一种基于BMC健康管理模块的故障预测方法及系统技术方案

本发明专利技术涉及一种基于BMC健康管理模块的故障预测方法及系统，该方法中使用BMC健康管理模块采集设备温度、电压等信息，并将所有数据记录到数据库中，BMC健康管理模块通过IPMI协议采集数据；根据设备中各硬件资源的使用标准与参数，对接收的数据进行分析，确定异常情况；通过BP神经网络预测方法，结合历史采样数据，选择模型参数，计算得到预测结果。本发明专利技术一种基于国产化BMC健康管理模块的故障预测方法及系统，能够使得故障预测更加合理，更加准确。

A fault prediction method and system based on BMC health management module

【技术实现步骤摘要】
一种基于BMC健康管理模块的故障预测方法及系统
本专利技术涉及IMPI数据采集和BP神经网络算法，是基于BMC健康管理及人工智能算法实现的故障预测方法及系统。
技术介绍
由于频繁使用以及设备复杂化的缘故，设备在任务的执行过程中偶尔会出现故障，影响任务的正常进行。而随着设备集成化、综合化和智能化水平的提高，对设备运行状态的检测以及维修手段也提出更高的要求。当前现有的装备维修保养方式多采取定期保养、定程保养、换季保养、事后维修以及换件维修等，时效性差且浪费大量的人力和物力。
技术实现思路
本专利技术的目的在于提供一种基于BMC健康管理模块的故障预测方法，用于解决上述现有技术的问题。本专利技术一种基于BMC健康管理模块的故障预测方法，其中，包括：S1：BMC健康管理模块通过IPMI协议采集数据；S2：根据设备中各硬件资源的使用标准与参数，对接收的数据进行分析，确定异常情况；S3：通过BP神经网络预测方法，结合历史采样数据，选择模型参数，计算得到预测结果。根据本专利技术的一种基于BMC健康管理模块的故障预测方法的一实本文档来自技高网...

【技术保护点】
1.一种基于BMC健康管理模块的故障预测方法，其特征在于，包括：/nS1：BMC健康管理模块通过IPMI协议采集数据；/nS2：根据设备中各硬件资源的使用标准与参数，对接收的数据进行分析，确定异常情况；/nS3：通过BP神经网络预测方法，结合历史采样数据，选择模型参数，计算得到预测结果。/n

【技术特征摘要】
1.一种基于BMC健康管理模块的故障预测方法，其特征在于，包括：
S1：BMC健康管理模块通过IPMI协议采集数据；
S2：根据设备中各硬件资源的使用标准与参数，对接收的数据进行分析，确定异常情况；
S3：通过BP神经网络预测方法，结合历史采样数据，选择模型参数，计算得到预测结果。


2.根据权利要求1所述的方法，其特征在于，BMC健康管理模块通过IPMI协议实时接收各器件数据，包括温度、电压以及电流，并将数据存入数据库。


3.根据权利要求1所述的方法，其特征在于，所述故障预测包括：采用基于神经网络，根据设备的历史运行记录，结合设计人员提供的常见故障经验，建立BP神经网络预测模型，通过样本进行训练，达到精度后将BP神经网络预测模型嵌入到故障预测软件平台，对主板的健康状态进行评估判断，根据判断结果预测其未来的任务执行力，并根据健康状态提出维修意见。


4.一种基于BMC健康管理模块的故障预...

【专利技术属性】
技术研发人员：侯祖贵，王宇耕，赵博颖，常玉增，郭申，詹少博，张力，白松，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：北京;11