【技术实现步骤摘要】
本申请涉及故障处理领域，具体而言，涉及一种设备故障的处理方法及装置、存储介质及电子装置。
技术介绍
1、目前，随着企业规模的增长与需要处理的数据规模也不断变大，企业机房需要更多的网络设备来支持海量数据的存储和计算，针对网络设备的检查和监视，现有技术中主要依靠集中监控采集交换机的实时数据结合人工分析进行判断，而大型企业的网络组网环境复杂，交换机设备数量及型号众多，因此网络运维人员无法快速定位网络设备故障，且现有方法无法对设备故障的发生进行预测，故障处理效率低。
2、因此，相关技术中，存在如何提高设备故障的处理效率的问题。
3、针对相关技术中，如何提高设备故障的处理效率的问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种设备故障的处理方法及装置、存储介质及电子装置，以及至少解决如何提高设备故障的处理效率的问题。
2、根据本申请实施例的一方面，提供了一种设备故障的处理方法，包括：确定出对网络设备进行监测得到的当前运行数据；对所述当前运行数据进行特征提取，获得所述当前运行数据在目标维度下的维度特征；将所述维度特征对应的目标分数阶编码排列熵值输入已经训练好的故障预测模型，其中，所述故障预测模型是以不同维度下的历史运行数据的分数阶编码排列熵值为输入样本，以所述历史运行数据对应的故障结果为输出样本进行训练的；获取所述故障预测模型输出的故障结果，并对所述故障结果所指示的故障设备进行故障处理。
3、在一个示例性实施例中，对所述当前
4、在一个示例性实施例中，在将所述维度特征对应的目标分数阶编码排列熵值输入已经训练好的故障预测模型之前，包括：获取对所述一维时间序列进行相空间重构得到的重构矩阵，其中，所述重构矩阵的嵌入维数为m，所述重构矩阵的时间延迟为τ，所述m为正整数，所述τ为正数；确定出所述重构矩阵对应的编码矩阵，其中，所述编码矩阵对应有m！·3m种编码模式；基于所述m！·3m种编码模式的样本概率计算出所述维度特征对应的目标分数阶编码排列熵值。
5、在一个示例性实施例中，所述分数阶编码排列熵值表示为：其中，hfcpe(m)为分数阶编码排列熵值，p(πu)表示每种编码模式的样本概率，γ(·)代表伽马函数，ψ(·)代表双伽马函数，α表示分数阶因子，且α∈r，所述n为正整数。
6、在一个示例性实施例中，在对所述故障结果所指示的故障设备进行故障处理之前，所述方法包括：在确定所述故障结果用于指示所述网络设备在经过预设时间段后出现故障的情况下，确定出所述网络设备的当前运行时刻；如果监测到所述网络设备出现故障，确定出所述网络设备出现故障的故障时刻；获取所述当前运行时刻与所述故障时刻之间的监测时间段；在确定所述监测时间段与所述预设时间段之间的差值小于预设阈值的情况下，将所述网络设备确定所述故障结果指示的故障设备。
7、在一个示例性实施例中，对所述故障结果所指示的故障设备进行故障处理，包括：在确定所述故障结果为存在故障的情况下，确定出所述故障结果所指示的故障设备的设备类型；确定出具备所述设备类型的所有故障设备；根据为所述设备类型预设的设备处理措施对所述所有故障设备进行故障处理。
8、在一个示例性实施例中，对所述故障结果所指示的故障设备进行故障处理，包括：在确定所述故障结果为存在故障的情况下，确定出所述故障结果所指示的故障设备的设备厂商；确定出属于具备所述设备厂商的所有故障设备；从所述设备厂商提供的出厂数据中确定出设备故障操作，按照所述设备故障操作对所述所有故障设备进行故障处理。
9、根据本申请实施例的另一方面，还提供了一种设备故障的处理装置，包括：数据确定模块，用于确定出对网络设备进行监测得到的当前运行数据；特征获得模块，用于对所述当前运行数据进行特征提取，获得所述当前运行数据在目标维度下的维度特征；特征输入模块，用于将所述维度特征对应的目标分数阶编码排列熵值输入已经训练好的故障预测模型，其中，所述故障预测模型是以不同维度下的历史运行数据的分数阶编码排列熵值为输入样本，以所述历史运行数据对应的故障结果为输出样本进行训练的；结果获取模块，用于获取所述故障预测模型输出的故障结果，并对所述故障结果所指示的故障设备进行故障处理。
10、在一个示例性实施例中，所述特征获得模块还用于：按照所述不同维度对所述当前运行数据进行分类，得到多组运行数据，其中，所述多组运行数据对应不同维度；从所述多组运行数据中确定出与所述目标维度对应的目标运行数据；对所述目标运行数据进行特征提取，得到所述目标运行数据对应的一维时间序列，将所述一维时间序列确定为所述维度特征，其中，所述一维时间序列包含n个以时间先后进行排序的序列值，所述n为正整数。
11、在一个示例性实施例中，所述特征输入模块还用于：获取对所述一维时间序列进行相空间重构得到的重构矩阵，其中，所述重构矩阵的嵌入维数为m，所述重构矩阵的时间延迟为τ，所述m为正整数，所述τ为正数；确定出所述重构矩阵对应的编码矩阵，其中，所述编码矩阵对应有m！·3m种编码模式；基于所述m！·3m种编码模式的样本概率计算出所述维度特征对应的目标分数阶编码排列熵值。
12、在一个示例性实施例中，所述特征输入模块基于所述m！·3m种编码模式的样本概率计算出所述维度特征对应的分数阶编码排列熵值表示为：其中，hfcpe(m)为分数阶编码排列熵值，p(πu)表示每种编码模式的样本概率，γ(·)代表伽马函数，ψ(·)代表双伽马函数，α表示分数阶因子，且α∈r，所述n为正整数。
13、在一个示例性实施例中，所述结果获取模块还用于：在确定所述故障结果用于指示所述网络设备在经过预设时间段后出现故障的情况下，确定出所述网络设备的当前运行时刻；如果监测到所述网络设备出现故障，确定出所述网络设备出现故障的故障时刻；获取所述当前运行时刻与所述故障时刻之间的监测时间段；在确定所述监测时间段与所述预设时间段之间的差值小于预设阈值的情况下，将所述网络设备确定所述故障结果指示的故障设备。
14、在一个示例性实施例中，所述结果获取模块还用于：在确定所述故障结果为存在故障的情况下，确定出所述故障结果所指示的故障设备的设备类型；确定出具备所述设备类型的所有故障设备；根据为所述设备类型预设的设备处理措施对所述所有故障设备进行故障处理。
15、在一个示例性实施例中，所述结果获取模块还用于：在确定所述故障结果为存在故障的情况下，确定出所述故障结果所指示的故障设备的设备厂商本文档来自技高网...
【技术保护点】
1.一种设备故障的处理方法，其特征在于，包括：
2.根据权利要求1所述的设备故障的处理方法，其特征在于，对所述当前运行数据进行特征提取，获得所述当前运行数据在目标维度下的维度特征，包括：
3.根据权利要求2所述的设备故障的处理方法，其特征在于，在将所述维度特征对应的目标分数阶编码排列熵值输入已经训练好的故障预测模型之前，包括：
4.根据权利要求3所述的设备故障的处理方法，其特征在于，所述分数阶编码排列熵值表示为：
5.根据权利要求3所述的设备故障的处理方法，其特征在于，在对所述故障结果所指示的故障设备进行故障处理之前，所述方法包括：
6.根据权利要求1所述的设备故障的处理方法，其特征在于，对所述故障结果所指示的故障设备进行故障处理，包括：
7.根据权利要求1所述的设备故障的处理方法，其特征在于，对所述故障结果所指示的故障设备进行故障处理，包括：
8.一种设备故障的处理装置，其特征在于，包括：
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种设备故障的处理方法，其特征在于，包括：
2.根据权利要求1所述的设备故障的处理方法，其特征在于，对所述当前运行数据进行特征提取，获得所述当前运行数据在目标维度下的维度特征，包括：
3.根据权利要求2所述的设备故障的处理方法，其特征在于，在将所述维度特征对应的目标分数阶编码排列熵值输入已经训练好的故障预测模型之前，包括：
4.根据权利要求3所述的设备故障的处理方法，其特征在于，所述分数阶编码排列熵值表示为：
5.根据权利要求3所述的设备故障的处理方法，其特征在于，在对所述故障结果所指示的故障设备进行故障处理之前，所述方法包括：
6.根据权...
【专利技术属性】
技术研发人员：孙慧慧，
申请(专利权)人：中国建设银行股份有限公司，
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。