【技术实现步骤摘要】
本专利技术涉及设备检测，尤其涉及一种基于多维度数据分析的超级设备故障检测方法、系统、终端及计算机可读存储介质。
技术介绍
1、随着物联网技术的快速发展，越来越多的设备通过网络连接形成分布式系统。尤其是在智能家居、智能办公和车联网等领域，多个独立设备通过操作系统连接，形成超级设备，实现了资源共享和功能协同。
2、然而，超级设备的管理和运维面临诸多挑战，特别是在设备数量庞大、类型多样的情况下，无法实时监控超级设备中各子设备的健康状态，并对出现的异常状态进行处理，从而影响了超级设备的正常运行。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种基于多维度数据分析的超级设备故障检测方法、系统、终端及计算机可读存储介质，旨在解决现有技术中在设备数量庞大、类型多样的情况下，无法实时监控超级设备中各子设备的健康状态，并对出现的异常状态进行处理，从而影响了超级设备正常运行的问题。
2、为实现上述目的，本专利技术提供一种基于多维度数...
【技术保护点】
1.一种基于多维度数据分析的超级设备故障检测方法，其特征在于，所述基于多维度数据分析的超级设备故障检测方法包括：
2.根据权利要求1所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述历史多维度数据包括历史设备基础指标数据、历史关键指标事件数据以及历史日志数据；
3.根据权利要求2所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述获取所述多维度指标数据中的故障多维度数据，并根据所述故障多维度数据对预设深度学习模型进行训练，得到故障分析模型，之前还包括：
4.根据权利要求3所述的基于多维度数据分析的超级设备故...
【技术特征摘要】
1.一种基于多维度数据分析的超级设备故障检测方法，其特征在于，所述基于多维度数据分析的超级设备故障检测方法包括：
2.根据权利要求1所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述历史多维度数据包括历史设备基础指标数据、历史关键指标事件数据以及历史日志数据；
3.根据权利要求2所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述获取所述多维度指标数据中的故障多维度数据，并根据所述故障多维度数据对预设深度学习模型进行训练，得到故障分析模型，之前还包括：
4.根据权利要求3所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述获取所述多维度指标数据中的故障多维度数据，并根据所述故障多维度数据对预设深度学习模型进行训练，得到故障分析模型，具体包括：
5.根据权利要求1或4所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述预设深度学习模型包括卷积神经网络、递归神经网络以及长短期记忆神经网络。
6.根据权利要求4所述的基于多维度数据分析的超级设备故障检测方法，其特征在于，所述获取当前多维度...
【专利技术属性】
技术研发人员：杨少东，
申请(专利权)人：深圳开鸿数字产业发展有限公司，
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。