其特征在于，所述将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，包括：通过求解以下带约束条件的目标函数，得到所述目标字典；D表示字典矩阵，X表示稀疏系数矩阵，Y表示历史设备监控图像的特征信息，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，在目标函数(1)下，满足约束条件||Xi||0≤T的字典矩阵D为所述目标字典。4.根据权利要求2所述的方法，其特征在于，所述目标字典包括目标解析字典以及目标综合字典，所述将所述特征信息通过字典学习函数训练字典，以得到所述目标字典，包括：通过求解以下带约束条件的目标函数，得到所述目标字典；D表示综合字典矩阵，Ω表示解析字典矩阵，X表示稀疏系数矩阵，C表示历史设备监控图像的种类个数，Yi表示第i类历史设备监控图像的特征信息，Di表示第i类历史设备监控图像的综合字典矩阵，Ωi表示第i类历史设备监控图像的解析字典矩阵，Xi表示第i类历史设备监控图像的稀疏系数矩阵，表示非第i类历史设备监控图像的稀疏系数矩阵，λ用于调节保真项与稀疏项的约束权重，||Xi||0为第i类设备监控图像对应的稀疏正则项，T为稀疏度约束常数；其中，解析字典矩阵Ωi用于将非第i类历史设备监控图像的稀疏系数矩阵映射为零...

【专利技术属性】
技术研发人员：许志浩，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21