电子器件健康状态预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及计算机技术领域，提供一种电子器件健康状态预测方法、装置、电子设备及存储介质，该方法包括：获取目标电子器件当前的运行状态数据；将所述运行状态数据输入健康状态预测模型，得到所述健康状态预测模型基于所述目标电子器件所属型号输出的当前健康状态等级；其中，所述健康状态预测模型基于多域学习机制构建，每个域分别对应同类电子器件的一种型号，所述健康状态预测模型基于不同型号的同类电子器件的运行状态数据样本，以及所述运行状态数据样本对应的健康状态等级标签训练得到。本发明专利技术采用多域学习机制，能够根据目标电子器件所属型号输出适应于该型号目标电子器件的当前健康状态等级，使得对健康状态的预测更准确。

【技术实现步骤摘要】

本专利技术涉及计算机，尤其涉及一种电子器件健康状态预测方法、装置、电子设备及存储介质。

技术介绍

1、随着大数据、云计算、5g等技术的快速发展，数据量呈现爆炸性增长，为此云服务厂商建立庞大的数据中心，为用户提供高品质的服务，而数据中心的稳定运行成为影响用户体验的关键。数据中心需要长期运行，对于组成数据中心的各电子器件，其物理特性决定了使用时间越长故障的几率会增加，健康状态越差。例如：数据中心中，硬盘故障最为常见，若硬盘故障，会造成在硬盘上运行的任务或系统崩溃，导致服务中断，还可能会导致用户存储的数据丢失。

2、目前，对于电子器件的故障防护机制包括被动式防护和主动式防护，被动式防护是在电子器件发生故障后采取补救措施，主动式防护通常是通过机器学习模型预测电子器件的健康状态，但对于一种电子器件，也有不同厂家的产品，同一厂家也有不同型号的产品，现有的相关机器学习模型未考虑这些产品的差异，即未考虑不同型号的电子器件的运行状态数据对模型参数的影响，导致现有的机器学习模型对电子器件的健康状态预测不准确。

技术实现思路...

【技术保护点】

1.一种电子器件健康状态预测方法，其特征在于，包括：

2.根据权利要求1所述的电子器件健康状态预测方法，其特征在于，所述健康状态预测模型包括：共享全连接神经网络和N个特定域全连接神经网络，其中，N大于等于2，一个特定域全连接神经网络对应电子器件的一个型号；

3.根据权利要求2所述的电子器件健康状态预测方法，其特征在于，所述共享全连接神经网络和特定域全连接神经网络均包括多个特征提取层，每个所述特征提取层均包括：归一化模块和特征提取模块；

4.根据权利要求3所述的电子器件健康状态预测方法，其特征在于，所述归一化模块用于按如下公式进行归一化：

5...

【技术特征摘要】

1.一种电子器件健康状态预测方法，其特征在于，包括：

2.根据权利要求1所述的电子器件健康状态预测方法，其特征在于，所述健康状态预测模型包括：共享全连接神经网络和n个特定域全连接神经网络，其中，n大于等于2，一个特定域全连接神经网络对应电子器件的一个型号；

3.根据权利要求2所述的电子器件健康状态预测方法，其特征在于，所述共享全连接神经网络和特定域全连接神经网络均包括多个特征提取层，每个所述特征提取层均包括：归一化模块和特征提取模块；

4.根据权利要求3所述的电子器件健康状态预测方法，其特征在于，所述归一化模块用于按如下公式进行归一化：

5.根据权利要求3所述的电子器件健康状态预测方法，其特征在于，将所述运行状态数据输入健康状态预测模型，得到所述健康状态预测模型基于所述目标电子器件所属型号输出的当前健康状态等级，包括：

6.根据权利要求5所述的电子器件健康状态预测方法，其特征在于，将所述运行状态数据输入健康状态预测模型的共享全连接神经网络，以及与所述目标电子器件所属型号对应的特定域全连接神经网络，分别得到共享全连接神经网络输出的第一特征向量和特定域全连接神经网络输出的第二特征向量，包括：

7.根据权利要求5所述的电子器件健康状态预测方法，其特征在于，将所述运行状态数据输入健康状态预测模型之前，...

【专利技术属性】
技术研发人员：王东清，张炳会，李道童，孙永博，宁兆男，
申请(专利权)人：苏州元脑智能科技有限公司，
类型：发明
国别省市：