一种故障诊断方式确定方法、系统及电子设备技术方案

本申请公开了一种故障诊断方式确定方法、系统及电子设备，获得出现异常的系统的目标指标的属性值，目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；基于预设的指标常量及目标指标的属性值确定整合指标的数值；基于整合指标的数值与预设数值的比较结果确定出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。人员诊断或诊断系统诊断。人员诊断或诊断系统诊断。

【技术实现步骤摘要】
一种故障诊断方式确定方法、系统及电子设备


[0001]本申请涉及故障诊断领域，尤其涉及一种故障诊断方式确定方法、系统及电子设备。

技术介绍

[0002]在系统运行过程中，若发生故障，可直接通过运维专家接入进行故障诊断，也可以通过智能诊断AI系统自动进行故障诊断。
[0003]采用专家经验进行诊断同样会占用大量的人力、物力，而且速度慢，需要人员长期的经验积累，但是专家经验具有较高的故障识别准确度；采用智能诊断系统进行诊断，其速度快，节省人力、时间成本，能够整合大量数据。
[0004]通过对故障的合理分类，确定采用不同的故障诊断方式，能够更加有效的对系统异常进行快速定位和处理。

技术实现思路

[0005]有鉴于此，本申请提供一种故障诊断方式确定方法、系统及电子设备，其具体方案如下：
[0006]一种故障诊断方式确定方法，包括：
[0007]获得出现异常的系统的目标指标的属性值，所述目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；
[0008]基于预设的指标常量及目标指标的属性值确定整合指标的数值；
[0009]基于所述整合指标的数值与预设数值的比较结果确定所述出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。
[0010]进一步的，所述获得出现异常的系统的目标指标的属性值，包括：
[0011]获得出现异常的系统的目标指标的属性状态；
[0012]对所述目标指标的属性状态进行量化估值，获得所述目标指标的属性值。<br/>[0013]进一步的，确定预设数值，包括：
[0014]基于历史数据中整合指标的最大值及最小值通过预设神经网络算法进行训练，获得所述整合指标的收敛值，将所述收敛值确定为预设数值。
[0015]进一步的，所述获得出现异常的系统的目标指标的属性值，包括：
[0016]获得出现异常的系统运行时设置的交易码信息，基于所述交易码信息确定所述指标丰富度的属性值；
[0017]获得出现异常的系统在历史运行中目标指标的历史运行参数，基于所述历史运行参数确定所述目标指标中除所述指标丰富度外的其他目标指标的属性值。
[0018]进一步的，还包括：
[0019]基于深度学习的认证对抗鲁棒性确定所述历史运行参数中的异常数据，并删除所述异常数据。
[0020]进一步的，所述基于所述历史运行参数确定所述目标指标中除所述指标丰富度外的其他目标指标的属性值，包括：
[0021]基于朴素贝叶斯分类对所述历史运行参数中的数据进行分类，确定所述历史运行参数中的指标自然度的历史运行数据、指标频度的历史运行数据及指标趋向性的历史运行数据；
[0022]基于所述指标自然度的历史运行数据确定所述指标自然度的属性值，基于所述指标频度的历史运行数据确定所述指标频度的属性值，基于所述指标趋向性的历史运行数据确定所述指标趋向性的属性值。
[0023]进一步的，还包括：
[0024]将所述故障诊断方式确定为运维人员诊断的出现异常的系统的数据发送至专家经验诊断程序，进行低算力集群的计算；
[0025]将所述故障诊断方式确定为诊断系统诊断的出现异常的系统的数据发送至智能分析程序，进行高算力集群的计算。
[0026]一种故障诊断方式确定系统，包括：
[0027]获得单元，用于获得出现异常的系统的目标指标的属性值，所述目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；
[0028]第一确定单元，用于基于预设的指标常量及目标指标的属性值确定整合指标的数值；
[0029]第二确定单元，用于基于所述整合指标的数值与预设数值的比较结果确定所述出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。
[0030]一种电子设备，包括：
[0031]处理器，用于获得出现异常的系统的目标指标的属性值，所述目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；基于预设的指标常量及目标指标的属性值确定整合指标的数值；基于所述整合指标的数值与预设数值的比较结果确定所述出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断；
[0032]存储器，用于存储所述处理器执行上述处理过程的程序。
[0033]一种可读存储介质，用于至少存储一组指令集；
[0034]所述指令集用于被调用并至少执行如上任一项所述的故障诊断方式确定的方法。
[0035]从上述技术方案可以看出，本申请公开的故障诊断方式确定方法、系统及电子设备，获得出现异常的系统的目标指标的属性值，目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；基于预设的指标常量及目标指标的属性值确定整合指标的数值；基于整合指标的数值与预设数值的比较结果确定出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。本方案通过基于出现异常的系统的目标指标的属性值确定一个整合指标的数值，并能够基于整合指标的数值确定当前异常是直接由诊断系统诊断即可，还是需要由运维人员诊断，实现了通过整合指标的数值的大小对出现异常的系统的故障处理方式的确定，使得不同的系统故障能够通过不同的诊断方式进行处理，提高了诊断速度与准确度。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本申请实施例公开的一种故障诊断方式确定方法的流程图；
[0038]图2为本申请实施例公开的一种故障诊断方式确定方法的流程图；
[0039]图3为本申请实施例公开的一种故障诊断方式确定方法的流程图；
[0040]图4为本申请实施例公开的一种故障诊断方式确定系统的结构示意图；
[0041]图5为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
[0042]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0043]本申请公开了一种故障诊断方式确定方法，其流程图如图1所示，包括：
[0044]步骤S11、获得出现异常的系统的目标指标的属性值，目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；
[0045]步骤S12、基于预设的指标常量及目标指标的属性值确定整合指标的数值；
[0046]步骤S13、基于整合指标的数值与预设数值的比较结果确定出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。
[0047]系统运维工作作为维持系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障诊断方式确定方法，其特征在于，包括：获得出现异常的系统的目标指标的属性值，所述目标指标至少包括：指标自然度、指标丰富度、指标频度及指标趋向性；基于预设的指标常量及目标指标的属性值确定整合指标的数值；基于所述整合指标的数值与预设数值的比较结果确定所述出现异常的系统的故障诊断方式为运维人员诊断或诊断系统诊断。2.根据权利要求1所述的方法，其特征在于，所述获得出现异常的系统的目标指标的属性值，包括：获得出现异常的系统的目标指标的属性状态；对所述目标指标的属性状态进行量化估值，获得所述目标指标的属性值。3.根据权利要求1所述的方法，其特征在于，确定预设数值，包括：基于历史数据中整合指标的最大值及最小值通过预设神经网络算法进行训练，获得所述整合指标的收敛值，将所述收敛值确定为预设数值。4.根据权利要求1所述的方法，其特征在于，所述获得出现异常的系统的目标指标的属性值，包括：获得出现异常的系统运行时设置的交易码信息，基于所述交易码信息确定所述指标丰富度的属性值；获得出现异常的系统在历史运行中目标指标的历史运行参数，基于所述历史运行参数确定所述目标指标中除所述指标丰富度外的其他目标指标的属性值。5.根据权利要求4所述的方法，其特征在于，还包括：基于深度学习的认证对抗鲁棒性确定所述历史运行参数中的异常数据，并删除所述异常数据。6.根据权利要求4所述的方法，其特征在于，所述基于所述历史运行参数确定所述目标指标中除所述指标丰富度外的其他目标指标的属性值，包括：基于朴素贝叶斯分类对所述历史运行参数中的数据进行分类，确定所述历史运行参数中的指标自然度的历史运行数据、指标频度的历史...

【专利技术属性】
技术研发人员：张涛，彭星，王强，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：