本发明专利技术公开设备寿命预测模型构建方法、装置、可读存储介质及设备，通过抽取存储设备样本并获取对应的特征信息后，进一步提取特征信息中的信号特征，即对特征信息进行二次处理能够提取出与存储设备寿命更加相关的信号特征，再通过计算信号特征集内的信号特征与存储设备寿命的相关度，以及根据寿命的相关度对信号特征集内的信号特征进行筛选，最终提取出一个与存储设备寿命高度相关的特征子集，并基于特征子集对机器学习分类模型进行训练，从而得到高精度的寿命预测模型提高对设备故障预测的准确度。准确度。准确度。
【技术实现步骤摘要】
设备寿命预测模型构建方法、装置、可读存储介质及设备
[0001]本专利技术涉及存储设备寿命预测
，特别是涉及设备寿命预测模型构建方法、装置、可读存储介质及设备。
技术介绍
[0002]随着半导体制造工艺的进步，存储设备已经步入超高密度、超大容量的时代。而存储设备尺寸缩小、堆叠层数增加所带来的严重的可靠性下降问题亟待解决。其中，存储设备的使用寿命是判断存储设备可靠性的重要参数。使用寿命代表着存储设备在失效前，能够执行读写功能的操作次数。因此，预测存储设备使用寿命可以有效地规避存储设备失效带来的包括数据、经济等方面的损失，同时可以根据预测的寿命制定有效的使用策略，最大化的发挥存储设备产品的数据功能。
[0003]目前，现有的存储设备寿命预测技术通常是通过采集存储设备特征值加以机器学习分类训练。但泛化能力弱，对于数据集上添加的新数据集很难给出合理响应。并且，由于需要遍历计算参考点和每个样本点的距离，当数据量较大时，将产生大量的计算量，进而影响寿命的预测速度与精准度。
技术实现思路
[0004]本专利技术所要解决的技术问题是：提供设备寿命预测模型构建方法、装置、可读存储介质及电子设备，提高对设备故障预测的准确度。
[0005]为了解决上述技术问题，本专利技术采用的技术方案为：设备寿命预测模型构建方法，包括步骤：抽取存储设备样本，并获取所述存储设备样本对应的特征信息；提取所述特征信息中的信号特征，得到信号特征集；计算所述信号特征集内的信号特征与存储设备寿命的相关度，并得到信号特征价值排序；根据所述信号特征价值排序筛选所述信号特征集内的信号特征，得到特征子集；将所述特征子集输入机器学习分类模型进行训练，得到寿命预测模型。
[0006]为了解决上述技术问题，本专利技术采用的另一技术方案为：一种设备寿命预测模型构建装置，包括：抽取模块，抽取存储设备样本，并获取所述存储设备样本对应的特征信息；提取模块，提取所述特征信息中的信号特征，得到信号特征集；计算模块，计算所述信号特征集内的信号特征与存储设备寿命的相关度，并得到信号特征价值排序；筛选模块，根据所述信号特征价值排序筛选所述信号特征集内的信号特征，得到特征子集；构建模块，将所述特征子集输入机器学习分类模型进行训练，得到寿命预测模型。
[0007]为了解决上述技术问题，本专利技术采用的另一技术方案为：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执
行时实现如上述的设备寿命预测模型构建方法各个步骤。
[0008]为了解决上述技术问题，本专利技术采用的另一技术方案为：一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的设备寿命预测模型构建方法中的各个步骤。
[0009]本专利技术的有益效果在于：通过抽取存储设备样本并获取对应的特征信息后，进一步提取特征信息中的信号特征，即对特征信息进行二次处理能够提取出与存储设备寿命更加相关的信号特征，再通过计算信号特征集内的信号特征与存储设备寿命的相关度，以及根据寿命的相关度对信号特征集内的信号特征进行筛选，最终提取出一个与存储设备寿命高度相关的特征子集，并基于特征子集对机器学习分类模型进行训练，从而得到高精度的寿命预测模型提高对设备故障预测的准确度。
附图说明
[0010]图1为本专利技术实施例中的一种设备寿命预测模型构建方法的步骤流程图；图2为本专利技术实施例中的一种设备寿命预测模型构建方法的另一步骤流程图；图3为本专利技术实施例中的一种设备寿命预测模型构建方法中不同K值对应特征值的偏差图；图4为本专利技术实施例中的一种设备寿命预测模型构建方法中寿命分析的线性函数计算结果示意图；图5为本专利技术实施例中的一种设备寿命预测模型构建方法中实际寿命和预测寿命的对比图像；图6为本专利技术实施例中的一种设备寿命预测模型构建装置的结构示意图；图7为本专利技术实施例中的一种电子设备的结构示意图。
具体实施方式
[0011]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0012]请参照图1，设备寿命预测模型构建方法，包括步骤：抽取存储设备样本，并获取所述存储设备样本对应的特征信息；提取所述特征信息中的信号特征，得到信号特征集；计算所述信号特征集内的信号特征与存储设备寿命的相关度，并得到信号特征价值排序；根据所述信号特征价值排序筛选所述信号特征集内的信号特征，得到特征子集；将所述特征子集输入机器学习分类模型进行训练，得到寿命预测模型。
[0013]由上述描述可知，本专利技术的有益效果在于：通过抽取存储设备样本并获取对应的特征信息后，进一步提取特征信息中的信号特征，即对特征信息进行二次处理能够提取出与存储设备寿命更加相关的信号特征，再通过计算信号特征集内的信号特征与存储设备寿命的相关度，以及根据寿命的相关度对信号特征集内的信号特征进行筛选，最终提取出一个与存储设备寿命高度相关的特征子集，并基于特征子集对机器学习分类模型进行训练，
从而得到高精度的寿命预测模型提高对设备故障预测的准确度。
[0014]进一步地，所述特征信息包括编程时间；所述获取所述存储设备样本对应的特征信息包括：划分测试节点，并在每一所述测试节点读取所述存储设备样本对应的写入操作所用时间，以及收到返回数据停止记录的周期数；根据所述写入操作所用时间以及数据停止记录的周期数得到所述编程时间。
[0015]由上述描述可知，通过划分测试节点的方式获取存储设备样本做写入操作所用的时间与收到返回数据停止记录的周期数，从而能够精确的获取到存储设备样本在对应节点的编程时间，确保特征信息的有效性，并使得后续寿命预测中能够将编程时间作为预测元素之一对存储设备的寿命进行预测。
[0016]进一步地，所述特征信息包括擦除时间；所述获取所述存储设备样本对应的特征信息包括：划分测试节点，并在每一所述测试节点读取所述存储设备样本对应的擦除操作所用时间，以及擦除操作持续的周期数；根据所述擦除操作所用时间以及擦除操作持续的周期数得到所述擦除时间。
[0017]由上述描述可知，通过划分测试节点的方式获取存储设备样本做擦除操作所用的时间与擦除操作持续的周期数，从而能够精确的获取到存储设备样本在对应节点的擦除时间，确保特征信息的有效性，并使得后续寿命预测中能够将擦除时间作为预测元素之一对存储设备的寿命进行预测。
[0018]进一步地，所述特征信息包括错误率；所述获取所述存储设备样本对应的特征信息包括：依次对所述存储设备样本内的每一存储单元进行读写操作，并统计写入数据与读取数据存在差异的存储单元的数量，以及统计存储单元的总数；根据所述存在差异的存储单元的数量以及存储单元的总数得到所述错误率。
[0019]由上述描述可知，将存储设备的读写错误率作为预测存储设备寿命的要素之一，从而能够基于读写错误率对存储设备寿命做出判断；在获取错误率时，通过在存储单元读取写入数据的操作过程中，同时对比读取数据与写出数据的差异，并统计存在差异的存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种设备寿命预测模型构建方法，其特征在于，包括步骤：抽取存储设备样本，并获取所述存储设备样本对应的特征信息；提取所述特征信息中的信号特征，得到信号特征集；计算所述信号特征集内的信号特征与存储设备寿命的相关度，并得到信号特征价值排序；根据所述信号特征价值排序筛选所述信号特征集内的信号特征，得到特征子集；将所述特征子集输入机器学习分类模型进行训练，得到寿命预测模型。2.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述特征信息包括编程时间；所述获取所述存储设备样本对应的特征信息包括：划分测试节点，并在每一所述测试节点读取所述存储设备样本对应的写入操作所用时间，以及收到返回数据停止记录的周期数；根据所述写入操作所用时间以及数据停止记录的周期数得到所述编程时间。3.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述特征信息包括擦除时间；所述获取所述存储设备样本对应的特征信息包括：划分测试节点，并在每一所述测试节点读取所述存储设备样本对应的擦除操作所用时间，以及擦除操作持续的周期数；根据所述擦除操作所用时间以及擦除操作持续的周期数得到所述擦除时间。4.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述特征信息包括错误率；所述获取所述存储设备样本对应的特征信息包括：依次对所述存储设备样本内的每一存储单元进行读写操作，并统计写入数据与读取数据存在差异的存储单元的数量，以及统计存储单元的总数；根据所述存在差异的存储单元的数量以及存储单元的总数得到所述错误率。5.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述特征信息包括余量电流；所述获取所述存储设备样本对应的特征信息包括：判断所述存储设备样本是否完成擦除操作，若是，则对所述存储设备样本的控制栅施加预设控制电压；读取所述存储设备样本的漏极和源极之间的电流值，得到所述余量电流。6.根据权利要求5所述的设备寿命预测模型构建方法，其特征在于，所述对所述存储设备样本的控制栅施加预设控制电压之前还包括：设置至少一个阈值时间；判断完成擦除操作后的所述存储设备样本对应的待操作时间是否达到所述阈值时间，若是，则执行对所述存储设备样本的控制栅施加预设控制电压的步骤。7.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述提取所述特征信息中的信号特征，得到信号特征集包括：从所述特征信息的时域中提取对应的时域信号特征；
从所述特征信息的频域中提取对应的频域信号特征；根据所述时域信号特征以及频域信号特征得到所述信号特征集。8.根据权利要求1所述的设备寿命预测模型构建方法，其特征在于，所述计算所述信号特征集内的信号特征与存储设备寿命的相关度，并得到信号特征价值排序包括：将所述信号特征集内的信号特征组成预设行列大小的原始矩...
【专利技术属性】
技术研发人员：徐永刚，孙成思，何瀚，王灿，谭尚庚，
申请(专利权)人：成都态坦测试科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。